千问诞生后，负责人吴嘉首次回应15个关键问题

文｜邓咏仪 编辑｜苏建勋 1月15日，阿里西溪总部园区内，人山人海。 DeepSeek时刻一年之后，大模型的风向已然改变。数日前，智谱创始人唐杰在和Qwen技术负责人林俊旸、腾讯姚顺雨等同台论道时就明确表示：在DeepSeek之后，Chat的战争已经结束，接下来是Agent的战争。 阿里就在打这场明牌的仗。 2025年11月，千问上线之初，阿里就曾对外描绘过这个图景：一个AI助手，接入淘宝、高德、闪购、支付宝等产品，从Chat发展到真正可用的工具，完成更高难度的任务。 急行军中的阿里，如今急需一场新战场的胜利。 千问是继淘宝闪购、高德扫街榜之后，阿里集团层面的又一次大规模协同作战。在发布会前，阿里就已经展开了声势颇大的宣传阵势：射灯把千问的巨大Logo，投影到杭州西溪园区的总部大楼上。 阿里提前官宣了千问的成绩单：两个月，千问C端产品月活破亿。 千问的新版本6.0，可以说是一次“山洪爆发式”的更新：一口气接入了闪购、淘宝、飞猪、支付宝等产品，上新了超过400项新功能。 如今，通用AI助手已然成为大厂的游戏——元宝凭借DeepSeek一飞冲天，发力足够早的字节豆包，如今在市场一骑绝尘，日活已经稳定破亿。 在阿里切换AI To C抓手的当口，阿里集团副总裁、千问C端事业群总裁吴嘉，第一次明确了“夸克”和“千问”的定位：夸克是AI浏览器，是AI搜索；千问是AI助理，他更像是一个人。 “对话框会演变，AI浏览器、AI搜索也不会消失，无论是夸克还是千问，只是面对用户不同的服务界面。”他解释，如今的AI助手市场仍处在相当早期，DAU数字上是8000万还是1亿，差别不大。 千问团队也向我们表示：“我们C端月活跃用户增长超过了我们的预期，大家都很关心千问到底投入了多少钱，其实，千问花的钱远比竞��对手要少。” 对千问而言，再复刻可爱、亲民、走陪伴路线的助手，已经不是最优解。千问选择的是另一条路：连接阿里庞大的线下生态，可以购物、办事。而且，还要做得足够专业。 目前，Agent功能需要通过千问端内的“任务助理”按钮调用，仍采取邀请制，此后将会陆续全量上线。 在授权支付宝、飞猪、高德等权限后，点击任务助理，就能开始给Agent派任务： 比如，想要一杯奶茶，确认需求后千问能直接下单（在你确认支付动作后，送到指定地点）。《智能涌现》体验了数个场景，千问已经做得足够丝滑，平均一个任务在1-2分钟内就可以给出结果。但依然有不稳定，卡顿等情况，不少时候需要人类接管。 △来源：千问 千问的另一大主打场景是办公、教育、政务等场景，着重在提效上。 比如，面对近百张格式不一的电子发票，只需一句”帮我生成年度报销台账”，千问就能自动识别关键信息，生成结构清晰的表格； △来源：千问 《智能涌现》体感上觉得最爽的功能，是一键办护照：用户不需要在不同部门网站间奔波，只需和千问说一句”杭州户口怎么办护照”，千问就可以连接支付宝，完成政策解读、材料清单梳理，并直接跳转到办理入口。 △来源：千问 千问如今的探索，也走在前所未有的一条路上。 在海外，无论是谷歌的Gemini、OpenAI的ChatGPT，还是Anthropic的Claude，这些模型巨头都没有购物、支付、出行等线下业务。它们的做法是和亚马逊、Paypal、Uber等厂商打通接口，直接调用服务。 相较之下，国内的移动互联网生态更加独立，也更加封闭。阿里、腾讯、字节等巨头体系内都有丰富多元的业务，而阿里手持的王牌在于：电商、闪购、地图、支付——这些高频刚需场景，全在自己手里。 但再造一个AI To C入口，对体系庞杂的阿里来说，难解之处在于：要在技术快速变化之际，理顺各个业务间的关系、资源，集中资源办大事。 换句话说，AI通用助手之争，已经远不止卷产品和技术本身，而是在考量谁能把巨头的庞大业态、资源和能力，真正塞进一个AI助手里。 一位接近阿里高层的人士对《智能涌现》表示：如果谁能把AI To C这场仗打赢、打好，这会是记入阿里历史的一次关键功绩。 关于千问上线这60天都做了什么，未来发展有什么计划，包括《智能涌现》等媒体在会后和千问C端事业群总裁吴嘉进行了交流。 以下为吴嘉的的主要观点，为阅读友好，《智能涌现》编辑、整理成了15个核心问题： 谈产品 1.现在千问的发展主线是什么？ 吴嘉：我们现在还是围绕提升模型的智力水平来做，也就是思考、执行能力，以及接入阿里生态这两条主线。 今天发布的是千问6.0的第一个版本。未来半年内，我们会继续接入阿里丰富的生态，扩展办事能力的边界。 大家现在也知道，在生活场景，做到人人满意还是有难度的。相比之下，办公和学习场景的标准一致性会好一些，比如K12教育、大学教育、数字化办公等。 这三部分结合起来，把生活场景做好，绝对是全球领先的产品。 2.做AI助手，在产品哲学上会有冲突吗？怎么在大模型生成答案和精准推理、完成任务之间，找到平衡点？ 吴嘉：我们有一个理念叫“恰当”。我认为AI不应该等同于极简，这是我们的哲学。 就像传统互联网产品，比如做搜索，希望搜索次数多，但次数多不代表满意；做信息流，可能我们希望刷新次数更多。 但到了AI时代，所有目标都会变成找最快、最便捷、最直接的路径吗？其实不太对。 尤其是办公场景里，有些任务是长链路的。比如我写一份调研报告，不是想让AI给我写个初稿，而是希望AI和我共同完成。 我们肯定要给AI主动提供信息。我跟AI说，这三个合不合适，AI看到后说“对，这是你要的”，但你可能又会说“能不能帮我改改？”沟通了很多轮，但没有解决问题。 生活场景也是这样，AI和人的沟通必不可少，不能说我跟AI定好以后就不用理了。 现阶段的智能，更多体现在提升效率，但更高阶的智能，不一定就是完全追求效率，我们最终还是得交付。 AI关键在于智能，不是单纯效果。AI应该像人一样思考，提供相对恰当的方案。 我们没刻意追求人均对话轮次越多越好，最看重的是用户需求的满意度和交付率。 AI时代的宽容度远远超过传统时代。传统时代的接口必须严丝合缝，错了就不行，调用不了。 现在AI没有那么死板，没这个东西也没关系。但肯定得让淘宝平台和千问做一些平台间的对接，这非常重要。 同样，我们也不需要专门给AI做交互界面，因为AI能看懂人看的界面，有行动力，这才是关键。 3.千问怎么衡量做什么，和不做什么？ 吴嘉：AI目前还不是万能的，我们今天还是做高频刚需的需求，这是很重要的。 我们今天在中国市场处于领先位置。所以在选择上，我们没有说哪个都不做。 大家的视角，还是聚焦在做AI产品和传统产品之间的区别。以前做传统产品，可能一个东西拆成几十个项目，比如满意度多少、功能多少。 现在不一样了。模型能力已经在那了，90%的场景可能都能达到80%的满意度。那我们花70%的精力，是花在提升token能力、执行力、规划能力上。 我们很重要的一点，是从高频刚需场景出发，结合模型能力和阿里巴巴生态，抽象用户需求。第一阶段，我们看到的是生态的厚度、广度和影响力都很好。 我们现在是三条线并行推进。第一条是长期主线，就是模型和Agent。 从用户需求角度来看，我们会把市面上所有产品对这类需求的满意度作为基准，然后结合这三条线，分层次来理解。 每个季度，我们会有一个模型大版本，这个版本我们会跟通义实验室一起来做，这是非常重要的。 基于此，我们的Agent能力也会提升，需要做一些后训练（Post-training）来进行提升，这是第二条线。 第三条是产品线。整体来看，我们今天还是技术数据加生态驱动的模式，而不是一个bad case fix（修bug）的迭代模式，因为现在还在处在AI能力增长的快速阶段。 举个例子，比如我们下一个版本的生活助理，重点会放在个性化上。但把这个需求翻译下，它会涉及到模型能力的问题。 所以，我们不会说下一个版本，就是把点外卖做得特别好——我们肯定会做，但会先把能够抽象出来的能力先做好。 另外，还有一些体验性的功能，比如大家有提到的，能不能把取件码也显示在订单上？这些开放性功能我们也会做。 4.现在千问的商品推荐里，有商业化的考量吗？ 吴嘉：我们现在还没有商业化，基本上是在价格最优、送达时间最快等因素来综合考量。 我们目前没有任何商业客户。未来，我们会在用户授权的情况下，把用户的context带过来，给用户同时推几个方案，大家可以切换。这个过程还需要一段时间，让模型知道你的偏好。 在中国的很多生活场景里，很多人都会有这种感觉，AI肯定会走向推荐，但不能只局限于这一块。AI代替传统推荐算法的机会还是很大的。 5.之前，阿里主推的AI To C入口是夸克，现在是千问。现在还是有不少用户会有困惑感，你怎么解释千问和夸克的区别？ 吴嘉：夸克是AI浏览器，是AI搜索；千问是AI助理，他更像是一个人。 对话框会演变，AI浏览器、AI搜索的需求也不会消失，无论是夸克还是千问，只是面对用户不同的服务界面。 这也是一个用户习惯的问题，不存在说，AI浏览器的用户就会放弃千问。现在我们看到的是，PC端用户其实是一半一半，一半人喜欢用千问，另一半喜欢在浏览器里打开夸克。 这里面的共同点是，所有的AI功能都是千问提供的能力，我觉得没必要纠结。 谈协作 6.各个事业群之间资源怎么分配？昨天我试了用千问点外卖，看到有红包补贴，补贴是千问自己出的吗？如果成交，你们和其他业务怎么分账？ 吴嘉：补贴我们会和其他业务一起出，同时也要看看用户的一些反馈。 至于怎么分账，我们现在没算得那么清楚。现在第一目标是体验好，让用户用起来。 7.怎么评估千问对现有零售或电商业务的影响？一旦用户通过千问完成订单，可能就不会打开闪购、打开淘宝。不打开的话，怎么卖广告？ 吴嘉：我们会有共同的业务目标。我们现在还没看到打开千问就不打开淘宝的情况，这个数据我还没完全确认。 千问做得越大，我们创造的生活服务增量就越多。未来AI会带来大量新的生活服务，绝对不只是存量。 因为方便、门槛低，习惯会带来增量。比如，也���能排除有一部分人，未来会习惯在我这里点外卖，但他也会在传统平台点啊。 8.千问App对模型能力的需求、目标，和基模团队是一样的吗？ 有观点认为，模型越聪明不代表办事能力越强，很多场景其实需要不同层次的智力。比如天气这种场景，可能就不需要太高的模型智力。 吴嘉：我们的模型需求，是基模团队迭代目标的一个子集。因为千问模型团队，服务的是整个阿里巴巴生态里的B端客户。 当然，对于一些应用侧的需求，我们也会对模型做一些后训练，但这些也是基于千问的基模之上。基本上，我们会把三个月内看到的一些需求提出来，和基模团队同步。 9.在做通用AI助手这件事上，提升模型能力，还是努力做工程上的优化，从哪个方向去发力，效率会更高？ 吴嘉：关键的前提是，模型要够聪明，它需要知道什么问题需要简单推理，什么问题要复杂处理。 其实我们没有那么多模型。现在模型数量减少后，首先解决了你说的两个问题，我们和模型的迭代进程也更清晰了。 现在网上很多人都在讨论这个话题：给模型更多数据会不会更好，还是提升模型能力更重要？还有说C端其实不需要那么高的智能的。 但在我看来，中国的AI产品已经过了那个阶段。不是说智力低的地方，就用小尺寸的大模型，智力高的地方，就用尺寸大的模型。 现在，数据变得特别重要，尤其是在生活场景里。因为模型训练是某个时间点的网络快照，而中国的数据供给有限且变化快，时效性的问题就很突出。 但能力的核心构建，长期来看肯定还是依赖模型能力的发展。 从效率来评估，放眼一年两年，模型提升绝对还是最关键的。如果短期的效率、迭代效率和功能实现上，可能后训练会更明显一些，提供的价值也会更突出。 10.千问C端事业群，怎么和阿里各个事业群如何对接、协同资源？ 吴嘉：在AI时代，其实我们不会专门为了接某一个服务做特别多独立的事情。 各个事业群只要把自己的工具能力，在千问里对接下就行了。 在这个过程中，我们会需要功能上调试。现在我们的做法是，跟集团所有二方（各个事业群）组成一个共同的虚拟团队，来完成这件事。 现在我们还在开发阶段，技术上的工作确实还占70%，因为要把产品做出来。但从今天开始，大家点