当前位置: 首页 > news >正文

阿里最狠的一次“自我革命”:把万亿商业帝国,压缩进一个对话框里

出品 | 网易科技《态度》栏目

作者 | 袁宁

编辑 | 丁广胜

一句话就能点外卖、买东西、订机票?今天起,调动整个阿里生态,只需一个千问。

先看这张图:

今天,阿里千问App宣布:全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务,并向所有用户开放测试。

同时,这次升级还伴随将上线超400项AI办事功能。

网易科技从内测页面看到,这400项AI办事功能并非简单堆叠,而是横跨了“生产力”与“生活流”两大象限:

在工作端:它可以做市场调研、品牌监控分析、生成图表、制作PPT、甚至辅助应用开发。据阿里智能信息事业群总裁吴嘉介绍,千问支持一次上传100个文件进行超长上下文处理,过去繁琐的Excel清洗和PPT排版,现在只是一句话的事。

在生活端:它可以点外卖、买东西、订机票、规划旅游行程、智能比价,甚至AI打电话预定餐位。

01

千问不是第一家能点外卖的AI,

它的独特性在哪?

2025年被很多人称为“Agent元年”。从Manus到国内手机厂商的系统级AI,技术圈的主流路径大多是“模拟人类”——通过GUI(图形用户界面)识别屏幕内容,模拟手指点击来操作App。

而千问的独特性就在于:它不需要模拟点击,它直接拥有“钥匙”。

千问C端事业群总裁吴嘉在现场直言:“我们的独特优势在于‘Qwen最强模型’与‘阿里最丰富生态’的结合。”

这种结合,构建了两个难以复制的壁垒:

第一,是“API级”的效率壁垒。当其他AI还在费力地通过视觉识别屏幕上的“下单”按钮,甚至因为App改版而操作失败时,千问已经通过底层API接口,直接调动了淘宝闪购的运力系统、飞猪的票务库存和高德的实时导航。这不仅仅是快,更是稳。对于普通用户而言,这是第一个真正能以“AI助理”的形态,大范围、高确定性地调动现实世界服务的超级应用。

第二,是“政务级”的服务深度壁垒。除了商业消费,千问还接入了支付宝政务AI助手“晓政”。这让AI的能力直接延伸到了“办正事”。当你询问签证政策、户口迁移、社保公积金等50类复杂政务问题时,千问提供的不是模糊的网搜结果,而是基于权威数据的精准办事指引。

02

这次行动又意味着什么?

最底层的答案是:互联网“流量入口”的重新洗牌。

在移动互联网时代,入口是App。用户需要根据APP的功能,自己拆解需求:想吃饭打开淘宝闪购,想出行打开高德。

而在AI时代,逻辑彻底变了。入口变成了Prompt(提示词)。

吴嘉在演讲中预测:“在数字世界办事的主力会变成AI,会从副驾驶走向主驾驶,未来两年,数字世界60%~70%的常规任务都会由AI直接执行和交付。”

这意味着,App的“前台”正在被AI吞噬,App将逐渐退化为“后台”的能力模块。用户只要说人话,系统自动去匹配服务、找路径、调接口。

而谁掌握了“第一入口”,了解了用户的需求,谁就拥有了后续一切流量和服务的分配权。

因此,对于阿里而言,这不仅仅是一个App的升级,而是整个阿里商业操作系统被“压缩”进了千问这个对话框里,这是对流量入口的一次战略级重构。

最后,网易科技还注意到一个信息:在1月初,阿里云通义智能硬件展上,从Rokid、雷鸟等AI眼镜,到荣耀、OPPO等手机终端,再到比亚迪、理想等智能汽车,已经有超过1000款智能设备接入了千问大模型。

这些硬件如同AI触达现实世界的神经末梢,会将能力延伸至更远的地方。

如果说过去两年,大模型主要重塑了数字世界的生产方式(写代码、写文章),那么现在,阿里正试图通过“千问”,系统性地改变物理世界的生活方式。

这很阿里,因为这不仅是技术的秀场,更是商业闭环的开始。

—END—

http://www.cnnetsun.cn/news/638196.html

相关文章:

  • Open-AutoGLM架构解析:视觉语言模型+ADB控制链路拆解
  • HY-MT1.5-1.8B模型API测试:压力测试与性能基准
  • 通义千问2.5-7B金融风控应用案例:Python调用详细步骤
  • FSMN-VAD部署安全:HTTPS加密与访问控制实战
  • Qwen1.5-0.5B-Chat极简部署:无需GPU也能跑大模型实战案例
  • MinerU智能文档理解实战:合同比对与差异分析教程
  • 万物识别-中文-通用领域社交平台:用户生成内容标签自动生成实践
  • Emotion2Vec+ Large生产环境部署:outputs目录结构与日志查看详解
  • [特殊字符]_压力测试与性能调优的完整指南[20260115171557]
  • Qwen2.5-0.5B部署教程:从零开始搭建中文对话机器人
  • Open-AutoGLM敏感操作确认机制,安全又贴心
  • Youtu-2B与DeepSeek对比:轻量模型的差异化优势
  • 基于LLM的古典音乐生成实践|NotaGen镜像快速上手指南
  • GLM-TTS应用前景:AIGC时代语音内容生产变革
  • Z-Image-Turbo_UI界面架构剖析:轻量级Web界面设计原理详解
  • RTX 40系显卡兼容的人像卡通化实战|DCT-Net GPU镜像部署详解
  • 如何用VibeThinker-1.5B提升刷题效率?真实案例详解
  • HY-MT1.5-1.8B金融文档翻译实战:格式化输出完整指南
  • 电机控制器编码器接口电路:连接与滤波设计
  • opencode一键部署秘诀:镜像免配置快速上线AI编码系统
  • 证件照像素不够?AI智能放大4倍不失真实测
  • BAAI/bge-m3余弦相似度怎么算?WebUI交互式分析实战
  • VibeThinker-1.5B功能测评:专精算法的小钢炮模型
  • 没显卡怎么跑语音识别?Fun-ASR-Nano云端镜像5分钟搞定
  • 细粒度调控语速语调,深度体验Voice Sculptor指令化语音魅力
  • 开源大模型新选择:Qwen1.5-0.5B多场景落地完整指南
  • 自媒体内容创作好帮手,图文排版更出彩
  • 麦橘超然按需计费部署方案:云服务器成本优化实战
  • 5分钟部署Meta-Llama-3-8B-Instruct,零基础搭建AI对话应用
  • TTL系列或非门抗干扰能力测试实战案例