
来源:@首席数智官
7天,几百块Token,没有打样、没有请模特外拍、没有备货,甚至没有新招一个运营,一家卖3D打印鞋的新店就跑通了从“选品、视觉测款到上架”的全流程。
而在半年前,干完这一套动作至少需要30到45天,启动资金3到5万元起,还要承担压货锁死现金流的风险。
这并非某个技术极客的沙盘实验,而是产业带女鞋商家刘祥龙最近用AI跑出来的真实战果。
当几百块的Token开始直接替代人力、把过去那套“先生产后销售”的重资产链路转变成“先验证后生产”,过去20年熟悉的电商生意逻辑正在加速作废。
慢半拍的老板,可能连看到对手尾灯的机会都没有。
10月14日,千问办公发布了面向电商行业的AI生产力工具——千问办公电商版,并同步开启邀测。

千问办公CEO陈宇森
它在网页端和客户端里以“电商经营”版本的形式出现,用户不需要额外下载新的App。
从定位上看,千问办公电商版是一款独立第三方的电商Agent,面向市面上所有电商平台和商家开放,可以接入各种电商相关的行业软件。
单看,这似乎是一次寻常的新品发布。但把时间线往前拨三周,会看到另一件事。
9月22日的云栖大会上,千问办公CEO陈宇森的演讲标题是“Context is All You Need”,会上发布了面向企业的“企业上下文”产品。
两件事连起来读,信号就清楚了:企业级Agent开始以一个“行业版本”的形态,独立站出来了。
不过,「首席数智官」更好奇的是三个问题:为什么千问办公单独做一个电商版?企业级Agent为什么必须深入进垂直行业?下一轮办公AI的竞争,究竟会怎么走?
1.几百块Token开一家店:生意的逻辑变了
今天,企业级Agent的竞争,已然到了一个新的维度。
商务部数据显示,2025年全国实物商品网上零售额增长5.2%,对社会消费品零售总额增长的贡献率达到36.2%。全年社会消费品零售总额超50万亿元,增长3.7%。
一边是电商早已成为消费的主战场,而另一边的现状是,这个市场的增速在放缓。
流量红利结束之后,商家之间的竞争势必要落到运营效率上。而在AI的加持下,电商效率的底层比拼,开始从“拼流量、拼人力”变成“拼Token”。
就拿前文提到的女鞋商家刘祥龙来说,最近在千问办公协助下新开了一家3D打印鞋店。
放在过去,从花钱找机构做市场调研,到打样、请模特和摄影师反季外拍、招资深运营测款,再到提前备货,开一家新店需要30到45天,启动资金动辄3到5万元起。万一测款失败,库存和现金流还会一起锁死。
而现在,他只用了7天,全部花费只是几百元的Token费。
整个过程非常简单:市场调研只需向千问办公问一句话,AI直接给出“全球3D打印鞋增速320%、主力买家是Z世代”的反常识洞察;不需要实物样品和外拍,给一张参考图就能配合Skill一键生成带场景的主图和详情页。
靠着这些“数字样品”,新店当天就能上架完成视觉测款,等点击率和加购数据跑出来,再按需生产发货。
据刘祥龙透露,其实他早知道3D打印鞋火。但如果没有这套新生产力工具,他根本不敢这么快开店,可现在7天就能跑通闭环。
在他看来,如果哪个老板还守着旧流程,“等到再想开店的时候,别人早就做起来了”。
从“先生产后销售”的重资产押宝,变成“先验证后生产”的零库存快反,AI直接把延续了20年电商的生意逻辑彻底颠覆了。

刘祥龙用传统电商与AI电商开一个新店的对比
这其实就是千问办公电商版正在做的事。它并非要把通用AI能力搬进电商场景,而是用专有能力把商家每天都在做的事进行优化。
据千问办公CEO陈宇森介绍,作为独立第三方的Agent,千问办公电商版已接入有赞、千牛、FastMoss、LinkFox等一批主流商家经营工具,并会持续接入更多平台和生态。
落到功能上,它把多平台、多店铺的经营数据汇总到一个工作台:数据异常自动标红,该做的动作一并列出,每天上午定时刷新。
比如,在电商大促周期里,商家直接告诉AI:“今年营收目标500万元,结合去年大促和最近30天的经营表现,制定商品、投放和直播方案,并在活动期间每天更新进度。”
之后,系统会据此生成一个作战台,每天更新各店铺的销售、库存和广告消耗,运营人员随时能看到目标完成了多少、哪些店铺进度落后、下一场活动要提前准备什么。
这种变化的差异是巨大的。众所周知,大促是电商行业最忙的时候,过去为了应对大促,商家都会以团队为单位制定作战方案。不仅人员投入大,还需要用员工的时间抢效率。
而如今在AI的加持下,效率被压缩到了极致。
一个典型的案例是:一家线上内衣品牌的运营负责人Sandy,只带了一个2人小团队,要管两家店、一个上新季约200款新品、近万张种草图。
过去,一名设计师每天顶多做100张图,1万张图要熬4个月,等图做完旺季都过去了;现在,两人通过千问办公的工作流调用生图工具,15天就筛出了2.4万张可用素材,单次跨后台数据分析也从3小时缩短到1小时内。
当几百块的Token就能替掉外拍模特、修图美工和导表运营,当2个人配合Agent就能干完过去一个部门4个月的活,传统电商人赖以生存的“熟练工”壁垒,正在被AI和Token迅速抹平。
2.“懂生意的Context”没有捷径
可能在大多数人使用AI的感受中,都认为通用的AI Agent很难接手真实业务。但为什么几百块的Token就能替刘祥龙和Sandy干掉这么多环节?
答案其实非常简单,就是Context(上下文)。
比如,我们打开任何一个通用大模型,问它“我们公司上个月华东区的毛利率是多少”,它一定答不出来。原因不是它智商不够,而是它不知道“我们公司”是谁,更不知道这家公司的商品结构、店铺分布、投放习惯和售后规则。
陈宇森在云栖大会期间,把Agent在企业的落地拆解成了3个核心:Harness(运行框架)、Model(模型)、Context(上下文)。
他的判断是,模型能力在飞速进步、快速商品化,Harness层面的技术各家也在往标准上走,唯独Context没有捷径。
一个没有业务上下文的AI Agent,永远只能在企业的真实业务流门外打转。
这些企业内部的专有信息,AI无法猜测。但反过来说,只要具有足够的业务上下文,我们甚至不需要最强模型,只需要用一个性价比非常合适的大模型,就能解决企业中的各种问题。
在「首席数智官」看来,这其实就是企业级Agent的本质。
在真实的企业场景里,真正稀缺的不是模型能力,而是业务上下文。比如某茶饮品牌有一万多家线下门店,制冰机的滤芯多久换一次、一杯芭乐冰奶茶的茶汤要放多少毫升,这些细节在网上永远查不到,只有企业内部知道。
放到电商行业也一样。像精品咖啡品牌“捌比特咖啡”,用千问办公打通多平台经营数据和聚水潭ERP,把选品逻辑沉淀成Skill,靠数据发现“日晒豆在畅销冷萃中排第一”,一举推翻了创始人过去偏爱水洗豆的个人经验,做出销量翻10倍的爆款。
但要注意的是,获取业务上下文并不容易。陈宇森给了一个数字:中大型企业内部的数据规模,平均大概在150PB左右,而现在最强的上下文窗口也仅有100万Token,直接给AI塞一个50MB的文档,上下文窗口可能就不够了。
换句话说,企业上下文不能一股脑把所有数据拉起来硬塞给模型。得先打通分散的软件工具,做连接、压缩,甚至要做类似Palantir那套把业务实体和关系梳理成本体的脏活。
这就好像奶茶品牌新入职了一位资深运营,能力都有,但得先带他巡店、看后台、弄清楚这家公司什么算爆款、什么算亏损,把个人脑子里的经验变成组织共享的规则,他才能真正开始工作。
业务上下文的获取只能如此,没有任何捷径可走,而这也是企业级Agent相比于通用Agent的真正壁垒。
千问办公电商版,只是把这条路先在离钱最近、数字化最成熟的电商行业走通了一遍。
3. 一场不进则退的“生产力淘汰赛”
从整体看,现在,企业级办公AI的牌桌上已经跑出了三家探路者:千问办公、豆包工作、WorkBuddy。
三家在企业级AI上都设了激进的增长目标,但各自的打法已经出现了明显区别。
如果说上半场,各家还在同一块地里抢通用功能——比谁的对话更顺、谁生成的PPT更好看。那么到了下半场,企业级Agent的路线区分,正在从通用模型能力的竞赛,变成行业生态、真实工作流与业务上下文的争夺。
豆包工作依靠内容与视频模型,把Seed、Seedream、Seedance这些能力留在通用体系里,主打分析与图文视频生产;腾讯更强调开放平台底座,让生态伙伴在WorkBuddy上面长出各自的行业应用。
而千问办公选择把最具交易纵深的电商业务单独拎出来,做成一个深度的行业版本。
不仅如此,千问团队透露,电商版仅仅是一个开始,千问办公后续还会推出其他垂直行业版本。
在陈宇森的观点中,垂直与开放是两个核心要素。
千问办公电商版定位为独立第三方Agent,面向所有电商平台和行业生态开放,不仅接主流电商工具,甚至连用飞书、用企业微信的商家客户也照单全收。
但开放的前提,是你手里得先有一个值得别人接入的、真懂这个行业的Agent底座。
开放是生态策略,垂直是业务基础。
事实上,过去两年,AI在电商领域主要热闹在消费者端。市面上涌现过大量面向买家的AI购物助手、AI搜索、AI试妆。但有行业人士坦言,这些C端探索对GMV的直接拉动几乎可以忽略不计。
消费者端迟迟打不出新入口,商家端用Token置换人力投入、重构生意的降本增效这笔账,却算得清清楚楚。
所以AI+电商的重心从C端转向B端商家,几乎是必然的商业归宿。千问办公电商版作为新生产力工具切入垂直行业,也就并不意外了。
在「首席数智官」看来,千问办公电商版把企业级Agent的竞争往前推了一大步。垂直化是一门苦生意,谁能率先把多平台生态打通、把商家的行业know-how沉淀成上下文的复利,跑赢通用模型吃掉长尾能力的速度,谁才能拿到下一阶段的门票。
这又是一场人与AI的赛跑。
只不过,跑的慢的商家和打工人,这次可能真的会被落下了。
-end-