千问办公发布企业上下文基础设施与 QwenNote A2 硬件

一场两小时的客户拜访，双方说的话加起来上万字。但回到工位，销售能凭记忆敲进 CRM 的，通常不到三百字。剩下的去哪了？跟着出租车一起走了。

这样的对话在企业里每天都在发生。会议室里的争论、客户办公室里随口的一句提醒、老师傅肚里的经验，信息密度最高的这些话，几乎都发生在电脑屏幕之外，从来没有进入过任何一套企业系统。

另一边，已经沉淀在文档、群聊和系统里的数据，也常常因为没做结构化，或者体量太大，塞不进上下文窗口，Agent 根本调用不了。

9月22日云栖大会，千问办公把两件事放到了一起解决：发布了面向企业级 Agent 的基础设施“企业上下文”，以及 Agent 硬件 QwenNote A2。

简单说，企业上下文把散落在群聊、文档、知识库和业务系统里的企业信息压缩、结构化，随业务变化持续更新，变成 Agent 能随时调用的知识。难的地方在于“给多少”。一家公司积累多年的资料动辄几十万条，但员工开始一项具体任务时，需要的从来不是全部，而是跟眼下这件事最相关的那一小块。

企业上下文要做的就是这件事，每次只把最相关的那一小块递过去，再用内置的专属模型把 Token 成本压到极低。

而 QwenNote A2 是一款名片大小的 AI 硬件，它能把线下说的 话 录下来、转成文字喂给 Agent 去分析，推动后续任务。它补上的，是千问办公的外部上下文来源。

千问办公下的判断是，模型能力已不再是瓶颈，Agent 能不能在企业里干活，取决于它有没有拿到这家公司自己的上下文。

过去一年多，模型能力一路狂飙。但一个反直觉的现象是，模型越强，企业越觉得不够用。道理不复杂。同样一句“帮我写个方案”，问一个刚打开的对话框，得到的是泛泛而谈；但如果 Agent 手边有过去三个月的群聊、文档、会议记录和客户档案，回答质量能上好几个台阶。

基座模型决定 Agent 的“下限”，上下文工程决定它的“上限”。没有上下文的 Agent，就像一个智商很高却失忆、失明的实习生，干不了任何有价值的活。

去年6月，做企业上下文的 Glean 完成了1.5亿美元的 F 轮融资，估值72亿美元；到今年，其 ARR 已突破3亿美元。市场愿意给一家“整理上下文”的公司72亿美元估值，说明大家都看明白了，企业 Agent 缺的不是模型，是企业自己的信息。

企业 Agent 能拿到的上下文，一直只有线上那部分，会议室、车里、客户办公室里的对话始终缺失。QwenNote A2 就是来补这一环的。

QwenNote A2 由钉钉2025年推出的录音卡 A1 升级而来，外形和 Plauda 这类录音卡产品十分相似。但两者有本质区别。QwenNote A2 打通了千问办公，不单纯是一款录音卡，更是一个 Agent 入口。长按 AI 键，使用语音就能直接给千问办公派活，还能实时语音聊天，比解锁手机、打开 App 更快，也更自然。

QwenNote A2 占了一个很独特的硬件生态位。但光占位没用，市场认不认，还得看实际表现。作为 Agent 的外部上下文来源，要求是“耳聪目明”，不漏关键信息。A2 配了6个麦克风，最远8米拾音，转写准确率98%，能自动识别120种语言、41种方言。这套规格是冲着大会议室去的，距离一拉远、发言人数一多，普通录音设备就会失手，麦克风阵列的价值恰恰在这里。QwenNote A2 还内置了4G物联网卡，免插 SIM，不连手机也能独立使用。

但作为千问办公的上下文入口，光把声音录下来还不够，录到之后做了什么，才更重要。这正是 A2 和录音卡产品最本质的区别，录音硬件的终点是一份转写稿，而 QwenNote A2 却是一个接活的 Agent，话音落地，活已经有人接了。

举个身边的场景。业务负责人面完试，走出会议室，长按 AI 键说一句“帮我分析一下刚才那位候选人的优缺点，评估他适不适合这个岗位，并同步给 HR”。千问办公会调用刚才的面试转写内容做分析，再把候选人的评估结果推到钉钉上，给协作方发消息、约日程。再比如开车去见客户，路上才发现没准备资料，也可以长按 AI 键说一句“帮我准备一份客户背景和产品方案材料，并给出行动建议”。等你到目的地，资料和建议已经躺在千问办公里了。

市面上大部分产品交给你的只是一份逐字稿，而 QwenNote A2 想交给你一个办好的结果，差距就在这里。它还有“长期记忆”，跟着千问办公的云端信息一起进化，越用越懂你的习惯和做事方式。数据安全上，A2 的转写内容只保留文字和纪要，不留原始音频，等于把录音场景里最敏感的那部分风险直接从产品设计里拿掉了。续航上，A2 能连续转写40小时，待机最长18天。

从这些特性看，A2 适合三类人，靠专业吃饭的人，律师、医生、投研分析师、咨询顾问，他们的话本身就是资产；靠协作办事的人，管理者、销售、项目负责人，说完就希望有人去办；还有一类人想把线下沟通内容直接沉淀进工作流，录完的纪要自动进到对应的 AI 流程里。

千问办公从诞生起就打通了钉钉、飞书、企业微信这些主流 IM，国内最大规模的企业客户都在上面，群聊、文档这些业务信息天然沉淀在这里；QwenNote A2 又把线下采集这一环补上了。上下文信息是有了，然后呢？现实要棘手得多。阿里巴巴集团副总裁、千问办公 CEO 陈宇森在演讲中给过一组对比，据钉钉统计，一家中大型企业内部注册的数据规模约在150PB 量级，而当前最强的上下文窗口只有百万 Token 级，差了好几个数量级。

这就像家里有一千件东西要搬，行李箱却只能装十件。所以问题从来不是要不要把数据喂给 Agent，而是喂哪一部分、怎么喂。怎么解这个矛盾？官方给的是三步，连接、理解、复用。第一步是连接。企业知识散落在各个角落，AI 根本够不着，所以先要把它们汇聚到一起，一个项目关联的是谁，走的哪条渠道，汇报线怎么走。信息连上了，Agent 才能看清一件事的来龙去脉、一个任务的状态。不只是文字，过去没被梳理过的图片和视频，现在也能通过多模态模型识别、归类，进入上下文。

第二步是理解，也就是结构化。光连上来还不够，数据量太大。千问办公用大模型把企业内部知识提炼成可调用的实体，人的属性、项目的进展、流程的规则，分层梳理，上一层概括下一层。第三步是复用。任务来了按需提取，只加载跟当前任务相关的那一小部分，不浪费上下文窗口，也不浪费模型的注意力。业务变了，上下文跟着更新，Agent 每次判断都基于企业最新的真实情况。

权限也长在这套体系里。上下文不是对所有人和所有 Agent 敞开的，它继承企业在 IM 里的组织、身份和权限体系，谁能看什么、哪个岗位不该看什么，边界在数据进入 Agent 之前就划好了。古茗茶饮的例子很典型。这家公司上新频繁，运营标准要及时更新下发到门店，飞书文档、知识库、答疑群、培训日程里的内容被打包成一个“门店运营知识空间”，服务近万名一线员工。配方、设备巡检、开台打烊这些内容被拆成一个个实体和关系，店长、训练员、大店长各有各的权限。店员问一句海报张贴规范，Agent 不会把整套运营手册倒出来，而是只给当前任务需要的那一段。这些东西网上查不到，公司自己门儿清。连上了、归纳好了，AI 才能按企业自己的规矩办事。

在这套上下文基础设施之上，人类员工和数字员工可以无缝协作。协作空间把群聊、文档、知识库里散落的信息汇到一处，人和 Agent 在同一个地方推进任务。企业还可以把 ERP、CRM 这类业务系统接进来，Agent 看得见你正做到哪一步，结果还能存回原系统。安全中心则给数据访问和操作划边界。几个产品合在一起，构成企业级 Agent 的连接底座。接入的业务系统越多、沉淀的上下文越丰富、参与协作的员工和数字员工越多，平台能承载的业务就越复杂，生态价值也越大。

当 Agent 从单点工具变成连接数字系统、组织关系与真实世界的平台型产品，它就会产生独立 AI 应用不具备的网络效应。这里正是“个人助手”和“企业级 Agent”的分水岭。豆包、ChatGPT 这类个人 Agent 服务一个人，上下文也只来自这一个人的输入。而一家公司要的是一个能理解组织、也能被组织管理的系统，一万个各干各的个人助手，拼不出这个系统。

陈宇森说，“Agent 要在企业真实场景落地，既要懂业务，也要像人一样在企业和组织内协同，且每一次任务执行要有边界、能追溯。”

AI 办公一直有个争论，到底是 to B 还是 to C？从名字看，千问办公妥妥是 to B 生意，但眼下用这类产品的主要还是个人用户，企业推广用的也是 to C 那套，送积分、签到领额度。反差的原因不难找，这些玩家过去没打通企业内部的上下文，企业用 Agent 收益不明显，自然不愿意按 B 端的方式买单。海外的谷歌和微软虽然是 to B 打法，但更倾向于基于自家办公套件打造“闭环生态”。千问办公选的是另一条路，所有更新都面向组织提效，聚焦企业级上下文、业务应用、协作功能和数据安全。同时它与钉钉生态以及企业原有系统（ERP、CRM）的深度打通，这个优势是其他办公 Agent 短期内补不齐的。

企业 Agent 拼到最后，拼的是谁手里本来就有企业的组织关系和数据入口。千问办公背后站着钉钉的8亿用户、2700万企业组织，以及阿里云的500万客户。这就是它最坚固的护城河。千问办公的这些动作最终都指向同一个目标，做成最好的企业级办公 Agent 平台，实现这个目标的前提是它足够懂业务、足够开放、足够高频。企业 Agent 的竞赛远未到终局，模型能力的比拼已成过去，真实业务场景的落地能力才是决胜关键。未来的企业 Agent 长什么样、会怎么演化，现在还没有答案。但从各家大厂已经亮出的动作看，千问办公应该是想得最深的那个。