在模型能力飞速迭代、Agent产品层出不穷的今天，千问办公给出了一个反直觉的判断：企业级Agent真正的瓶颈，从来都不是模型不够聪明，而是数据不够可用。 9月22日，2026杭州云栖大会首日，千问办公以一场题为“Context is All You Need”的主题发布，将“企业上下文（Enterprise Context）”这个词正式推到了行业聚光灯下。 从8月3日阿里整合QoderWork、MuleRun、悟空三款产品推出千问办公，到上线一个月总用户量突破3000万、企业用户占比过半，再到此次云栖大会一口气发布企业上下文、QwenNote A2硬件、协作功能、应用功能、安全中心等多项重磅更新，千问办公这家诞生仅50余天的产品，正在用一种狂野奔跑的节奏，重新定义企业级AI办公的边界。 为什么是Context？模型越聪明，越显得“不懂企业” 发布会上，阿里巴巴集团副总裁、千问办公CEO陈宇森开宗明义抛出一个问题：“为什么现在的AI已经足够聪明，能搞定绝大多数通用任务，但一到企业里就‘水土不服’？” 答案藏在一个看似简单的问句里——“我们公司上个季度华东区的毛利率是多少？”任何一个足够好的大模型都回答不了这个问题，不是因为它不会算毛利率，而是因为它不知道“我们公司”指的是谁、“华东区”在这家公司里对应哪几个省、“毛利率”在企业内部用的是哪套计算口径。“一个不懂业务的AI Agent，是无法进入企业级真实业务流的。”陈宇森指出。 这正是企业级Agent落地的第一重困境：AI很聪明，但不懂企业。 通用大模型可以把百科知识背得滚瓜烂熟，却对企业内部沉淀了十几年的业务规则、组织架构、产品标准一无所知。员工用AI处理日常事务游刃有余，一碰到具体业务问题就只能“自己查完再喂给AI”，效率反而打了折扣。 第二重困境更隐蔽：单点效率提升了，组织效率没跟上。 有的员工AI用得非常熟练，一天八小时的活，可能一两个小时就干完了，但是他的经验、技巧、工作流，很难沉淀下来分享给同事乃至整个组织。组织内部仍然依靠日报、周报、复盘会层层传递知识，半个月才能完成一次优秀经验的全组织扩散——在AI时代，这个速度慢得难以接受。 第三重困境则是所有企业都绕不开的：想用但不敢用。 数据安全是悬在企业AI转型头上的达摩克利斯之剑。很多企业通过中转站、用各种方式“省成本”，但却忽略了AI时代数据泄露的风险远比传统IT时代更高。接触数据没有边界、执行操作没有约束、产出结果不可追溯——这三道关卡不打通，AI再好用也进不了核心业务流。 “连接、理解、复用。”陈宇森用三个关键词给出千问办公的解法：把企业分散在各个角落的数据连接起来，让Agent真正理解这些数据的含义，再把个体优秀经验沉淀为组织可复用的能力。而承载这一切的基础设施，就是“企业上下文”。 企业上下文：不是数据仓库，是Agent的"业务大脑" 企业上下文（Enterprise Context），顾名思义，就是把企业的知识与业务数据，转化为Agent可以按需调用的上下文。这听起来有点像过去的知识库或者数据中台，但是陈宇森反复强调了两者的核心差异：企业上下文不是把数据堆在一起，而是要让数据“能用”。 “中大型企业内部的数据规模平均大概在150PB左右，但现在最优秀的上下文窗口也只有100万。”陈宇森用一组数据点出了问题的关键，“100万token意味着什么？直接塞一个50兆以上的文档进去，上下文窗口就可能被打爆。”如果只是把企业所有文档、群聊、邮件一股脑塞进向量库，那么Agent每次执行任务时，面对的都是海量的低质信息，既用不起来，又浪费了宝贵的上下文窗口。 也正因为如此，企业上下文的核心技术，不是“存储”，而是“压缩”。 千问办公的做法是，借助Qwen3.8-Flash和Qwen3.8-Omni-Flash大模型的能力，对企业内部的文档、会议、群聊、视频、图片等多模态数据进行结构化整理：提取出业务实体（人、项目、产品、客户等）及其属性与关系，构建类似本体（Ontology）的数据结构，再用层级化的方式组织起来。每一层都尽可能压缩下一层的信息，确保Agent在执行任务时，能快速拿到与当前任务最相关、信息密度最高的那部分上下文，而不是在海量数据里大海捞针。 古茗茶饮的案例很有代表性：作为拥有一万多家门店的茶饮品牌，古茗上新频繁，运营标准需要及时更新并下发到每一家门店。过去这些标准散落在飞书文档、知识库、答疑群、培训日程里，一线店员遇到问题要到处问人、找资料。通过企业上下文，古茗将这些分散信息整理成“门店运营知识空间”，店员通过Agent询问“磁性框海报该怎么贴”时，Agent不会返回所有运营知识，而是精准调出与海报张贴相关的SOP步骤和注意事项，直接给出可用答案。 【古茗通过 Enterprise Context 对原始资料