阿里张阔称顶尖AI电商任务首测仅及格 动态路由降本三分之二
硅谷101
大模型榜单高分难敌现实经营的非标长周期，企业唯有结合私域上下文与工程底盘打磨帕累托动态路由，才能在无人干预的真实商业竞争中把推理成本压到可用区间。
AI-assisted summary of 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 — original source. Check the original for full context.
Source published:
Key ideas
- 阿里国际站从真实业务中提炼并开源了包含七大维度的 107 个复杂电商任务评测集；在完全无人干预的条件下，全球最前沿的基础模型首次通过率仅约 61%。 (20:29)
- 张阔提出商业 Agent 核心公式为 Model × Harness × Context，强调三者相乘、缺一不可，绝非单靠升级前沿通用模型即可解决复杂的长程业务。 (15:16)
- 通过帕累托最优的动态模型路由架构与定制 Harness，Accio Work 完成 107 个电商评测任务的单次成本降至 3.69 美元，仅为 Claude Code 等方案（9 美元以上）的三分之一。 (33:44)
- 中小企业依托 AI Agent 与跨国供应链底座已跑通数百万英镑至千万美元规模的硬件与消费品生意，包括 15 岁初中生打造降温产品以及 MIT 创业者向 SpaceX 交付测量设备。 (43:05)
Detailed notes
## Background 本期节目由科技播客《硅谷101》于2026年10月8日发布在小宇宙平台，主持人Yiwen再次对话阿里国际站总裁张阔。节目聚焦大模型在榜单成绩与企业实际交付之间的落差，探讨当AI Agent从写代码走向复杂的电商经营时，垂直产品如何应对供应链、多平台运营及利润核算等真实商业挑战。
## TL;DR 节目围绕商业场景下AI Agent落地的核心痛点展开深度拆解。张阔指出，不同于拥有百分之百数字化与即时验证闭环的编程场景，电商经营涉及极度多元的长程非标流程与动态目标权衡；阿里内部构建的107个真实电商任务评测显示，全球最顶尖的前沿模型在无人干预下的初次通过率仅约61%。为此，Accio Work提出了“Agent = Model × Harness × Context”的工程公式，通过多模型动态路由以仅为竞品三分之一的成本实现商业落地。对话最终明确，重复性琐务与跨平台数据打通可全权交由AI自动化执行，但产品的商业品味、痛点真伪检验及预算风险等核心决策，依然需要人类经营者亲自把控。
## Atmosphere & style 整场对谈展现出务实、严谨且极具行业穿透力的技术商业底色。嘉宾张阔没有沉溺于对AGI的空泛宏大叙事，而是以一线操盘手的视角，用详实的数据与真实业务Case对当下刷榜狂热进行冷静去魅。主持人的提问紧扣技术选型与商业边界的核心矛盾，两人在深度探讨中形成高度默契与专业张力。整期节目充盈着理性解构复杂工程的硬核质感，同时也透露出对AI赋能全球中小创客与“一人企业”的诚挚乐观。
## Bulletin - `20:29` 阿里国际站从真实业务中提炼并开源了包含七大维度的 107 个复杂电商任务评测集；在完全无人干预的条件下，全球最前沿的基础模型首次通过率仅约 61%。 - `15:16` 张阔提出商业 Agent 核心公式为 Model × Harness × Context，强调三者相乘、缺一不可，绝非单靠升级前沿通用模型即可解决复杂的长程业务。 - `33:44` 通过帕累托最优的动态模型路由架构与定制 Harness，Accio Work 完成 107 个电商评测任务的单次成本降至 3.69 美元，仅为 Claude Code 等方案（9 美元以上）的三分之一。 - `43:05` 中小企业依托 AI Agent 与跨国供应链底座已跑通数百万英镑至千万美元规模的硬件与消费品生意，包括 15 岁初中生打造降温产品以及 MIT 创业者向 SpaceX 交付测量设备。
## Key takeaways - `00:00` 编程 Agent 能达到近 99% 的渗透率是因为代码数据完全数字化且具备编译等即时客观验证，而商业任务流程非标准化、验证周期漫长且目标动态多元，难以快速实现即时闭环。 - `03:48` Accio 从初期的自然语言与多模态采购搜索，逐步演进为覆盖前端灵感与工业设计包拆解、中端供应链比价履约、后端多渠道跨平台经营的 Agentic Trade 全链路系统。 - `06:12` 通过将模糊构想转化为规范的 Design Pack 并由 Agent 自动推进比选，创客完成跨国寻源打样的周期从传统的一个月以上压缩至 24 小时之内。 - `10:13` 中美 SaaS 生态差异显著：美国深植垂直软件与独立站体系，Agent 将与沉淀企业语义的 SaaS 相互集成；中国更依托中心化大平台生态，更重工具整合而非独立软件付费。 - `15:16` Agent 成功的本质在于基础模型（Model）、工程框架（Harness）与企业上下文（Context）的乘积，必须在特定尺寸模型后训练、推理部署与调度框架间进行联合优化。 - `20:29` 通用评测榜单接近满分的大模型在面对电商真实报价核算、钓鱼邮件拦截、订舱及纠纷仲裁等 L4 复杂任务时频频失误，真实通过率仅在及格线边缘。 - `20:29` 商业领域的 AGI 具有务实的定义：在预算与供应链边界一致的前提下，Agent 的日常操作与判断能比人类赚取更多的净利润。 - `24:32` 企业级应用拒绝无节制堆砌高昂模型，必须通过动态模型路由在轻量任务上采用针对性后训练的小模型，将高端前沿模型保留给低频复杂决策以平衡商业毛利。 - `24:32` 多平台经营中流水大并不代表有真实利润，Agent 当前最有价值的落地场景之一是打通跨渠道数据壁垒，实时核算各渠道扣除退货与投流后的净毛利。 - `32:39` 人机协同边界在于重复性劳动（如多平台模版同步、客服质检复盘）交由 AI 自动化执行，但商业痛点真伪、产品品味（Taste）、库存与利润取舍必须由人类最终决断。 - `35:00` 垂直业务 Agent 不应过度写死既定操作流程，而应设立不可逾越的安全与商业“红线”，并在目标明确的前提下允许模型自主寻找最优执行路径。 - `38:05` 多平台各自的 Agent 往往仅服务于自身生态利益，商家必须立足于自身大盘的整体账本，在利润率、GMV 规模与现金周转等顶层战略目标中保留自主权衡权。 - `40:35` Agent 上云与多端记忆同步只是及格线，真正的长程任务在于定时巡检、事件驱动多轮异步推进以及按季度复盘商业 OKR 的闭环能力，而非单纯追求后台 7×24 小时不宕机。 - `43:05` AI 结合 Alibaba.com 与 1688 等成熟供应链正在抹平跨国贸易门槛，成为放大中小企业与“一人企业”全球商业价值的关键杠杆。
## Detailed walkthrough ### `00:00` 榜单高分与真实落差：通用智能为何难渡商业之河
大模型每一次刷榜和发布新版本，基准评测上的成绩都在刷新，甚至逼近满分，但普通用户和企业在实际工作中，却很少能体会到同等幅度的跃升。阿里国际站总裁张阔指出，当前 AI Agent 在编程（Coding）领域的渗透率极高，“我们现在认为 coding 的市场渗透率我估计 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，现在绝大多数代码应该都是 AI 产生的”。然而，在办公及商业领域，Agent 的表现依然处于非常早期的阶段。
张阔解释，编程之所以能被 Agent 迅速攻克，核心在于其工作环境是百分之百数字化的，所有代码都在 GitHub 或代码库中，极易被大模型全面学习；更关键的是，代码具备“天然可验证性”（Verifiable），能否通过编译、运行结果是对是错，都有极其明确的客观反馈。相比之下，商业经营（尤其是电商）的复杂度完全不在一个量级：
```mermaid flowchart LR accTitle: 编程任务与商业任务的闭环机制对比 accDescr: 对比编程领域确定的短周期验证与商业领域多维度长周期的反馈闭环
subgraph Coding["💻 编程场景 (Coding Agent)"] direction TB C1["代码数据 100% 数字化<br/>(GitHub / Codebase)"] --> C2["确定性执行环境<br/>(编译器 / 单元测试)"] C2 --> C3["即时、客观可验证<br/>(编译成功 / 报错拦截)"] end
subgraph Business["📈 商业场景 (Business Agent)"] direction TB B1["多模态混合数据<br/>(私域对话/行业报表/履约)"] --> B2["长程、非标准化流程<br/>(供应商博弈/跨端运营)"] B2 --> B3["多目标动态权衡<br/>(利润/市占/现金流/周期)"] end ```
商业任务的第一大难点在于数据高度多元，且企业之间根本没有统一的固定流程；第二大难点在于缺乏即时闭环，商业决策的好坏无法靠单次操作下定论，其验证周期往往以天、周、月甚至年为单位，而且不同企业在不同阶段对“好与坏”的评价标准迥异。
---
`03:48` Accio 的演进脉络：从多模态搜索到端到端全链路闭环
张阔回顾了阿里国际站旗下 AI 产品 Accio 的演化进程。一年前，产品核心解决的是“AI 搜索”的问题，类似于 alibaba.com 的 AI Mode，让海外买家能够用自然语言甚至多模态方式表达采购诉求。数据显示，引入多模态后，整体搜索量增长了 20%，而多模态搜索量的增幅高达 130%。
在搜索跑通之后，Accio 进一步向前、向后深度延展，演化出“Agentic Trade”（AI 驱动的贸易）：
- **前端延展（前链路）：** 不再只是被动接收关键词 Query，而是主动帮助买家做市场调研，并把抽象的商业灵感细化拆解成可生产落地的工业级“设计包”（Design Pack）。 - **供应链协同（中链路）：** 依托 1688 和 alibaba.com 的海量供给，Agent 代表买家与工厂展开沟通、对比参数、推进打样并促成履约交易。 - **全渠道日常经营（后链路）：** 到了 2026 年 4 月推出的 Accio Work，能力边界进一步外延到卖家的全流程后台管理。不仅服务进货，更帮助全球中小企业跨平台打通供应链与销售端（如国内对接淘宝、天猫、京东、抖音，海外对接 Amazon、Shopify、eBay、TikTok），统一监控利润报表、管理社媒内容、协调船期物流并处置纠纷。
---
`06:12` 真实案例：养花爱好者的智能电子消费品落地记
张阔在近期举办的 CoCreate 大会上分享了海外创客 Edward 的生动案例。Edward 平时喜爱侍弄花草，却常常把花养死，于是他萌生了一个创意：能否打造一款消费级个人电子产品，让植物在缺水或光照不足时“主动发声”表达自身状态？
但从一个点子（Idea）跨越到真实硬件，往往会难倒没有工程与外贸经验的初创者：产品该选什么检测设备？用哪种读取传感器？怎样把物料清单（BOM）成本压到最低以保证零售毛利？Accio Work 介入后，端到端帮他完成了全套孵化链路：
```mermaid flowchart TD accTitle: Edward 智能植物监测产品的端到端孵化流程 accDescr: 展示从个人创意到工业设计、工厂寻源、跨境履约直至多平台零售的完整 Agent 驱动链路
subgraph Phase1["💡 创意与研发拆解"] A["Edward 个人创意<br/>(让植物开口说话)"] --> B["生成标准化 Design Pack<br/>(元器件选型与BOM成本核算)"] end
subgraph Phase2["🏭 供应链与跨境履约"] B --> C["精准匹配广深电子制造厂商<br/>(多方询盘、比价、打样)"] C --> D["跨境通关与物流履约<br/>(匹配 HS Code / 订舱预订船期)"] end
subgraph Phase3["🛒 多渠道销售与运营"] D --> E["多平台店铺矩阵<br/>(Amazon / Shopify / eBay / TikTok)"] E --> F["合规营销与买家反馈迭代<br/>(自动生成差异化社媒文案/定价策略)"] end ```
在传统模式下，买家往往需要手动维护一张包含 20 多列参数的庞大 Excel 表格，逐一比对十几家供应商的生产资质、打样能力、出厂价、账期和物流方案，往复沟通长达数月才能拿到一个样品。工厂端也常常抱怨买家在草稿纸上随手画画就来询盘，双方认知断层极大，导致后期纠纷不断。“我们的供应商跟我们的反馈说是没有见过这么专业的 Design Pack，”张阔谈到，通过 Agent 将抽象构思拆解为规范参数并自动推进询价，原先长达一个月的寻源比价周期被压缩到 24 小时之内。
---
`10:13` 中美生态差异：垂直 SaaS 与平台生态的演进分歧
面对国内外通用的 AI 办公助手与 Agent 竞品（如 Meta 的 News、Grok 体系、以及国内写字楼电梯广告里铺天盖地的通用办公软件），张阔剖析了中美企业底层软件生态带来的产品路径差异。
美国拥有极度成熟且垂直的 SaaS 市场，从 CRM、广告营销到律所、医疗，各细分领域均有巨头盘踞。因此，在海外，SaaS 究竟是会被 Agent 替代还是借 AI 升级，曾引发资本市场巨大的恐慌与抛售潮。张阔对此指出：
> “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，但其实就让一个人来去做这件事也很困难……这个交易到底是为了有更多的 margin 还是为了有更多的市场份额？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，这些事情呢其实没有办法你扔一个通用 AI 进到一个企业里边就能帮着完成。”
在张阔看来，单纯功能简单的轻量 SaaS 确有被边缘化的危险；但深植于工作流中的成熟 SaaS 沉淀了关键的企业上下文（Ontology）。传统 SaaS 需要人去重度操作，通用 AI 缺乏企业真实语义，未来更多是两者相互集成的过程。
中国市场的不同之处在于，企业端天然欠缺为独立垂直 SaaS 买单的深厚土壤，反而更多依托平台侧（如阿里、腾讯、字节等体系）做功能高度整合。这也体现在电商终端的布局上：美国商家普遍重视以 Shopify 为代表的独立站生态，试图建立私域品牌认知，或利用 Amazon FBA 完成标准仓发；中国商家则立足于成熟的中心化货架与兴趣电商大盘，更习惯于在整合了海量商家工具的大平台内快速获客。
---
`15:16` Agent 核心公式：Model × Harness × Context
针对“底层基础模型不断升级，垂直产品护城河何在”的行业核心关切，张阔总结出了一个 Agent 核心方程式：
$$\text{Agent} = \text{Model} \times \text{Harness} \times \text{Context}$$
“为什么是乘法？就是哪一项是零，整个这个公式结果就是零。”张阔解释道，企业不能孤立指望其中某一个要素的单点突破：
```mermaid flowchart TD accTitle: Agent 核心公式构成图 accDescr: 展示 Model、Harness 和 Context 乘法相交共同决定最终交付价值的逻辑架构
Model["🧠 Model (基底模型层)<br/>Post-training、推理吞吐与精度优化"] Harness["🛠️ Harness (工程框架层)<br/>工具连接、短期/长期记忆管理、安全授权与长程调度"] Context["📚 Context (企业上下文)<br/>私域对话流、行业私有规则、跨平台商业数据沉淀"]
Model --> Agent{{"🎯 最终商业交付效果<br/>(Agent = Model × Harness × Context)"}} Harness --> Agent Context --> Agent ```
- **Harness（工程框架底盘）：** 负责串联复杂工具集（Tools）、管理长期与短期记忆（Memory）、把控用户敏感权限授权。电商本身是长程任务，往往需要连续几个月不间断地跟踪调优，Harness 的稳健调度是支撑复杂长链条任务的基础。 - **Context（业务真实上下文）：** 阿里在 B 端深耕 20 余年沉淀的私域沟通记录（Conversation）、行业趋势、履约节点和私域属性，构成通用基础模型无法企及的壁垒。 - **全局多维协同打磨：** 绝非直接套用一个通用的 Frontier 模型做简单的 Prompt 工程，或者简单做做微调（FT）就能解决。团队必须针对特定尺寸模型进行精细的后训练（Post-training），在模型端、Serving 推理端与 Harness 工程框架端展开全方位联合调优，唯有如此，才能将缓存命中率（Cache 率）、生成准确度提到极致，同时大幅压缩推理成本。
此外，AI 具备天然打破语言壁垒的优势，虽然国内习惯依托 1688、海外习惯依托 alibaba.com，但 Accio Work 从设立第一天起就以全球化架构为目标，通过自然语言交互（LUI）大幅压低操作门槛，实现跨区域端到端运营。
---
`20:29` 真实世界的“试金石”：107 个复杂电商任务与 61% 的通过率
针对当下开源与闭源前沿模型发布时动辄声称“各项指标逼近 99 分满分”的现象，张阔直言，现实业务感受与榜单宣传之间存在显著撕裂。通用基准（如复杂数学推理或编程代码生成）上的高分，并不能直接平移为复杂商业环境下的胜任力。为此，团队从 alibaba.com 上百万真实交易、问答及履约纠纷数据中抽取、脱敏并构建了涵盖七大业务维度的 **107 个高难度任务评测集（已开源）**。
在 Accio 搭建的标准化 Harness 工程框架下，以“完全无人干预、端到端独立执行完毕”为评判标准，即便是当前全球最顶尖的 Frontier 模型，**首次通过率也仅仅在 61% 左右**，刚过及格线。
张阔解释，这 107 个任务划分为 L1 到 L4 等不同难度等级。越是高阶的 L4 长程开放式任务，涉及的多主体博弈与逻辑链条越长，模型的失败率就越高。典型测试任务包括：
1. **复杂报价单（Quotation）深度比选与反欺诈：** 面对不同工厂发来的回复，模型不仅需要换算出包括生产工艺、含税成本、物流运费在内的最终到手落地价，还要能敏锐识别并过滤掉掺杂在邮件沟通中的钓鱼链接与欺诈信息。中间哪怕算错一项，或误信钓鱼内容，即判定任务失败。 2. **端到端外贸订舱：** 根据严格的交期和起运/目的港要求，Agent 必须自主登录船运公司系统完成实操订舱。成功订到指定舱位算作成功，中途因界面变动卡住或信息填错则算失败。 3. **跨境交易纠纷裁决（Dispute Resolution）：** 面对买卖双方各执一词的真实投诉，模型需要审视证据链是否闭环，判断是即刻裁定赔付还是需进一步索取佐证。这深度考验 Agent 对商业“开环与闭环问题”的辨析水准。
评测集的作用还在于防止产品迭代中的“性能腐化”（即优化了新场景却导致原本正常的旧 case 崩溃）。对于商业领域 AGI 的度量标准，张阔给出了一个明确而务实的定义：
> “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面的 AGI。”
---
`24:32` 模型经济学与帕累托最优：用 1/3 成本换取商业利润
在模型选型上，阿里团队坚决反对一味堆砌最昂贵通用模型的做法。企业级生产系统必须构建动态的模型路由（Model Routing）机制：
| 模型分层 | 适用任务场景 | 优化与工程策略 | 达成业务效果 | |:--- |:--- |:--- |:--- | | **小尺寸模型** (如针对性后训练的通义千问新版) | 高频、标准化、结构化轻量任务 (如常规参数清洗、基础信息录入、初级报表整合) | 结合业务数据实施深度后训练 (Post-training)，搭配工程侧缓存与高吞吐 Serving 优化 | 推理速度极快，在特定电商场景的表现逼近顶级模型，实现极低推理成本 | | **前沿旗舰模型** (Frontier Top Models) | 低频、长程推理、高开环度极难决策 (如复杂欺诈识别、跨期运力权衡、复杂纠纷裁定) | 作为兜底策略，结合定制 Harness 与严格动态路由分发 | 专注攻坚重度难点，避免大材小用带来的算力浪费 |
张阔强调：“必须是一个用得起的 AI，才是一个有价值的 AI。”如果为了解决日常高频经营问题而无节制地调用高昂的前沿模型，成本将吞噬掉原本微薄的商业毛利。通过精细打磨模型路由与 Harness，**在完成全部 107 个复杂电商任务且达到同等任务通过率的前提下，Accio Work 的综合运行成本仅为使用 Codex 或 Claude Code 等顶级前沿模型方案的 1/3**。
在实际的业务落地划分中，Agent 扮演的是参谋、分析师与自动化执行者的角色，涉及最终真金白银的核心动作（如确认划扣款项、拍板采购大单）必须由人类商家亲自完成。
当前商家对 Agent 需求最旺盛的场景集中在多平台经营与精准利润核算。张阔结合自身 2011 至 2016 年在淘系平台负责商家开放工具的经历指出，当今许多商家往往同时跨越抖音、淘宝、京东、拼多多等多个阵地，“有大量的流水进来，但是不代表你最后的经营是有利润”。以往需要人工跨后台频繁下载数十张表格、通宵核对退换货与投流消耗，如今依靠 Agent 可以实时打通跨渠道数据壁垒，不仅能厘清每一笔订单的真实毛利，还能根据各个平台截然不同的受众属性与素材规范，自动化、差异化地完成新品上架分发。
`30:00` 从客服复盘到多平台更新：AI接管重复劳动与商家的预期提升
在多平台经营的日常中，产品信息的同步与修改极其琐碎。稍有规模的商家在不同平台上发布新品或更新主图、详情页，往往需要把各个渠道的模板全部翻新一遍；到了促销打折季，更需要大批量的统一操作。这些重复性工作（repetitive work）交给 AI 后变得极为高效：AI 可以把繁杂的修改全部处理完毕，给出结果后既可存入草稿箱由人工审核确认，也可以直接获得授权发布。此外，店铺客服的质检与复盘也是重头戏。以往商家需要开经营分析会，逐条拉出客服对话去复盘谁答得对、谁答得错。张阔谈到：“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 B2B 业务而言，一笔交易原本进展顺利却可能因某个细节突然出现波折，AI 能提前预警单子可能要“黄”了，并提示下一步最核心的判断是什么。
随着 AI 能力的增强，商家的预期水涨船高。张阔分享了一组观察：Accio Work 内部将任务划分为七大类，每一类下设 L1 到 L4 四个难度级别。从产品发布初期到今天，用户提交的任务难度持续从简单的 L1 一路向上推移：最开始大家只是把 AI 当作问答工具，后来逐步演变成委托 AI 搞定某个具体任务，再到如今将更为复杂的经营判断交予 AI。尽管如此，张阔强调人机协同的边界依然明晰：重复性劳动可以全部推给 AI，但涉及业务核心走向的大考必须由人来决策。
- **任务难度跃迁轨迹**：用户从最初满足于 L1 级别的简单问答，逐步推向 L2/L3 的复杂任务代劳，最终要求 AI 参与 L4 级别的店铺经营判断与重复执行。 - **B2B 交易风控**：AI 介入客户沟通链路，实时捕捉客户流失风险并输出预警，代替以往高成本的人工复盘。
```mermaid flowchart TD accTitle: 商家日常经营中人与AI的分工流向 accDescr: 展示从繁重重复的日常经营任务流向AI自动化处理，到最终由人类进行核心商业决策的架构路径。 subgraph S1["AI 自动化执行层 (重复性任务)"] A["多平台新品发布与大促模板同步"] B["客服对话复盘与质检分析"] C["B2B 交易风险预警与商机推进"] end
subgraph S2["人类核心决策层 (终审与定调)"] D["商业痛点真伪检验"] E["产品品味 (Taste) 与溢价空间"] F["库存、广告与利润率 (Margin) 权衡"] G["最终下单与资金划拨审批"] end
S1 -->|"提炼数据与经营洞察"| S2 ```
`32:39` 商业品味与直觉：AI 无法取代的核心决断
虽然 AI 能承担海量的数据分析和竞对调研，但在真正的生意经营中，仍有大量无法公式化的“老板职责”。张阔指出，当一个人产生某个创意（idea）并试图把它转化为商品时，首要判断在于这个 idea 到底靠不靠谱：这究竟是不是一个真实存在的市场痛点？目标客群是否有足够大的体量，且是否愿意为此支付溢价？这些涉及“产品品味（taste）”的问题，必须由人凭借商业直觉来把关。
此外，经营层面的预算分配也完全取决于人的风险偏好与策略选择。比如面对同一笔预算，商家是倾向于“打更多广告、压更低库存”，还是宁可“备足库存、铺开更多渠道，但要求保有更高的利润率（margin）”？张阔强调：
> “AI 可以帮助做大量的市场的分析调研、竞对的判断等等，商业判断还是人去做。”
因此在 Accio Work 的设计哲学中，最终拍板决定商业节奏、权衡规模与利润的“红线”与控制权始终留在商家手中。
`33:44` 帕累托最优路由：Accio 成本低至竞品三分之一的工程秘密
在 107 个电商任务的基准评测（benchmark）中，Accio Work 的综合估算成本约为 3.69 美元，而 GitHub Copilot 与 Claude Code 等产品的成本均在 9 美元以上，Accio 的运行成本仅为后者的三分之一左右。针对这一显著差距，张阔解释道，核心优势来自于他们采用了“帕累托最优（Pareto optimal）”的多模型动态路由架构。许多用户在自行使用通用 Agent 时，往往习惯选一个最贵的顶配模型去包揽所有大小事宜，结果必然导致成本飙升。
而在 Accio Work 内部，任务会被按需拆解：L3 难度以下且逻辑相对简单的任务，系统会自动分流给更小尺寸、性价比更高的轻量级模型来完成；只有当遇到强多模态需求或复杂推理时，才会动态路由到高成本的特定大模型上。此外，阿里拥有庞大的集约采购优势，调用单价远低于个人散客，配合自身研发的测试工程环境（Harness）和精准的上下文管理（Context Management），极大地压缩了不必要的 Token 消耗。
- **成本对比数据**：在 107 个电商任务基准评测下，Accio Work 预估单次任务成本为 3.69 美元，而对比产品均突破 9 美元。 - **Auto 路由模式**：针对经常抱怨大模型调用昂贵的用户，系统提供自动路由机制，避免用顶级算力去“杀鸡用牛刀”。 - **生态形态对比**：美国市场上类似 OpenRouter、Fireworks 这一类专注多模型托管与路由优化的公司之所以大受欢迎，正是因为模型正逐步商品化（commodity），动态路由已成为刚需。
| 评估维度 | Accio Work | 绑定单一大模型的通用 Agent（如 Claude Code / Copilot） | |:--- |:--- |:--- | | **底层模型调用** | 动态路由（帕累托最优，大小模型混合搭配） | 深度绑定自家单一顶级模型 | | **任务处理机制** | 简单/L3 以下任务调用高性价比模型；复杂任务调用强模型 | 无论任务难易度一律消耗高单价 Token | | **上下文与工程** | 定向定制工程框架（Harness）与垂直 Context 优化 | 通用对话上下文管理，冗余度相对更高 | | **预估任务成本** | 约 3.69 美元 | 9 美元以上（成本高出约 2~3 倍） |
`35:00` 通用 Benchmark 的盲区与垂直业务的“红线”约束
针对市面上各类新模型的频繁发布（例如刚亮相的高性价比模型），行业内往往充斥着各种纸面分数的宣传。张阔对此保持了相当清醒的审视态度。他指出，许多模型宣称“自身某项能力解决得极好”，便宣称能在所有领域大包大揽，但实际情况并非如此：“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面的 agentic 的能力强。所以你说它是 AGI 打保票的，肯定不是 AGI。”这也是为何阿里国际站要坚持用自身沉淀的 107 个电商任务真实 Benchmark 去对所有前沿模型（frontier models）统一施测。
在讨论垂直 Agent 与通用 Agent 的差异时，Yiwen 提出一个技术疑问：垂直产品为了保证业务准确性往往会固化某些流程，这是否会把业务写得太死，进而锁死了大模型原有的创造力与泛化能力？张阔明确回应：
> “我觉得不会去固定这些流程吧，我们现在核心的一个标准还是先要固定一下红线是什么，什么事情肯定是不能做的，但是路线肯定不是定死的。”
系统的核心逻辑在于为大模型界定不可逾越的安全与业务底线，在此前提下只要用户将业务目标阐述清晰，Agent 会在执行中不断自我调整、优化操作链条，以逼近预期结果。
`38:05` 多 Agent 建议冲突时，商家该听谁的？
当前各大平台与 SaaS 厂商纷纷推出属于自己的电商 Agent，这也引发了全新难题：当商家同时运行多个 Agent，而它们给出的运营策略互相冲突时，该如何抉择？张阔点明了 Accio Work 与其他平台工具在本质定位上的不同：大多数垂直平台推出的 Agent 往往只围绕该平台自身生态利益最大化来设计，而 Accio Work 的出发点是“站在商家的自己的一本账的角度”，替商家统筹各个渠道该如何分配资金与投入产出。
张阔指出，商业经营本身就是一个极漫长的周期，绝非单次交易的成败能够界定——“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。”每个平台的 Agent 都会站在自身立场给出推荐，但商家必须从自家大盘的经营目的出发：最终要的是利润率（毛利），是整体 GMV 规模，还是资金流转速度？张阔认为：
> “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。”
最终的商业权衡必须留给企业负责人，Agent 负责供给方案与数据，绝不能越俎代庖去代替老板行使战略意志。
`40:35` 上云只是及格线，真正的长程任务在于商业闭环
针对近期 Agent 纷纷从本地端（PC/Client）迁移至云端（如 Groq 相关尝试或各类 WorkBuddy 工具）的技术风潮，张阔进行了冷静的去魅。他表示，Accio Work 的 PC 客户端在发布数日后也立刻推出了云端版本，因为多设备同步记忆（Memory）属于基础功能（basic requirement），“今天你说你没上云，那就是你功能还没做完”，上云在技术层面并没有太高壁垒。
业内真正拉开差距的在于对“长程任务（long-horizon tasks）”的业务定义与落地。长程绝不只是盲目让 AI 去刷数学猜想推演两个月，在商业经营环境里，长程任务有着极清晰的业务范式： 1. **定时任务**：例如每天例行巡检店铺日常运转，分析各个员工的工作成效并按时输出运营报告； 2. **事件驱动任务**：例如买家向供应商发起询价或打样流程，与多个供应商多轮异步往复沟通，AI 需根据持续回流的新信息适时推动议价进度； 3. **周期性复盘任务**：以一个季度为节点，回溯这盘生意最终是盈利还是亏损，全面复盘产品线收益并持续迭代经营 OKR。
张阔强调，电商业务的核心考核在于 Agent 能否在漫长的业务流程中不断校验销售与客服回答的质量、分辨出客诉是针对商品、服务还是物流，从而推动整盘生意的自我修正，绝不能单纯追求让大模型在后台盲目运行“7×24 小时不挂”——如果不解决实际商业痛点，模型不宕机没有任何意义（means nothing）。
`43:05` CoCreate 大会见闻：AI 与全球供应链助力的“一人企业”
张阔分享了他在洛杉矶举办的 CoCreate 峰会现场的震撼见闻。活动原本准备的注册报到处因人流量过大而拥挤不堪，最终到场参会人数估算多达 15,000 人，排队人潮直至中午仍未完全入场，这充分印证了海外中小商家对 AI 与 Agent 工具极高的接受度与求知欲。
在峰会核心板块“CoCreate Pitch”（类似中美两国的《Shark Tank》或创投真人秀节目）上，脱颖而出的获奖案例充分证明了全球供应链加上 AI Agent 的商业放大效应： - **英国赛区初中生冠军**：年仅 15 岁的小创业者，通过 Accio Work 寻找设计灵感并对接工厂供应商，成功研发出一套包含自动物理降温毛巾及宠物降温用具的系列产品，目前年销售额已达约 100 万英镑。 - **美国赛区冠军 Christian Reid**：这位毕业于麻省理工学院（MIT）的创业者虽然日常着装十分质朴、宛如工地工程师，但他借助阿里巴巴国际站（Alibaba.com）与 Accio Work 打造了一款设计硬核的测量仪器，不仅打通了全套生产制造供应链，其设备客户更拓展至施耐德电气（Schneider Electric）与 SpaceX 等行业巨头，年生意规模已攀升至数千万美元级别。
在节目尾声，张阔总结道，中小企业历来是全球各个区域的经济基石与就业主力，他们过去受制于资金匮乏和跨国贸易经验不足，难以调度跨国资源。如今，“AI + Alibaba.com + 1688”的组合抹平了这种信息与组织鸿沟，让普通人能凭借一个好点子快速撬动全球制造能力：
> “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。”
## Notable quotes > `24:32` 必须是一个用得起的 AI，才是一个有价值的 AI。 — 张阔
> `32:39` AI 可以帮助做大量的市场的分析调研、竞对的判断等等，商业判断还是人去做。 — 张阔
## Mentioned 张阔, Yiwen, Edward, Christian Reid, Accio, Accio Work, Alibaba.com, 1688, 淘宝, 天猫, 京东, 抖音, 拼多多, Amazon, Shopify, eBay, TikTok, GitHub, GitHub Copilot, Claude Code, Codex, OpenRouter, Fireworks, Groq, WorkBuddy, Schneider Electric, SpaceX, CoCreate, 麻省理工学院
## Video description 模型在榜单上越来越强，为什么真正把工作交给AI，还是需要人反复解释、检查和兜底？ 半年前，我们与阿里国际站总裁张阔聊了Accio Work，以及Agent如何参与采购和日常经营。半年后，我们再次请到他，聊聊这半年来商家使用Accio Work的真实案例，试图回答这个问题：模型能力的提升，究竟有多少变成了商家工作里的进步？ 张阔分享，很多模型的通用评测成绩已经接近满分，但团队在真实经营中，并没有感受到同样幅度的提升。为此，他们从实际业务中整理了107个任务，包括比较供应商报价、识别钓鱼邮件、预订船期和处理交易纠纷。据他介绍，在这套特定评测中，最前沿模型在无人干预条件下的任务通过率约为61%。 这些任务没有数学竞赛那么耀眼，却直接关系到商家的成本、交期和利润。一个好用的Agent，既要能把工作做完，也要让人用得起；既要理解工具和流程，也要理解这盘生意究竟想追求什么。 这期节目，我们聊聊榜单成绩与实际交付之间的落差、通用模型与垂直产品的竞争，以及当AI接手越来越多的执行工作，人还需要保留哪些判断。 【主播】 Yiwen，硅谷101主持人 【嘉宾】 张阔，阿里国际站总裁 【你将听到】 从写代码到做生意，Agent还差什么？ 01:18 AI同事市场：编程之外，专业工作走到了哪一步？ 02:38 商业任务为什么比编程更难？ 03:48 从采购搜索到日常经营，Accio Work的任务边界如何扩展 06:12 商家案例：植物监测产品，从创意走到设计、供应链和销售 07:47 找工厂、比报价、拿样品：采购流程里，人和AI如何协作 通用模型越来越强，垂直产品还有什么优势？ 10:13 中美Agent生态的差异：垂直SaaS与平台工具 11:30 AI会替代SaaS吗？ 14:11 独立站与平台电商：不同市场如何影响产品设计 15:16 Agent公式：模型 × 工程框架 × 上下文 17:46 模型与工程联合优化，不能只等模型升级 榜单接近满分，真实工作为什么还会失败？ 20:29 107个真实任务：无人干预条件下，最前沿模型通过率约61% 24:32 报价、钓鱼邮件、订船和纠纷：怎样才算真正完成任务？ 26:33 新版本也可能退步，评测必须持续做 28:55 多平台经营：有流水，不代表有利润 32:39 产品品味、市场判断与预算分配：老板仍要做的选择 最贵的模型，不一定是最好的选择 33:44 多模型路由：如何为不同任务匹配能力与成本？ 38:05 多个Agent建议冲突，商家该听谁的？ 40:35 上云、定时任务、事件响应与长期经营，是不同的能力 43:05 CoCreate现场：商家对Agent有哪些期待？ 44:43 小企业如何借助AI，把生意做得更大 【往期相关】 E231｜从B2B到A2A：Agent新基建，如何让“一人企业”做全球生意？ 【硅谷101年会来了，线下见】 10月10日—11日，我们将在【硅谷】举办Alignment 2026年度大会，从大模型、Agent、机器人到AI Infra，从实验室里的突破，到真实世界的商业化，我们直击AI变化最剧烈的前沿。来自OpenAI、Anthropic、NVIDIA、Meta、Google DeepMind、SemiAnalysis、Cerebras等公司的研究者、创业者与投资人将齐聚现场，分享正在发生的机遇和挑战。 点击报名入口 ，使用折扣码【FANS15】注册，还可以获得15%折扣。
【硅谷101听友群】 在这里，和同好一起深聊科技、商业与未来，期待你的声音，也期待更多有趣的讨论。 扫码加入，即刻相遇！
【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Trace - Lennon Hutton Signal Containment - Out To The World Reclaim - Megan Wofford 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：podcast@sv101.net Special Guest: 张阔.
[Source](https://www.xiaoyuzhoufm.com/episode/6ac821ae848a38b151b0d593)