# E255｜模型越来越强，为什么用户没感觉？再访阿里国际站总裁张阔 硅谷101|中国版 · 2026-10-08 《硅谷101》主播Yiwen再度对话阿里国际站总裁张阔，探讨为什么通用评测接近满分的模型，在真实商业任务中并未带来同等提升。张阔指出编程是最先被Agent渗透的场景（估计渗透率99%），因为代码全数字化且天然可验证，而商业任务数据多元、结果验证周期长达天月甚至一年，团队据此从真实经营中整理了107个开源电商任务（如比较报价、识别钓鱼邮件、预订船期、处理纠纷），最前沿模型在无人干预下的通过率仅约61%。他提出Agent公式为模型×工程框架×上下文，三者是乘法关系、缺一为零，且模型与harness必须联合优化，仅做后训练不够。成本上，Accio Work按帕累托最优把不同难度任务路由到小尺寸或高性价比模型，完成全部107个任务的成本约3.69美元，是Codex和Claude Code（9美元以上）的三分之一。产品案例包括植物监测设备商家Edward从创意到设计、供应链、跨境物流与多平台销售的全流程，以及多平台经营利润核算、商品批量发布、客服质检等日常场景。张阔强调支付下单、产品品味、市场判断与预算分配仍须由人决策，商业领域的AGI可定义为同等预算和供应链下Agent比人更赚钱。最后他透露洛杉矶CoCreate大会到场注册约15000人，去年英国15岁少年冠军靠Accio Work年销约100万英镑，美国冠军Christian Reid的客户已包括施耐德电气和SpaceX。 ## Questions this episode answers ### 最前沿的模型在真实电商任务上的通过率是多少？为什么榜单高分和实际使用感受不一致？ 张阔介绍，团队基于阿里国际站真实经营数据整理了107个任务并开源成benchmark，用Accio作为统一harness评测各模型。最前沿模型在无人干预条件下的通过率约为61%多一点，达到及格水平都费劲。他认为通用榜单接近满分与在电商领域完成工作的能力相关性没那么大，任务还按L1到L4难度分级。 [20:29](https://101.podhood.com/155e2a43-9b30-4c06-b3a5-5d2d656f0b63?t=1229000) ### Accio Work完成同样任务的成本为什么只有Codex和Claude Code的三分之一？ 张阔解释，Accio Work按帕累托最优把任务路由到不同模型：L3以下的简单任务用小尺寸或高性价比模型完成，多模态需求则路由到特定模型，同时通过集约采购降低单价。在同样模型下，他们在harness工程实践和context管理上也比通用模型效率更高。跑完107个任务，Accio Work成本约为Codex和Claude Code的三分之一。 [23:52](https://101.podhood.com/155e2a43-9b30-4c06-b3a5-5d2d656f0b63?t=1432000) ### 张阔提出的Agent公式是什么？中美市场在Agent产品上有什么差异？ 张阔总结Agent等于model乘以harness乘以context，是乘法关系，任何一项为零结果就是零，所以三方面都要优化。中美差异主要在harness和context：美国有成熟的垂直SaaS生态，中国则是平台侧深度整合功能；工具和平台接入不同，context还包含与供应商的对话、经营数据和行业趋势。 [15:44](https://101.podhood.com/155e2a43-9b30-4c06-b3a5-5d2d656f0b63?t=944000) ### Agent上云和长程任务是一回事吗？电商场景里长程任务分哪几类？ 张阔认为这是两个概念：上云只是基础需求，Accio Work在PC版发布几天后就有云端，没上云说明功能还没做完。长程任务则要按场景定义，他分为三类：每天出报告的定时任务、基于供应商沟通等更新信息推进的事件驱动任务，以及以季度甚至更长周期看盈亏的经营复盘任务，这些Accio Work都已较好支持。 [40:36](https://101.podhood.com/155e2a43-9b30-4c06-b3a5-5d2d656f0b63?t=2436000) ## Key moments - **[0:00] 开场** - **[1:18] Cowork市场** - [1:48] 张阔：Coding的AI渗透率约99%，绝大多数代码已由AI产生，而Cowork类工作Agent才刚刚开始 - [2:55] 张阔解释为什么编程任务更适合Agent：代码100%数字化，且结果天然可验证，商业场景则反馈闭环极长 - **[3:48] 任务边界** - [4:41] 阿里国际站数据：整体搜索涨20%，多模态搜索涨130%，买家正用自然语言和多模态表达采购需求 - **[6:13] 商家案例** - [6:21] 张阔讲商家Edward案例：从想造植物监测产品，到Accio Work帮他完成设计、找厂、订船、过海关、上Amazon和TikTok销售 - [8:08] 张阔：过去维护20列供应商Excel要花一个月，现在Agent 24小时内就能完成比价、沟通并拿到报价报表 - **[10:13] SaaS生态** - [10:50] 张阔对比中美Agent生态：美国有垂直SaaS体系，中国是平台深度整合功能，AI进入时惯性不同 - [12:14] 张阔谈AI会否杀死SaaS：简单功能会被削弱，但懂企业ontology和经营上下文的SaaS反而受益 - **[15:16] Agent公式** - [15:44] 张阔提出Agent公式：Agent = model × harness × context，乘法意味着任何一项为零结果就是零 - **[20:29] 107任务** - [20:37] 张阔：通用榜单已打到99分，但基于真实经营数据做的107个电商任务评测中，最前沿模型无人干预通过率仅约61% - [22:31] 张阔：107个任务分L1到L4难度，Accio Work按帕累托最优把不同任务路由到不同模型，追求最低成本拿到最好结果 - [23:52] 张阔：同样跑完107个任务，Accio Work成本是Codex和Claude Code的三分之一，用得起的AI才有价值 - [24:50] 张阔举例评测任务：从含钓鱼邮件的报价单里算出含税到手价、在船公司网站订到指定船期、判断交易纠纷该不该赔 - [27:04] 张阔定义商业领域的AGI：给定预算和供应链，Agent经营一定比人赚到更多的钱 - **[28:55] 多平台经营** - [28:55] 张阔谈多平台经营痛点：流水多不代表有利润，AI可跨抖音、淘系、京东、多多数据实时算出哪个平台真赚钱 - [32:46] 张阔：AI能做市场分析和调研，但idea靠不靠谱、产品品味、预算投向广告还是库存，最终商业判断仍要人来做 - **[33:44] 多模型路由** - [34:00] 张阔解释Accio成本为何更低：L3以下任务路由给高性价比小模型，集约采购加harness优化，建议商家直接选auto模式 - [36:02] 张阔评GPT-6 Astra发布：它可能在3D或computer use上有突破，但我不担保它是AGI，等上我们的benchmark看评分 - **[38:05] 经营决策** - [38:06] 张阔谈多个Agent建议冲突：没有统一Agent能汇总所有意见，老板要基于整体经营目标自己判断，这是产品设计初衷 - **[40:35] 上云与长程** - [40:36] 张阔区分上云与长程任务：上云只是基本需求，电商的长程是定时报告、事件驱动沟通和以季度计的经营复盘 - **[43:05] CoCreate现场** - [43:06] 张阔讲CoCreate大会：注册到场约15000人，15岁英国少年用Accio Work找供应商做宠物降温毛巾，年销售额约100万英镑 ## Speakers - **Yiwen** (host) - **张阔** (guest) ## Topics 企业部署 ## Mentioned Amazon (company), OpenRouter (company), 1688 (product), Accio Work (product), Alibaba.com (product), Astra (product), Claude Code (product), Claude Cowork (product), Codex (product), Shopify (product), 千问 (product) ## Transcript ### 开场 **Yiwen** [0:01] 大家好 ， 欢迎回到 《 硅谷 101》， 我是 Yiwen。 之前我们聊到了大模型的训练数据和榜单 ， 提到每次新模型发布 ， 各种榜单上的成绩都在刷新 。 但这种 " 进步 " 对我们用户来说 ， 很多时候并没有变成工作中的进步 。 以电商为例 ， 从一个产品创意到把它做出来卖到全世界 ， 中间要研究市场 、 找工厂 、 比较报价 、 安排物流 ， 还要在不同平台上开店 、 发布商品 ， 最后算清楚这笔生意到底赚不赚钱 。 这些工作 AI 现在能接手多少 ， 又会在哪一步卡住呢 ？ 半年前我们请到了阿里国际站总裁张阔 ， 聊了他们刚发布的 Accio Work。 半年过去 ，Agent 产品不断更新 ， 所以我们也再次请到他来聊聊 ， 这些变化究竟给商家的实际经营带来了多少帮助 。 张阔分享了一个观察 ： 很多模型的通用评测成绩已经接近满分 ，但在真实经营中 ，他们并没有感受到同样幅度的提升 。 于是团队从实际业务中整理了 107 个任务 ， 测试 AI 在没有人干预的情况下能不能把工作做完 。 下面就是我和张阔的对话 。 ### Cowork市场 **Yiwen** [1:18] 阔 ， 你好 。 **张阔** [1:19] 你好 。 **Yiwen** [1:20] 其实阔 3 月份的时候就上过我们一次节目 ， 那个时候是你们春节之后刚发布 Accio Work 这个产品的时候 。其实当时你就说 Claude Cowork 这个产品 ， 比当时特别火的 OpenClaw 更值得关注 。 现在过去了半年左右的时间 ，其实我们也看到市场相当于是印证了你的这样一个判断吧 。 那我觉得我们可以先聊一下 Cowork 的整体市场 。 你觉得你现在对于 Cowork AI 同事这样一个市场的整个判断是什么 ？ **张阔** [1:48] 因为 Agent 最开始出来解决的第一个问题是 Coding， 我们现在认为 Coding 的市场深度率 ， 我估计 99% 吧 。 因为很难看到身边有一个研发人员不用任何 AI 去写代码 ， 然后现在绝大多数代码应该都是 AI 产生的 。 如果跟这个相比 ， 第二个垂直的赛道的渗透可能都远远小于这个数字 。 因为 Cowork 本身偏 Work 类的产品 ， 它可能完成的内容和能够给它交付的内容 ， 相对来讲还是比较有限 ， 还是一些文案类的工作 、 一些计算类的工作可能完成得更多吧 。 但对于商业 ， 尤其像电商这种要去更复杂的判断 、 可能更长程的任务 ，以及它最终这个结果不是一个当下马上可以 verifiable 的结果 ， 对于这类的场景来讲 ， 我们觉得整个 Agent 也是刚刚开始的一个状态 。 **Yiwen** [2:38] OK， 所以就是我们现在还是相当于把工程类的 Coding Agent 和非工程类的一些商务类的应用分成两块来看的 。 你觉得为什么 Coding 的任务交给 Agent 可能更加容易一点呢 ？ 相比你刚才说的比较少用的这些 Work 的场景 。 **张阔** [2:55] 我觉得一是本身关于 Coding 的工作 ， 它百分之百数字化的 ， 就所有的 Code 在 GitHub 或者在所有的 Codebase 里边 ， 容易被 AI 更广泛地学习 。 第二个 ， 去做这个内容的 verifiable， 就它是一个天然的可以 verify 的一个工作 ， 这个到底能编译完成还是不能完成 ， 出来的结果到底对还是不对 ， 这些事情天生比较适合现代大语言模型去进行 。 但如果我们把它换到商业这个场景 ， 就太复杂了 。 第一 ， 数据可能更加多元 ； 第二个 ， 它本身其实没有一个通用的流程可言 ， 你可能最终有一个结果 ，而且不同的企业对于这个经营的结果好跟坏的判断 ，也有自己的差异性 。 然后你要去做结果的验证 ， 可能这个验证不是一个以单次去计的 ， 它可能是以一个天 、 一周 、 一月或者一年去计的一个结果 ， 它整个反馈的闭环周期就是很长的 。 ### 任务边界 **Yiwen** [3:49] 了解 。 那你觉得自从 Claude 相当于是上半年正式推出了 Cowork 这个产品 ，在这个之后， 这些通用的 Cowork Agent 有没有尝试去解决你刚刚说的那些问题呢 ？ 这个中间有没有发生什么变化是你觉得比较值得去探讨的 ？ **张阔** [4:04] 第一个就是这个赛道肯定更热闹了 。 中国你进到任何一个电梯间里边 ， 你现在可能看到的最多的产品就是各类的通用板块类产品 。 从产品的体验角度来讲 ， 我觉得各家都会有一些自己的特色 。 从 Accio Work 推出来讲 ， 我们核心可能还是要解决电商这个垂直人群的问题 。 就今天跟之前比 ， 它能解决的问题肯定更泛化了 。 如果说我们这个产品一年之前 ， 当时核心解决的问题是一个 AI 搜索的问题 ， 就相当于阿里巴巴 .com 的 AI Mode， 买家可以更自然语言的方式去描述自己的需求 ， 或者通过多模态的方式去表达自己的需求 。 我们现在去看 ， 整体搜索涨 20%，但是多模态搜索涨 130%。 就现在越来越多的用户去描述自己的需求 ， 跟之前有一个很大的差别 。 第二个阶段就是 sourcing 本身 ， 向前向后工作比以前延展得更多了 。 比如之前从搜索更多的是一个 query， 那现在向前延展的就是要做市场的调研 ， 要做产品的 design pack 的设计 。 有了这个设计之后， 它把这个设计交给供应商 ， 可以跟供应商去推进整个的沟通的过程 ， 包括最后完成交易 ， 我们管它叫 agentic trade， 一个 AI 驱动的交易 。 这些是我们看到一个 Agent 在 sourcing 上面去表达的一个更完整的一个路径 ，而且它能解决的问题跟之前比可能也有一个非常大的差别 。 到新的阶段 ， 就是今年 4 月份我们再推出 Accio Work， 希望它解决的问题就可以更泛化 。 跟电商相关的问题 ， 我们刚才讲的 sourcing 可能都是跟供应链相关的 。 因为 Accio Work 本身就基于阿里巴巴 .com， 基于 1688， 它就是全球最大的一个供应链的平台 。 很大一类用户其实就是电商用户 ，他在 1688 进货 ， 可以在淘宝 、 天猫 、 京东 、 抖音上去卖 ， 然后在阿里巴巴 .com 上去进货 ， 那就是在全球的各个电商平台上， 无论是 Amazon、Shopify、eBay 等等去销售 。 那现在 Accio Work 它可以帮我们所有的用户去管理它所有的电商后台 ， 就通过一个一站式的服务去理解你整个多平台的经营情况 ， 去管理你整个的供应链 ， 去管理你整个企业员工在整个日常经营里边的表现 。 这个是现在我们看到这个 Agent 能够再进一步的泛化去解决的更多的问题 。 **Yiwen** [6:13] 可不可以具体举一个例子 ， 比如说一个跨境商家 ，他一开始用 Accio Work 是想要解决什么样的问题 ， 这整个流程是什么样的 ？ ### 商家案例 **张阔** [6:21] OK， 我们这次在 CoCreate 的大会上正好讲了一个商家 Edward 他这个例子 。他原来自己喜欢种植物 ，但是经常把花养死 ，他就想创造一个产品 ， 怎么让植物去告诉他现在它是什么状态 。 但从有这个 idea 到把这个产品做出来 ， 它是一个消费级的个人的电子消费产品 ， 怎么能把它这个产品做出来变成一个 design pack， 这就可能难住很多的创业者 。 那最后这个电子产品到底用什么样的检测设备 ， 到底要用什么样的读取设备 ， 怎么把这个成本压到最低 ， 卖的时候你可以用 margin。Accio Work 它首先帮你做 design pack 的设计 ， 第二可以帮助你找到所有广州 、 深圳这些做电子产品最厉害的厂商 ， 帮助你制造出这个产品 ， 然后可以帮助你去解决所有跨境领域的问题 ， 就无论是你要订船期 ， 你过海关的时候 到底要用什么 HS code 去过 ，以及运到当地之后我们怎么去管理物流的过程 。 然后有了之后， 你要产生各种各样的 social 的内容 ， 上 Amazon、 去 eBay、 去 Shopify、 到 TikTok 上去卖你这个产品 。 就这个过程中你要管理多个店铺 ， 然后去管理所有的 social 的内容 ，有的内容要符合不同的平台的不同的规则 ， 然后可能还有不同的 pricing 的计划 ， 管理各个平台的买家给你的反馈 、feedback 等等 ， 再持续地迭代这个产品 。 就现在 Accio Work 就可以帮你把这个完整的周期在一个 Agent 里边去完成 ， 去跨端地去管理你的整个一本生意 。 **Yiwen** [7:47] 所以我理解这个过程当中， 比如说你刚刚提到 sourcing， 然后 sourcing 前后的这样一些步骤 ， 我理解这个 Agent 它可能会起到一些搜索和推荐的作用 ， 这个中间有哪些步骤还是需要人去完成的呢 ？ 它应该还是需要商家做一些选择 ， 知道哪个是更好的 ， 这些东西是人和 Agent 合作的这样一个步骤 。 **张阔** [8:08] 我可以描述一下最开始如果没有 Agent 的人是怎么做的 。 就是你从 query 一个关键词开始 ， 你想把这个产品做出来 ， 那你大概其实要知道这个产品需要有什么样资质的工厂和商家能做出这个产品 。 然后你可能要管理 Excel， 这一个 Excel 可能有 20 列 ， 比如说十几个供应商之间 ， 你从它的生产制造的能力 ， 到它当地有没有制造这类产品的资质 ， 它工厂的水平 ， 拿货的价格 ， 包括它可以给你的账期的水平 ， 物流的方案等等。 就是你最终选到两个三个你要合作的厂家 ， 然后这过程中可能省略的就是你要 back and forth， 跟这个供应商要去交互 ， 周期一般可能是以月计 ， 到最后你能拿到一个样品 。 但如果有 Agent， 我们可以把你这个周期缩短到以天计 。 就它可以帮助你把你的 idea 首先分解成一个可以制造出来的产品和这个产品究竟需要什么样的能力 。 然后从阿里巴巴 .com 这个平台里边 ， 包括用这些商家自己的详情里的内容 ，以及商家上传的自己这个企业知识库的内容 ， 帮助你去匹配最合适的商家 。 然后在你允许的情况下， 它会去跟若干个商家去做沟通 ， 去推进 ， 拿到你最终想要的这个报表 。 前面花一个月去维护的这个 Excel， 现在这个 project 可以用 AI 可能在 24 小时之内帮你达成一个结果 。 **Yiwen** [9:29] 比如说在刚刚我们举的这个例子里面 ， 这个产品比较复杂 ， 所以它其实也有相当于是赋能这样一批商家去找到一些他们可能一开始不太熟悉的产品 ， 这里面有更多的可能性 。 **张阔** [9:40] 对的 ， 我们的供应商给我们的反馈说是没有见过这么专业的 design pack，因为一般买家都是比在纸上画一画大事开始去交流的 。 你只要把这个事情能把它搞清楚 ， 就要花很多精力 。 还有很多时候就是当拿到的东西发现跟你原来想的又不太一样 ， 就这是大量有 dispute back and forth 的过程 。 就是开始能把一个人的想法真的能说清楚 ， 到最终我们给你算出来一个到手价 ， 到你在零售之间的 margin 是多少 ， 就能把这个信息更多地给用户去呈现出来 ， 我觉得也能极大地去提高他们自己做生意成功的效率 。 ### SaaS生态 **Yiwen** [10:14] OK， 那我们刚才是简单地以 Accio Work 为例子 ， 看了一下一个电商这个垂直领域的 Agent 这样一个用法 。 我想回到你一开始提到的通用 Cowork Agent 的这个点 ， 你讲到国内有很多厂商在竞争这个赛道 ， 我们最近听到比较多的就是像 WorkBuddy 这类的产品 ，在美国也有很多通用的 Agent。Meta 刚刚发了 Muse， 之前 GrokBot 也是大家评价说是一个非常好用的产品 。 能不能给我们讲一下这个市场的竞争 ， 你觉得现在整体的格局是怎么样的 ？ 而且你现在也在美国 ， 你觉得这个中美之间有没有什么比较大的差异呢 ？ **张阔** [10:50] 从办公的角度来讲 ， 我觉得可能差异相对来讲小一些 ， 当然它也有一些不同的场景 ， 这是跟原来这两个地方本身企业的一个延续性有关 。 因为你比如在美国 ，SaaS 就是个挺大的生意 ， 然后这个 SaaS 的生意本来就是垂直化的 ， 做 CRM 的有 SaaS， 做广告类的 、 做律师类 、 做医疗的 ， 都有自己的垂直的成熟的 SaaS 体系 。 这个生态在中国就不太一样 ， 中国可能有很多平台侧 ， 它又非常多垂直的整合进去的功能 ， 所以它 AI 进来的时候 ， 它本身也有一定的惯性的差异 。 但是从最终要给用户去交付结果来讲 ， 各个平台想做的事情都是一样的 。 **Yiwen** [11:30] 对 ，其实这个市场的观察也很有意思 ，因为你说到 SaaS， 比如说我们先从美国这边来说 ，其实咱们上次聊的时候 ， 相当于是美国 SaaS 恐慌情绪最严重的那样一段时间 ， 就是有很多 sell off， 就包括说现在 AI 的能力 ，其实 Claude 推出 Cowork 之后， 也有很多投资人担心说这又一次地杀死了很多 SaaS 公司 。 当时你提出了一个判断 ， 就是只要一些 SaaS 公司能把 AI 用得好 ， 反而 AI 可能是一个利好 。 那现在我们看到很多 SaaS 公司也没有我们想象的那么在这个过程当中就没有办法继续生存下来 。 能不能再聊一下， 比如说现在这几个月过去 ， 你觉得 Agent 对于这些 SaaS 公司的影响 ， 你看到他们采取了什么样的对策呢 ？ **张阔** [12:14] 如果这个 SaaS 本身做的内容比较简单 ， 那有一些就是 AI 自动可以帮助它做的事情 ， 可能你说它削弱了一些 SaaS 本身的能力 ， 这个事也是存在的 。 然后因为 SaaS 本身跟工作流集成得比较紧密 ， 它对于整个企业的上下文的理解 ， 尤其这个企业 ， 我们觉得现在比较流行一个词是 ontology， 就是你就算请一个大学生来 ， 你搞不清楚这个企业本身各个数据到底意味着什么 ，以及这些企业最终经营的目标是什么 ， 那你其实就让一个人来去做这件事也很困难 。 就今天一方面就是 SaaS 自己也可以围绕这个角度去升级自己的产品 ， 用更多的 AI 去推动 。 那反过来 ， 一个 AI 进到一个企业里边 ， 它也一定要去理解到底这个企业各种数据意味着什么 ， 就这个老板到底是想基于什么东西去做优化 。 就你最后达成一个交易 ，不是这个交易最终只是成交了 ， 它就能代表好还是坏 ， 这个交易到底是为了有更多的 margin， 还是我要为了有更多的市场份额 ， 那我可能 budget 的使用的方法都是不一样的 ， 我需要库存的方法 ， 我需要去做广告的方法 ， 可能都是不一样 。 这些事情其实没有办法你扔一个通用 AI 进到一个企业里边就能帮助完成 。 同样 ， 原来的 SaaS 必须要人去推动去执行 ，但是它的好处是它了解很多企业的经营上下文 ， 如果你有更好的 AI 去帮助 ， 它也可以去拿到更好的结果 。 我觉得现在可能更多是两边一个都要互相集成的这么一个过程 。 **Yiwen** [13:38] 对 ，其实在美国像你刚刚提到的一些垂直领域 ， 法律 、 医疗 ， 像 Harvey、Open Evidence 这样的产品其实现在做得都非常好 ，但我理解这些可能更多还是 AI native 的 Agent 产品 ，而不是就可能一个 SaaS 公司去转型加上 AI 来推动这样一个工作流 。 **张阔** [13:56] 每一个时代都有这个时代的公司 ， 一些人对于这个技术理解得更好 ， 同时对于经营的领域理解得更深 ， 它可能速度就更快 。 就像移动互联网时代 ，有移动互联网时代的产品 ， 到每一个有技术的转折的节点 ， 都会有一些新的公司冒出来 。 **Yiwen** [14:12] 那你觉得在中国的市场 ， 你刚刚说从平台的角度去推动 ， 这个对于用户的需求 ， 我们怎么理解这些产品的用户需求呢 ？ **张阔** [14:22] 你比如说美国跟中国的电商就有很大差别 ， 如果是一个中国的企业在中国经营 ， 它第一个想法一定不是做个独立站 。 但是在美国你发现 Shopify 这个生意 ， 或者是独立站这个生意 ， 还是个挺大的生意 ，而且还在持续经营增长 。 比如在美国 Amazon， 它确实是个平台 ， 这个平台到你可能客户你自己都接触不到 ， 你要把商品发到一个仓里边 ， 通过 FBA 的方式把它卖出去 ， 这很适合当地的这些目前企业经营的一个状况 。 但是如果你想要有自己的独立品牌 ， 想自己的独立客户 ， 要跟所有的客户去建立关系 ， 那可能 Shopify 就是个选择 。 但在国内 ， 假设淘宝和天猫 ， 它就是基于两者之间的一个状态 ， 就是它既是一个平台 ， 你可以在这里边更低成本地获客 ， 同时在这个平台里边也集成了大量的电商类的工具 ，其实最终它给客户交付的这些价值项是一样的 ， 只不过它表达的形态在不同的地方是不一样的 ， 仅此而已 。 ### Agent公式 **Yiwen** [15:17] 那基于这个区别 ， 你们 Accio 有发布国内和海外不同的版本吗 ？ **张阔** [15:22] AI 这个产品很有意思 ， 就是它的第一天就是 global 的 ， 天生的没有语言问题 ， 就你在各个地方可能你要解决的不同的用户的交互的问题是大同小异的 。 第二 ， 从客户交互的角度来讲 ， 它交互的门槛肯定比之前大部分降低了 ， 就虽然它里边有一部分是 UI 的属性 ，但是大部分用户在交互的时候是 LUI 的方式 。 我把我这个工作描述清楚了 ， 我就可以把这个工作交付给你 。 但是它需要做的差别是什么呢 ？ 我们说 Agent 有一个公式 ， 就是 Agent 等于 model 乘以 harness 乘以 context，不知道业界是不是统一这么说 ，但我自己总结可能是这个样子 。 为什么是乘法 ？ 就是哪一项是 0， 整个这个公式结果就是 0， 就是你既要在 model 上做优化 ， 同时也要 harness 上优化 ，也需要在 context 上做优化 。 美国跟中国肯定它在 harness 和 context 上会有差别 ，因为你需要美国接的工具 ， 接的平台跟中国的工具跟平台是有差别的 。 然后 context 就是跟你自己的日常的经营的上下文有关系 ， 跟你平台集成的情况有关系 。 你比如如果在阿里巴巴 .com 或 1688 里边 ， 你跟供应商之间的交流也是你的 context 一部分 ， 就是 conversation 也是 context 一部分 ， 你这个商业的数据也是 context 的一部分 。 平台长时间积累这些数据 ， 我们去看到的一些垂直的行业的属性 、 趋势等等 ， 可能也是 context 一部分 。 我们就要把这些所有的数据基于不同的区域 、 不同的用户的需求整理在一起 ， 才能更好地去达到 Agent 想要的效果和水平 。 所以我们开始做 ，其实最早做的是海外用户 ， 现在的用可能更多的是中国的用户 ， 就是从供给侧 ， 从 enterprise 这个版本来讲 ， 中国的企业很多 ， 从个人用户或者从买家或者一个电商的经营的视角来讲 ， 可能国外的用户用得最多 。 这跟以前还是有挺大差别的 。 你像国内有 1688， 跨境的有阿里巴巴 .com， 我们做了 20 几年， 这还是两个平台 ，但是 Accio 从第一天起它就可以做一个全球的平台的产品 。 **Yiwen** [17:19] 这个非常有意思 ， 可能是 AI Agent 时代一个新的产品设计范式吧 ， 就是你说第一天我们就可以做一个全球化的产品 。 你觉得这可以适用于所有的 Agent 产品吗 ？ **张阔** [17:30] 如果需求本身是接近的 ，因为电商本身我们认为这个最大公约数是比较接近的 ， 那这个事情应该是成立的 。 就如果这个需求本身在各地就有非常大的差异 ， 流程有非常大的差异 ， 环境有非常大的差异 ， 那可能还是有很多需要在每个区域里边去重做的部分 。 **Yiwen** [17:47] 你们推出这个产品也有一段时间了 ，在你刚才提到这三个方面 ，model harness 和 context 里面 ，有哪个部分是你们持续投入的时间或者精力更多的吗 ？ 还是这三个部分你觉得都是一样重要的 ？ **张阔** [18:03] 此时此刻我觉得可能是齐头并进的 。 就最开始大家可能做在 harness 上会花的精力比较多 ，因为你要连接不同的 tools， 要管理你自己的 memory， 要做好用户的授权等等 ， 这一整套的工程的事情 ， 你是保证你这套系统能够持续运行的 。 做电商天生可能就是一个长程任务 ， 它是要连续几个月不停地去执行跟经营 ， 你能不断地优化得到结果的 。 所以在 harness 上本身就要花非常多的精力 。 然后我们在 context 上天生就是有优势的 ，因为本身我们就积累了 20 多年， 至少做电商还是做跨境电商 ， 还是做 sourcing 和采购 ， 就这里边有大量的可能跟每天沟通相关的信息 ， 当然也有大量的行业属性 ，有大量平台的趋势属性 ， 这些信息都可以进来让你得到更好的结果 。 所以现在我们在 model 上其实也花非常多的时间 ，因为 model 跟 harness 这两个我们发现是要在一起去优化 ， 这不是你只优化一个 ， 另一个你就直接可以去用一个通用的 frontier 模型就能完成的 。 而且现在对于 model， 大家的经营肯定都更深入了 ，也不是说用一个通用 model 我们简单地做做 FT 就行了 ， 可能都是要基于一个一定尺寸的模型去做后训练 ， 同时在 model、 在 serving 和在 harness 这三个上面都要去做非常精细的打磨 ， 你才能拿到一个模型最好的效果 ， 至少能同时让它的产出的结果效率最高 ， 你可以用最低成本去达到一样的结果 。 同时你要让你的 cache 率 ， 你要让你整个模型的产出的结果的准确率达到一个新的水准 ， 它肯定是在训练和在 serve 和在 harness 上要同时去做优化的 ，而不是你只是简单地优化一件事 。 比如现在我觉得至少在这个角度来讲 ， 可能竞争更加是一个多元化的全方位的竞争 ， 这也是让不同的垂直领域里边的这些 Agent 能够真正跑出来的原因 ，因为它不是一个通用模型 ， 再加上你给的一些简单的 prompt 就能产出结果 。 **Yiwen** [19:57] 对 ，其实这也是一个很好的过渡 ，因为你说到模型 ， 然后还有 context 这两个点 ， 我觉得可能就对应了相当于是通用模型和垂直领域的模型这两个不太一样的发展方向 。 因为我们上次聊的时候 ，其实我们也有问到当现在底层模型能力越来越强的时候 ， 我们为什么还能在垂直 Agent 身上看到机会呢 ？ 你们当时就提到说你们来做这个产品有 20 多年的优势 ， 包括有信息 、 数据的准确性 ， 可以形成一个比较有效的强化学习机制 。 我想现在再把这个问题抛给你 ， 你觉得近半年来模型也有那么大的进步 ， 你觉得这些优势它的作用是更明显了 ， 还是它有什么变化呢 ？ ### 107任务 **张阔** [20:37] 第一个 ， 我们对这个事本身的理解也是持续有迭代的 ， 就是为了去衡量这个 Agent 好不好 ， 我们甚至做了一个自己的 bench，因为现在模型发布的时间比我们上次聊的时候可能频次更快了 。 我估计我在硅谷这待一个礼拜 ， 光个人助理就发了好几个 。 但是我们自己日常经营下来就发现 ， 当一个模型说它出来了 ， 它都会说各个角度都更好 ， 甚至非常多的网单都已经打到 99 分了 ， 就满分 100， 就 99 小数点之后去进步 。 但我们自己在日常去使用的时候又没有感觉到像说的这么好 。 所以我们后来就觉得我们自己不断实践里面去发现 ， 比如 coding 在数学或者在通用的叫 agentic 的能力上得分比较高和你在电商领域里边能完成更多的工作这个事情其实没有那么大相关性 。 你的通用智能水平变好 ， 确实能让你在完成一些工作的通过率更高 ，但是从我们整体的感觉上来讲 ， 就是大家没有把本质的水位每一个发布的模型的时候拉得那么大 。 所以我们就基于我们的上百万的在阿里巴巴 .com 里边的真实经营的数据 ， 包括 Accio 里边的真实的这些问答数据 ， 我们大概总结了 107 个 task， 这 107 个 task 现在是开源的 ， 就是我们也希望所有的模型在训练的时候可以围绕这个开源的 bench 去做自己的评测 ， 这样我们每次出来我们也可以借点大家的光 ，因为不然的话大家评测的内容就都不一样 ， 就会发 现这个模型借来我们还要做非常大的适配才能让电商类的 workflow 可以做得更好 。 然后这 107 个 task 再加上这个 Accio 作为一个统一的 harness， 我们就可以去评测各个模型在 bench 下面它的表现 。 就事实上可能现在最 frontier 的模型在我们这个 bench 下面能够通过率就是 61% 多一点点 ， 它想要达到及格水平现在都有点费劲 ，但是它就不代表说 61% 就是这个工具不能用 ，61% 是说全部人不干预的情况下你能不能完成 ，但每个工作的难度是不一样的 。 我们把它分成 L1 到 L4， 就是越长程可能它的最终的结果就是越开放性的 ， 这时候能通过的这个模型可能就更少一些 。 我们把所有这些模型放在一起去形成一个新的帕累托最优的曲线 ， 就是我们希望给用户优化的是什么呢 ？ 就最终拿到一个最好的结果 ， 你要用最低成本 ， 就不是说模型升级了 ， 于是大家都跑最贵的模型 ， 然后去完成最简单的事情 ， 就一定是你其实有非常多的低成本的模型 ， 尤其是中国我们出非常多的模型 ， 就是非常高性价比的模型 。 当然也有一些 frontier 的模型解决一些复杂和困难的问题 ，由 Accio Work 这个产品本身帮你去路由不同的问题到不同的模型上， 同时基于我们自己 harness 能力和 context 能力 ， 即使是同样的模型我们也可以拿到更好的结果 。 这是我们在实践过程中不停地在尝试的问题 ， 比如我们用千问最新的版本的小尺寸模型做 post-train， 就它能拿到的效果已经非常接近 frontier 的 top 的模型 。 那这样大量的这些简单的工作我们其实就可以路由到一些小尺寸的模型 ， 更快的时间去拿结果 ， 同时更高效率 。 因为现在商家侧我们的一个感受是必须是一个用得起的 AI 才是一个有价值的 AI，因为它是一个日常经营使用的产品 ， 它不是一个我为了解一个数学难题一次性我就用一下这个产品之后就不用管了 ，其实跟这个还是有很大差异的 。 所以在同样的任务的情况下，107 个任务把它都跑完这个情况下，Accio Work 跟 Codex 跟 Claude Code 我们就换一个角度去比 Agent 完成同样的通过率上的任务 ，Accio Work 的成本是三分之一 ， 就是我们可以不断地把它降到更低 ， 这样让更多的人可以更大规模地把他的工作交付给 AI， 就这是我们想要去优化的目的 。 **Yiwen** [24:14] 对 ， 这个非常好 ，因为我们经常聊到开源模型 ， 然后 Token 经济学 ， 我们经常听到的一个观点就是现在企业在有选择地使用模型 ， 就包括像刚才你说的把不同的任务交给不同的模型 ， 达到最终降低成本的一个目的 。 我觉得你们现在这个例子也是非常好地证明了这一点 。 能不能具体来讲一下你们做的 benchmark？ 你说到 107 个任务 ， 能不能给我们描述一下是什么类型的任务 ？ 这都是具体的电商任务是吧 ？ **张阔** [24:42] 是的 ， 举几个例子吧 ，有的是跟电商相关的 ，有的是跟平台相关的 ，但都是日常过程中我们可能经常会交互或者碰到的 。 你比如说从一个买家去给商家发 quotation， 这个买家要从大量的商家回复的 quotation 里边去选择最合适的一个供应商是谁 ， 这个内容本身含非常多的信息 ， 除了你要回复你对他的产品 、 你的生产工艺 、 制造 、 价格以外， 可能还需要包括产品到手价是多少 ， 给你提供的物流的解决方案是什么 。 然后在这个 quotation 的回复里边 ， 我们还可能给他去掺杂几个钓鱼邮件 ， 我们要把一些有害的信息识别出来 ， 把一些有价值的信息把它识别出来 ， 最后把从生产侧的工厂的价格到含税的到手价格 ， 每一个把它算得很清楚 ， 要选出最后一个正确答案是什么 ， 就这是一个 task。在中间你可能任何一个环节 fail 掉了 ， 或者你算的结果是不对的 ， 那这个 task 就会 没完成 。 第二个你比如说要去定一艘船 ， 给定的交期到起止点到点是什么 ， 然后你要在船公司的网站上能够 book 到这个船 ， 如果 book 成功了 ， 那就算你这个工作完成了 ， 否则的话就算 fail。 然后平台有大量的 dispute， 那这个 dispute 你是要最终判断基于现在比如买家对于卖家的投诉或者是对于供应商这个投诉 ，他现在提供的信息是不是完整 ， 就你的结论是不是赔或者不赔 ，是对还是不对 ，是要判断现在需不需要更多的信息来去做最终的判断 。 就这些都是日常工作中你会看到 ，有的是监测你最终计算结果的 ，有的是要监测你是不是能执行成功的 ，有的就是监测你对于这个商业的判断 ， 它现在是个开环问题 ，其实还是个闭环问题 ， 能有结论的问题 。 就类似这样的问题我们大概有 100 多个涵盖七大类 ， 然后 107 是此时此刻 step shot 的数据 ， 说你下个月再问可能就比这个多了 ，因为我们也是持续地把更多的更复杂的问题加到这个 bench 里边去保证整个模型的测试是跟真正的日常经营的结果是相同的 。 而且因为经常我们这个模型迭代或者 Agent 迭代一段时间之后要避免腐化 ， 你做一段时间你发现原来 case 又不行了 ， 或者结果更差了 ， 这是一个不能接受结果 ， 就不停地去要 evalue 我们每一个版本迭代的时候 ， 这个产品其实是可以再向前去推进的 。 就如果我们说广义的 AGI 怎么定义 ，不一定有定论 ， 我觉得我们这个商业上的 AGI 是好定义的 ， 就是你用这个 Agent 的产品经营 ， 当然给定一定的边界 ， 就是你的 budget、 你的供应链是一样的情况下， 这个 Agent 一定比一个人去做日常的这些操作和判断能赚到更多的钱 ， 那就是这个商业领域里边的 AGI。 **Yiwen** [27:26] 很有意思 ， 这个就整个电商的一整套的商业环节其实都是有覆盖 。 **张阔** [27:31] 没错 。 **Yiwen** [27:32] 你刚刚提到的七个大类 ，有的是 sourcing，有的是 dispute，其实这些能力就可以说是不太一样的能力 。 你觉得在真实的场景中就有没有哪些环节是对商家来说更困难 ， 需要 Agent 去完成的 ？ 有哪些环节可能是商家更愿意个人操作的 ？ **张阔** [27:50] 我觉得可能不会这么分 ， 就是我们都会把一些比如说一定需要去人做决策的事情留给人， 就比如你要去支付 ， 就要采购这批货 ， 这个按钮一定是交给人去判断的 ，因为你要对于你整个的经营结果负责 ， 那就是所有这些 terms 帮你生成了之后， 你要去确定要不要做这笔采购 ， 这肯定是人要去做的事情 。 从分的角度来讲 ， 我觉得按照频次来讲可能更有意义 ，因为最近做了非常多的电商的商家访谈 ，因为 Accio 在国内也可以解决 B2C 的商家日常的经营的问题 。 因为我的工作前六年，2011 到 2016 都是在淘系 ， 就是淘宝和天猫去做商家的平台 ， 包括开放平台 、 工具等等 ，因为那个时候对于整个商家的后台的经营还是比较清晰的 。 然后我们做 Accio Work 这个产品之后， 我就站在另外一个视角去看它到底要怎么用 AI 的产品去做日常经营 ， 就发现非常有意思的事就是我们当时觉得这个产品已经做得比较极致 ， 包括让商家怎么去看数据 ， 怎么去看客服的体系 ， 怎么去做日常的客服经营 。 ### 多平台经营 **张阔** [28:55] 但今天有了更强大的 AI 的能力之后， 你就发现大家去看问题的方法和去经营的方法还是有非常多的不一样的视角和方式 ， 一定是比以前做生意做得更灵活了 。 比如这个 use case 第一个就是多平台经营 ， 就现在你要问国内的商家 ， 可能大部分是多平台经营 ， 抖音电商 、 淘系电商 、 京东 、 多多等等 ， 现在到底哪个平台今天挣到钱了 ？ 就你有大量的流水进来 ，但是不代表你最后的经营是有利润 。 这个问题本身其实就要跨多个平台的数据去看 ， 投入的情况 、 收益的情况 、 退换货的情况 ， 最后给你形成一个完整的报表 。 就以前可能一个人要打到这个问题 ， 多个平台去来回切换 ， 整理 Excel， 最终你还不一定算对 ，但我觉得现在 AI 去解决这个问题应该非常容易 ， 你任何时间节点都可以给你一个你自己跨平台的实时经营的结论 。 第二大类就是发布商品 ，其实很多平台很多商家要经营多个平台 ， 然后每一个平台它的规则多多少少都有点差别 ， 然后每个平台因为它的受众和它自己的媒体形式有差异 ， 你发布这个内容又多多少少有点差别 ， 就稍微有一点规模的商家 ， 这个差程关系起来就是一个非常大的工作量 ， 就发布一个商品 ， 往把它都 update 一遍 ， 就是很大的事情 。 这个事现在交给 AI 就非常方便 ， 你有一个新品在多个平台上发布 ， 或者说你对于一类商品都有一个统一的 update， 就是到一定的时间了 ， 你要做大促 、 打折操作等等 ， 就这些事情 AI 的 repetitive 的 work 当做完了之后给你一个判断 ， 你可以选择放在草稿箱里再把它发布掉 ， 或者你直接给它授权让它去发布掉 ， 它来告诉你的经营结果 ， 它肯定是比 人的效率和精确性要高的 。 然后再比如说任何一个大一点的店可能都有客服经营的要求 ， 当一个客户进来问问题你怎么回答 ， 就是以前可能大家开经营会 ， 一条一条拿出来看 ， 谁答的是对的 ， 谁答的是错的 ， 当然你可以基于一些转化数据去给出评论 。 那现在 AI 很容易的事情就是马上把你所有的这些经营的结果分析一遍 ， 告诉你什么人什么样的回答是个更好的方式 。 对于 ToB 来讲 ， 哪些客户现在可能出现了问题 ， 就是你这个交易本来可以进展得好好的 ，但中间可能出了什么问题 ， 这个单子可能要黄了 ， 它会给你一些提前的预警 ， 或者告诉你这个单子接下来最重要要做出的判断是什么等等。 就这些事情原来要大量的人去做复盘 ， 然后对于业务的主管要求很高 ， 对于业务员要求很高的事情 ， 现在 AI 一定是可以比原来做得更好 。 **Yiwen** [31:24] 其实 AI 能力的增强 ，因为你刚刚也提到它让大家的工作方式变得更加灵活 ， 你觉得商家的预期会不会也变得更高或者更加复杂 ？ **张阔** [31:34] 一定是这样的 ， 就是每次你做一个产品 ， 大家都会去提一个更高的要求 ， 我可以从一个数据来去表达 ，因为我们每天会去分析 Accio Work 里边 ， 刚才我们就说有七大类 ， 那七大类里边每一大类还都有从 L1 到 L4 的难度的任务 ， 就从发布的第一天到今天我们去做一个今天的截图 ， 你会发现任务的难度都是不断地从简单的一直推到复杂的 ， 就开始大家 可能都是 L1 级的任务 ， 我去问一些问题你能给我答案就挺好的 ， 慢慢地就开始我要交给你一些任务 ， 你把这个任务帮我做完 ， 后来变成我交给你一些更复杂的任务你来去帮我做完 ， 到我要交给你一些跟经营最终判断相关的任务你要帮我去做完 。 就是商家侧一定是每一段时间会去 push 你这个产品 ， 要去帮它解决一个更复杂的问题 ， 交给这个产品更多的任务 ， 让它自己去重复地执行 ， 让这个店铺里面更多的经营的数据可以交给这个 AI， 让它帮着去做判断 ，但是最终还是要人去做一些最重要的判断 。 我们核心讲的还是说越来越多的重复性的工作交给 AI， 我觉得这个是对于电商本身的一个进步的表现 。 **Yiwen** [32:40] 你刚提到最后一个下单的动作肯定是要交给人做的判断 ， 还有什么你觉得是比较重要的判断 ？ **张阔** [32:46] 那太多了 ， 假设说我们说现在 AI 能帮助人做非常多的重复性工作了 ， 你有一个 idea， 最后你要把这个 idea 变成一个产品卖给更多的人， 第一步你这个 idea 靠不靠谱就是个非常重要的事情 ， 说你解这个问题是不是个真问题 ， 然后你解这个问题面对的客户群体是不是一个对你设计这个产品感兴趣的客户群体 ，并且他的基础足够大 ， 愿意支付足够多的溢 价 ， 就这些事情都是要人去做判断 ， 这个产品的 taste 都是人去做判断 。 你此时此刻对这个市场的预测和判断 ， 这也是一个人本身经营的一个直觉 ， 就是同样一个 budget， 你是希望更多的广告 ， 更少的库存 ， 还是更多的库存我要铺更多的渠道 ，但我要有更大的 margin， 这都是大家对于你这盘生意目前经营的一个判断 。 那这些事情我觉得现在还是需要去人去按这个按钮 ，AI 可以帮助做大量的市场的分析 、 调研 、 进队的判断等等 ，但是最终这个商业判断还是人去做 。 ### 多模型路由 **Yiwen** [33:44] 我想再回到我们提到的这个 107 个电商任务 benchmark，因为你刚才提到这个数字就是成本的降低 ， 用 Accio 的估算的成本是 3.69 美元 ， 我看到是你们给到的一个数字 ， 然后 Codex 和 CloudCode 都是在 9 美元以上 ， 所以就是 Accio 的成本是另外两家的三分之一 ， 这个成本具体包括什么能不能给我们讲一下 ？ 你觉得在这个过程当中为什么 Accio 的成本会更低呢 ？ **张阔** [34:11] 为什么更低我觉得比较好理解 ，因为我们本身就是用帕累托最优的模式去路由所有的工作到不同的模型上， 比如 L3 以下级的工作相对来讲比较简单 ， 我们用小尺寸的或者用高性价比的模型就能完成 ， 我们肯定最大程度地帮商家节省成本 。 然后有一些模型对多模态的要求比较强 ， 对于整个视频的要求比较强 ， 你可能就要路由到一些特定的成本上， 那核心它的优势就是你集约采购 ， 你比个人去用这个模型的成本肯定还是便宜一些的 。 同时同样的模型情况下， 我们在不同的 harness 的工程的实践和对于 context 的管理上， 要比你用一个通用模型的效率会更高一些 ，也这些方向都是我们能够帮助用户去节约成本的 。 就为什么我对这个事很关心 ，因为经常去看商家侧的反馈 ， 说觉得贵 ，有的时候可能是对于一个特定 task 觉得贵 ，有的时候它就是我就固定选择一个模型 ， 比如我就用最贵的模型解决所有的问题 ， 它觉得这个事情贵 。 我们给客户的建议都是你可以直接选到 auto 模型 ， 就 auto 就是我们可以帮助你基于帕累托最优去优化你所有的工作到底应该用什么样的模型去完成 。 当然对比 Base Codec 跟 Cloud Cowork，因为它自己本身是 Agent 跟自己的模型去做绑定的 ，有很多的类似路由这些工作它可能是没有办法做的 ， 这也是你从美国这个市场能看得出来 ， 就是美国有一大类的生意非常受欢迎的就是类似 OpenRouter、Fireworks， 就是它就要 hosting 大量的模型 ， 帮你去优化每一个模型解决什么样的工作跟任务 。 就是现在越来越多的模型成为 commodity， 每一段时间都有一个更好的开源模型去出现 ，其实也是至少在一个相当长的时间节点里面 ， 我们觉得是有非常大的优化空间的一件事 。 **Yiwen** [35:51] 你们现在支持哪些底层模型 ？ **张阔** [35:54] 基本上你能看得到都支持 ， 当然了就是有一些帕洛特最优曲线已经完全埋在下面了 ， 那就没有必要支持 。 **Yiwen** [36:02] 对 ，因为我们现在聊的时候 GPT-6 Astra 这个模型刚发布 ， 大家也在讨论它减少 token 的成本 ， 包括说是一个能力更强的模型 ， 你觉得这样的模型的发布 ，因为你们测试用的是 Codex 和 Cloud Code， 你觉得在 Astra 之后这会对你们造成什么影响吗 ？ **张阔** [36:21] 我觉得你再过两天可以直接去我们 bench 上去看 Astra 的评分 ， 我觉得再给他们测两次去看一看这个效果到底是好还是不好 ，因为之前经常就会有这种问题 ，但这个问题一旦没有一个 benchmark， 就你不能量化它说好还是不好 ， 然后它发一个模型 ， 就是我这个事情解决得很好 ， 然后就说那它所有的事情都可以解决得好 ，其实这两个事不是一个相关性的事情 ， 就 是它可能是做 3D 模型做得不错 ，也可能在一些 computer use 上有一些突破 ，但不代表它在通用商业里边的 agentic 的能力强 。 所以你说它是 AGI， 我现在给你打保票的肯定不是 AGI， 就最终还是以最高性价比的完成它的任务是第一优先级 。 等我们发布了 ， 我觉得你可以直接去网站上看一下它的评测结果 ，因为所有的 Frontier 的模型我们有一个统一的 benchmark 去跑 ， 我觉得这个评估可能更公允一些 。 **Yiwen** [37:14] 对 ， 所以这也体现出了 benchmark 的重要性 ， 这个其实也是现在的一个趋势 ， 就是我们越来越需要专业领域的 benchmark， 这也就是为什么数据公司现在非常火 ， 每一家模型公司也都需要这些具体的数据去进行训练 ，其实又回到了我们刚才说的通用的 Agent 和垂直领域的 Agent 的一个区别 。 那你觉得反过来说 ， 对于一个垂直产品 ，因为其实我们都有非常具体的流程 ， 这个会不会因为流程过于的固定写得太死 ， 限制了一些模型本来能够做到的事情 ？ **张阔** [37:46] 我觉得不会去固定这些流程 ， 我们现在核心的一个标准还是先要固定一下红线是什么 ， 就什么事情肯定是不能做的 ，但是路线肯定不是定死的 ， 就是你希望完成一个任务 ， 只要你能把这目标说清楚 ， 一定是不断优化这个流程或者不断优化这个操作 ，不断地逼近你想要的这个目标 。 ### 经营决策 **Yiwen** [38:06] 现在别的电商其实也有在发类似的 Agent 产品 ， 对于一个商家来说 ， 如果他在用多个 Agent 的时候出现了冲突 ，Agent 给他的建议不一样 ， 这种情况应该怎么样去处理呢 ？ **张阔** [38:20] 比如在美国为例 ， 像各个垂直的电商和一些平台电商也都有一些 Agent， 然后这些 Agent 我觉得做得也挺好的 ， 我觉得可能 Accio Work 跟他们的差异更多的是 Accio Work 还是希望站在商家自己的一本账的角度 ， 帮他去整体做优化 ， 各个平台应该怎么去做投入 ， 怎么去做经营 ， 这个从定位上来讲 ， 我觉得这个产品跟其他的围绕着某一个平台去做优化的定位还是有 差别的 。 第二个就是不同的 Agent 给你不同的建议 ， 这非常正常 ， 就核心的还是说作为一个老板你要有一个整体的经营的目标是什么 ， 然后基于这个大的经营的目标下去看 Agent 给你本身的建议是不是合理的 。 因为从我们自己的视角上来讲 ， 它是一个商业经营还是一个非常长周期的过程 ， 它甚至不是以一次交易成功和失败为目的 ， 这次交易就算成功了 ， 它可能最终导致你商业失败 ， 那它也不是一个好的交易 。 就算同一笔钱 ， 就它的花法可能有非常大的差别 ， 就各个平台有它自己的建议 ， 那你从你自己经营最终想要以毛利为结果还是以规模为结果 ，以速度为结果 ， 你有自己核心的判断 ， 就这个事情没有办法有一个统一 Agent 的统一一下所有 Agent 的意见 ， 然后给用户一个更好的反馈 ， 这不是我们这个产品设计的初衷 。 **Yiwen** [39:35] 对 ， 所以其实这还是回到人的决策 ，而且从你们厂商的角度来看 ， 这是你们不希望 Agent 去代替的 。 **张阔** [39:42] 最终的经营判断一定是这个人， 最终对于这个产品本身的品味 ， 这肯定是跟这个人相关的 ， 就这个也是最终这个产品走向市场是不是能成功的关键 。 我觉得 AI 能够帮助它完成非常多的原来重复性工作把它解放出来的部分 ，但是最终对于商品的判断 ， 对于这个问题是个大问题还是小问题的判断和对于商业上的节奏的判断 ， 这一定是人要去做的 。 **Yiwen** [40:06] 很有意思 ， 那最后我也想聊一下 Agent 的最近的一些设计上的变化 ，因为你们也把 Accio Work 描述成是 24 小时在线的 ， 相当于是业务团队 ， 我们其实也看到最近有很多 Agent 的产品开始脱离用户的本地电脑 ， 然后在云端工作 ， 比如说像 Grokbot 这样的产品 ， 然后 WorkBuddy 也有云端的模式 。 我其实蛮想聊一下云上业务的设计理念的 ， 就是这个所谓的持续在线 、 持续响应 ， 具体来说它到底意味着什么呢 ？ ### 上云与长程 **张阔** [40:36] 我觉得这可能是两个概念 ，因为上云是个简单的事 ， 就是 Accio Work 它可能 PC 版的之后的几天就开始有云端了 ，因为从客户的需求来讲 ， 我有很多本地的 memory， 我希望放在云端 ， 这样我可以换台机器也可以在操作 。 然后长程是另外一个概念 ， 就是你所谓这个长程是多长程 ， 就是你让 AI 去解 Codebot 猜想 ， 它推了俩月 ， 这也叫长程吗 ？ 就是一直不停地推演 ， 这是个长程 。 但是从商业角度来讲 ， 我们可能把它也分成几个不一样的任务 ， 你比如说每天你都要进行店铺经营 ， 每天你都要看公司里边这些员工他的工作做得好还是不好 ， 那它就是个定时任务 ， 就每天定时地要给你出这个报告 。 第二个可能是跟事件驱动相关的任务 ， 比如你是一个买家 ， 你去找供应商去下单 ， 那你跟多个供应商去沟通的过程 ， 那就是 AI 要基于这些更新的信息去帮助你进一步推动沟通的结果 。 然后还有一些任务 ， 它可能是一个季度之后会有结果的 ， 就你整个经营你这盘生意 ， 最终你这个产品是赚了钱了还是没赚到钱了 ， 过程中你可能有非常多的要去复盘的东西 ，但是你去经营这一个生意本身 ， 这也是个非常长程的任务 。 我觉得这几个东西之间还是有比较大差异的 ， 就是上云我觉得这是个 basic 需求 ， 就是 Agent 今天你说你没上云 ， 那就是你功能还没做完 。 我只能说这不是说大家技术上有比较大差别 ，但是你说你要做一个长程任务 ， 核心还是要定义在什么场景下需要完成什么目标的一个长程任务 ， 就至少在电商领域里边 ， 我觉得我刚才去定义这几个范式 ， 这都是我们现在就已经去支持的比较好的范式 。 **Yiwen** [42:10] 现在 Agent 已经可以有完成长程任务的能力了 。 **张阔** [42:13] 对 ，因为商业经营本身就是长程 ， 对于每一个员工你给他设计的 OKR，他不断地校验到底工作做完了还是没有 ， 对于每一个商业 case， 比如每一次沟通他都要去校验这个销售或者这个客服他回答的问题是对的还是不对的 ， 然后这个用户对于这个客服的回答 ，他到底是对于商品本身的一个建议 ， 还是对于这个服务的建议 ， 还是对于整个售后的建议 ，他 都是可以不断地去完成你整个商业去经营的过程 。 我觉得这个事情是我们持续打磨的方向 ，而不是说我就追求这个模型能跑 7×24 小时， 跑一个礼拜 ， 然后它不挂 ， 它不挂 means nothing， 就如果没有解决你的问题的话 。 **Yiwen** [42:50] 对 ， 非常好 。 最后就是这次您在洛杉矶开 CoCreate， 我相信也有非常多的商家来到现场 ， 你觉得有什么是从你和这些商家对话当中是让你觉得比较惊讶的吗 ？ 他们对于 Agent 的用法或者他们对于 Accio Work 这些功能的期待 ？ ### CoCreate现场 **张阔** [43:06] 我觉得这次最惊讶的事情就是来的人太多了 ， 我们可能最终估计注册到场的有 15000 人， 我们肯定这个前面那个 booth 就注册的摊搞小了 ， 就是一直排队到中午吃饭的时候 ， 人还没有完全进来结束 。 我觉得美国对于整个用户群体在 AI 跟 Agent 的教育上肯定是还是比较领先的 ， 就是大家或多或少一定是对于产品理念本身是接受和理解的 ，而且我们现在有非常多的客户基于这个产品已经创造了自己的商业 ，并且在这个基础上已经把自己的商业进一步地放大 。其实每年我们 CoCreate 这个项目叫 CoCreate Pitch， 它有点像 Shark Tanks， 就类似赢在美国赢在中国这种节目 。 去年我们冠军一个英国冠军 ， 一个美国冠军 ， 英国冠军是个 15 岁的小孩 ， 上初中 ，他大概用 Accio Work 去找供应商去发掘自己的新的产品 ，但是做一个类似帮助你去制冷的 ， 可以自动帮你降温的毛巾 ， 自动帮宠物去降温的这些产品 ，他基于 Accio Work 去找这些 idea 已经形成了一个系列 ， 大概现在一年的销售额有 100 万英镑左右 ， 我们觉得是个不错的结果了 。 去年在美国的这个创业成功的冠军叫 Christian Reid，也开始穿着的时候非常工地化 ， 我们以为是一个工人出身 ， 后来发现还是 MIT 毕业的 。他做的产品就是去做一个非常酷炫的测量设备 ， 然后这个测量设备也是从他的 idea 的创业到整个找供应链都是基于 Aliba.com， 基于 Accio Work。 现在他的客户也包括施耐德电器 ， 包括 SpaceX， 这都是他的客户 ，他的生意今年大概也做到几千万美金以上了 。 就是我们现在看到更多的中小企业基于 AI， 基于全球供应链的能力去做自己的生意 ， 你不需要有一个非常大的公司 ，但你也可以把这个生意做得很大 。 我们也是希望基于 AI 进一步地降低门槛 ，因为全球中小企业可能还是各个区域的经济的主力 ， 就业的主力 ， 然后原来他们核心的问题其实不是在 AI 取不取代工作这个问题 ， 原来他的问题就是没有那么多的资源 ， 没有那么多的经验 ，但是他又想把生意做大 ， 又想利用全球供应链 。 就今天我们正好有 AI 和整个有 Aliba.com、1688 这个能力 ， 可以帮助更多的中小企业去实现这个梦想 。 从一个 idea 开始 ， 一直到这个 idea 本身去创造一个更大的商业价值 ， 我觉得这件事是 AI 能够帮助更多的中小企业实现自我价值的一个更大的放大器 。 **Yiwen** [45:32] 对 ， 我觉得这也是咱们结束的非常好的一个点 。 谢谢 Ko 来我们节目 。 **张阔** [45:36] 谢谢 。 **Yiwen** [45:41] 好了 ，以上就是我们这期播客的全部内容了 。 国内的听众可以通过小宇宙 、 苹果播客 、 网易云音乐 、 喜马拉雅 、QQ 音乐 、 蜻蜓 FM、 荔枝 FM 来关注我们 。 海外的听众可以通过苹果播客和 Spotify 或者在 YouTube 上搜索硅谷 101 播客来关注我们 。 我们部分的文字稿还会收录在硅谷 101 的微信公众号上 。 谢谢大家 ， 我们下次再见啦 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。