千问加速转向 Personal Agent：阿里押注个人智能体入口

阿里旗下的大模型应用千问正加速从 LLM Chat 向 Agentic 架构演进。在 36 氪的访谈中，千问 App 产品负责人郑嗣寿披露，过去 10 个月，千问上来自用户的个人复杂任务需求增长了 5 倍，团队预计这一数字在未来几个月还可能再翻 1–2 个数量级。在他看来，Agent 时代的竞争，本质上是对 Context（上下文）的争夺，而 Personal Agent 是大厂们争夺的下一个超级入口。

从高级搜索到个人智能体

郑嗣寿给出了一个颇为直观的判断：当下用户 95% 以上的 AI 需求，仍停留在把 AI 当作「高级搜索」。这意味着，Agent 能力尚未被绝大多数用户真正使用，反过来也意味着供给与需求之间存在巨大落差。

千问正在改变产品形态：

• 用户平均对话轮次已提升至 5–8 轮；
• 通过使用用户中长期上下文与档案画像，超过 60% 的问题得到了更好的回复；
• 已接入超过 400 个场景的功能，但专职做 App 对接的人力不足 2%，更多人力集中在各领域的 Harness、记忆、工具和服务上。

围绕服务「一个人」的目标，千问抽象出用户使用最多的高频场景，从原有的高考、医疗、工作拓展到金融等 20 多个领域，提供不同的 Agent 服务。

三层 Context 体系

千问团队将做好个人 Agent 的核心归结为「积累个人的全域、终身 Context」，并按三个维度推进：

• 通用 Context：围绕用户身份和人生阶段构建，覆盖职业、家庭角色、当前时间场景，理解用户的长期目标与内在性格；
• 领域级 Context：在工作、生活需求中沉淀多场景信息，并支持跨场景调用，让健康、理财、生活、学习彼此打通；
• 终端 Context：通过丰富的终端生态来持续了解同一个用户。除 App 和 PC 外，云栖大会还预告了 AI 眼镜与 AI 耳机。

以高考志愿场景为例：在重构为 Agentic 架构后，千问不再只是按分数与选科给出概率最优解，而是结合用户是否看重学校层次、是否倾向留在本地等个性化维度给出建议，并把出分到填报的两周组织成一张日历，按节点推进。

与 Meta Muse 等同台竞技

个人 Agent 已成全球大厂的共识。9 月 8 日，Meta 发布主打帮用户买电影票、安排日程、发邮件、付款、预订的 Personal Agent「Muse」，截至 9 月 21 日位列美国 App Store 与 Google Play 免费榜双第一，Meta 股价应声大涨 11.4%。与 OpenAI 紧密合作的 Instinct、Grok 旗下 AI 助手也涌向同一赛道；据爆料，OpenAI 内部也在打造面向个人的 Agent「AEON」。

不过，Muse 的路径难以直接搬到国内——国内大量生活服务集中在移动 App 中，账户、数据和交易流程相对独立。千问的起点则是已经连接了一批真实生活服务，从外卖、打车到开放平台引入更多伙伴，积累了理解需求、调用能力与推进履约的经验。

下一场持久战

阿里在模型、算力与生态上的投入为千问提供了条件：三年超 3800 亿元的云与 AI 基础设施投入，多尺寸 Qwen 模型家族适配各类 Agent 能力，春节 AI 购物与开放平台积累的真实需求。但郑嗣寿也直言：「即使你拥有一个用户十年来的购物数据，如果没有准确的理解，你面向用户提供的服务，也是错的。」

千问的策略不是推出一个包办一切的大型通用 Agent，而是从高频刚需场景起步：主 Chat 升级为 Agentic Chat，承接高并发和中低复杂度问题；同时在健康、学习等场景建设领域级 Agent，依靠 Harness 层兼顾效果、速度与服务成本。与内外合作伙伴的关系，也从共同开发产品，转向共同定义 Agent 可调用的能力与反馈机制。

郑嗣寿认为，若要争夺 Personal Agent 这类系统级入口，更像一场持久战，需要逐步建立堡垒，真正跨越 App 边界，把对同一个人的理解与服务持续下去。