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

摘要

• 通用模型在不少榜单上已接近99分，但阿里从真实经营数据提炼的107个任务显示，最前沿模型在完全无人干预时通过率仅“61%多一点点”。 张阔的判断是，Coding、数学等通用能力提升，未必等比例转化成电商任务完成率：“大家没有把本质的水位，每一次发布模型的时候拉得那么大。”垂直 benchmark 因而比发布会指标更能说明商业可用性。
• Coding Agent 的渗透率被张阔估计为99%，商业 Agent 却仍处在起步阶段，根本差异是数字化程度、可验证性与反馈周期。 代码能否编译、结果是否正确可以立即判断；商业结果却可能要按天、周、月乃至年验证，同一笔交易也会因企业追求利润率、市场份额或速度而有不同结论。
• Accio 已从 AI 搜索扩展到 agentic trade 和多平台经营，整体搜索增长20%、多模态搜索增长130%，采购项目则可由按月推进压缩至约24小时。 Agent 能把创意转成 design pack，匹配工厂、询价、计算到手价和 margin，再处理物流、HS code、上架及买家反馈；张阔强调，这不是通用模型加几条 prompt，而是 Model、Harness、Context 三项相乘，“哪一项是0，整个这个公式结果就是0”。
• 商业 Agent 的单位经济性取决于模型路由，而不是把所有任务都交给最贵的 frontier 模型。 在跑完107个任务的比较中，主持人引用的数据是 Accio Work 估算成本3.69美元，Codex和Claude Code均在9美元以上；Accio 通过小模型、专用模型与 frontier 模型的帕累托路由，把成本降至约三分之一。“必须是一个用得起的AI，才是一个有价值的AI。”
• AI 对 SaaS 的影响并非一刀切，关键差异之一是产品能否掌握企业 ontology，并把原有工作流和上下文转化为 Agent 能使用的资产。 简单功能型 SaaS 可能被削弱，但CRM、法律、医疗等垂直系统知道数据意味着什么、企业究竟优化利润还是规模；张阔预计更现实的路径是 SaaS 与 AI 双向集成，同时每次技术转折仍会催生新的 AI-native 公司。
• Accio 对自治边界的定义很克制：AI 可处理跨平台报表、商品发布、客服复盘和风险预警，人保留付款、采购、预算和库存、广告等经营配置，以及产品品味。 “这次交易就算成功了，它可能最终导致你商业失败”，因此多个 Agent 意见冲突时，无法再用一个统一 Agent 消除分歧，老板仍须依据毛利、规模或速度目标做最终判断。
• 需求侧信号来自商家把 Agent 直接用于创业，而不只是提高办公效率。 洛杉矶 CoCreate 估计有15000人注册到场；一个15岁英国学生借助 Accio Work 开发帮助人降温、自动给宠物降温的毛巾类产品，年销售额约100万英镑，MIT毕业的 Christian Reed 则把测量设备卖给施耐德电气和SpaceX，今年生意据称已达数千万美元以上。对投资者而言，这组案例指向的增量，是小团队借AI和全球供应链扩大经营半径。

精读

1. Coding 已高度渗透，商业 Agent 仍卡在反馈闭环

• 张阔估计，Coding 的 AI 渗透率可能已有99%，“很难看到身边有一个研发人员不用任何AI去写代码”，绝大多数代码也“应该都是AI产生的”；其他垂直赛道离这一水平仍很远。

• 代码天然适配当前模型：工作本身100%数字化，GitHub和各类 Codebase 中的内容容易被AI广泛学习，能否编译、结果对错又可立即验证。文案和计算也因此比复杂经营判断更容易自动化。

• 商业任务没有统一流程，数据来源更多元，企业对“好结果”的定义也不同；一次成交究竟服务利润率还是市场份额，会改变预算、库存和广告策略，而验证周期可能从一天延伸到一年。

2. Accio 从 AI 搜索延展到一站式经营

• 一年前，Accio 的核心还是 Alibaba.com 的 AI mode：买家用自然语言或多模态表达采购需求。张阔给出的变化是整体搜索增长20%，多模态搜索增长130%，用户描述需求的方式已明显改变。

• 第二阶段把 Sourcing 向前延伸到市场调研和 Design pack，向后延伸到供应商沟通及交易完成，形成所谓“agentic trade”——不再只回答一个 query，而是推进一整条 AI 驱动的采购链路。

• 今年4月推出的 Accio Work 又把边界扩至经营端：基于 Alibaba.com 和1688的供应链，连接淘宝、天猫、京东、抖音以及 Amazon、Shopify、eBay 等销售渠道，统一查看多平台经营、供应链和员工表现。

3. Sourcing 的价值是把按月沟通压到24小时

• 张阔用 Edward 的植物设备解释完整链路：用户想让植物“告诉他现在它是个什么状态”，Agent 先把创意变成消费电子 Design pack，再选择检测、读取方案并控制成本，使零售价与 margin 可以成立。

• Accio Work 随后匹配广州、深圳的电子厂商，处理船期、海关 HS code 和当地物流，再为 Amazon、eBay、Shopify、TikTok 生成符合各自规则的内容、定价方案，并汇总买家 Feedback 迭代产品。

• 传统采购可能要维护一个20列的 Excel，在十几个供应商间比较制造能力、资质、工厂水平、价格、账期和物流，反复沟通数月后才筛出两三家并拿到样品。获得授权后，Agent 可拆解需求、与多个供应商沟通推进，把报表周期压至约24小时。

• 供应商给团队的反馈是“没有见过这么专业的design pack”；这不仅减少“笔在纸上画一画”带来的纠纷，也让买家在下单前看到含税到手价与零售 margin，而非等样品出来才发现理解有误。

4. 地域软件生态不同，但 Agent 的产品公式相同

• 美国已有成熟的垂直 SaaS，CRM、广告、法律、医疗各有系统；中国则更常由大型平台整合多种功能。AI 进入时会沿既有生态产生不同惯性，但最终都要向用户交付经营结果。

• 张阔承认，功能简单、可被AI直接完成的 SaaS 会受到削弱；但企业 ontology 仍是壁垒。不了解每项数据的含义、老板的目标以及企业经营上下文，哪怕“请一个大学生来”也很难直接开展工作。

• SaaS 因掌握工作流和企业上下文，可以用AI升级；通用AI要进入企业，也必须反向接入这些系统。Yiwen提到 Harvey、OpenEvidence 等 AI-native 产品，张阔的回应是：“每一个时代都有这个时代的公司”，技术转折会让理解技术与行业更深的新公司跑得更快。

• Accio 的产品观是AI“第一天就是全球化的”，语言交互以 LUI 为主，但效果服从“Agent = Model × Harness × Context”。美国与中国连接的平台、工具和经营数据不同，因此 Harness 与 Context 仍需按区域和用户需求调整；若各地需求和流程差异太大，也必须重做部分能力。

5. 垂直 Agent 的壁垒来自三层共同优化

• 早期投入更多集中在 Harness：连接 tools、管理 memory、处理用户授权，让系统在数月经营周期中稳定执行。Context 则来自20多年跨境电商、Sourcing、供应商沟通、行业属性和平台趋势积累。

• 现在 Model、serving 与 Harness 必须一起优化。张阔认为，只采用通用 frontier 模型再做简单 FT 已经不够，需要对一定尺寸的模型做后训练，同时优化 Cache 命中率、推理效率、准确率和成本。

• 这也是垂直 Agent 仍有空间的原因：“它不是一个通用模型，再加上你给的一些简单的prompt，就能产出结果的。”同一底模在更合适的 Harness 和 Context 中，也能取得更好的任务结果。

6. 107个真实任务把“模型更强”拉回经营结果

• 团队从 Alibaba.com 上百万条真实经营数据和 Accio 问答中整理出107个开源 task，覆盖七大类并按 L1 至 L4 分级。107只是当前 Snapshot；任务会持续增加，以跟上不断变复杂的真实经营要求。

• 多个榜单已接近满分100中的99分，但最 frontier 的模型在这套测试上，无人干预通过率只有“61%多一点点”。61%不等于工具不能用，而是整项工作能否在零人工介入下闭环，长程、开放任务的通过率尤其低。

• 一个测试要求从多份 quotation 中识别合适供应商，同时排除掺入的钓鱼邮件，核对制造、税费、物流及最终到手价；另一些任务要求真正完成订船，或判断 dispute 信息是否充分、该赔还是不赔。任何一个环节失败，整个 task 都不算完成。

• 持续 evals 还用于防止版本迭代后的能力“腐化”。张阔给“商业上的AGI”下了一个可操作定义：在预算和供应链相同、边界给定时，Agent 经营日常业务必须比人赚到更多的钱。

7. AI 接管重复经营，人保留资本配置与产品品味

• 多平台商家最直接的痛点是“一本账”：抖音、淘系、京东、拼多多都有流水，却不等于有利润。AI 可合并投入、收益和退换货数据，免去人工来回切后台、整理 Excel，并实时给出经营结论。

• 商品发布也是典型叉乘工作量：多个产品乘多个平台，每处受众、媒体形态和规则都不同。AI 可批量改内容、执行大促，先放入草稿箱供人确认，或在授权后直接发布并回报结果。

• 客服侧可以即时分析所有对话，找出更高转化的回答；ToB 销售中则可预警“这个单子可能要黄了”，指出沟通在哪一步偏离，以及下一项最重要的判断。过去这要求主管逐条复盘。

• 用户需求已从L1问答逐步推至L4经营判断，但付款和采购按钮仍应留给人。市场问题是否真实、客户基数与付费溢价是否足够、产品 taste 如何，以及广告、库存、渠道和 margin 如何取舍，仍依赖经营者直觉。

8. 模型路由把成本压到三分之一

• Yiwen引用的测试结果是：跑完107个任务的比较中，Accio Work 估算成本为3.69美元，Codex和Claude Code都在9美元以上，前者约为后两者的三分之一。

• 核心机制是帕累托路由：L3以下任务尽量交给小尺寸或高性价比模型，多模态、视频及复杂任务再转给专用或 frontier 模型；集约采购以及更高效的 Harness、Context 管理继续压低同模型成本。

• 张阔称，千问最新版本的小尺寸模型经过 post-train 后，效果已非常接近 frontier top 模型。Auto 模式据此替用户选模；类似 OpenRouter、Fireworks 的生意之所以成立，也因为模型正越来越像 commodity，最优选择会持续变化。

• 面对刚发布的 GPT-6 Astra，张阔不愿凭发布叙事下结论，建议等统一 benchmark 跑完：“它可能是做3D模型做得不错”，或在 Computer use 上突破，却不代表商业 Agentic 能力同步增强；他明确说，“你说它是AGI，我现在给你打保票，肯定不是AGI。”

9. 真正的长程不是永不掉线，而是持续追踪经营目标

• Yiwen担心垂直流程写得太死会限制模型，张阔的回答是只固定红线，不固定路线：把目标讲清楚后，Agent 应不断优化操作路径。多个 Agent 意见相反也很正常，不能再靠一个统一 Agent 替老板消除分歧。

• 云端化主要解决 memory 同步与换机继续工作；“今天 Agent 如果还没有上云，我只能说它的功能还没有做完”，本身并非技术护城河。商业长程则包括每日定时报告、供应商回复触发的后续沟通，以及一个季度后才能验证的盈亏结果。

• 因此重点不是模型能否7×24小时运行一周，而是能否围绕员工 OKR、销售沟通和整盘生意持续校验目标。“它不挂毫无意义，如果没有解决你的问题的话。”

10. 商家案例显示，AI 正在放大小团队的经营半径

• 洛杉矶 CoCreate 最令张阔意外的是到场规模：团队估计注册到场约15000人，入口排队一直延续到午饭。其观察是，美国用户对AI和Agent的理念教育相对领先，接受门槛已经较低。

• 上届英国冠军是一名15岁初中生，他用 Accio Work 找供应商、发掘新品，开发帮助人降温、自动给宠物降温的毛巾类产品，年销售额约100万英镑。

• 美国冠军 Christian Reed 起初因穿着像工地人员而被误认为工人，后来才发现毕业于MIT。他把测量设备从创意到供应链都放在 Alibaba.com 和 Accio Work 上完成，客户包括施耐德电气和SpaceX，今年生意据称已做到数千万美元以上。

• 张阔把这类需求概括为资源与经验不足，而非“AI取不取代工作”：中小企业借AI连接 Alibaba.com、1688及全球供应链，不必先建立庞大组织，也可能把一个创意放大成跨市场生意。