阿里国际站实测顶尖模型电商任务通过率仅61%

阿里国际站实测顶尖模型电商任务通过率仅61% 通用模型榜单高分无法直接转化为商业产出，真实业务落地取决于模型、工程框架与经营上下文的乘法效应，且最终商业决断与产品品味仍须由人类掌握。 节目围绕商业场景下 AI Agent 的真实交付能力展开深度探讨。张阔指出，不同于编程等天然具备即时验证闭环的任务，商业经营具有非标、长周期及多目标权衡的特点，前沿通用大模型在阿里国际站提炼的 107 个无干预真实电商任务中通过率仅约 61%。他提出了“Agent 能力 = 模型 × 工程框架 × 上下文”的核心公式，强调垂直应用必须通过系统联合优化与智能模型路由来兼顾准确率与成本。最终，AI 能够高效接管算账、比价、上架等重复性重资产执行，但产品的审美品味、战略诉求取舍与核心商业直觉仍需由人类经营者牢牢掌握。 阿里国际站团队从真实外贸与电商运营中提炼出 107 个特定基准任务，实测业界顶尖 Frontier 大模型在无人干预条件下的通过率仅约为 61%，凸显榜单高分与商业实际交付之间的巨大鸿沟。 (20:29) 张阔提出商业 Agent 核心公式为“Model × Harness × Context”乘法模型，强调单纯等待模型升级无法解决长程任务，必须依靠工程框架、企业私有上下文与后训练协同优化。 (15:16) 通过多模型智能路由与专用工程优化，Accio Work 完成该套基准任务的单次运行估算成本约为 3.69 美元，仅为通用代码 Agent 架构（9 美元以上）的约三分之一。 (33:44) 在洛杉矶 CoCreate 大会上，15 岁英国初中生和 MIT 创业者借助 Accio Work 链接全球供应链，分别实现了百万英镑与数千万美元的年销售额，展现 AI 放大中小微企业全球化能力的潜力。 (43:05)

阿里国际站总裁张阔指出，尽管前沿大模型在通用榜单上逼近满分，但在复杂的真实商业任务中仍面临验证周期长、非标流程多等瓶颈；商业落地需依靠模型、工程框架与业务上下文的乘法协同，而非单纯依赖通用底座。 商业协作落地难的本质根源 (1:18) 张阔指出，AI Agent 在编程领域的渗透率已接近 99%，因为代码库全数字化，且具备即时、确定的可验证闭环。然而，商业协作（Cowork）任务仍处于起步阶段，主因在于商业数据多为非结构化图文、报价单与沟通记录，且缺乏统一标准流程。此外，商业决策的反馈周期往往按周、按月甚至按季度计算，无法像代码编译那样通过单次交互即时验证归因。 Agent生产力公式与软硬件落地实践 (3:48) 张阔提出了 Agent 生产力公式：能力 = 模型（Model）× 工程框架（Harness）× 业务上下文（Context），三者为乘法关系，任一要素缺失则整体产出为零。模型提供通用推理，工程框架负责工具链编排与纠错，而上下文则依赖阿里二十余年积累的供应链与交易记录。在洛杉矶 CoCreate 大会上展示的植物检测设备案例中，Agent 将原本需要数周的手工询盘缩短至数天内，实现了从规格书生成、工厂匹配、船期报关到多渠道销售的一体化闭环。 107个真实电商任务基准与成本优化 (20:29) 阿里团队基于真实交易提炼出涵盖 7 大类、划分为 L1 至 L4 难度的 107 个特定电商任务基准。张阔透露，业界顶尖前沿模型在完全无人工干预下通过率仅约 61%，证明通用推理跑分与真实商业交付并不存在强相关。为推进规模化落地，团队通过帕累托最优模型路由将简单任务分流至小模型，使全套任务单次运行成本降至约 3.69 美元，约为基于 Codex 或 Claude Code 通用模式（9 美元以上）的三分之一。 人机协同边界与长程商业经营 (28:13) 在日常经营中，AI 能有效接管跨平台利润核算、多渠道商品铺排和客服质检风控等高频重复劳动，但最终采购下单、支付确认与产品品味直觉等核心权衡必须由人把关。张阔认为，云端常驻 7×24 小时只是基础工程标配，真正的商业长程任务体现在定时巡检、多方博弈谈判推进以及季度经营复盘中。当不同平台的局部 Agent 给出冲突建议时，经营者需要基于全局一本账，在毛利、规模与周转速度之间做出最终战略取舍。 张阔将商业领域的 AGI 定义为：在既定预算与供应链边界下，Agent 能比人类操作和判断赚到更多的钱。尽管全球中小微企业正借助 AI 撬动跨国产业链，但在缺乏可量化的垂直任务基准前，单纯追求通用大模型参数尚无法跨越真实商业经营的落地鸿沟。

[11:30] 张阔: 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，你就让一个人去做这件事也很困难。 [15:16] 张阔: Agent 能力 = Model × Harness × Context [20:29] 张阔: 在给定预算与供应链边界不变的前提下，Agent 能比人类操作和判断赚到更多的钱，那就是商业领域的 AGI。 [33:44] 张阔: 必须是一个用得起的 AI，才是一个有价值的 AI。 [35:50] 张阔: 你现在说它是 AGI，我给你打保票，肯定不是 AGI。 [37:20] 张阔: 先框定红线（什么事情绝对不能做），但通往目标的路线完全保持动态和灵活。 [40:35] 张阔: 今天如果说你的 Agent 没上云，那只能说明你功能还没做完，这谈不上技术壁垒。

[0:00] 大家好 欢迎回到《硅谷101》 [0:02] 我是Yiwen [0:04] 之前我们聊到了 [0:05] 大模型的训练数据和榜单 [0:07] 提到每次新模型发布 [0:09] 各种榜单上的成绩都在刷新 [0:11] 但这种进步对于我们用户来说 [0:14] 很多时候并没有变成工作中的进步 [0:17] 以电商为例 [0:18] 从一个产品创意到把它做出来 [0:21] 卖到全世界 [0:22] 中间要研究市场 找工厂 [0:24] 比较报价 安排物流 [0:26] 还要在不同平台上开店 发布商品 [0:29] 最后算清楚这笔生意到底赚不赚钱 [0:32] 这些工作 AI现在能接手多少 [0:35] 又会在哪一步卡住呢 [0:38] 半年前我们请到了 [0:39] 阿里国际站总裁张阔 [0:41] 聊了他们刚发布的Accio Work [0:44] 半年过去 Agent产品不断更新 [0:47] 所以我们也再次请到他来聊聊 [0:49] 这些变化究竟给商家的实际经营 [0:52] 带来了多少帮助 [0:54] 张阔分享了一个观察 [0:56] 很多模型的通用评测成绩 [0:58] 已经接近满分 [1:00] 但在真实经营中 [1:01] 他们并没有感受到同样幅度的提升 [1:04] 于是团队从实际业务中 [1:07] 整理了107个任务 [1:09] 测试AI在没有人干预的情况下 [1:11] 能不能把工作做完 [1:13] 下面就是我和张阔的对话 [1:18] 阔 你好 [1:19] 你好 [1:19] 其实阔3月份的时候 [1:20] 就上过我们一次节目 [1:22] 那个时候是你们春节之后 [1:24] 刚发布Accio Work这个产品的时候 [1:26] 其实当时你就说 [1:28] Claude Cowork这个产品 [1:29] 比当时特别火的OpenClaw [1:31] 更值得关注 [1:32] 现在过去了半年左右的时间 [1:35] 其实我们也看到市场相当于是 [1:37] 印证了你的这样一个判断 [1:39] 我觉得我们可以先聊一下 [1:41] Cowork的整体市场 [1:43] 你觉得你现在对于Cowork AI同事 [1:45] 这样一个市场的整个判断是什么 [1:48] 因为Agent最开始出来 [1:49] 解决的第一个问题是Coding [1:51] 我们现在认为Coding的市场渗透率 [1:54] 我估计有99% [1:56] 因为很难看到身边有一个研发人员 [1:58] 不用任何AI去写代码 [2:00] 现在绝大多数代码 [2:01] 应该都是AI产生的 [2:03] 如果跟这个相比 [2:05] 第二个垂直赛道的渗透 [2:07] 可能都远远小于这个数字 [2:09] 因为Cowork本身偏work类的产品 [2:12] 它可能完成的内容 [2:14] 和能够给它交付的内容 [2:16] 相对来讲还是比较有限 [2:18] 还是一些文案类的工作 [2:20] 一些计算类的工作可能完成得更多 [2:23] 但对于商业 尤其像电商这种 [2:25] 要去更复杂地判断 [2:27] 可能更长程的任务 [2:29] 以及它最终这个结果 [2:31] 不是一个当下马上 [2:32] 可以verifiable（可验证）的结果 [2:33] 对于这类的场景来讲 [2:35] 我们觉得 [2:36] 整个Agent也是刚刚开始的一个状态 [2:38] 好 所以我们现在还是相当于 [2:41] 把工程类的Coding Agent [2:42] 和非工程类的 一些商务类的应用 [2:45] 分成两块来看的 [2:47] 你觉得为什么Coding的任务 [2:49] 交给Agent可能更加容易一点 [2:51] 相比你刚才说的 [2:52] 比较少用的这些work的场景 [2:54] 我觉得一是本身关于Coding的工作 [2:59] 它100%数字化的 [3:00] 所有的code在GitHub [3:02] 或者在所有的 [3:03] Codebase（代码库）里边 [3:04] 容易被AI更广泛地学习 [3:06] 第二个去做这个内容的verifiable [3:09] 它是一个天然的 [3:10] 可以verifiable的工作 [3:12] 这个到底能编译完成还是不能完成 [3:13] 出来的结果到底对还是不对 [3:15] 这些事情天生比较适合 [3:17] 现在大语言模型去进行 [3:19] 但如果我们把它换到商业这个场景 [3:21] 就太复杂了 [3:22] 第一 数据可能更加多元 [3:25] 第二个 它本身其实没有一个 [3:27] 通用的流程可言 [3:29] 你可能最终有一个结果 [3:31] 而且不同的企业 [3:32] 对于这个经营的结果好跟坏的判断 [3:34] 也有自己的差异性 [3:36] 然后你要去做结果的验证 [3:38] 可能这个验证 [3:39] 不是一个以单次去计的 [3:41] 它可能是以一天 一周 一月 [3:44] 或者一年去计的一个结果 [3:46] 它整个反馈的闭环周期就是很长的 [3:48] 了解 那你觉得 [3:49] 自从Claude相当于是 [3:51] 上半年正式推出了Cowork这个产品 [3:54] 在这个之后 [3:55] 这些通用的Cowork Agent [3:57] 有没有尝试去解决 [3:58] 你刚刚说的那些问题 [3:59] 这个中间有没有发生什么变化 [4:02] 是你觉得比较值得去探讨的 [4:04] 第一个就是这个赛道肯定更热闹了 [4:06] 中国 你进到任何一个电梯间里边 [4:09] 你现在可能看到的最多的产品 [4:10] 就是各类的通用办公类产品 [4:13] 从产品的体验角度来讲 [4:14] 我觉得各家都会有一些自己的特色 [4:17] 从Accio Work推出来讲 [4:19] 我们核心可能还是要解决 [4:21] 电商这个垂直人群的问题 [4:23] 就今天跟之前比 [4:24] 它能解决的问题肯定更泛化了 [4:26] 如果说我们这个产品一年之前 [4:29] 当时核心解决的问题 [4:30] 是一个AI搜索的问题 [4:32] 它就相当于Alibaba.com的AI mode [4:35] 买家可以以更自然语言的方式 [4:37] 去描述自己的需求 [4:38] 或者通过多模态的方式 [4:40] 去表达自己的需求 [4:41] 我们现在去看 [4:42] 整体搜索涨20% [4:44] 但是多模态搜索涨130% [4:46] 就是现在越来越多的用户 [4:47] 去描述自己的需求 [4:48] 跟之前有一个很大的差别 [4:50] 第二个阶段 [4:52] Sourcing（采购）本身向前向后工作 [4:55] 比以前延展得更多了 [4:57] 比如之前从搜索 [4:58] 更多的是一个query（查询） [4:59] 现在向前延展了 [5:00] 就是要做市场的调研 [5:02] 要做产品的 [5:03] Design pack（设计文档）的设计 [5:05] 有这个设计之后 [5:06] 他把这个设计交给供应商 [5:07] 可以跟供应商去推进 [5:09] 整个沟通的过程 [5:10] 包括最后完成交易 [5:12] 我们管它叫agentic trade [5:13] 一个AI驱动的交易 [5:15] 这些是我们看到 [5:16] 一个Agent在sourcing上面 [5:17] 去表达得更完整的一条路径 [5:20] 而且它能解决的问题跟之前比 [5:21] 可能有一个非常大的差别 [5:23] 到新的阶段 今年4月份 [5:25] 我们再推出Accio Work [5:26] 希望它解决的问题可以更泛化 [5:29] 跟电商相关的问题 [5:31] 我们刚才讲的sourcing [5:32] 可能都是跟供应链相关的 [5:33] 因为Accio Work本身 [5:34] 就基于Alibaba.com 基于1688 [5:38] 它就是全球最大的一个供应链平台 [5:40] 很大一类用户其实就是电商用户 [5:42] 他在1688进货 [5:43] 可以在淘宝 天猫 京东 [5:45] 抖音上去卖 [5:46] 在Alibaba.com上去进货 [5:48] 那就是在全球的各个电商平台上 [5:50] 无论是Amazon Shopify [5:51] eBay等等去销售 [5:53] 现在Accio Work [5:54] 可以帮我们所有的用户 [5:55] 去管理他所有的电商后台 [5:57] 就通过一个一站式的服务 [5:59] 去理解你整个多平台的经营情况 [6:02] 去管理你整个的供应链 [6:03] 去管理你整个企业 员工 [6:05] 在整个日常经营里边的表现 [6:07] 这个是现在我们看到这个Agent [6:09] 能够再进一步地泛化 [6:10] 去解决的更多的问题 [6:12] 可不可以具体举一个例子 [6:14] 比如说一个跨境商家 [6:15] 他一开始用Accio Work [6:16] 是想要解决什么样的问题 [6:19] 这整个流程是什么样的 [6:20] 好 我们这次在CoCreate大会上 [6:23] 正好讲了一个商家Edward这个例子 [6:25] 他原来自己喜欢种植物 [6:28] 但是经常把花养死 [6:30] 他就想创造一个产品 [6:31] 怎么让植物去告诉他 [6:33] 现在它是个什么状态 [6:34] 但从有这个想法 [6:36] 到把这个产品做出来 [6:37] 它是一个消费级的 [6:38] 个人的消费电子产品 [6:40] 怎么能把这个产品做出来 [6:42] 变成一个design pack [6:43] 这就可能难住很多的创业者 [6:46] 最后这个电子产品 [6:47] 到底用什么样的检测设备 [6:50] 到底用什么样的读取设备 [6:52] 怎么把这个成本压到最低 [6:53] 卖的时候 [6:54] 你可以有margin（毛利/利润率） [6:55] Accio Work首先帮你 [6:56] 做design pack设计 [6:57] 第二 可以帮助你找到 [6:58] 所有广州 深圳这些 [7:00] 做电子产品最厉害的厂商 [7:02] 帮助你制造出这个产品 [7:04] 然后可以帮助你去 [7:06] 解决所有跨境领域的问题 [7:07] 无论是你要订船期 [7:09] 你过海关的时候到底要 [7:10] 用什么HS code（海关编码）去过 [7:12] 以及运到当地之后 [7:13] 我们怎么去管理物流的过程 [7:15] 有了之后 [7:16] 你要产生各种各样社交媒体的内容 [7:19] 上Amazon 去eBay 去Shopify [7:21] 到TikTok上去卖你这个产品 [7:24] 这个过程中你要管理多个店铺 [7:26] 然后去管理所有的社交媒体内容 [7:28] 有的内容要符合不同平台的 [7:30] 不同的规则 [7:32] 可能还有不同的定价计划 [7:34] 管理各个平台的买家给你的反馈 [7:36] Feedback等等 [7:37] 在持续地迭代这个产品 [7:38] 现在Accio Work [7:39] 就可以帮你把这个完整的周期 [7:41] 在一个Agent里边去完成 [7:44] 去跨端地管理你的整个一本生意 [7:47] 所以我理解这个过程当中 [7:49] 比如说你刚刚提到sourcing [7:50] 然后sourcing前后的这样一些步骤 [7:52] 我理解这个Agent它可能会 [7:54] 起到一些搜索和推荐的作用 [7:56] 这个中间有哪些步骤 [7:58] 还是需要人去完成的 [8:00] 它应该还是需要商家做一些选择 [8:02] 知道哪个是更好的 [8:04] 这些东西是人和Agent合作的 [8:06] 这样一个步骤 [8:07] 我可以描述一下 [8:08] 最开始如果没有Agent [8:10] 人是怎么做的 [8:11] 就是你从query一个关键词开始 [8:14] 你要把这个产品做出来 [8:15] 那你大概其就要知道这个产品 [8:17] 需要有什么样资质的工厂和商家 [8:20] 能做出这个产品 [8:22] 你可能要管理Excel [8:23] 这一个Excel可能有20列 [8:26] 比如说十几个供应商之间 [8:28] 你从他的生产制造能力 [8:30] 到他当地有没有 [8:31] 制造这类产品的资质 [8:32] 他工厂的水平 拿货的价格 [8:35] 包括他可以给你的账期水平 [8:37] 物流的方案等等 [8:38] 你最终选到两三个要合作的厂家 [8:41] 这过程中可能省略的就是 [8:43] 你要back and forth（反复沟通） [8:44] 跟这个供应商要去交互 [8:46] 周期一般可能是以月计 [8:48] 到最后你能拿到一个样品 [8:50] 如果有Agent [8:51] 我们可以把你这个周期 [8:53] 缩短到以天计 [8:55] 它可以帮助你 把你的想法 [8:57] 首先分解成 [8:59] 一个可以制造出来的产品 [9:01] 和这个产品究竟需要什么样的能力 [9:03] 然后从Alibaba.com这个平台里边 [9:05] 包括用这些商家 [9:07] 自己的详情里的内容 [9:08] 以及商家上传的 [9:09] 自己这个企业知识库的内容 [9:11] 帮助你去匹配最合适的商家 [9:13] 然后在你允许的情况下 [9:15] 它会去跟若干个商家 [9:17] 去做沟通 去推进 [9:19] 拿到你最终想要的这个报表 [9:21] 前面花一个月去维护的这个Excel [9:23] 现在这个项目可以用AI [9:25] 可能在24小时之内 [9:26] 帮你达成一个结果 [9:28] 比如说在刚刚 [9:29] 我们举的这个例子里面 [9:30] 这个产品比较复杂 [9:31] 所以它其实也有 [9:32] 相当于是赋能这样一批商家 [9:35] 去找到一些他们可能一开始 [9:37] 不太熟悉的产品 [9:38] 这里面有更多的可能性 [9:40] 对的 我们的供应商给我们的反馈 [9:42] 说是没有见过 [9:43] 这么专业的design pack [9:45] 因为一般买家都是笔在纸上画一画 [9:47] 大家开始去交流的 [9:49] 你只要把这个事情能搞清楚 [9:50] 就要花很多精力 [9:51] 还有很多时候 [9:52] 就是当拿到的东西 [9:54] 发现跟你原来想的又不太一样 [9:55] 这是大量有纠纷 反复沟通的过程 [9:58] 开始能把一个人的想法 [10:00] 真的能说清楚 [10:01] 到最终我们给你算出来一个到手价 [10:04] 到你在零售之间的margin是多少 [10:07] 能把这个信息更多地 [10:08] 给用户去呈现出来 [10:09] 我觉得也能极大地去提高 [10:11] 他们自己做生意成功的效率 [10:13] 好 那我们刚才是简单地 [10:15] 以Accio Work为例子 [10:16] 看了一下电商这个垂直领域的 [10:19] Agent这样一个用法 [10:20] 我想回到你一开始提到的 [10:22] 通用Cowork Agent的这个点 [10:24] 你讲到国内有很多厂商 [10:26] 在竞争这个赛道 [10:28] 我们最近听到比较多的 [10:29] 就是像WorkBuddy这类的产品 [10:31] 在美国也有很多通用的Agent [10:34] Meta刚刚发了Muse [10:35] 之前Grok Bot也是大家评价说 [10:37] 是一个非常好用的产品 [10:39] 能不能给我们讲一下 [10:40] 这个市场的竞争 你觉得 [10:43] 现在整体的格局是怎么样的 [10:45] 而且你现在也在美国 [10:46] 你觉得这个中美之间 [10:48] 有没有什么比较大的差异 [10:50] 从办公的角度来讲 [10:51] 我觉得可能差异相对来讲小一些 [10:54] 当然它也有一些不同的场景 [10:56] 这是跟原来这两个地方 [10:58] 本身企业的延续性有关 [11:01] 因为你比如在美国 [11:02] SaaS就是个挺大的生意 [11:04] 然后这个SaaS的生意 [11:05] 本来就是垂直化的 [11:07] 做CRM（客户关系管理）的有SaaS [11:08] 做广告类的 做律师类 做医疗的 [11:12] 都有自己垂直的成熟的SaaS体系 [11:14] 这个生态在中国就不太一样 [11:16] 中国可能有很多平台侧 [11:19] 它有非常多垂直的整合进去的功能 [11:22] 所以AI进来的时候 [11:23] 它本身也有一定的惯性的差异 [11:25] 但是从最终要给用户 [11:26] 去交付结果来讲 [11:28] 各个平台想做的事情都是一样的 [11:30] 对 其实这个市场的观察也很有意思 [11:32] 因为你说到SaaS [11:33] 比如说我们先从美国这边来说 [11:35] 其实咱们上次聊的时候 [11:37] 相当于是美国SaaS恐慌情绪 [11:40] 最严重的那样一段时间 [11:41] 就是有很多sell off（抛售） [11:42] 就包括说现在AI的能力 [11:45] 其实Claude推出Cowork之后 [11:47] 也有很多投资人担心说 [11:49] 这又一次地杀死了很多SaaS公司 [11:51] 当时你提出了一个判断就是 [11:53] 只要一些SaaS公司能把AI用得好 [11:56] 反而AI可能是一个利好 [11:58] 现在我们看到很多SaaS公司 [12:00] 也没有我们想象的那么 [12:03] 在这个过程当中 [12:04] 没有办法继续生存下来 [12:06] 能不能再聊一下 [12:07] 比如说现在这几个月过去 [12:09] 你觉得Agent [12:10] 对于这些SaaS公司的影响 [12:12] 你看到他们采取了什么样的对策 [12:14] 如果这个SaaS本身 [12:16] 做的内容比较简单 [12:18] 有一些就是AI [12:20] 自动可以帮助他做的事情 [12:22] 可能你说 [12:22] 它削弱了一些SaaS本身的能力 [12:25] 这个事也是存在的 [12:27] 因为SaaS本身 [12:28] 跟工作流集成得比较紧密 [12:31] 它对于整个企业上下文的理解 [12:33] 尤其这个企业 [12:35] 我们现在比较流行一个词 [12:36] 是ontology（本体） [12:37] 就是你就算请一个大学生来 [12:39] 你搞不清楚这个企业本身 [12:40] 各个数据到底意味着什么 [12:42] 以及这些企业 [12:42] 最终经营的目标是什么 [12:44] 你就让一个人去做这件事也很困难 [12:46] 今天一方面SaaS自己 [12:48] 也可以围绕这个角度 [12:50] 去升级自己的产品 [12:51] 用更多的AI去推动 [12:53] 反过来一个AI进到一个企业里边 [12:55] 它也一定要去理解 [12:57] 到底这个企业各种数据意味着什么 [13:00] 这个老板到底是想基于什么东西 [13:01] 去做优化 [13:03] 你最后达成一个交易 [13:04] 不是这个交易最终只是成交了 [13:06] 它就能代表好还是坏 [13:08] 这个交易到底是为了 [13:09] 有更多的利润率 [13:11] 还是为了有更多的市场份额 [13:13] 我可能预算的使用方法 [13:15] 都是不一样的 [13:16] 我需要库存的方法 [13:17] 我需要去做广告的方法 [13:18] 可能都是不一样的 [13:19] 这些事情其实没有办法 [13:20] 你扔一个通用AI进到一个企业里边 [13:22] 就能保证完成 [13:24] 同样的 原来的SaaS [13:25] 必须要人推动去执行 [13:27] 但是它的好处是 [13:27] 它了解很多企业的经营上下文 [13:30] 如果你有更好的AI去帮助 [13:32] 它也可以去拿到更好的结果 [13:33] 我觉得现在可能更多是两边 [13:35] 都要互相集成的这么一个过程 [13:38] 对 其实在美国 [13:39] 像你刚刚提到的一些垂直领域 [13:41] 法律 医疗 [13:42] 像Harvey OpenEvidence这样的产品 [13:45] 其实现在做得都非常好 [13:46] 但我理解这些可能更多还是 [13:48] AI-native的Agent产品 [13:50] 而不是可能一个SaaS公司 [13:52] 去转型加上AI [13:54] 来推动这样一个工作流 [13:56] 每一个时代都有这个时代的公司 [13:58] 一些人对于这个技术理解得更好 [14:01] 同时对于经营的领域理解得更深 [14:03] 它可能速度就更快 [14:04] 就像移动互联网时代 [14:05] 有移动互联网时代的产品 [14:07] 到每一个有技术转折的节点 [14:09] 都会有一些新的公司冒出来 [14:11] 那你觉得在中国的市场 [14:14] 你刚刚说从平台的角度去推动 [14:17] 这个对于用户的需求 [14:19] 我们怎么理解这些产品的用户需求 [14:22] 你比如说美国跟中国的电商 [14:24] 就有很大差别 [14:25] 如果是一个中国的企业在中国经营 [14:29] 它第一个想法一定不是做个独立站 [14:31] 但是在美国 [14:32] 你发现Shopify这个生意 [14:34] 或者是独立站这个生意 [14:35] 还是个挺大的生意 [14:36] 而且还在持续增长 [14:39] 比如在美国Amazon它确实是个平台 [14:41] 在这个平台上 [14:42] 你可能客户自己都接触不到 [14:44] 你要把商品发到一个仓里边 [14:46] 通过FBA（亚马逊物流）的方式 [14:47] 把它卖出去 [14:47] 这很适合当地的这些 [14:49] 目前企业经营的状况 [14:50] 但是如果你想要有自己的独立品牌 [14:52] 想要有自己的独立客户 [14:53] 要跟所有的客户去建立关系 [14:55] 那可能Shopify就是个选择 [14:57] 但在国内 假设淘宝和天猫 [14:59] 它就是基于两者之间的一个状态 [15:02] 它既是一个平台 [15:03] 你可以在这里边更低成本地获客 [15:05] 同时在这个平台里边 [15:06] 也集成了大量的电商类的工具 [15:09] 其实最终 它给客户交付的 [15:11] 这些价值项是一样的 [15:12] 只不过它表达的形态 [15:14] 在不同的地方是不一样的 [15:16] 仅此而已 [15:17] 基于这个区别 [15:18] 你们Accio [15:19] 有发布国内和海外不同的版本吗 [15:21] AI这个产品很有意思 [15:24] 它的第一天就是全球化的 [15:26] 天生的没有语言问题 [15:28] 你在各个地方 可能你要解决的 [15:29] 不同用户的交互问题 [15:31] 是大同小异的 [15:32] 第二 从客户交互的角度来讲 [15:35] 它交互的门槛 [15:36] 肯定比之前大部分降低了 [15:38] 虽然它里边有一部分 [15:39] GUI（图形用户界面）的属性 [15:41] 但是大部分用户在交互的时候 [15:42] 是LUI（语言用户界面）的方式 [15:43] 我把我这个工作描述清楚了 [15:46] 我就可以把这个工作交付给你 [15:48] 但是它需要做的差别是什么 [15:50] 我们说Agent有一个公式 [15:52] Agent = Model × Harness [15:56] × Context [15:57] 不知道业界是不是统一这么说 [15:59] 但我自己总结可能是这个样子 [16:01] 为什么是乘法 [16:02] 哪一项是0 [16:03] 整个这个公式结果就是0 [16:05] 你既要在模型上做优化 [16:07] 同时也要在harness上优化 [16:08] 也需要在context上做优化 [16:11] 美国跟中国 [16:12] 肯定它在harness和context上 [16:13] 会有差别 [16:14] 因为美国接的工具 接的平台 [16:17] 跟中国的工具跟平台是有差别的 [16:19] Context跟你自己日常 [16:22] 经营的上下文有关系 [16:23] 跟你平台集成的情况有关系 [16:25] 你比如如果在Alibaba.com [16:26] 和1688里边 [16:27] 你跟供应商之间的交流 [16:29] 也是你的context一部分 [16:31] 对话也是context一部分 [16:33] 你这个商业的数据 [16:34] 也是context的一部分 [16:35] 平台长时间积累的一些数据 [16:37] 我们去看到的一些垂直的 [16:39] 行业属性 趋势等等 [16:41] 可能也是context一部分 [16:43] 我们就要把这些所有的数据 [16:45] 基于不同的区域 不同用户的需求 [16:48] 整理在一起 [16:49] 才能更好地去 [16:50] 达到Agent想要的效果和水平 [16:53] 所以我们开始做 [16:54] 其实最早做的是海外用户 [16:56] 现在在用 [16:57] 可能更多的是中国的用户 [16:59] 就是从供给侧 [17:00] 从Enterprise（企业版） [17:01] 这个版本来讲 中国的企业很多 [17:03] 从个人用户或者从买家 [17:05] 或者一个电商经营的视角来讲 [17:07] 可能国外的用户用得最多 [17:09] 这跟以前还是有挺大差别的 [17:10] 你像国内有1688 [17:12] 跨境的有Alibaba.com [17:13] 我们做了二十几年 [17:14] 这还是两个平台 [17:15] 但是Accio从第一天起 [17:17] 它就可以做一个全球平台的产品 [17:19] 这个非常有意思 [17:20] 可能是AI Agent时代 [17:21] 一个新的产品设计范式 [17:23] 就是你说第一天 [17:24] 我们就可以做一个全球化的产品 [17:26] 你觉得这可以适用于 [17:27] 所有的Agent产品吗 [17:29] 如果需求本身是接近的 [17:32] 因为电商本身 [17:33] 我们认为这个最大公约数 [17:34] 是比较接近的 [17:35] 那这个事情应该是成立的 [17:37] 如果这个需求本身 [17:38] 在各地具有非常大的差异 [17:40] 流程有非常大的差异 [17:41] 环境有非常大的差异 [17:42] 那可能还是有很多需要 [17:44] 在每个区域里面去重做的部分 [17:47] 你们推出这个产品也有一段时间了 [17:49] 在你刚才提到的这三个方面 [17:51] Model Harness和Context里面 [17:53] 有哪个部分是你们持续投入的时间 [17:58] 或者精力更多的吗 [17:59] 还是这三个部分 [18:01] 你觉得都是一样重要的 [18:02] 此时此刻我觉得可能是齐头并进的 [18:06] 最开始大家可能做的 [18:08] 在harness上会花的精力比较多 [18:11] 因为你要连接不同的tools（工具） [18:13] 要管理你自己的memory（记忆） [18:15] 要做好用户的授权等等 [18:17] 这一整套工程的事情 [18:19] 是保证你这套系统能够持续运行的 [18:21] 做电商天生可能就是一个长程任务 [18:24] 它是要连续几个月 [18:26] 不停地去执行跟经营 [18:27] 你能不断地优化得到结果的 [18:29] 所以在harness上 [18:30] 本身就要花非常多的精力 [18:33] 我们在context上 [18:34] 天生就是有优势的 [18:36] 因为本身我们就积累了20多年 [18:38] 至少做电商 还是做跨境电商 [18:40] 还是做sourcing和采购 [18:42] 这里边有大量的 [18:44] 可能跟每天沟通相关的信息 [18:45] 当然也有大量的行业属性 [18:47] 有大量平台的趋势属性 [18:49] 这些信息都可以进来 [18:50] 让你得到一个更好的结果 [18:52] 现在我们在model上 [18:53] 其实要花非常多的时间 [18:55] 因为model跟harness这两个 [18:57] 我们发现是要在一起去优化 [18:59] 不是你只优化一个 [19:00] 另一个你就直接可以去用一个 [19:02] 通用的frontier（前沿）模型 [19:03] 就能完成的 [19:04] 而且现在对于model [19:05] 大家的经营肯定都更深入 [19:08] 也不是说用一个通用model [19:10] 我们简单地 [19:11] 做做FT（微调）就行了 [19:12] 可能都是要基于一个 [19:13] 一定尺寸的模型去做后训练 [19:15] 同时在model [19:17] 在serving（推理服务） [19:17] 和在harness这三个上面 [19:19] 都要去做非常精细的打磨 [19:21] 你才能拿到一个模型最好的效果 [19:23] 只要能同时让它产出的结果 [19:25] 效率最高 [19:26] 你可以用最低成本 [19:27] 去达到一样的结果 [19:29] 同时你要让你的 [19:30] Cache命中率 [19:31] 你要让你整个模型 [19:33] 产出结果的准确率 [19:35] 达到一个新的水准 [19:36] 它肯定是在训练和在serving [19:38] 和在Harness上要同时去做优化的 [19:40] 而不是你只是简单地优化一件事 [19:42] 现在我觉得至少在这个角度来讲 [19:45] 可能竞争更加是一个多元化的 [19:47] 全方位的竞争了 [19:48] 这也是让不同垂直领域里边的 [19:50] 这些Agent [19:51] 能够真正跑出来的原因 [19:53] 因为它不是一个通用模型 [19:54] 再加上你给的一些 [19:55] 简单的prompt（提示词） [19:56] 就能产出结果的 [19:57] 对 其实这也是一个很好的过渡 [19:58] 因为你说到模型 [20:00] 还有context这两个点 [20:01] 我觉得可能就对应了 [20:03] 相当于是通用模型 [20:04] 和垂直领域的模型 [20:06] 这两个不太一样的发展方向 [20:08] 因为我们上次聊的时候 [20:10] 其实我们也有问到 [20:11] 当现在底层模型能力 [20:13] 越来越强的时候 [20:14] 我们为什么还能 [20:15] 在垂直Agent身上看到机会 [20:18] 你们当时就提到说 [20:19] 你们来做这个产品 [20:20] 有20多年的优势 [20:21] 包括有信息 数据的准确性 [20:24] 可以形成一个比较有效的 [20:25] 强化学习机制 [20:27] 我想现在再把这个问题抛给你 [20:29] 你觉得近半年来 [20:30] 模型也有那么大的进步 [20:32] 你觉得这些优势 [20:33] 它的作用是更明显了 [20:35] 还是它有什么变化 [20:36] 第一个我们对这个事本身的理解 [20:38] 也是持续有迭代的 [20:41] 为了去衡量这个Agent好不好 [20:43] 我们甚至做了一个自己的基准测试 [20:46] 因为现在模型发布的时间 [20:48] 比我们上次聊的时候 [20:49] 可能频次更快了 [20:51] 我估计我在硅谷这待一个礼拜 [20:53] 光个人助理就发了好几个 [20:55] 但是我们自己日常经营下来就发现 [20:58] 当一个模型说它出来了 [21:00] 它都会说各个角度都更好 [21:02] 甚至非常多的榜单 [21:03] 都已经达到99分了 满分100 [21:06] 99小数点之后去进步 [21:08] 但我们自己在日常去使用的时候 [21:10] 又没有感觉到像说得这么好 [21:12] 所以我们后来就觉得 [21:14] 我们自己不断实践里面去发现 [21:16] 比如Coding在数学或者在通用的 [21:19] 叫agentic（智能体）的能力上 [21:20] 得分比较高 [21:21] 和你在电商领域里边 [21:23] 能完成更多的工作 [21:24] 这个事情其实没有那么大相关性 [21:27] 你的通用智能水平变好 [21:29] 确实能让你在完成一些工作的 [21:31] 通过率更高 [21:32] 但是从我们整体的感觉上来讲 [21:35] 大家没有把本质的水位 [21:37] 每一次发布模型的时候拉得那么大 [21:39] 所以我们就基于我们上百万的 [21:41] 在Alibaba.com里边真实经营的数据 [21:44] 包括Accio里边的 [21:45] 真实的这些问答数据 [21:46] 我们大概总结了107个task（任务） [21:48] 这107个task现在是开源 [21:50] 我们也希望所有的模型 [21:51] 在训练的时候 [21:51] 可以围绕这个开源的基准测试 [21:53] 去做自己的评测 [21:54] 这样我们每次出来 [21:55] 我们也可以借点大家的光 [21:57] 因为不然的话 [21:57] 大家评测的内容都不一样 [21:59] 就会发现这个模型进来 [22:00] 我们还要做非常大的适配 [22:02] 才能让电商类的workflow（工作流） [22:03] 可以做得更好 [22:04] 然后这107个task [22:06] 再加上Accio作为一个统一的 [22:09] Harness [22:09] 我们就可以去评测各个模型 [22:11] 在基准测试下面 [22:12] 它的表现 [22:13] 事实上可能现在 [22:14] 最frontier的模型 [22:16] 在我们这个基准测试下面 [22:17] 能够通过率就是61%多一点点 [22:19] 它想要达到及格水平 [22:20] 现在都有点费劲 [22:22] 但是它不代表说 [22:23] 61%就是这个工具不能用 [22:25] 61%是说全部人不干预的情况下 [22:27] 能不能完成 [22:28] 但每个工作的难度是不一样的 [22:31] 我们把它分成L1到L4 [22:33] 越长程可能它最终的结果 [22:35] 就是越开放型的 [22:36] 这时候能通过的模型 [22:38] 可能就更少一些 [22:39] 我们把所有这些模型放在一起 [22:41] 就形成一个新的帕累托最优曲线 [22:43] 我们希望给用户优化的是什么 [22:46] 最终拿到一个最好的结果 [22:48] 你要用最低成本 [22:50] 就不是说模型升级了 [22:51] 于是大家都跑最贵的模型 [22:53] 然后去完成最简单的事情 [22:54] 一定是你 [22:55] 其实有非常多的低成本的模型 [22:58] 尤其是中国我们出非常多的模型 [23:00] 非常高性价比的模型 [23:01] 当然也有一些 [23:02] Frontier的模型 [23:03] 解决一些复杂和困难的问题 [23:05] 由Accio Work这个产品本身 [23:08] 帮你去路由不同的问题 [23:09] 到不同的模型上 [23:11] 同时基于我们自己harness能力 [23:12] 和context能力 [23:13] 即使同样模型 [23:14] 我们也可以拿到更好的结果 [23:16] 这是我们在实践过程中 [23:17] 不停地在尝试的问题 [23:19] 比如我们用千问 [23:20] 最新版本的小尺寸模型 [23:22] 做post-train [23:23] 它能拿到的效果已经非常接近 [23:25] Frontier的top的模型 [23:27] 这样大量的这些简单的工作 [23:29] 我们其实就可以 [23:30] 路由到一些小尺寸模型 [23:31] 更快的时间去拿结果 [23:33] 同时更高的效率 [23:34] 因为现在商家侧我们一个感受是 [23:37] 必须是一个用得起的AI [23:40] 才是一个有价值的AI [23:42] 因为它是一个日常经营使用的产品 [23:44] 它不是一个 [23:45] 我为了解一个数学难题 [23:47] 一次性 我就用一下这个产品 [23:49] 之后就不用管了 [23:50] 其实跟这个还是有很大差异的 [23:52] 所以在同样任务的情况下 [23:53] 107个任务把它都跑完这个情况下 [23:56] Accio Work跟Codex [23:58] 跟Claude Code [23:59] 我们就换一个角度去比Agent [24:00] 完成同样的通过率上的任务 [24:03] Accio Work的成本是三分之一 [24:06] 我们可以不断地把它降到更低 [24:08] 这样让更多的人可以更大规模地 [24:10] 把他的工作交付给AI [24:12] 这是我们想要去优化的目的 [24:14] 对 这个非常好 [24:14] 因为我们经常聊到开源模型 [24:16] 然后Token经济学 [24:18] 我们经常听到的一个观点就是 [24:20] 现在企业在有选择地使用模型 [24:22] 就包括像刚才你说的 [24:24] 把不同的任务交给不同的模型 [24:26] 达到最终降低成本的一个目的 [24:28] 我觉得你们现在这个例子 [24:30] 也是非常好地证明了这一点 [24:32] 能不能具体来讲一下 [24:33] 你们做的benchmark [24:35] 你说到107个任务 [24:37] 能不能跟我们描述一下 [24:38] 是什么类型的任务 [24:39] 这都是具体的电商任务是吧 [24:41] 是的 举几个例子 [24:43] 有的是跟电商相关的 [24:44] 有的是跟平台相关的 [24:46] 但都是日常过程中 [24:47] 我们可能经常会交互或者碰到的 [24:50] 你比如说 从一个买家 [24:52] 去给商家发quotation（报价单） [24:55] 这个买家要从大量的商家 [24:56] 回复的quotation里边 [24:58] 去选择最合适的一个供应商是谁 [25:02] 这个内容本身含了非常多的信息 [25:04] 除了你要回复 你对他的产品 [25:06] 你的生产工艺 制造 价格以外 [25:09] 可能还需要包括产品到手价是多少 [25:12] 给你提供的物流解决方案是什么 [25:14] 然后在这个quotation的回复里边 [25:16] 我们还可能给他去 [25:17] 掺杂几个钓鱼邮件 [25:19] 我们要把一些有害的信息识别出来 [25:23] 把一些有价值的信息识别出来 [25:25] 最后把从生产侧的工厂价格 [25:28] 到含税的到手价格 [25:31] 每一个把它算得很清楚 [25:32] 要选出最后一个正确答案是什么 [25:34] 这是一个task（任务） [25:36] 在中间你可能任何一个环节 [25:38] Fail（失败）掉了 [25:38] 或者你算的结果是不对的 [25:40] 那这个task就没完成 [25:42] 第二个 你比如说要去订一艘船 [25:44] 给定的交期到起始点到底是什么 [25:47] 然后你要在那个船务公司的网站上 [25:50] 能够预订到这个船 [25:51] 如果预订成功了 [25:52] 那就算你这个工作完成了 [25:54] 否则就算失败 [25:56] 然后平台有大量的dispute（纠纷） [25:58] 这个dispute 你是要最终判断 [26:01] 基于现在 [26:01] 比如买家对于卖家的投诉 [26:04] 或者是对于供应商的投诉 [26:06] 他现在提供的信息是不是完整 [26:08] 你的结论是不是赔或者不赔 [26:11] 是对还是不对 是要判断的 [26:13] 现在需不需要更多的信息 [26:14] 来去做最终的判断 [26:16] 这些都是日常工作中你会看到 [26:19] 有的是监测你最终计算结果的 [26:21] 有的是要监测你是不是能执行成功 [26:24] 有的就是监测 [26:25] 你对于这个商业的判断 [26:26] 它现在是个开环问题 [26:27] 还是个闭环问题 [26:28] 能有结论的问题 [26:29] 类似这样的问题 [26:30] 我们大概有100多个涵盖七大类 [26:33] 107是此时此刻 [26:35] Snapshot（快照）的数据 [26:36] 你下个月再问 可能就比这个多了 [26:38] 因为我们也是持续地 [26:39] 把更多的 更复杂的问题加到这个 [26:41] 基准测试里边 [26:42] 去保证整个模型的测试 [26:44] 跟真正日常经营的结果是相同的 [26:47] 而且因为经常我们这个模型迭代 [26:49] 或者Agent迭代一段时间之后 [26:51] 要避免腐化 [26:53] 你做一段时间 [26:54] 发现原来案例又不行了 [26:55] 或者结果更差了 [26:57] 这是一个不能接受的结果 [26:58] 所以不停地就要evals（评估） [26:59] 我们每一个版本迭代的时候 [27:01] 这个产品其实可以再向前去推进 [27:04] 如果我们说广义的AGI怎么定义 [27:07] 不一定有定论 [27:08] 我觉得我们这个商业上的AGI [27:09] 是好定义的 [27:11] 就是你用这个Agent的产品经营 [27:13] 当然给定一定的边界 [27:15] 就是你的预算 [27:16] 你的供应链是一样的情况下 [27:18] 这个Agent一定比一个人 [27:20] 去做日常的这些操作和判断 [27:22] 能赚到更多的钱 [27:24] 那就是这个商业领域里边的AGI [27:26] 很有意思 [27:26] 这个就是电商一整套的商业环节 [27:30] 其实都是有覆盖 [27:31] 没错 [27:31] 你刚刚提到的七个大类 [27:33] 有的是sourcing 有的是dispute [27:36] 其实这些能力 [27:37] 就可以说是不太一样的能力 [27:40] 你觉得在真实的场景中 [27:42] 有没有哪些环节是 [27:44] 对于商家来说更困难 [27:45] 需要Agent去完成的 [27:47] 有哪些环节可能是商家 [27:48] 更愿意个人操作的 [27:50] 我觉得可能不会这么分 [27:52] 我们都会把一些 比如说 [27:54] 一定需要人做决策的事情留给人 [27:58] 比如你要去支付 [27:59] 要采购这批货这个按钮 [28:01] 一定是交给人去判断的 [28:03] 因为你要对于你整个的经营结果负责 [28:06] 那就是所有这些交易条款 [28:07] 帮你生成了之后 [28:09] 你要去确定要不要做这笔采购 [28:10] 这肯定是人要去做的事情 [28:13] 从分的角度来讲 [28:14] 我觉得按照频次来讲可能更有意义 [28:17] 因为最近做了非常多的 [28:18] 电商的商家访谈 [28:20] 因为Accio在国内也可以解决 [28:22] B2C的商家日常经营的问题 [28:24] 因为我的工作前6年 [28:26] 2011到2016都是在淘系 [28:29] 就是淘宝和天猫去做商家的平台 [28:31] 包括开放平台 工具等等 [28:33] 因为那个时候 [28:33] 对于整个商家后台的经营 [28:35] 还是比较清晰的 [28:37] 然后我们做Accio Work [28:38] 这个产品之后 [28:39] 我就站在另外一个视角去看 [28:41] 它到底要怎么用AI的产品 [28:42] 去做日常经营 [28:44] 发现非常有意思的事就是 [28:46] 我们当时觉得这个产品 [28:47] 已经做得比较极致 [28:49] 包括让商家怎么去看数据 [28:52] 怎么去看客服的体系 [28:53] 怎么去做日常的客服经营 [28:55] 但今天有了更强大的AI的能力之后 [28:57] 你会发现 [28:58] 大家去看问题的方法 [29:00] 和去经营的方法 [29:01] 还是有非常多不一样的视角和方式 [29:05] 一定是比以前做生意做得更灵活了 [29:07] 比如这个用例 [29:08] 第一个就是多平台经营 [29:10] 现在你要问国内的商家 [29:12] 可能大部分是多平台经营 [29:13] 抖音电商 淘系电商 [29:15] 京东 拼多多等等 [29:17] 现在到底哪个平台今天挣到钱了 [29:19] 是你有大量的流水进来 [29:21] 但是不代表你最后的经营是有利润 [29:24] 这个问题本身 [29:24] 其实就要跨多个平台的数据去看 [29:27] 投入的情况 收益的情况 [29:29] 退换货的情况 [29:30] 最后给你形成一个完整的报表 [29:32] 以前可能一个人要拿到这个问题 [29:34] 多个平台去来回切换 整理Excel [29:37] 最终你还不一定算对 [29:38] 我觉得现在AI去解这个问题 [29:40] 应该非常容易 [29:41] 任何时间节点都可以给你一个 [29:43] 你自己跨平台的实时经营的结论 [29:46] 第二大类就是发布商品 [29:48] 其实很多平台 很多商家 [29:50] 要经营多个平台 [29:51] 每一个平台 [29:53] 它的规则多多少少都有点差别 [29:55] 然后每个平台因为它的受众 [29:57] 和它自己的媒体形式有差异 [29:59] 你发布这个内容 [30:00] 又多多少少有点差别 [30:02] 稍微有一点规模的商家 [30:03] 这个叉乘关系起来 [30:05] 就是一个非常大的工作量 [30:06] 发布一个商品 [30:07] 光把它更新一遍就是很大的事情 [30:09] 这个事现在交给AI就非常方便 [30:12] 你有一个新品在多个平台上发布 [30:15] 或者说你对于一类商品 [30:16] 都有一个统一的更新 [30:18] 到一定的时间了 [30:19] 你要做大促 打折操作等等 [30:21] 这些事情 [30:22] AI的重复性的工作 [30:24] 做完了之后给你一个判断 [30:26] 你可以选择放在草稿箱里 [30:28] 再把它发布掉 [30:29] 或者你直接给它授权 [30:30] 让它去发布掉 [30:31] 它来告诉你一个经营结果 [30:32] 它肯定是比人的效率和精确性要高 [30:35] 再比如说任何一个大一点的店 [30:38] 可能都有客服经营的要求 [30:40] 当一个客户进来问问题 [30:42] 你怎么回答 [30:43] 以前可能大家开经营会 [30:45] 一条一条拿出来看 [30:46] 谁答的是对的 谁答的是错的 [30:48] 当然你可以基于一些转化数据 [30:49] 去给出评论 [30:50] 现在AI很容易的事情就是 [30:52] 马上把你所有这些经营的结果 [30:55] 分析一遍 [30:55] 告诉你什么人什么样的回答 [30:58] 是个更好的方式 [30:59] 对于ToB来讲 [31:00] 哪些客户现在可能出现了问题 [31:03] 你这个交易本来可以进展得好好的 [31:06] 但中间可能出了什么问题 [31:07] 这个单子可能要黄了 [31:08] 它会给你一些提前的预警 [31:10] 或者告诉你这个单子接下来 [31:11] 最重要要做出的判断是什么等等 [31:14] 这些事情原来要大量的人去做复盘 [31:17] 对于业务的主管要求很高 [31:19] 对业务员要求很高的事情 [31:20] 现在AI一定可以比原来做得更好 [31:24] 其实AI能力的增强 [31:25] 因为你刚刚也提到 [31:26] 它让大家的工作方式变得更加灵活 [31:29] 你觉得商家的预期 [31:31] 会不会也变得更高或者更加复杂 [31:34] 一定是这样的 [31:35] 每次你做一个产品 [31:36] 大家都会去提一个更高的要求 [31:38] 我可以从一个数据来去表达 [31:41] 因为我们每天会去分析 [31:42] Accio Work里边 [31:43] 刚才我们就说有七大类 [31:45] 在七大类里边每一大类还都有 [31:47] 从L1到L4的难度任务 [31:50] 从发布的第一天到今天 [31:52] 我们去做一个今天的截图 [31:54] 你会发现 任务的难度 [31:57] 都是不断地从简单一直推到复杂的 [32:00] 开始大家可能都是L1级的任务 [32:03] 我去问一些问题 [32:03] 你能给我答案 就挺好的 [32:05] 慢慢地就开始我要交给你一些任务 [32:08] 你把这个任务帮我做完 [32:09] 后来变成我交给你一些 [32:10] 更复杂的任务 [32:11] 你来去帮我做完 [32:12] 到我要交给你一些 [32:13] 跟经营最终判断相关的任务 [32:15] 你要帮我去做完 [32:16] 商家侧一定是每一段时间 [32:18] 会去推动你这个产品 [32:20] 要去帮他解决一个更复杂的问题 [32:22] 交给这个产品更多的任务 [32:24] 让它自己去重复地执行 [32:26] 让这个店铺里边更多的经营数据 [32:28] 可以交给这个AI [32:29] 让它帮着去做判断 [32:30] 但是最终还是要人去做一些 [32:32] 最重要的判断 [32:33] 我们核心讲的还是说 [32:34] 越来越多的重复性工作交给AI [32:36] 我觉得这个是对于电商本身的 [32:38] 一个进步的表现 [32:39] 你刚刚提到最后一个下单的动作 [32:41] 肯定是要交给人做的判断 [32:43] 还有什么你觉得是比较重要的判断 [32:46] 那太多了 [32:47] 假设说我们说现在AI能帮助人 [32:49] 做非常多的重复性工作了 [32:51] 你有一个想法 [32:53] 最后你要把这个想法变成一个产品 [32:55] 卖给更多的人 [32:56] 第一步 你这个想法靠不靠谱 [32:58] 就是个非常重要的事情 [33:00] 你解这个问题是不是个真问题 [33:02] 你解这个问题面对的客户群体 [33:04] 是不是一个 [33:05] 对你设计这个产品 [33:06] 感兴趣的客户群体 [33:07] 并且他的基数足够大 [33:08] 愿意支付足够多的溢价 [33:10] 这些事情都是要人去做判断的 [33:12] 这个产品的taste [33:13] 都是人去做判断的 [33:15] 你此时此刻 [33:15] 对这个市场的预测和判断 [33:18] 这也是一个人本身经营的直觉 [33:21] 同样一个budget [33:22] 你是希望更多的广告 更少的库存 [33:25] 还是更多的库存 [33:27] 我要铺更多的渠道 [33:28] 但我要有更大的margin [33:29] 这都是大家对于你这盘生意 [33:31] 目前经营的一个判断 [33:33] 这些事情我觉得现在 [33:35] 还是需要人去按这个按钮 [33:37] AI可以帮助做大量的市场分析 [33:39] 调研 竞对的判断等等 [33:41] 但是最终这个商业判断还是人去做 [33:44] 我想再回到我们提到的 [33:46] 这107个电商任务 [33:47] Benchmark [33:48] 因为你刚才提到这个数字 [33:50] 就是成本的降低 [33:51] 用Accio Work的估算成本 [33:53] 是3.69美元 [33:55] 我看到是你们给到的一个数字 [33:56] Codex和Claude Code [33:58] 都是在9美元以上 [34:00] 所以就是Accio Work的成本 [34:02] 是另外两家的三分之一 [34:04] 这个成本具体包括什么 [34:06] 能不能给我们讲一下 [34:07] 你觉得在这个过程当中 [34:09] 为什么Accio Work的成本会更低 [34:11] 为什么更低 [34:12] 我觉得比较好理解 [34:13] 因为我们本身就是 [34:15] 用帕累托最优的模式 [34:17] 去路由所有的工作到不同的模型上 [34:21] 比如L3以下级的工作 [34:23] 相对来讲比较简单 [34:24] 我们用小尺寸的 [34:25] 或者用高性价比的模型就能完成 [34:27] 我们肯定最大程度地 [34:28] 帮商家节省成本 [34:29] 然后有一些模型 [34:30] 对多模态的要求比较强 [34:32] 对于整个视频的要求比较强 [34:33] 你可能就要路由到一些 [34:34] 特定的成本上 [34:36] 核心它的优势就是你集约采购 [34:38] 你比个人去用这个模型的成本 [34:40] 肯定还是便宜一些的 [34:42] 同时同样的模型情况下 [34:43] 我们在不同的harness的工程的实践 [34:47] 和对于context的管理上 [34:49] 要比你用一个通用模型的效率 [34:51] 会更高一些 [34:51] 这些方向都是我们能够 [34:53] 帮助用户去节约成本的 [34:55] 为什么我对这个事很关心 [34:56] 因为也经常去看商家侧的反馈 [34:59] 会觉得贵 [35:00] 有的时候可能是 [35:00] 对于一个特定task觉得贵 [35:02] 有的时候 [35:03] 他就是我就固定选择一个模型 [35:05] 比如我就用最贵的模型 [35:06] 解决所有的问题 [35:07] 他觉得这个事情贵 [35:08] 我们给客户的建议都是 [35:09] 你可以直接选到Auto模型 [35:11] Auto就是我们可以帮助你 [35:13] 基于帕累托最优 [35:14] 去优化你所有的工作 [35:15] 到底应该用什么样的模型去完成 [35:18] 当然对比Codex跟Claude Cowork [35:20] 因为它自己本身是Agent [35:21] 跟自己的模型去做绑定的 [35:23] 有很多的类似路由这些工作 [35:25] 它可能是没有办法做的 [35:27] 这也是你从美国这个市场 [35:28] 能看得出来 [35:29] 美国有一大类的生意非常受欢迎 [35:32] 就是类似OpenRouter [35:34] 类似Fireworks [35:35] 它就要hosting（托管）大量的模型 [35:37] 帮助你去优化每一个模型 [35:39] 解决什么样的工作跟任务 [35:41] 现在越来越多的模型 [35:42] 成为commodity（通用商品） [35:43] 每一段时间 [35:44] 都有一个更好的开源模型去出现 [35:46] 其实也是至少在 [35:47] 一个相当长的时间节点里面 [35:49] 我们觉得是有非常大的 [35:50] 优化空间的一件事 [35:51] 你们现在支持哪些底层模型 [35:53] 基本上你能看得到的都支持 [35:56] 当然了 有一些帕累托最优曲线 [35:58] 已经完全埋在下面的 [35:59] 那就没有必要支持了 [36:01] 对 因为我们现在聊的时候 [36:03] GPT-6 Astra这个模型刚发布 [36:06] 大家也在讨论它减少token的成本 [36:09] 包括说是一个能力更强的模型 [36:11] 你觉得这样模型的发布 [36:13] 因为你们测试用的是 [36:15] Codex和Claude Code [36:16] 你觉得在Astra之后 [36:18] 这会对你们造成什么影响吗 [36:21] 我觉得你再过两天 [36:22] 可以直接去我们基准测试上 [36:24] 去看Astra的评分 [36:26] 我觉得再给它们测两次去看一看 [36:28] 这个效果到底是好还是不好 [36:31] 因为之前经常就会有这种问题 [36:33] 但这个问题 [36:34] 一旦没有一个基准测试 [36:35] 你不能量化它说好还是不好 [36:38] 然后它发一个模型 [36:39] 我这个事情解决得很好 [36:41] 然后就说它所有的事情 [36:42] 都可以解决得好 [36:43] 其实这两个事 [36:44] 不是一个相关性的事情 [36:46] 它可能是做3D模型做得不错 [36:49] 也可能在一些 [36:50] Computer use（计算机操作）上 [36:51] 有一些突破 [36:52] 但不代表它在通用商业里边的 [36:55] Agentic的能力强 [36:57] 你说它是AGI [36:58] 我现在给你打保票 肯定不是AGI [37:00] 最终还是以最高性价比地 [37:02] 完成它的任务 [37:03] 是第一优先级 [37:04] 等我们发布了 [37:05] 我觉得你可以直接去网站上看一下 [37:07] 它的评测结果 [37:07] 因为所有frontier的模型 [37:09] 我们有一个统一的benchmark去跑 [37:11] 我觉得这个评估可能更公允一些 [37:14] 对 所以这也体现出了 [37:15] Benchmark的重要性 [37:17] 这个其实也是现在的一个趋势 [37:19] 就是我们越来越需要 [37:20] 专业领域的benchmark [37:22] 这也就是为什么 [37:22] 数据公司现在非常火 [37:24] 每一家模型公司也都需要 [37:26] 这些具体的数据去进行训练 [37:28] 其实又回到了我们刚才说的 [37:30] 通用的Agent [37:31] 和垂直领域Agent的一个区别 [37:34] 你觉得反过来说 [37:36] 对于一个垂直产品 [37:38] 因为其实我们都有非常具体的流程 [37:40] 这个会不会因为流程过于的固定 [37:43] 写得太死 [37:43] 限制了一些模型 [37:45] 本来能够做到的事情 [37:46] 我觉得不会去固定这些流程 [37:48] 我们现在核心的一个标准 [37:50] 还是先要固定一下红线是什么 [37:52] 什么事情肯定是不能做的 [37:54] 但是路线肯定不是定死的 [37:57] 你希望完成一个任务 [37:58] 只要你能把这目标说清楚 [38:00] 一定是不断优化这个流程 [38:02] 或者不断优化这个操作 [38:03] 不断地逼近你想要的这个目标 [38:06] 现在别的电商 [38:07] 其实也有在发类似的Agent产品 [38:10] 对于一个商家来说 [38:11] 如果他在用多个Agent的时候 [38:13] 出现了冲突 [38:15] Agent给他的建议不一样 [38:17] 这种情况应该怎么样去处理 [38:20] 比如在美国为例 [38:21] 像各个垂直的电商和一些平台电商 [38:24] 也都有一些Agent [38:26] 这Agent我觉得做得也挺好的 [38:28] 我觉得可能Accio Work [38:29] 跟它们的差异 [38:30] 更多的是Accio Work [38:31] 还是希望站在商家 [38:33] 自己的一本账的角度 [38:35] 帮他去整体做优化 [38:37] 各个平台应该怎么去做投入 [38:38] 怎么去做经营 [38:40] 从定位上来讲 [38:41] 我觉得这个产品跟其他的 [38:42] 围绕着某一个平台去做优化的定位 [38:44] 还是有差别的 [38:46] 第二个就是不同的Agent [38:48] 给你不同的建议 [38:49] 这非常正常 [38:51] 核心的还是说 [38:52] 作为一个老板 [38:53] 你要有一个整体的经营目标是什么 [38:56] 基于这个大的经营目标下 [38:58] 去看Agent给你本身的建议 [38:59] 是不是合理的 [39:01] 因为从我们自己的视角上来讲 [39:03] 它是一个商业经营 [39:04] 还是一个非常长周期的过程 [39:07] 它甚至不是以一次交易成功 [39:09] 或失败为目的 [39:10] 这次交易就算成功了 [39:12] 它可能最终导致你商业失败 [39:13] 那它也不是一个好的交易 [39:15] 就算同一笔钱 [39:16] 它的花法可能有非常大的差别 [39:19] 各个平台有它自己的建议 [39:20] 你从你自己经营最终想要 [39:22] 以毛利为结果 还是以规模为结果 [39:24] 以速度为结果 [39:25] 你有自己核心的判断 [39:27] 这个事情没有办法 [39:28] 用一个统一Agent [39:29] 来统一一下所有Agent的意见 [39:31] 然后给用户一个更好的反馈 [39:32] 这不是我们这个产品设计的初衷 [39:34] 对 所以其实这还是回到人的决策 [39:36] 而且从你们厂商的角度来看 [39:38] 这是你们不希望Agent去代替的 [39:41] 最终的经营判断一定是这个人 [39:44] 最终对于这个产品本身的品味 [39:46] 肯定是跟这个人相关的 [39:48] 这个也是最终这个产品走向市场 [39:50] 是不是能成功的关键 [39:51] 我觉得AI能够帮助他完成非常多的 [39:54] 原来重复性工作 [39:55] 把他解放出来的部分 [39:57] 但是最终对于商品的判断 [39:59] 对于这个问题 [40:00] 是个大问题还是小问题的判断 [40:02] 和对于商业上节奏的判断 [40:03] 这一定是人要去做的 [40:05] 很有意思 [40:06] 最后我也想聊一下 [40:07] Agent最近的一些设计上的变化 [40:11] 因为你们也把Accio Work [40:12] 描述成是24小时在线的 [40:15] 相当于是业务团队 [40:17] 我们其实也看到 [40:18] 最近有很多Agent产品 [40:20] 开始脱离用户的本地电脑 [40:22] 然后在云端工作 [40:23] 比如说像Grok Bot这样的产品 [40:25] 然后WorkBuddy也有云端的模式 [40:27] 我其实蛮想聊一下 [40:28] 云上业务的设计理念的 [40:30] 这个所谓的持续在线 持续响应 [40:34] 具体来说它到底意味着什么 [40:35] 这可能是两个概念 [40:37] 因为“上云”是个简单的事 [40:39] 就是Accio Work [40:40] 它可能PC版之后的几天 [40:42] 就开始有云端了 [40:43] 因为从客户的需求来讲 [40:45] 我有很多本地的memory [40:47] 我希望放在云端 [40:48] 这样我换台机器也可以再操作 [40:51] 长程是另外一个概念 [40:53] 就是你所谓这个“长程”是多长程 [40:55] 你让AI去解哥德巴赫猜想 [40:57] 推了俩月 这也叫长程 [40:59] 一直不停地推演 这是个长程 [41:00] 但是从商业角度来讲 [41:01] 我们可能把它也分成几个 [41:03] 不一样的任务 [41:04] 你比如说 [41:05] 每天你都要进行店铺经营 [41:07] 每天你都要看公司里边这些员工 [41:09] 他的工作做得好还是不好 [41:11] 那它就是个定时任务 [41:12] 每天定时地要给你出这个报告 [41:14] 第二个可能是跟事件驱动 [41:16] 相关的任务 [41:17] 比如说你是一个买家 [41:18] 你去找供应商 去下单 [41:20] 你跟多个供应商去沟通的过程 [41:23] 也就是AI要基于这些更新的信息 [41:25] 去帮助你进一步推动沟通的结果 [41:28] 然后还有一些任务 [41:29] 它可能是一个季度之后会有结果的 [41:31] 就你整个经营 你这盘生意 [41:34] 最终你这个产品是赚了钱了 [41:35] 还是没赚着钱 [41:36] 过程中你可能有非常多的 [41:38] 要去复盘的东西 [41:40] 但是你去经营这一个生意本身 [41:42] 这也是个非常长程的任务 [41:44] 我觉得这几个东西之间 [41:46] 还是有比较大差异的 [41:47] 就是上云 [41:48] 我觉得这是个基础需求 [41:50] 就是Agent [41:51] 今天你说你没上云 [41:52] 那就是你功能还没做完 我只能说 [41:54] 这不是说大家技术上有很大差别 [41:56] 但是你说你要做一个长程任务 [41:58] 核心还是要定义 在什么场景下 [42:00] 需要完成什么目标的一个长程任务 [42:02] 至少在电商领域里边 [42:04] 我刚才去定义这几个范式 [42:06] 这都是我们现在就已经去支持的 [42:08] 比较好的范式 [42:09] 现在Agent已经可以 [42:11] 有完成长程任务的能力了 [42:13] 对 因为商业经营本身就是长程 [42:16] 对于每一个员工 [42:17] 你给他设计的OKR [42:18] 它不断地校验 [42:19] 到底工作做完了还是没有 [42:21] 对于每一个商业案例 [42:22] 比如每一次沟通它都要去校验 [42:24] 这个销售或者这个客服 [42:25] 他回答的问题是对的还是不对的 [42:27] 这个用户对于这个客服的回答 [42:30] 到底是对于商品本身的一个建议 [42:32] 还是对于这个服务的建议 [42:34] 还是对于整个售后的建议 [42:36] 它都是可以不断地去完成你 [42:37] 整个商业去经营的过程 [42:39] 所以这个事情 [42:40] 是我们持续打磨的方向 [42:41] 而不是说我去追求这个模型 [42:43] 能跑7×24小时 [42:45] 跑一个礼拜它不挂 [42:46] 它不挂毫无意义 [42:48] 如果没有解决你的问题的话 [42:50] 对 非常好 [42:51] 最后就是这次您在洛杉矶 [42:53] 开CoCreate [42:54] 我相信也有非常多的商家来到现场 [42:56] 你觉得有什么是 [42:58] 从你和这些商家对话当中 [42:59] 是让你觉得比较惊讶的吗 [43:01] 他们对于Agent的用法 [43:02] 或者他们对于Accio Work [43:04] 这些功能的期待 [43:05] 我觉得这次最惊讶的事情 [43:07] 就是来的人太多了 [43:08] 我们可能最终估计 [43:10] 注册到场的有15000人 [43:11] 我们肯定前面那个摊位 [43:13] 注册摊搞小了 [43:15] 一直排队到中午吃饭的时候 [43:17] 人还没有完全进来解锁 [43:19] 我觉得美国对于整个用户群体 [43:23] 在AI跟Agent的教育上 [43:25] 肯定还是比较领先的 [43:27] 大家或多或少一定是 [43:28] 对于产品理念本身是接受和理解的 [43:32] 而且我们现在有非常多的客户 [43:35] 基于这个产品 [43:35] 已经创造了自己的商业 [43:38] 并且在这个基础上 [43:39] 已经把自己的商业进一步地放大 [43:41] 其实每年我们CoCreate都有个项目 [43:43] 叫CoCreate Pitch [43:44] 它有点像 [43:45] Shark Tank（创智赢家真人秀） [43:46] 就类似赢在美国 赢在中国这种节目 [43:49] 去年我们冠军 [43:50] 一个英国冠军 一个美国冠军 [43:51] 英国冠军是个15岁的小孩 上初中 [43:54] 他大概用Accio Work去找供应商 [43:58] 去发掘自己新的产品 [43:59] 他是去做一个类似帮助你去制冷的 [44:03] 可以自动帮你降温的毛巾 [44:04] 自动帮宠物去降温的这些产品 [44:06] 他基于Accio Work去找这些想法 [44:09] 已经形成了一个系列 [44:10] 大概现在一年的销售额 [44:12] 有100万英镑左右 [44:13] 我们觉得是个不错的结果了 [44:15] 去年在美国的这个创业成功冠军 [44:18] 叫Christian Reed [44:19] 一开始穿着的时候非常工地化 [44:22] 我们以为是一个工人出身 [44:24] 后来发现还是MIT毕业的 [44:26] 他做的产品就是 [44:27] 去做一个非常酷炫的测量设备 [44:30] 这个测量设备 [44:31] 也是从他的想法的创意 [44:32] 到整个找供应链 [44:33] 都是基于Alibaba.com [44:34] 基于Accio Work [44:35] 现在他的客户也包括施耐德电气 [44:38] 包括SpaceX [44:39] 这都是他的客户 [44:40] 他的生意 [44:41] 今年大概也做到几千万美金以上了 [44:43] 我们现在看到 更多的中小企业 [44:45] 基于AI 基于全球供应链的能力 [44:49] 去做自己的生意 [44:51] 你不需要有一个非常大的公司 [44:53] 但你也可以把这个生意做得很大 [44:55] 我们也是希望基于AI [44:57] 进一步地降低门槛 [44:58] 因为全球中小企业 [44:59] 可能还是各个区域的经济主力 [45:02] 就业的主力 [45:03] 原来他们核心的问题 [45:05] 其实不是在AI取不取代工作 [45:07] 这个问题 [45:07] 原来他的问题就是 [45:08] 没有那么多的资源 [45:09] 没有那么多的经验 [45:11] 但是他又想把生意做大 [45:12] 又想利用全球供应链 [45:13] 今天我们正好有AI [45:15] 和整个有Alibaba.com [45:16] 1688这个能力 [45:18] 可以帮助更多的中小企业 [45:19] 去实现这个梦想 [45:20] 从一个想法开始 [45:22] 一直到这个想法本身 [45:24] 去创造一个更大的商业价值 [45:26] 我觉得这件事 [45:27] 是AI能够帮助更多的中小企业 [45:29] 实现自我价值的一个更大的放大器 [45:32] 对 我觉得这也是 [45:33] 咱们结束得非常好的一个点 [45:34] 谢谢阔来我们节目 [45:36] 好 谢谢 [45:40] 好了 以上就是 [45:41] 我们这期播客的全部内容了 [45:44] 国内的听众可以通过 [45:45] 小宇宙 苹果播客 网易云音乐 [45:47] 喜马拉雅 QQ音乐 [45:49] 蜻蜓FM 荔枝FM来关注我们 [45:52] 海外的听众可以通过 [45:54] 苹果播客和Spotify [45:55] 或者在YouTube上 [45:57] 搜索《硅谷101》播客来关注我们 [46:00] 我们部分的文字稿 [46:01] 还会收录在《硅谷101》的 [46:03] 微信公众号上 [46:05] 谢谢大家 我们下次再见了