《算力江湖·通义千问》第三集：从聊天到Agent，大模型如何进入真实业务？

导读：如果大模型最后只是陪你聊天、写写文案、改改周报，那全球根本没必要建这么多数据中心，更不需要一车一车地往机房里塞GPU。前两集我们讲了千问为什么诞生，也讲了大模型为什么突然把GPU、显存、内存都推到了算力舞台中央。但真正决定这场AI战争能走多远的，其实不是模型会不会回答问题，而是一个更现实的问题……

真正的分水岭是大模型能不能干活 #

如果大模型最后只是陪你聊天、写写文案、改改周报，那全球根本没必要建这么多数据中心，更不需要一车一车地往机房里塞GPU。前两集我们讲了千问为什么诞生，也讲了大模型为什么突然把GPU、显存、内存都推到了算力舞台中央。但真正决定这场AI战争能走多远的，其实不是模型会不会回答问题，而是一个更现实的问题：它到底能不能干活？我做服务器二十多年，这两年越来越强烈的一个感受就是，客户开始关心的已经不只是“我要不要部署一个大模型”，而是“这个模型能不能真正进入我的业务”。

其实阿里在2023年第一次推出通义千问的时候，就已经没准备让它只待在聊天框里。当时阿里列出来的方向就包括物流、媒体、金融、制造、能源、零售等行业，还提出企业可以用自己的数据和行业知识去微调模型，不需要每家公司都从头训练一个基础大模型。这件事听起来很普通，但背后的变化其实非常大。过去一家制造企业想做AI，可能要针对质检做一套模型，针对客服再做一套，供应链预测又是另一套；大模型出现以后，大家开始尝试用一个基础模型，再接企业自己的知识库、数据和业务系统，把很多原来割裂的能力串起来。

知识库和业务数据让模型成为工具 #

举个已经落地的例子。阿里云披露的客户案例里，阿斯利康就利用Qwen和专属Model Studio做药物不良事件报告的整理和摘要；Haleon则把Qwen用于健康咨询场景，通过知识检索和个性化回答提高服务效率。这里的大模型已经不是在回答“今天天气怎么样”，而是在处理企业每天真实发生的大量文档、知识和业务流程。你再把这个思路放到我们熟悉的高校和科研院所里，其实也一样：论文太多，让AI帮你检索整理；实验数据太杂，让它辅助分析；代码不会写，让它帮你调试；几十年的内部资料没人翻得过来，就做一个自己的科研知识库。这个时候，大模型才真正从“玩具”开始变成工具。

但到了2026年，事情又往前走了一步。现在行业里越来越多的人已经不满足于让AI“告诉我怎么做”，而是希望它直接替我去做。1月份，千问App开始把淘宝、淘宝闪购、支付宝、飞猪、高德这些服务接起来。你可以对它说一句话，让它帮你订餐、规划旅行、订机票酒店，甚至在用户确认以后直接完成支付。阿里把这个变化说得很直白，就是从“AI that responds”，走向“AI that acts”，从一个会回答问题的AI，变成一个能够执行任务的AI。

从回答问题走向执行任务 #

这一步我觉得特别关键。因为以前你去北京出差，要自己查机票、比较时间、订酒店、找路线，可能要在四五个App之间来回切。以后你可能只说一句：“下周二我要去北京开会，下午两点前到，帮我安排一下。”AI先理解你的要求，再查航班、比较价格、安排酒店、规划路线，最后把方案交给你确认。4月份，千问又和中国东方航空合作，把搜索机票、购票、选座、值机这些原本分散的步骤放进同一个对话流程里。到5月份，淘宝又把超过40亿件商品的完整商品库接给千问，用户可以直接用自然语言让AI找商品、比较、下单、管理物流和售后。这时候你再把千问叫“聊天机器人”，其实已经有点像把智能手机叫“能打电话的机器”了。

企业这一边变化更快。阿里今年推出的Wukong，就是专门面向企业的Agent平台，它可以让多个AI智能体分工协作，而且正在把钉钉、淘宝、1688、支付宝、阿里云这些能力变成可以调用的工具。阿里甚至已经把智能体应用做到了电商、制造、法律、财务、招聘、软件开发等十个方向。这背后意味着什么？以前一个员工打开ERP、查Excel、写邮件、做报告，五个步骤都是人在操作；未来很可能变成一个Agent自己去找数据、调用系统、生成结果，人在最后做判断。AI真正改变千行百业，很可能不是把所有岗位都“替代”，而是悄悄把很多原来需要人不停点鼠标、复制粘贴的工作接过去。

Agent把一次对话变成多步工作流 #

可这个变化从我们做算力的人眼里看，还有另外一层意思：Agent比聊天更吃算力。以前你问千问一个问题，模型推理一次或者几次，回答完就结束了。Agent不一样，它可能先理解任务，再规划步骤，然后查知识库、调用搜索、运行代码、再问模型、检查结果，发现不对还要重新来一遍。一个看起来很简单的“帮我做一份市场报告”，背后可能已经连续运行了很多轮模型推理。如果未来一个员工背后不是一个Agent，而是研究Agent、代码Agent、数据Agent几个一起干活，那么一个人产生的AI算力需求，可能比今天问几十句聊天问题大得多。阿里今年发布Qwen3.6-Plus时，就把重点明确放到了能够自主完成复杂工程任务和现实工作流程的Agent能力上。

这也是为什么我现在看AI服务器，已经不太把它理解成一台“跑大模型的机器”了。对于高校，一个GPU工作站可能就是老师和学生自己的AI实验平台；到了一个几十人的团队，就可能需要多GPU服务器，让不同的人同时跑推理、知识库和实验；到了企业，几百几千人每天都调用Agent，后面就不再是一两台机器的问题，而是GPU集群、存储、网络和整个数据中心的问题。2025年企业已经明显在扩大AI应用规模，阿里云自己也说，这些AI部署反过来推动了云计算基础设施的使用增长。模型从聊天框里走出来的那一刻，也就是算力需求真正开始放大的时候。

模型走出聊天框以后算力需求才真正放大 #

所以我觉得，千问真正有意思的地方，不是它能回答多少道题，也不是某一次跑分比谁高。真正值得观察的是，它正在从一个模型，慢慢变成一个能够进入工作、科研、购物、出行和企业流程的基础能力。以前互联网时代抢的是搜索入口、浏览器入口、手机入口；现在AI开始替你完成任务以后，下一个问题就来了：如果未来我们很多事情都先交给AI，那么谁掌握这个AI入口，谁是不是就掌握了下一代互联网最重要的位置？

由此也引出了更深一层的问题：阿里真正想要的，也许从来不只是一个通义千问。它真正想争的，是AI时代的入口。