阿里想帮每一个人打造个人“COO”

2026-09-24

我理解阿里想做的个人“COO”，是一个能理解目标、组织资源、持续推进事情的助手。这个定位能否成立，取决于千问能不能从回答一个问题，走到长期服务一个具体的人。

36氪这篇报道值得关注的，是千问正在同时调整产品架构、服务组织方式和团队投入。个人 Agent 的竞争，已经开始从模型能力延伸到整个服务系统。

个人需求的复杂度，过去被低估了

千问产品负责人郑嗣寿判断，用户目前超过95%的AI需求仍停留在“高级搜索”。这是他的产品观察，说明很多用户还没有形成把复杂任务交给AI的习惯。

但需求已经在变化。据团队介绍，千问用户的平均对话轮次达到5到8轮，使用中长期上下文和用户画像后，超过60%的问题得到了更好的回复。这些数据来自团队自身口径，但它们指向了一个值得重视的方向：理解用户，正在成为产品效果的重要变量。

高考志愿是一个直观例子。过去输入分数和选科，系统给出录取概率较合适的学校。加入个人上下文之后，同样的分数，还要考虑学校层次、是否留在家乡、家庭资源和未来就业环境。

能去哪里，与适合去哪里，是两种不同的判断。

千问还把出分到填报的两周组织成日历，按节点提示任务，并根据反馈调整建议。我认为，这才是 Agent 更实质的变化：服务开始贯穿决策过程，能够跟着人的行动继续往下走。

千问提出积累个人的全域、终身 Context，也就是持续理解一个人的身份、经历、偏好和目标。

这件事难在，人一直在变化。学生成为员工，子女成为父母，同一句问题在不同人生阶段，背后的目的可能完全不同。记住旧信息还不够，系统需要判断哪些信息仍然有效。

按报道描述，千问正在建设通用和领域两类上下文。前者理解职业、家庭角色和长期目标，后者沉淀健康、学习、理财、工作等场景的信息，并尝试跨场景调用。

这种连接有实际价值。孩子的教育安排会影响家庭资金计划，健康状态会影响运动和出行。用户的生活本来就是连在一起的，软件却长期把它切成不同入口。

千问预告的AI眼镜、AI耳机，以及已有的App和PC端，也可以放在这个逻辑下理解：更多终端，为持续了解用户和延续服务提供条件。

不过，我更看重理解的准确度。郑嗣寿也承认，即使拥有用户十年的购物数据，理解错了，服务仍然会错。数据积累只有转化成可靠判断，才可能成为优势。

报道将千问的转向放在全球 Personal Agent 竞争中观察，列举了 Meta 的 Muse 等产品，也提到其他厂商的布局与相关爆料。这些动向共同指向一个入口机会：让用户把任务交给一个助手，由它协调背后的服务。

中国市场有自己的约束。大量生活服务集中在不同移动App里，账户、数据和交易流程相对独立。个人 Agent 要把事情办完，需要深入的生态合作。

千问已经连接外卖、打车等生活服务，并通过开放平台引入伙伴。这为执行任务提供了起点。下一步的难度，是让这些服务围绕同一个人的目标协同起来。

其架构思路是：通用的 Harness，也就是任务运行与编排层，负责规划、工具调用和推进；领域 Agent 提供专业能力；统一的个人上下文帮助它们理解同一个用户。

我认为，这会改变专业服务的分工。垂直领域的数据、工具和履约能力仍然重要，用户却可能越来越少亲自寻找、比较和拼接它们。个人 Agent 承担了组织工作，也因此有机会成为新的服务入口。

阿里拥有模型、算力和生活服务生态。报道提到的三年超过3800亿元云和AI基础设施投入，以及多种尺寸的Qwen模型，都为千问提供了支撑。

但资源之间还存在距离。郑嗣寿坦言，千问内部的场景尚未完全串联，更不用说整个阿里生态的数据。接入一个服务，并不意味着已经理解这个服务里的人。

千问目前采取两条路线：把主对话升级为 Agentic Chat，承接高并发、中低复杂度的问题；同时在学习、健康等高频刚需场景建设领域 Agent。这样的安排，需要同时平衡效果、速度和服务成本。

这也是我认为更现实的推进方式。从用户已经建立信任的场景开始，先把持续服务做扎实，再扩大协同范围。

报道中一个值得注意的细节是：千问接入了超过400个场景的功能，但专职负责App对接和构建的人力不到2%，更多人力投入各领域的 Harness、记忆、工具和服务。

这里的400多个功能场景，与产品战略覆盖的20多个服务领域，是不同口径。它们共同说明，入口数量已经相当丰富，而真正需要投入的，是入口背后的任务能力。

合作方式也随之变化。千问与伙伴需要共同定义 Agent 能调用什么能力、执行后如何反馈。这会影响未来软件服务的价值分配：专业能力能否被可靠调用，可能和用户界面一样重要。

我判断，个人“COO”的竞争会是一场长期工程。模型决定能力边界，个人上下文影响判断质量，工具与服务决定事情能否落地。谁能让这几部分围绕同一个人持续运转，谁才更有机会把“用千问”变成“我的千问”。