阿里推出“千问办公”,能否在AI办公智能体竞速中追赶对手?

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

阿里办公板块大整合,“千问办公”登场,能否在智能体竞速中追赶对手?

一场组织变动后,阿里旗下办公板块调整持续。据《财经》报道,阿里将推出千问办公,其已整合QoderWork、悟空、MuleRun这三款智能体(Agent)产品,将成阿里面向Agent办公市场拳头产品,由钉钉新任CEO陈宇森负责。

整合前,刚接手钉钉的陈宇森就有动作。他上任一周内推动悟空与MuleRun整合,7月初又将QoderWork纳入统一序列。若阿里推出千问办公消息属实,意味着陈宇森完成旧路线切割,也代表阿里在企业级服务领域的战略整改正进行。

这三款被整合产品是阿里内部“赛马”产物,由旗下不同团队孵化,定位与场景不同,各自为战。如今,企业办公市场竞争加剧且有新趋势。飞书完成向“AI Agent原生平台”跃迁,还传出与豆包深度整合消息;腾讯的AI原生办公智能体WorkBuddy访问量激增,有消息称腾讯QClaw产品中心相关业务和部分团队将与WorkBuddy并入同一体系。大厂都在以更整合姿态抢夺AI办公市场。

内外部反馈显示,此前钉钉与飞书的协同办公竞争已成过去式。新时代竞争聚焦Agent能力和组合作战,钉钉在调整中落后,陈宇森需带千问办公加速。

结束内耗,阿里办公体系大整合

此次整合的三款智能体产品原属不同赛道。悟空是钉钉前CEO无招带队推进的项目,内部战略优先级高;QoderWork与MuleRun来自阿里云体系的两个创业团队。

悟空定位“企业级AI原生工作平台”,可接入钉钉企业账号、权限和应用系统,调用钉钉能力完成任务,旨在将模型能力融入企业工作流。QoderWork定位桌面级AI智能体工具,能按需求调用本地应用完成任务;MuleRun定位跨平台Agent执行引擎,让无技术背景用户把重复性工作交给AI。

QoderWork技术成熟、用户基础扎实。2026年6月,阿里巴巴CEO吴泳铭透露,其日活、周活及Token用量在集团AI工具中排第一。MuleRun海外扩张快,商业化有进展,已服务全球43个国家和地区企业用户,单月付费超200美元用户占比34%,付费用户每周活跃工作日2.6天,人均每周完成13个端到端交付工作任务。悟空则长期是“半成品”,在阿里内部无入口优势。据字母榜报道,悟空处理钉钉文档有问题,如分不清追加或覆盖内容、修改文档时图片被删、内容显示“加载中”。

这三款产品本应覆盖不同市场和用户群,但现实是,有阿里员工基本只用QoderWork,很少用悟空,说明两者能力部分重合,一款产品可替代性不足;MuleRun虽有商业化进展,但尚处起步阶段。三款产品定位重叠、功能替代、各自为战,业务内耗分散,不同命名和定位抬高用户认知门槛,因此整合是新解法。

整合后,千问办公以QoderWork为技术底座,承载悟空的钉钉企业场景和MuleRun的海外增量探索。结合陈宇森6月18日首封全员内部信,他整合悟空与MuleRun研发团队,成立全新悟空事业部,由原MuleRun首席技术官束骏亮主管,向他汇报。这些表明千问办公确定了本地桌面执行 - 企业场景集成 - 跨平台云端执行方向。

AI办公进入“智能体竞速”时代,阿里如何加速追赶?

陈宇森在今年5月阿里云峰会及后续演讲中,将企业AI转型分为Copilot(辅助阶段)和AI Native(原生阶段),区分标准是组织以人为核心还是以AI为核心构建。他认为,AI Native组织与非AI Native组织差距至少10倍,未来18个月各行业将有强生产力变革。

对应地,企业版办公智能体产品成头部厂商新增长点。除阿里整合三款产品推出千问办公,字节有AI编程智能体TRAE IDE,飞书有飞书aily、飞书妙搭、多维表格等智能体;腾讯推出WorkBuddy,企业微信推出AI Agent“大圆”;金山办公发布灵犀专业版和WPS Comate两款AI Agent。

各家在AI办公智能体竞速中有不同优势。字节优势在企业级协同场景AI Agent赛道,主阵地是飞书。飞书基于自身功能积累的企业数据库和组织架构、权限体系,形成飞书aily和飞书CLI两条路径,从“底座”出发满足企业AI落地融入工作流需求。数据显示,飞书2025年营收超30亿元,2026上半年高速增长,二季度营收同比增长100%。

腾讯优势是办公产品与腾讯生态紧密结合。桌面端AI原生办公智能体平台是成长最快的智能体类别,今年6月,17款主流产品合计访问量突破6000万次,腾讯的WorkBuddy以2097万月访问量排第一,阿里的QoderWork排第三,字节的TRAE IDE排名第二但有争议,有人认为其更像编程平台,非原生办公智能体产品,TRAE Work表现不佳。腾讯办公体系在贴近用户和社交领域出色,企业微信连接作用重要,如WorkBuddy支持多模型切换,打通腾讯系产品,支持多渠道下发任务。但腾讯短板在操作,企业微信难整合业务流程、数据资产与AI应用,其AI Agent“大圆”起步迟缓。

阿里在协同办公场景有超6亿用户和2300万组织的钉钉,还有通义千问大模型和阿里云等生态资源,起点不低。但钉钉协同办公底座不稳,内部动荡致组织重构,暴露定位矛盾,开发AI智能体产品需确定方向。阿里办公体系生态协同性不足,悟空曾提出抽取封装阿里生态B端能力的思路,但尚未实现。

好在AI办公竞争到新阶段,桌面端AI原生办公智能体平台用户认知度不高,行业多数企业还在摸索。对阿里办公体系而言,市场等其追赶,千问办公推出或为新起点。接下来,它需在组织融合、产品迭代与生态打通三个维度稳步推进,才可能在智能体竞速中找到节奏。

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

内容概要:本文系统研究了基于豪猪优化算法(CPO)的多无人机协同集群在三维空间中的避障路径规划题,聚焦于实现以最低成本为目标的航迹优化,综合考虑路径长度、飞行高度、威胁规避及转弯角度等多个关键因素。通过构建精细化的三维环境模型与多无人机协同机制,采用Matlab平台实现CPO算法的仿真与验证,充分展示了该算法在复杂动态障碍环境下的高效搜索能力与全局优化性能。研究不仅涵盖了路径规划的数学建模与目标函数设计,还深入探讨了算法的收敛特性与鲁棒性,为智能群体系统在实际场景中的应用提供了理论依据与技术支撑。; 适合人群:具备一定编程基础和优化算法背景,从事无人机系统控制、智能路径规划、群体协同、人工智能与自动化等相关领域的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于多无人机协同执行侦察、灾害监测、应急救援、区域巡检等复杂任务中的自主路径规划;②为智能优化算法在三维动态环境下的路径决策题提供可复现的技术范例;③支持研究人员对CPO算法与其他主流群智能算法(如PSO、GWO、WOA等)进行性能对比与改进研究,推动路径规划技术的发展。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解目标函数的多维度建模方式与CPO算法的迭代优化流程,可通过调整环境参数与约束条件进行仿真实验,对比不同算法在相同场景下的路径质量与收敛速度,从而深入掌握其优势与适用边界。
内容概要:本文围绕电动汽车参与电力系统运行备用的能力评估展开深入研究,利用Matlab代码实现对电动汽车集群提供运行备用服务的建模与仿真分析。研究重点在于量化电动汽车作为分布式灵活资源参与电网辅助服务的潜力,通过构建精细化的数学模型,分析其可调功率容量、响应速度、时空分布特性及聚合能力,并采用多面体聚合、内近似模型与闵可夫斯基和等先进方法精确刻画其可调度能力边界。研究进一步结合大规模电动汽车接入场景,探讨其在多时间尺度调度框架下参与调峰、调频等辅助服务的优化策略,评估其对提升高比例可再生能源电网灵活性与稳定性的贡献,最终通过仿真验证所提模型与方法的有效性与实用性。; 适合人群:具备电力系统分析、智能电网、新能源汽车或优化调度等相关专业背景,熟悉Matlab/Simulink仿真工具,从事科研、工程应用的高校研究生、科研人员及电力行业工程师。; 使用场景及目标:①精确评估大规模电动汽车集群在不同约束条件下可提供的运行备用容量;②研究电动汽车在日前、日内及实时调度中的动态响应能力与优化调度策略;③为高渗透率新能源电力系统提供基于移动储能的灵活性资源解决方案,支撑电网安全经济运行。; 阅读建议:建议结合Matlab代码与技术文档同步学习,重点关注多面体聚合建模、能力边界计算及优化调度算法的设计与实现,可进一步拓展至V2G(车辆到电网)、需求响应等互动场景进行二次开发与应用验证。
打开链接下载源码: https://pan.quark.cn/s/a4b39357ea24 OpenCV(开源计算机视觉库)中的DNN(Deep Neural Network)模块是一种功能强大的工具,其目的是用于深度学习模型的操作。该模块使得开发人员能够在OpenCV环境中直接运用已经训练好的深度学习网络,以执行图像识别、目标检测、图像分割等多种功能。DNN模块能够兼容多种深度学习框架的模型,包括TensorFlow、Caffe、ONNX等。 一、DNN模块概述 OpenCV的DNN模块是为了简化深度学习模型的集成过程而专门设计的,它允许开发人员加载预先训练好的神经网络模型,并在图像数据上执行前向传播操作。借助这个模块,用户可以选用GPU或者CPU来提升计算效率,从而构建出高效的应用程序。 二、目标检测案例 在OpenCV的DNN模块中,目标检测是一个常见的应用情形。例如,可以选用SSD(Single Shot Multibox Detector)、YOLO(You Only Look Once)或者 Faster R-CNN 等模型进行实时的目标检测。这些模型能够识别并定位图像中的多个对象,并返回每个对象的类别和边界框坐标。 三、模型转换:PB到PBTXT 在OpenCV中运用TensorFlow模型时,通常需要处理的是`.pb`格式的模型文件,这是TensorFlow的二进制模型文件格式。然而,为了能够读取模型的结构信息,我们需要`.pbtxt`格式的文本文件。转换过程涉及解析`.pb`文件并将其结构信息导出为`.pbtxt`格式,这样做可以让人清晰地了解网络层和参数的配置。在OpenCV中,可以使用`tf.train.write_graph()`函数将.pb...
内容概要:本文围绕虚拟同步发电机(VSG)接入弱电网的序阻抗建模与稳定性分析开展研究,基于Matlab/Simulink平台搭建详细的仿真模型,系统复现并验证相关理论方法。研究重点包括VSG在弱电网条件下的正负序阻抗特性建模、基于小信号分析的扫频法建模流程、系统阻抗交互特性及潜在的失稳机理分析。通过具体仿真案例,深入探讨了VSG控制参数对系统稳定性的影响,旨在为新能源并网系统的稳定运行提供理论依据与技术支撑。该内容属于电力电子与电力系统稳定性交叉领域的前沿课题,具有重要的学术价值与工程应用前景。; 适合人群:具备电力系统分析、电力电子变换器控制等基础知识,熟悉Matlab/Simulink仿真环境,从事新能源并网、微电网控制、电力系统稳定性研究的研究生、科研人员及工程师;有志于复现高水平期刊论文中阻抗建模与稳定性分析方法的技术开发者。; 使用场景及目标:① 掌握虚拟同步发电机在弱电网中的序阻抗建模理论与实现方法;② 理解并实践基于扫频法的小信号稳定性分析全过程;③ 应用于构网型变流器、虚拟同步机等先进并网技术的稳定性研究与仿真验证。; 阅读建议:建议结合所提供的Simulink仿真模型与技术资料,按照文档结构循序渐进地学习,重点关注建模原理、仿真参数设置与结果分析过程,同时参考链接中的完整资源进行代码调试与深入探究。
内容概要:本文系统阐述了基于主从博弈理论的配电网-多微网双层优化模型,构建了以配电网为领导者、多微网为追随者的非合作博弈框架,旨在实现多方利益均衡下的协同优化调度。模型充分考虑了分布式能源接入背景下电力市场环境中配电网与多个微网间的能量交互关系与利益冲突,通过建立上层配电网成本最小化与下层各微网收益最大化的目标函数,并结合系统运行约束条件,形成完整的双层优化题。研究采用多种智能优化算法(如遗传算法、粒子群算法等)对模型进行求解与对比分析,验证了所提模型在提升系统经济性、促进新能源消纳方面的有效性,同时评估了不同算法在收敛速度、求解精度和稳定性方面的性能差异。所有模型构建与仿真分析均通过Matlab编程实现,为现代主动配电网与多微网系统的协同运行提供了科学的决策支持与技术路径。; 适合人群:具备电力系统分析、优化理论、博弈论基础及相关数学建模能力,熟悉Matlab编程工具,从事能源互联网、微电网调度、电力市场、分布式能源管理等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于含高比例分布式电源的配电网与多微网协同优化调度实际场景;②为研究主从博弈在能源系统多主体决策中的建模方法提供理论参考与实例支撑;③对比分析不同智能优化算法在复杂非凸双层优化题中的适用性与性能表现;④服务于学术论文复现、科研课题攻关、工程项目方案设计及教学案例开发。; 阅读建议:建议学习者在理解博弈论基本概念的基础上,结合所提供的Matlab代码逐模块研读,重点关注上下层模型的迭代求解机制、约束处理方式及算法实现细节,鼓励动手修改参数、更换求解算法或拓展模型结构以深化理解并开展二次创新研究。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值