千问不止有月亮，还有六便士

服务人的一生，一直是AI的主战场

文/刘宇翔

为什么中国人不怕 AI？

斯坦福大学近期做了个 AI 指数发现，84% 的中国受访者对 AI 感到兴奋，而美国只有 38% 的人持有同样看法。研究团队认为，最重要的原因是中国人期待技术收益能够惠及普通大众。

确实，和天天鼓吹“AI 会毁灭人类”的美国科技巨头不同，中国的科技企业有着更清澈的眼神，他们思考的从来不是用 AI 取代人类，而是琢磨如何用 AI 服务于人。前者杀气腾腾，压迫感十足，后者温情脉脉，烟火味十足。

正如 9月22日的云栖大会的演讲上，千问产品负责人郑嗣寿再次重申的千问上线第一天就定下的愿景，“让智能平等地服务每一个人”。愿景很美好，但如何实现呢？

人的一生其实就是漫长的“上下文”，童年的口味、青年的野心、中年的责任、老年的牵挂，我们一点点地拓展自己的人生，也渴望有人能记着我们的偏好，帮我们记住那些自己都未必说得清的偏好，帮我们规划行程，照看健康，照料财务，等等。只有一个管家还不行，还需要一支队伍。

所以，在演讲上，郑嗣寿宣布千问的健康侧可以接入智能手表与动态血糖仪，开放平台覆盖领域扩至20多个、申请入驻伙伴超过1000家。

这1000多家伙伴是千问把“懂你”落到“帮你”的触点。生活是这样的，倘若总是低头办事，就顾不上抬头看皎洁的月亮，如果一心追月亮，又错过养家糊口的六便士。千问想用开放生态做的，正是让你的生活、健康有人照顾，让你的财务、行程有人照看，这一切在同一个Agent 里汇合。

在千问看来，有 AI ，月亮和六便士，是可以兼得的。

对个人如此，对千千万万接入这个生态的企业，同样如此。

01

未被技术重构的供给

过去两年，Agent浪潮的行业叙事几乎被一个场景垄断，那就是 Coding。

Claude Code、Cursor、Codex轮番刷屏，资本的估值锚点、开发者的注意力、大模型的跑分竞赛，全都围着跑分、“让AI写代码”展开。毕竟，Coding有完美的反馈闭环，代码能跑就是能跑，是当前最有确定性的商业场景。

但验证场不是终局场，全国 14 亿人、全球 80 亿人，面对的是健康、财务、教育、养老、出行，这些没有编译器、无法一键回滚却更需要被理解的难题。

一个普通人的一生要和这些领域打交道成百上千次，得到的服务质量取决于他付得起多少钱，高净值客户有私行、私人律师、家庭医生，大部分人靠搜索和短视频获取真假难辨的信息。

所以，当千问把愿景推进到“让智能平等地服务每一个人”，它瞄准的是一个比Coding大得多的事，即服务人的一生。

其实服务于人也是阿里一直在做的事情，只不过，在 AI 时代，由千问领衔扛起了这事，用技术重构供给。相比起看似复杂的代码，个人需求细碎繁琐，甚至表达含糊，看似简单的问题背后，意图更是千差万别。要满足这些需求，千问团队意识到，既要能处理复杂任务，更要理解一个个具体的人。

靠人工来实现肯定不可能，而Agentic能力和Harness 的逐渐成熟，千问得以能加速升级为每个人自己的PersonalAgent，有了更清晰的能力形态和实现愿景路径。

让服务跑起来，Personal Agent 引擎首先一定要有最强的模型。千问几乎应用了阿里所有的最新模型，从Qwen3.8系列到Wan、HappyHourse、Qwen-audio，会根据不同的产品形态和需求，使用不同模型组合协同，达到最优配置。此外，MaaS平台和千问在模型部署、资源调度和运行保障上的紧密配合，实时交互快速，长程任务稳定，郑嗣寿借用团队同学的一句话说，千问“大半条服务生命线都在MaaS上”。

公允地说，此前并非没有科技公司思考过智能服务于人的路线。苹果早在 2011 年推出的 Siri ，就尝试用自然语言调用手机服务；谷歌的Gemini Spark在接入自家服务同时，通过MCP 协议连接Canva、Dropbox等第三方服务；OpenAI 的ChatGPT 对话框可直接调用Booking、Tripadvisor、Instacart、DoorDash、Uber等服务。Meta 近期推出的 Muse 除了回答问题，还能打开浏览器、登录邮箱、填表格、订机票、购物，但上线仅仅13天就被亚马逊屏蔽。

各家科技巨头密集推出个人Agent 产品，证明了Personal Agent正成为全球AI的下一个万亿级赛道，但 Meta 的遭遇也暴露了一个问题，即从“能对话”到“懂你、能办事、持续办”，中间缺的不是功能，是一整套基础设施和生态。

幸运的是，千问这个入口之后是阿里的整个生态。

02

PersonalAgent的终极形态

有了入口级的体量，丰富的生态，Personal Agent 是不是就水到渠成了呢？

过去半年，行业谈个人Agent，注意力集中在模型层和工具层，并用“顾问”类比，比如“AI 是你的健康顾问、法律顾问、理财顾问”。这个类比错误在于，顾问是等你去敲门，按领域收费、按次问答。

而PersonalAgent其实更像是管家，他应该比顾问们更全面了解你，账、身、家事全在一本册子上，他有调用整个专业团队的能力。

所以，打造一个Personal Agent 有点像培训一个高素质的管家。

其实影片中早有个完美样本，那就是蝙蝠侠的管家阿尔弗雷德。他照顾着布鲁斯·韦恩长大，了解韦恩的性格，熟知韦恩的饮食偏好，知道韦恩的健康状况，能帮韦恩安排最适合出行的车辆，还帮他召唤法律顾问，甚至能协助财务顾问帮韦恩处理投资，甚至在韦恩最需要的时候听他倾诉。但阿尔弗雷德绝不僭越职责，绝不越俎代庖。

这是PersonalAgent的终极形态。在千问看来，每个人的职业、身份、所处的阶段和时间场景，都在或快或慢的持续变化，对于每一个用户，只有单一场景的Context，是无法服务好这个场景的。因为如果不知道你的健康状况就无法给出运动建议，不知道小孩的教育规划，就难以测定家庭理财和抗风险设定。

想要真正理解一个人，需要在动态中提炼构建出每个人的全域、终身Context，沉淀用户的特性，理解用户的独有需求。

但这个全域、终身Context 的“小册子”是锁在抽屉里，经主人允许才翻。也就是说，Personal Agent 不会窥探你，更不会替你作主，而是在你允许的边界内，把全域、终身Context转化为一种可被调用的“懂你”。

03

让专业人做专业事

一个人被理解了，然后呢？

这是Personal Agent最难回答的问题。因为理解本身不产生价值，理解之后的行动才产生价值。千问在健康、学习、工作上的实践，已经证明了一件事，那就是当Context足够厚，Agent就能从“回答”走向“办事”。但一个人的处境远不止这三个切面。他要理财，要出行，要运动，要求职，要面对法律和保险，这些需求散落在千行百业，靠千问自己闭门造车，永远接不住。

理财是个典型例子。千问已经接入了十余家金融智能体，涵盖证券、基金、投资、保险。表面看是多了几个数据源，但真正的变化是未来用户可以连接个人基金账户，调取持仓数据，问“昨天亏了多少钱”、“可以怎么调整持仓”。

专业伙伴提供的是权威数据和实时信息，千问有的是Context，两者咬合，才让“懂你”变成了“帮你”。

开放平台正是同样的逻辑。从本地生活、物流，到新增的求职、运动、游戏，覆盖领域扩大到20多个，申请入驻伙伴超过1000家。这1000多家伙伴不是简单的能力堆砌，是千问把“管家”的职责边界向外推了一圈。

今天，透过Agent的视角，千问对这件事有了更具体的判断：要通过事件、场景、时间、空间、关系各类信息，组织成对每个人State的判断，再把其中有价值的信息，沉淀为长期、持续更新的个人Context。而生态伙伴提供的专业数据和场景能力，恰恰是千问自己无法覆盖的那部分拼图。

没有它们，Context再厚，也只在一个有限的世界里厚。

一旦这个循环跑起来，飞轮就成形了。用户越用，Context越完整，调度越准确；企业越服务，场景反馈越丰富，专业能力越迭代。企业从卖产品走向持续提供服务，获得Context复利。这既是提升自身，也是分享红利，月亮与六便士兼得。

千问对 Personal Agent的定位是克制的，它并不认为Agent 本身是护城河，护城河是由用户需求被生态伙伴服务好才能长出来的。

未来几个月，千问会进一步加速并且发布统一的Personal Agent,并且加深生态合作，把千问的高价值场景和Agent实践开放给所有伙伴，同时也把千行百业的能力汇聚进来。

几个月后的千问，更加值得期待。