长期不操作可以吗吴泳铭说“代表性产品还没出现”，大厂先打响了智能体上下文争夺战

“机器智能时代的代表性产品长期不操作可以吗，还没有出现。”阿里CEO吴泳铭在云栖大会上说。但大厂在智能体与智能终端上的探索正明显加速。

2026年云栖大会上，阿里云AI智能体电脑QwenBook首次亮相，千问办公发布AI智能体硬件产品QwenNote和企业智能体基础设施Enterprise Context（企业上下文）。几乎在同一时间，Meta的个人智能体产品Muse进入市场，字节跳动则继续将豆包工作与飞书的组织、知识和业务系统深度融合。

这些看似分散的市场动作，正在指向一条新主线：大模型能力仍然重要，但决定智能体能否从“会回答”走向“会工作”的，越来越是上下文。

模型负责推理，智能体负责执行，但如果不知道用户是谁、企业正在发生什么、任务处于什么阶段、哪些数据可以访问，模型能力更强，也未必能把事情做对。

办公智能体正喊出“Context is All You Need”（上下文是你需要的全部），千问办公副总裁、产研负责人束骏亮在接受包括第一财经在内的媒体采访时表示，随着智能体底层技术逐渐趋同，决定一个智能体能否真正理解个人、行业并完成任务的核心之一，就是推理时能够获得多少有效上下文；硬件则成为新增上下文的重要入口。

这意味着，智能体的竞争正在从“谁的模型更聪明”，延伸到另一个更底层的问题：谁能够持续获得、整理、理解并调用与任务真正相关的信息。

智能体需要“认知基础设施”

传统Chatbot的工作方式很简单：用户提出问题，模型根据训练数据和当前Prompt生成答案。

对智能体而言，真正困难的已经不只是生成能力，而是如何找到正确的数据。

企业的数据可能散落在ERP、CRM、数据库、文档、邮件、IM、会议记录甚至视频和语音中。更复杂的是，同一个客户、项目或产品，在不同系统中可能使用不同名称，信息还会不断变化。

Gartner今年发布的研究已经将“企业上下文层”单独作为智能体架构问题，认为智能体要在企业环境中可靠工作，需要一个能够连接数据、语义和治理的Context Layer。如果缺少数据之间的语义关系和业务规则，智能体不仅容易产生错误，也会增加不必要的计算成本。

Anthropic今年发布的《2026年AI智能体概况》（《2026 State of AI Agents》）调查显示，企业部署智能体时，系统集成和数据访问、质量是主要障碍，分别有46%和42%的受访者将其列为主要问题。

束骏亮给出了一个更具体的解释：即便模型已经拥有百万级上下文窗口，对于一个企业项目背后的聊天记录、文档、设计图、会议记录等海量信息而言，仍然非常有限。只要模型的上下文不是无限的，怎么从海量数据中找到与当前任务直接相关的上下文，并让智能体能够逐步探索到就成为关键问题。

因此，智能体需要的不是简单的“更长上下文”，而是一套持续工作的上下文基础设施。

阿里云在云栖大会上提出“Model、Harness、Context”三层架构，并发布Context Engine，将企业全域数据经过存储、计算处理、语义整合和上下文装配后，转化为智能体能够实时调用的信息。阿里云CTO李飞飞将其概括为：让智能体从“知道什么”进一步走向“此刻应该做什么”。

这意味着，过去属于数据库、知识库和企业软件的数据资产，正在被重新定义为智能体的认知基础设施。

如果说企业上下文解决的是“公司发生了什么”，那么个人智能体要解决的则是“这个人正在经历什么”。

这让AI终端重新受到关注。

束骏亮认为，硬件是一个非常好的上下文增量的收集入口，例如QwenNoteA2可以把日常对话转成可沉淀的文本上下文，眼镜等设备也能进一步把物理世界的信息转化成智能体能够利用的数据。

里斯战略咨询发布的《全球AI眼镜战略洞察报告》显示，AI眼镜行业正进入发展拐点。通过抓取全球超万条AI眼镜消费数据分析发现，科技爱好者（30%）仍是AI眼镜最大的单一消费标签。在消费者的评论中，Al助手（35%+）、拍摄（30%+）、音频（25%+）是消费者购买的三大动因。

未来更进一步，硬件将承担“唤起智能体”的角色。

束骏亮举了一个场景：两个人开完会，QwenNoteA2已经记录了对话，用户只需要按下按钮告诉智能体“把刚才这场会议形成待办发给同事”，不需要重新打开手机或电脑。

这背后的逻辑是，智能体需要的不只是一个输入框，而是一套持续存在的感知入口。

暂未披露硬件部署的模型大厂也在优化智能体生态。Meta智能体建立了一个独立的执行环境——Muse Secure VM。Muse拥有自己的浏览器和持久化虚拟机，可以连接邮件、日历、Instagram等应用，执行购物、预约、填写表单等任务，并通过权限控制、审批和审计机制限制关键操作。

OpenAI则把上下文+执行更多放在桌面工作环境中，核心变化不是增加一个聊天窗口，而是让用户可以同时管理多个长期运行智能体，在不同项目之间切换而不丢失任务上下文。

由此，一个新的智能体架构开始浮现：手机、PC、眼镜等终端负责获取个人上下文；飞书、钉钉、CRM、ERP等企业软件沉淀组织上下文；云和沙箱提供运行环境；身份和权限系统决定智能体能够看到什么、做什么；模型负责推理，智能体负责执行。

AI终端的竞争并不只是“谁先做出一副眼镜”，办公软件的竞争也不只是“谁的AI功能更多”。更深层的竞争，是谁能够成为上下文的持续入口。

企业较劲不在智能体，而在工作流

一旦智能体进入企业，需要回答三个问题：它是谁？它能看什么？它能做什么？

束骏亮认为，个人智能体和企业智能体在技术形态上未必有巨大区别，真正的差异来自上下文归属和权限边界：个人智能体连接的是个人账号和个人数据，而企业智能体面对的是企业知识产权、组织身份以及企业账号体系。

束骏亮认为，企业智能体必须具备身份、权限、安全和审计能力，并且不能简单运行在员工个人电脑上。如果企业希望智能体7×24小时工作，就要有云端运行环境。千问办公近期加强了智能体安全管控等能力的推出，字节的路径与此高度相似。

豆包工作与飞书原生结合，智能体能够在权限范围内调用企业文档、搜索、群聊、会议等上下文，并将任务成果重新带回组织协作环境。飞书官方目前也将豆包工作定位为连接企业知识、任务执行和成果协作的智能体工作平台。豆包的工作伙伴拥有自己的身份、权限和记忆，可以进入团队协作环境。

阿里则选择从云基础设施向上构建智能体平台，不仅覆盖智能体构建，还覆盖运行、协作、治理、身份认证、监控和评估。

AWS和Google也在补齐相同的基础设施。AWS推出AWS Context，通过知识图谱映射企业数据之间的关系，并让智能体在运行时访问经过治理的业务规则和领域知识；Google的智能体平台则把智能体身份、智能体注册、安全策略和审计纳入统一治理体系，让企业可以知道“哪个智能体代表谁”以及“它访问和调用了什么”。

几家公司的路线虽然不同，但底层结构越来越接近：Context解决“知道什么”，Identity & Permission解决“允许什么”，Execution解决“真正做什么”。

模型只是其中的一层。

安全隐忧待解

上下文越丰富，智能体越有用；但上下文越丰富，权限和安全风险也越高。

今年4月发生的PocketOS事件就是一个极端案例，运行在Cursor中的Claude Opus 4.6 智能体在处理测试环境任务时，因为凭证问题自行寻找API Token，并调用Railway接口删除生产数据库及备份，整个过程约9秒。事件暴露的并不只是模型决策问题，也包括Token权限、生产环境隔离和备份体系等基础设施问题。

类似问题在企业环境中会更加严重。

因为企业真正担心的不是智能体偶尔答错一个问题，而是一个拥有真实权限的智能体，在错误上下文、错误权限或者错误判断下完成了一个真实动作。

元股证券:ygzq.hk

蚂蚁密算董事长韦韬分析，当智能体能够自主规划、调用工具和操作系统时，可能带来几类新风险：人的授权与意图未被AI准确理解或执行；智能体在执行复杂任务时出现循环执行或偏离目标；数据和知识在智能体调用与传递中泄露。蚂蚁密算此前提出HOP（面向智能体的语言），将任务目标、探索、检查和提交等步骤结构化为人和智能体都易于理解、便于对齐的规约，从而让智能体执行更可控、可核验。

AWS今年8月也专门发布技术方案，强调在智能体访问多个数据库、SaaS平台和知识库时，必须将用户的授权上下文一路传递到下游系统，避免智能体因为不知道“谁在请求”，而返回用户无权查看的数据。

这也解释了为什么阿里、Google、AWS都在同时建设上下文和治理。对于企业来说，上下文不是“给AI更多数据”这么简单，而是要解决四个问题：数据从哪里来、数据是否可信、智能体是否有权访问、最终行为能否追溯。

这也是千问办公与传统SaaS关系正在发生变化的地方。

束骏亮并不认为AI办公意味着传统软件消失。相反，他认为钉钉、CRM等传统软件中短期内存在价值非常大，因为这些系统沉淀了大量业务数据和固化流程。未来，它们可能更多承担“数据底座”和“上下文底座”的角色，而智能体负责调用这些信息，以自然语言完成更具泛化性的任务。

束骏亮提出的一个判断是：企业上下文应该属于企业本身，而不是属于某一个AI产品。未来企业可能同时使用多智能体，上下文基础设施必须与智能体解耦。

这可能是上下文竞争真正值得关注的地方。如果模型是AI时代的“计算引擎”，那么上下文正在成为智能体时代的数据基础设施；如果智能体是新的软件形态，那么身份、权限和执行环境则构成它的操作系统。