先说结论

9 月 22 日下午的云栖技术主论坛 MaaS & Agent 场，是开幕式那套"基建叙事"（20GW 算力、一年一代芯片、5–10T 参数模型）落到商业层的第一场压力测试。阿里 MaaS 业务线总裁文征给了它一个明确的理论外壳：模型单价在跌，但 AI 不是通缩生意——“电价下降并不代表电力产业通缩”，真正该看的是任务能不能被交付。为此他提出"智能价值密度"框架（单任务价值 × token 生产效率 × token 单位能力），并把千问 AI 平台从"模型服务"单层扩展为"模型服务 + Agent 服务 + 行业 AI 解决方案"三层（据阿里云官微 9 月 23 日发布及财闻网、DOIT、爱集微多家报道，与转写一致）。真正的矛盾在于：当所有厂商都能调用同样的模型，竞争的焦点就从"谁的模型强"转移到"谁掌握了 context、谁能把 Agent 运维平台化、谁能把组织改造成 AI 友好的形态——后面三个问题，恰好分别由千问办公的企业上下文、Agent Studio、以及圆桌上安克创新的组织微化给出了样本。本文按回放时间轴完整复盘全场六个环节，关键主张均标注来源层级，厂商与客户自报数字未经第三方核验的均已注明。

一、文征的主论：三个圆圈、“智能价值密度"与反通缩

开场被一段 AI 生成的宣传片占去三分钟后，文征的 45 分钟是全场的理论基座。他用三个圆圈定位行业：第一个圈是"今天已经到达的地方”（用户覆盖、场景渗透、算力基础都还在早期）；第二个圈是"把现有产业中所有需要智能判断和执行的部分全部交给 AI"的天花板——写代码、个人助理、视频创作、数字员工、具身智能；第三个圈是"尚未命名的空间"：当 AI 开始 24 小时不间断思考、自我进化，过去受限于时间与算力的问题会被打开。他的结论是"AGI 之路刚刚开始"——这与他"AGI 已到来"和"AGI 落地不如预期"两种声音同置的观察并不矛盾：两者都说明行业处在早期（演讲推断，非实证）。

真正有信息量的是接下来这组论证。针对"模型越来越便宜、AI 在通缩"的说法，他做了那个电力类比：电价更便宜更稳定，结果是电进入工厂、公司、家庭，基于电的市场蓬勃发育——所以该观察的不是"每百万 token 多少钱"这条单价曲线，而是"AI 能不能用更短时间、更高可靠性、更高智能上限完成任务"。“智能价值密度"三因子由此而来：单任务价值（从一次对话到深度报告、靶向药筛选、芯片电路设计）、token 生产效率（不只是速度，还有并发稳定性——他举了一个很具体的"开机风暴"场景：大客户每天早上九点销售团队和研发团队同时启动 agent，海量调用瞬间涌入，平台要用自研 FlashBoot 秒级启动和 UniScheduler 智能调度扛住）、token 单位能力（同样数量的 token 能做多难的事）。平台侧的成绩单是：过去不到一年，阿里云 MaaS 平台服务客户数从 100 万增长到 600 万，平台 ARR 近期突破 200 亿元人民币（演讲自报）。外部可对照的口径是：21 财经与界面新闻援引财报及吴泳铭表态，百炼 MaaS 平台 ARR 将在 6 月季度突破 100 亿元、年底达 300 亿元，百炼客户数同比增长 8 倍——文征的"200 亿"落在这条轨迹上，但"600 万客户数"未找到独立来源（平台官网自述"服务全球数百万客户”），按自报处理。

模型供给与商业模式部分，几个可核验的锚点：Qwen3.8 Max 自 2025 年 9 月 Qwen3 Max 起一年内多次迭代，9 月 2 日自动化升级后在 Artificial Analysis 智能指数列国内模型榜首（与开幕式披露的 40→45 分口径一致，评测口径未独立核验）；新架构 Qwen3.8 Flash Next 激活参数仅 6B、价格大幅下降而智能不降，AA 指数比 3.7 Plus 高出十多分（自报）；Qwen3.8-27B 开源两个月成为 Hugging Face 历史上点赞最多的模型（开幕式已经外部核验成立）。本场新发布的四个多模态模型为 Qwen Image 3.1、Happy Oyster 2.0 Preview、“Happy Shrimp 1.1”（音乐模型，转写名，结合千问云官方模型列表中存在 HappyHorse 系列及至顶网报道"Happy Horse 1.1"，名称待官方确认）、Qwen Audio Real Time 3.1。商业模式上最值得注意的是计费从"按量管道"走向"订阅+保障"的四档分层：个人/学生的 Token Plan 个人版（零门槛）、团队的 Token Plan 团队版（比 API 按量更有性价比+按作息分配管理）、嵌入产品的客户可选"优速模式"（TPS 最高两倍）或吞吐预留（高峰确定性保障）、金融政企大客户用专属资源支持定制部署。Token Plan 被明确为"一站式 AI 生产力订阅"：一次订阅覆盖多模型，Harness 工程能力（联网搜索、代码解释器等）每月赠送免费额度且独立计量——这与千问云官网 Token Plan 页面（39/139/499 元三档、Credits 统一计量、Standard/Pro 附赠 Harness 权益）相互印证。现场还给出 9.9 元享 79 元套餐的云栖专享福利。

从这些信息可以提炼第一条机制链：token 单价通缩 → 平台把竞争轴从单价转到"交付确定性与订阅便利"（价值密度框架+四档计费）→ MaaS 货币化从按量管道转向生产力订阅与保障型合约 → 观察指标：Token Plan 订阅量与 ARR 中订阅占比。对企业的启发：评估 AI 成本时用"单位任务交付成本"替代"百万 token 单价"，后者在这轮架构迭代里每年都在失去意义。

二、Agent 服务层：把"运维"变成平台生意

文征后半段发布了本场技术含量最高的产品群。他的出发点是诊断：Agent 一旦进入生产，“怎么运维、如何跨系统对接、如何持续优化"三个问题立刻出现，而这条链路（模型吐 token → 决策规划 → 运行执行 → 持续优化 → 上下文回流）环环相扣，让每家企业自建"很重也很慢”。答案是 Agent Studio：企业级全栈 Agent 服务平台，Harness 框架与模型深度匹配、按任务自动路由模型、24 小时托管运行、企业知识库与外部软件无缝接入（阿里云官微与多家媒体确认发布）。开发方式分两档：要深度嵌入自己系统的团队用 50 多个原子 API"搭积木"（运行环境、长期记忆、搜索工具、会话、端点部署）；要快速验证的团队用即将推出的 Agent API，把原本逐项调用的配置"一次请求全部搞定"。

更有意思的是自进化引擎：运行观测积累上下文、AI 评测器做自动复盘与轨迹回放、AI 优化器给出方案（调提示词、调配置、甚至调模型）、自动验证走小流量验证再扩产——“每个循环一圈，agent 应该更懂业务一点，这些沉淀下来的经验就是企业积累的 AI 资产”。这句话点破了 Agent 服务的商业本质：它不只是托管算力，而是在替企业沉淀可复用的经验资产，而这些资产存在平台里，就是最深的切换成本。配套的还有"一个 API Key 连接一百多项服务"的工具开放：机票找飞猪、路况找高德、城市消费热点直连，鉴权自动完成，开发者只负责定义问题。企业能力部分给的三块承诺是可保障（99.9% 生产级 SLA、单卡峰值 TPM 到十亿级）、可信任（机密推理方案，转写作"C-MAS"，按上下文应为机密计算/机密推理类方案，名称待核：数据可用不可见、全链路加密审计）、可治理（秒级监控告警+精细化成本治理）。

几个"小应用"的快速巡礼值得记录，因为它们暴露了阿里内部赛马的密度：AI 应用创建托管平台"秒物"（转写名，另有"秒雾"一处，名称待核；支持网页/H5/APP/小程序/Skill 生成与一键发布，Open API 可嵌入企业自有产品）；语音对话专家"灵鹊"（自报已服务 20 多个行业、5000 多家客户、超 10 万座席，援引 IDC 报告连续三年中国智能客服市场领导者——报告未独立核验）；视频创作平台"万镜一刻"（转写另有"万景一刻"一处，名称待核；3D 导演台、技能广场、短剧重制，国际版 WonderClip 次日发布）；面向中小企业的万小智 3.0（从 Web Coding 升级为 Web Business，建站+运维部署+营销获客+SEO/GEO+IM+留资下单闭环——万网专场议程确认"万小智 3.0"发布属实）。

第二条机制链：Agent 生产化带来运维复杂度 → 平台化托管（Studio+原子 API+自进化引擎）→ 企业 AI 经验沉淀为平台内资产 → MaaS 竞争从模型清单深度转向 Agent 工程链与 skill 生态深度。启发：选平台时看 harness 成熟度、skill 数量与工具接入广度，而不是模型榜单名次——模型可以月更替换，工程资产换不动。

三、应用矩阵：从 Qoder 到眼镜，入口战争全面开打

下午三个多小时里，五款产品接力发布，拼出一张"入口矩阵"。

**Qoder（丁宇，ATH 副总裁、Qoder 产品线总裁）**的重新定位是全场最大胆的一句：Agentic Coding Platform for Everyone。支撑它的是三个行为数据（自报）：用户群体超 30% 不再是专业开发者；非编程任务占比超 50%；编程任务超 80% 已由智能体完成而非人手写。产品逻辑从"以代码为中心的 AI IDE"翻转为"以任务为中心"：人负责任务计划、委派和结果确认，并发管理多个任务。协作方式升级为 Project + Discussion——“让讨论发生在任务的现场，讨论资产都在任务上，人不用再做智能体的搬运工”。生态数字：150 多个连接器、70 多个插件、两万多个精选技能。Code Security 用自研大模型做"生成即审查、审查即修复"，四层切面（编码时/变更时/提交前/全仓扫描），问题识别准确率 90%、漏洞检出率 83%，上线两个月发起安全扫描 180 万次、发现修复漏洞 5.8 万个（自报）。交互侧推出全双工实时语音 Code Voice、SSH 远程控制+Computer Use Agent（“动动嘴就能操作另一台电脑上的软件”）、Mobile 端"口袋里的 AI 指挥中心"、以及预装进千问 AI 眼镜的 Qoder 眼镜版。云端延伸的 Cloud Agent 上线四个月服务超千家企业、单企业 Agent 用户超十万；数字员工产品 QoderWake（转写作 CodeWeek，经 Qoder 官网确认产品名为 QoderWake）支持进组织（钉钉/飞书/企微里 @它即待命）、懂业务（API Hook 接入业务系统）、有工位（云电脑/自有设备部署，甚至有工号、OKR、权限、钉钉号）、会学习（录制过程沉淀技能），上线四个月服务超两千家企业、部署超十万名数字员工（自报）。需要标注的口径差：Qoder 官网 8 月 27 日 release notes 自述"全球超 600 万用户、服务超 10 万企业"，而丁宇本场称"服务全球超 800 万开发者"——一个月净增 200 万可信但口径有别，按各自时间点自报处理。合作伙伴包括中国移动联名版与联想"天禧 AI 个人工作台"（转写作"天玺"，据凤凰科技报道联想产品名为"天禧"，已校正）。

**千问办公（陈宇森，千问办公 CEO）**的题目是 Context Is All You Need，也是全场逻辑最完整的一段。他先立三个现实困难：AI"懂很多事情但不懂企业"（任何 agent 都答不出"我们华东区今年的毛利是多少"，因为它不知道公司、数据和毛利口径）；组织内优秀个体的 AI 经验无法分享（“有人用到八十分，有人只用到二十分”）；以及那个在 Twitter 上传开的案例——安全研究员买到违规记录用户数据的中转站数据，企业 Git 账号密钥尽在其中。他的解法是把"企业上下文"产品化：Enterprise Context，连接企业全部存量数据、压缩为 agent 可复用的知识，关键词是"有效且有限"（拿当前任务需要的信息，又不打爆上下文窗口）。数字对比很直观：中国中大型企业平均数据量约 150PB（援引钉钉统计），而最好的模型上下文窗口只有约 100 万 token——“丢一个 50 兆以上文件进去就爆掉”。他还给了个行业参照：Palantir 靠工程师驻场把客户业务梳理成本体（ontology）架构，而现在大模型可以把非结构化数据自动整理成"渐进式暴露"的目录结构。案例是古茗奶茶（一万多家门店）：通用 AI 能回答"中国新茶饮市场规模"，但只有接入企业上下文才知道"华东区制冰机滤芯多久更换"“芭乐冰奶茶茶汤放多少毫升”。硬件侧发布 QwenNote A2：“真 AI 不录音”——设备默认不录音，交流结束后云端单次转写、转后即焚、物理删除原始音频，67 克、六麦阵列、可独立联网调 Agent；上一代钉钉 A1 卡片录音笔出货"大几十万台、接近一百万"，他对 A2 给出"千万台"量级的想象（新浪科技、IT 之家报道与转写一致）。安全架构两条：执行有边界（操作被记录、沙箱运行、删除类操作提前备份，他援引了 2 月"小龙虾删邮件"事件——即 AI 助手误删用户邮件的公开案例）、数据有边界（分级分类后敏感数据默认 AI 不可访问，产物含敏感信息则受控流转）。客户案例快速带过：广汽（研发+质量管控）、传化（黄磷价格监测+采购辅助）、杰克科技（转写作"捷克科技"，据行业常识校正为工业缝纫机全球龙头杰克，连续十四年销量冠军，交付可追踪）、森马（童装份额第一，门店智能经营）。私有化版本基于平头哥芯片+千问模型，主力模型 Qwen3.8（125B 参数、6B 激活）。

**千问 App（郑嗣寿，千问产品总经理）**给出 C 端的三个观察：平台上复杂任务过去几个月翻了五倍（比例非总量）；用户沟通单个问题的轮次来到 5–8 轮且仍在增长；需要中长期上下文或个人档案画像才能答好的问题占比超 60%——“哪怕问新赛季 NBA 看好哪支球队，也需要这个人的上下文”。用户规模从去年 11 月上线至今"超过三亿人"（自报；财报 8 月口径为带动 2.5 亿用户体验 AI 购物，时间差一个月，方向一致）。产品路线归纳为围绕个人的三层 context：通用层（身份、阶段、场景的动态提炼）、领域层（理财/学习/工作垂直上下文+跨场景调用）、多终端层（新终端带来环境感知的具身上下文，如新版千问 AI 眼镜通过虹膜识别了解健康信号）。四个场景里健康需求占比超 20%、学习场景 80% 用户问过、AI 学习服务单日请求峰值超一亿次、学习/健康用户有 60% 的复杂问题会转入工作助理继续（均自报）。收尾预告：未来几个月推出统一的 Personal Agent，开放平台已有超一千家伙伴申请入驻。

**千问 AI 硬件（宋刚）**把穿戴设备讲成"personal agent 的重要组成部分"：三项设计理念——AI 驱动（从等待指令到主动服务，新品眼镜鼻托与镜框加入 ECG、PPG、红外测温等传感器，监测心率/血氧/压力/HRV/颈椎负荷/用眼疲劳；联合蚂蚁做了虹膜核身，误识别率小于百万分之一，支持金融级安全）、交互创新（3D 空间视听渲染、行业首创高精度眼动追踪精度 1 度可注视级操控键盘按键、“AI 时代最好的交互就是眼动加语音”、全双工语音可随时打断）、持续在场（always-on 视觉/听觉感知、低功耗视觉感知芯片+高通 AI One+恒玄 2800 处理器的三芯架构、钛合金一体镜腿与 1:1 均衡配重、多芯片双系统+换电设计实现全天候续航）。两款新品——千问 AI 眼镜 N1 系列、千问 AI 耳夹式耳机——当日开启线上预约，细节留到 10 月 13 日千问 AI 硬件新品发布会。

Qwen Intelligence（许主洪，ATH 副总裁、Token Foundry Qwen 手机智能负责人）是面向手机厂商的 To B 方案，判断很直接：手机占大部分人 90% 的使用时长、90% 的上下文沉淀在手机上，所以手机是个人智能走进真实世界的第一入口，行业正迎来 2007 年 iPhone 以来最大变革（Agent Phone）。三层供给：定制模型底座、模块化平台、垂直场景方案。三个已达行业 SOTA（自报）的 agent：Mobile Panel Agent 做规划中枢（意图理解、复杂任务拆解、动态调整，双层记忆设计让智能体"越用越懂你"）；执行层采取"API 优先、GUI 兜底"——有接口走 MCP/API/CLI/DeepLink，没接口用视觉理解操作 GUI 覆盖长尾应用，“危险的操作坚决不做，敏感的操作不擅自决定”；Mobile Creative Agent 用 6B 轻量模型+步数蒸馏把生成过程从 100 步压到 8 步、27B 规划模型负责把碎片化意图转成清晰指令，首图 3 秒、比竞品提速两倍（自报）。与荣耀的合作数据与开幕式荣耀方飞披露的自报指标一致（综合任务准确率 91.8%、GUI 操作 3.6 秒、超 100 步长程任务、端到端闭环 90%），本场补充：真机端到端实测任务成功率 90%，对比行业头部方案单步时延低 16%、平均任务步数少 3.4 步、安全评分高 23 个百分点（自报）。值得肯定的一个动作是开放四套基准评测集（覆盖规划到执行、云端到真机、能力到安全）——“不是证明谁比谁更强，而是希望成为行业共同的基础设施”。

第三条机制链：入口离散化（App/办公/眼镜/耳机/手机/车）→ 个人与企业的 context 成为最稀缺资源（Enterprise Context、全域终身 context、“真 AI 不录音"的采集硬件）→ context 沉淀决定迁移成本，硬件成为 context 采集器 → 观察：千问 App 三亿用户的 context 厚度、眼镜/耳机出货量、企业上下文接入的数据量。启发：无论个人还是企业，未来两年最值钱的 AI 资产不是模型调用记录，而是被结构化压缩、可被下一个模型复用的 context 本身——这也是圆桌环节所有企业主的共识前提。

四、圆桌：五家企业，四条落地路径，一组真实分歧

徐栋（阿里千问大模型业务副总裁）主持的圆桌"模型进产业：跑通的路和踩过的坑"是全场信息密度最高的 45 分钟，因为五位嘉宾的差异度本身就是数据。

贝壳（陈炯，CTO）代表线下重场景：以前城市个性化需求做不了只能做通用，现在城市职能可在 AI 应用开发平台上自己开发应用，每周约一万多名内部员工在用，沉淀了约 1.2 万个 skill（自报）；攻坚场景是"管理分身/AI 陪练”。他的核心瓶颈是数据闭环：房产交易的关键信息（客户需求、业主底价）沉淀在线下经纪人脑子里，录音又面临"客户同不同意、经纪人愿不愿意"的抗性——解法是让贡献数据的人即时受益（录音直接生成带看报告、房源物料）。这与千问办公 QwenNote A2 的逻辑完全同构：数据采集硬件+即时价值回馈。

**安克创新（龚银，CIO）**是全场最激进的自报数字：约 5000 人公司每天 token 消耗约 4500 亿（主持人折算"一天一个员工用一亿"）、800 多个"流程智能体"覆盖研发/供应链/营销/HR/法务（例：五分钟生成十几个国家语言的说明书并直接打印）、全球客服 AI 托管率超 60%（均自报）。他的三阶段坎位叙述很有迁移价值：2023 年的最大问题是"让公司相信 AI 能产生价值"；深入期的问题变成"流程与组织的 AI 友好化"（“大模型的能力以后大家都有，你的数据、流程、知识、人员、组织怎么适配 AI”）；2025 年之后是组织变革——公司把五千多人重组为一千多个 5–6 人的微型组织，在大量智能体协同下效率高于以往，终极形态是"动态蜂巢式"自我协作。两个当下技术坎：怎么把人从 AI 执行流的 loop 里挪到环外（不同领域的评估体系与质量门禁），以及智能体的身份认证与权限边界（“它以用户的角色、岗位的角色，还是一个新的角色？"）。

**西门子（李朝明，亚太区数据与 AI 负责人）**给出了制造业的严谨样本：工控领域 agent 自动生成、校验、部署 PLC 与 HMI 代码（走完整的开发-校验-部署-测试逻辑），内部 AI coding 在部分团队占比超 90%；客服机器人"小西"与企业办公平台"小雨”（连接内部知识+数据，白领渗透率超 70%，自报）。他坦承的短板反而更真实：KPI 分析类任务准确度不稳定（时高时低）、生产控制这类"一就是一"的场景稳定度欠缺、多模态 CV 识别泛化迁移能力不足导致新场景要重新训练。他当场确认西门子全球技术战略已把"阿里云千问大模型+百炼+Qoder"列入全球 AI 基础设施标准方案。

**基元律动（王云鹤，创始人 CEO，四月刚成立）**贡献了全场最生动的失败叙事：六个人分头用 AI 写代码，“每个人都觉得 AI 好厉害，最后发现六个人的代码合不到一块儿去”；“我用 AI 写、你用 AI review，魔法对魔法，最后不知道谁对”；以及团队对 AI 生成 PPT 的免疫——“看到蓝色的小条条就知道是哪个模型产生的”。他给的行业判断是成本与迭代速度：社区用户领了额度，刚需不是 Max 而是 Flash 模型（“Token 太贵了，各位老板们”）；模型从年更、半年更、季更到月更，“谁能保证手里的 API Key 每个月都用到最好的模型？"——所以他们在做 operator 层把模型 API 统一。他也提到"看到了千问四的计划之后，我放心了”（暗示基于 27B/Flash 做事的风险已被开源计划对冲）。

**元戎启行（曹通易，CTO）**把讨论拉回安全底线：搭载其辅助驾驶的量产车超 50 万辆、每天上千万公里智驾里程（快科技 9 月 1 日报道与"超 50 万辆"一致），模型部署在车端芯片上；研发范式已从标注+CV 训练变成预训练+中训练+后训练，并自研云端大模型做场景认知，“有点类似于最近这个概念叫 RSI”（递归式自我改进）。他的原则陈述值得引用：“模型是个巨石状的智能，有些地方非常强，有些地方又非常弱……不确定的地方它要知道哪些是不能做的”——在物理 AI 领域，用 AI 写代码各自漂亮但拼接失败"是一个非常严重的问题，因为我们要为用户的安全负责"。

一轮总结建议里藏着一组真实分歧：西门子认为"大模型和应用场景就是一和零的关系"，模型能力是那个 1，千问必须更强边界才能更宽；安克立刻反驳"很多领域现在模型能力完全够用，就算停在去年的水平也能发挥十倍二十倍价值，不要等"。这个分歧不是谁对谁错，而是前提不同：生产控制场景的容错率是零，消费电子的营销物料容错率很高。李朝明随后用"大数据、大模型、大生态、大时代"四个词收束，王云鹤的提醒则是"先有人工再有智能——数字化信息化做好了再考虑智能化，千万别什么都想做"。

第四条机制链来自这桌圆桌：模型能力趋同后，企业落地的真实瓶颈排序变成：数据闭环（贝壳）> 流程与组织的 AI 适配（安克）> 精度与安全边界（西门子、元戎）> 成本与模型迭代速度（基元律动）→ 二阶影响：AI 转型的主战场从 IT 部门移到组织设计 → 观察：企业里"流程智能体"数量、微型组织占比、数字员工工号化程度。启发：判断自己企业该不该"等模型"，先给自己的业务按容错率分层——容错高的场景现在就动（安克路线），容错为零的场景按西门子路线等能力曲线并做严苛验证。

五、伙伴场：当软件开始被 Agent 调用

最后两段把镜头转向生态。张轲（MaaS 业务线全球战略伙伴负责人）的框架是：Agentic 时代改变了三件事——使用者变了（软件不只被人操作，也被 Agent 调用，API/数据/权限/业务动作必须能被 Agent 安全理解和编排）、客户判断标准变了（从模型性能参数到业务结果）、竞争壁垒变了（产品成败取决于 Agent Ready 程度）。合作路径三阶段：AI 进产品 → Agent 进生产 → 市场规模化。案例：阿里云上的 Salesforce 正从"人的工作台"演进为"人与 agent 协同的业务平台"（五层能力：模型/数据/业务系统/Agent 平台/入口，客户数据 360 通过 API、MCP、AI Actions 有序开放）；TiDB（转写作"泰迪B"，按行业常识校正为 TiDB）与阿里云共同打造 Agentic Database 方案，Kimi 借其解决多租户隔离、统一技术栈与极致弹性；“MetaGenie 中国实验室”（转写名，本财年核心用户增长超 300%、核心客户年度留存率超 80%，自报）做生成式 AI 创作的企业级交付。

SAP 中国阿里巴巴战略合作总经理李奇颖的演讲补上了企业核心运营的一角：SAP 与阿里合作始于 2016 年（SAP HANA 基础设施认证起，经 BTP 上线、Cloud ERP 落地阿里云至今天的 AI 共创——阿里云 SAP 合作页面可佐证时间线），双方判断"Agent 时代不是抛弃 ERP，而是让 ERP 从记录业务迈向理解和推动业务"。案例是牧原肉食：毛利异常从发现到根因过去需要数小时（人工跨系统查数据、逐项对比、层层上报），现在 agent 实时监控关键经营指标、异常自动预警、调取 SAP 明细完成根因分析并生成整改建议，响应时间从数小时缩短到五分钟，监控范围扩展至十个经营模块（自报；SAP 官网云栖专属论坛议程确认牧原"AI 驱动盈利归因"为客户故事）。

压轴的刘丽娟（产品生态发展部总经理）宣布阿里云云市场正式升级为 AI 应用市场（观点网：阿里云 9 月 17 日公告 9 月 20 日起生效，本场为仪式性发布），新增模型、MCP 等产品类型与按席位、按 IT、按 AI 资源包、按小时甚至按分钟计费的方式；现有 2000 多伙伴、8000 多商品、年服务 40 万客户、270 万订阅（自报）。选-买-用三条链路配 AI 选品（自然语言输入匹配产品）、AI 精选频道、免费试用与透明交易链路；面向伙伴的繁花计划升级到 2.0（1.0 于 2025 年 4 月 AI 势能峰会发布，DOIT 可证），新增 skill、数据、连接器、agent 与行业共创五类合作，打通国际国内市场。她引用的行业数字（2025 年国内注册 AI 相关公司超 55 万家、美国获融资 AI 公司 1953 家、全球 AI 融资增长 83% 达 2111 亿美元、Hugging Face AI 应用 144 万个）均为演讲转述，未逐一回溯原始出处，按引用处理。

六、反方视角、口径分歧与未回答的问题

按本场信息推演，至少有六点不该被发布密度淹没：

  • 自报数字占绝对多数。600 万客户数、ARR 200 亿、Qoder 800 万开发者、安克日耗 4500 亿 token、800 个流程智能体、灵鹊 10 万座席、91.8% 手机任务准确率、牧原五分钟响应——全部来自厂商或其客户在自家场子的陈述，无一经过第三方评测；圆桌嘉宾本身也是阿里挑选的合作方，存在明显的幸存者结构。
  • 两处口径差需要读者留意：Qoder 用户数官网 8 月底自述 600 万、本场演讲称 800 万；千问 App 用户数财报 8 月口径 2.5 亿、本场称超 3 亿。方向一致但都发生在一个月内，按各自时点自报理解。
  • 数字员工"有工号、有 OKR、进人力系统"的组织与劳动含义完全没被讨论。安克把 5000 人重组为 1000 个微型组织的实践，其内部摩擦、岗位消失与责任归属，在庆功式叙事里是空白；QoderWake 可以被管理员停用、千问办公强调操作可追溯，说明产品侧意识到了责任边界，但组织侧的答案不在本场。
  • context 汇聚本身就是风险面。中转站数据泄露的案例被陈宇森用作卖点论据，但 Enterprise Context 把企业 150PB 数据压缩进一个平台、QwenNote A2 的"单次转写、转后即焚"依赖对云端转写链路的信任——隐私承诺的验证方式（谁来审计"即焚"？）未被展开。机密推理方案的具体名称与技术路径在转写中不可考。
  • ASR 专名风险集中在新产品名：音乐模型"Happy Shrimp"、视频平台"万镜/万景一刻"、应用创建平台"秒物/秒雾"、伙伴"MetaGenie"等均无法从官方资料独立确认，本文已按上下文与外部旁证尽量校正（QoderWake、TiDB、杰克、天禧、龚银、李朝明、许主洪、郑嗣寿、张轲），其余保留音译并标注，请读者引用时以官方资料为准。
  • “等模型"还是"现在动"是一组未决分歧，且双方都有正当前提（容错率）。把它当结论任取一边都会误导决策，正确的做法是按场景容错率分层执行——这恰恰是本场圆桌最有迁移价值的产出。

结语：这场论坛在赌"交付"可以被平台化

把三个半小时压成一句话：上午的开幕式赌"思考会像电一样成为商品”，下午这场 MaaS & Agent 论坛赌"交付这种思考的能力可以被平台化"——模型服务是发电，Agent 服务是电网，行业方案是电器。文征的价值密度框架、Agent Studio 的自进化引擎、千问办公的企业上下文、Qwen Intelligence 的 API 优先执行、云市场的 MCP 化，全部是这条电网上的绝缘子与变压器。

接下来值得跟踪的观察点：Token Plan 订阅量与 ARR 结构（订阅化是否真跑通）；Agent Studio 与 50+ 原子 API 的企业采用深度（自进化引擎是否形成资产锁定）；10 月 13 日千问 AI 硬件发布会上 N1 眼镜与耳夹耳机的实际参数和价格（虹膜核身与眼动 1 度精度能否兑现）；千问统一 Personal Agent 的落地形态与开放平台千家伙伴的留存；Qwen Intelligence 开放的四套评测集能否真成为行业公共品（而不是下一轮军备竞赛的靶场）；以及圆桌上那组分歧的裁决信号——西门子式"零容错"场景的 agent 稳定度，何时不再需要"人来兜底"。至于安克式的组织微化是否可复制，别看发布会，看一年后它的微组织数量是涨是消。

来源与转写说明：本文基于 2026 云栖大会技术主论坛·MaaS & Agent 官方回放（时长 3 小时 50 分 09 秒）的完整本地转写（117 个时间段全覆盖，Intel Arc GPU 加速 ASR，日志无缺段）写作；讲者身份与议程据云栖官网议程页核对；外部核验来源包括阿里云官微（经财闻网/DOIT/爱集微转载）、新浪科技、IT 之家/凤凰科技、界面新闻、21 财经、每日经济新闻、观点网、快科技、SAP 官网、Qoder 官网与千问云官网，资料时间均在 2026 年 8–9 月。文中所有未经标注来源的数字均为演讲自报口径。