從B2B到A2A：Agent新基建，如何讓“一人企業”做全球生意？

（點擊收聽本期音頻）

采訪｜泓君

圖文｜朱婕

“龍蝦熱”正在退潮，但它帶來的創新沖擊還在持續——當它與行業know-how相結合，正在迸發出新的能量。

阿里國際站有著26年的B2B數據和經驗積累，今年初，OpenClaw、Cowork這些工作范式被驗證，讓他們看到了打通B2B閉環的智能體，終于到了可以落地的臨界點。

于是春節之后，“外貿版龍蝦”Accio Work來了，海外用戶只需要和這個Agent對話，它就能自主跑完從市場分析、選品設計、供應商篩選、商品發布和日常運營的全過程，把原本需要數周甚至數月的流程，壓縮成幾句對話。

以往復雜的專業知識壁壘正在被Agent攻破，生產力被重新定義。從數據上來看，Accio Work 40%的用戶是Solopreneur（一人企業）。降低門檻的同時，生意越做越精明了，在AI的幫助下今年阿里國際站的EBITA（息稅攤銷前利潤）增長了18%。

本期播客，我們與阿里國際站總裁張闊一起聊聊，他作為一名互聯網巨頭的掌舵人，在這一輪AI浪潮下，對新業務、新人才的思考與判斷。他提出了一個非常有意思的判斷方法：面對新模型，你的公司是興奮、焦慮，還是毫無感覺？最后一種，才是最危險的。

歡迎關注《硅谷101視頻號》或音頻欄目直接收聽本期播客。如果你喜歡我們的節目，更推薦大家使用音頻客戶端來收聽，《硅谷101》已覆蓋各大主流音頻平臺（渠道見文末），歡迎訂閱！

以下是這次對話內容的精選：

01

AI吞噬SaaS

或者讓它變得更好？

泓君：GTC期間您也在硅谷，您來了以后，感覺硅谷跟國內AI的發展有什么不一樣？

張闊：我覺得硅谷這邊的生態和國內有比較大的差別。比如說在美國，除了所有創業可能都跟AI有關以外，AI底層的這些基礎設施，大家也投入非常多。像TogetherAI、Fireworks，規模已經比較大了，它們的存在就是要幫助上面的應用更容易地獲取模型，更低成本地做推理。再往上，就是做各種各樣的構建型基礎設施，比如語音轉文字。有很多小公司，在某些垂直領域里能做得比別人快一步，永遠在推土機前面幾十米跑，但一直能保持一定的身位。我們也跟很多這種公司合作，比如Whisper Flow，它的語音轉文字就轉得非常好，無論是時效還是準確性。

現在硅谷有一些討論，說AI能力上來之后，對SaaS可能有影響，我覺得這個也分兩面看。對于SaaS這種商業模式，基于Token使用的計量方式，跟原來基于坐席的計量方式比起來，可能是一個更優的下一代商業模型的基礎。也有非常多的SaaS公司，因為有AI的加持，讓它的產品比原來更好用了。比如我們最近看了一家，幫助連鎖超市做小時工招聘。原來藍領跟文本交互，人家不樂意用，到場率很低�，F在跟Agent交互，Agent跟他講好所有事情，穿什么衣服、怎么報到、車停在哪兒、病假怎么算，到場率就更高了。所以不能一概而論。

泓君：Jensen Huang在GTC上，提到最多的一個詞就是OpenClaw。上次我們倆吃飯也聊到，您覺得在這個時間點上，真正應該關注的是Anthropic的Cowork，而不只是OpenClaw，可以展開講講嗎？

張闊：OpenClaw是最近比較現象級的應用，但它還不是一個開箱即用的產品，配置起來對技術有要求，門檻擋住了很多人。更重要的是，你到底能產生什么價值。如果留住的工作流非常有限，過一段時間你會看到退潮。Claude Cowork這個設計范式也非常吸引人注意。雖然還在研究預覽版的早期，但能看到非常多下一代工作臺或Agent平臺的影子。它分層的開放架構、產品的設計體系，包括它跟Claude模型之間的匹配度都非常高。

泓君：是不是OpenClaw更適合2C，Cowork更適合2B？我覺得大家在用AI的時候，有兩種思想一直在爭論。我們到底應不應該把很多的工作分步驟來解決？比如我把AI運用到我的播客制作中，我需要有一個非常明確的流程，告訴它一、二、三你要做什么，且每一步的準確性都要達到，不能給我質量不能保證的產品。所以我在想這兩個產品，它是不是對應不一樣的工作范式？

張闊：OpenClaw開源和泛化的能力比較強，下面可以接多個模型、多個工具。但開放性過強，到底什么做得好，強化學習怎么設計，需要花比較長的時間去磨合。Claude Cowork的面向對象更清晰一些，就是知識工作者，開發人員、程序員、分析師、做研究的、做金融的、律師等等，需要跟郵件、Word、Excel以及互聯網信息交互的那些人。

我覺得一次性處理完還是逐步來，可能不是核心的分野。因為最Agentic的工具，其實是所有工具的工具。不同的人用這個產品，最后會用出自己的樣子。你會在每一個步驟上設計和校正它，看看這一步做得對不對。如果對的，就進到下一步；否則所有步驟纏在一起，最后結果就不可用了。假設做播客要18步，每一步誤差10%，90%的18次方，基本不可用。所以你每一步都要去驗證，把核心步驟的差錯率降到最低。大家基于自己的專長，告訴這個Agent工具，你的輸入和輸出要符合你自己的成功標準。然后AI不斷強化學習這個結果，最后產生一個你更能接受的工具。這個過程如果不是開放式的，AI很難衡量中間哪一步做錯了。一旦它學會，接下來的推理和執行就很簡單，單位Token產生的經濟價值也會更大。

02

B2B走向A2A

生產力被重新定義

泓君：你們去年推了一個叫Accio的產品，用AI幫外貿2B廠家解決自己垂直領域的問題，今年很快也要升級了，你是怎么考慮迭代的？

張闊：我們當時做了一個推演，B2B的生意未來可能都會走向A2A（Agent to Agent）。我們現在有兩個平行的業務系統：

一個是阿里巴巴.com，它的搜索、溝通、推薦、交易、物流等等，都在用AI快速重構。今天你去用，會覺得它也是一個AI原生的產品，非常多的交互是你跟AI去做，讓AI幫你篩選信息、推進訂單流程、做物流和支付條件的建議，最后幫助買家跟賣家快速完成交易。

另一條線是Accio，到今年3月份月活已經到1000萬，增長速度非�？�。它核心想解決的是采購的問題。從研究開始，到形成想法，再到產品設計，然后進入供應商篩選、溝通、交易、運輸、售后。Accio希望把采購更大程度地自動化�；贏gentic的模式，從輸入一個想法開始，到建立比較穩固的商業關系，時間縮短到原來的五分之一。原來用一個禮拜做的事，現在一天之內就可以完成。

因為原來有語言、時差的問題，原來買家跟賣家之間的設計，沒有AI的幫助，可能是一個比較潦草的想法開始，然后賣家幫助你逐步地去完善設計。今天AI可以幫助你直接形成設計包，形成一個非常專業的設計文檔，包括圖片、文字、3D等等。這樣的話，買家跟賣家的交互就可以非常高效、順暢，也比較專業地去完成。

圖片來源：Accio.com

泓君：我再把這個問題稍微遷移到大模型領域一下，用你們的工具跟用ChatGPT、Gemini，有什么本質上的不一樣？

張闊：對于我們自己的模型和工具，有四個方向的投入，是當下的模型可能做得不夠好的。

第一個是信息的準確性。有些信息非常關鍵，比如商品價格。每天在阿里巴巴.com上都有上百萬的溝通，對不同設計想法、技術細節的溝通，這些都會形成精確的輸入和指導。它既基于我們26年的積累，也基于大量互聯網工具的組合。這樣信息可以90%或99%地接近事實，比大模型產生的幻覺要好很多。

第二個是強化學習的機制。在國際站有一個好處，它能形成閉環的反饋。最終你這個想法形成了交易還是沒有？你是持續買還是試了幾次失敗了？這些都是可以回到平臺里的信號。當越來越多人使用，整個產品會向對的方向發展。

第三個是安全和可靠性保障。2B的風險比較高，信息的完整性、每一步推理的嚴謹性都要有保障。因為推理周期很長，如果出錯需要能向前回滾。

最后一個，我們下一個版本叫Accio Work。第一個版本Accio是基于瀏覽器的Agent系統，Accio Work裝在桌面上，除了從設計到采購，它還能幫你完成日常操作，比如開店、賣商品、管理庫存、接受客服反饋。因為有了Computer-Use和Browser-Use的能力（即Agent像人一樣操作電腦、瀏覽器），我們可以幫海外買家完成從想法到采購結束，再進入到商品銷售周期的全過程。這個上下文是無限長的，需要分層存儲。有些內容要索引起來，有些信息需要的時候再去訪問。

泓君：如果底層的大模型更新了，或者說模型的能力大規模地提升了，對你們來說是好事，還是說你需要馬上切新模型？

張闊：我們期待的是，每當有一個新的SOTA模型出現，整個產品應該變得比以前更聰明，體驗更好，這才是AI原生的產品。如果說出現新模型跟你沒關系，那才是更大的問題。我們現在的模型就是基于SOTA的，千問是我們的基礎底座，我們在上面做很多優化。在多模態、編程能力、Agent推理能力上做得好的模型，我們都盡量在最好的應用場景里利用起來。

03

Agent新基建

讓“一人企業”做全球生意

泓君：你提到了Accio Work，它是一個工作流，可以幫大家管理在訂單執行過程中的各種問題�，F在從商家的角度來說，他們在執行過程中會遇到哪些問題？以前他們可能會用各種SaaS產品去處理這些問題。因為最近Cowork出來以后，SaaS的模式在被顛覆。我覺得正好這一個環節，我們可以從你的這個產品來展開，去聊一聊大家現在的觀點跟實際企業在應用中有什么樣的差距。

張闊：Accio Work如果跟原來的Accio比起來，第一個差別，我們希望把商家經營環節的閉環完整掉。原來我們幫他做了研究、設計、采購這些。之后就是他日常的商業操作環節，包括開店、經營、補貨、客服、銷售等等。這部分我們利用現在的泛化的AI能力，幫他開店、發布商品，在Shopify等平臺上做經營。如果企業本身還有雇員，可能也有薪酬、財務、稅務等要求，我們會接入硅谷做得好的Agent產品，最終給中小企業一個開箱即用的體驗。

其次，基于Agentic這套體驗，它跟原來的SaaS體驗比起來，有可能做得更簡化。而且對于每一個中小企業，它都有辦法去定義自己的核心流程和邏輯。如果要聽每個人的，你就要給每個人都重新定制一遍，這在原來SaaS的世界里很難做到，除非你有上百萬、上千萬美金的預算。但對于中小企業來說，今天你可以把你自己的成功標準輸入給這個Agent產品，它就基于你的輸入形成一個新的工作流，專門為你完成產品定義、發布、營銷、做社媒的全過程，而且這個過程可以更加自動化。我們至少30%到40%的企業就是Solopreneur，也就是“一人企業”。我原來設計商品花一個禮拜，覺得值得，但后面還要花一個禮拜去做所有其他細節——發到多個店鋪、在多個社交媒體發內容、回顧客反饋、管理庫存、進貨，這些事就很花時間了。我們覺得所有這些事情也可以基于Accio Work自動化掉，大部分工作只需要人做比較少的交互，就可以由AI通過多Agent方式協同完成。

泓君：你們的中小企業用戶是什么樣的畫像？

張闊：阿里國際站的用戶是分層的。一年采購幾百萬、上千萬美金的也有，沃爾瑪和亞馬遜也在國際站采購。但最底層有非常多的個體經營者，再往上變成連鎖商家，再往上才是頭部的穩固企業。我們的商家也是一樣，很多大客戶就是從小伴隨成長起來的。所有這些實體經濟的中小企業者，就是我們核心面對的對象。他們打開OpenClaw或Claude Cowork，會感到有點難理解。核心還是我們希望做個開箱即用的產品，解決他們日常的關鍵問題，同時ROI在合理范圍內。

圖片來源：Pixabay

泓君：Accio的商業模式是怎樣的？

張闊：Accio分兩部分。一部分是Token Base，我們自己的工具會消耗Token，三方合作伙伴比如稅務、薪酬、財務這些子智能體也會消耗Token。另一類是基于市場平臺（market place）的商業模式，因為本身也是供需關系的平臺，廣告，以及在服務中間產生的費用可以繼續用在這個商業模式。

泓君：如果用戶搜索跟采購都開始在AI軟件里面去完成，那傳統的市場平臺廣告會受到沖擊嗎？

張闊：展示廣告肯定沒什么意義了，大家更多是基于效果的廣告。AI對阿里巴巴.com有兩方面幫助。第一，它讓搜索量變多了，因為AI更好地理解了你的意圖，結果更好了，還有多模態的輸入，語音或是圖片，用戶更愿意進來搜索和交互。第二，對廣告本身也有幫助。能生產同一個商品的不止一個人，可能有10個、100個。我們告訴他這是一條廣告，它匹配了你哪些標準，買家也有意愿去交流。我們自己看到，今年搜索和廣告是我們增長比較快的兩個軌道。

泓君：但像Accio這樣的一個工具，整體來看，AI匹配的需求更精準了，廣告位就減少了。

張闊：這個理解肯定是對的。在供需匹配過程中，可能原來給你1000個結果，現在只給你5個。這5個結果里如果要做廣告，它必須是個更精準的結果，不能像原來一樣不精準還硬塞廣告。Google的財報也驗證了這一點——過去大家擔心AI概覽會沖擊廣告，但事實上它既做到了用戶停留時長和查詢數變多，廣告數也變高了。因為廣告更精準，點的人更多，更多廣告主愿意為這條付費。不像原來，大家搞一堆CPC（按點擊付費），點完了用戶意圖跟廣告匹配效率很差，對廣告主也是一種浪費。

泓君：你覺得未來的商業模式會變成什么樣？

張闊：至少互聯網這個時代，商業模式大概就四到五種。有一些商業模式，它也會進入到AI這個時代里邊。

首先，這件事的核心邏輯還是創造什么價值。比如我幫助你做了一個更好的設計，幫助你做了一個更好的對全世界的調查，這些價值用Token Base的方式衡量比較好，最終大家贏的標準是單位Token的智力密度更高，或者單位Token產生的價值更高。

第二個，比如拿阿里巴巴.com為例，尤其是效果的廣告，從長期來講，它可能也是一個存在的商業模式。因為供需匹配的過程里，有人愿意讓利，要么商品上讓利，要么用廣告做更多展現，這個商業模式可能也會持續成立。

第三個就是基于平臺側的所有供應鏈的服務，比如擔保交易，類似保險的服務，有爭議時平臺先補償再去追責，抽成很少，可能一到兩個點。它跟原來的商業模式也是一樣的，只不過你把這個規模變大了。全世界30萬億美金的交易額，阿里國際站大概700億，滲透率還非常少。讓更多中小企業參與到全球交易里，提供更高效的服務，就能帶來更多的增量價值。

所以有一些商業模式是現有世界自動延續到Agent世界的。當然也有一些Agent世界里邊，它基于使用量的使用，可能比SaaS的基于坐席的使用，此時此刻就是領先的，這種模式可能未來就會持續超越。整體上來看就是，如何基于現在的新技術，讓服務跟效率再優化一層。

泓君：你們做Accio，跟創業公司做，最核心的優勢是什么？

張闊：阿里巴巴.com是阿里集團的第一塊業務，大概做這件事情有26年左右的積累。平臺側每天有上百萬、上千萬的溝通、查詢、交易，這些都是信號，能幫系統完成強化學習，而且能形成閉環。另外，我們背靠阿里集團，跟千問有比較多合作，能保持模型理解和使用的領先性。同時我們會注入數據到中期訓練和后期訓練里，讓壁壘越來越大。

同時因為有更多的人用，其實這個Agentic產品也有數據飛輪。有更多的人用，它就會記住更多的工作流，更多的工具在什么情況下可以有更好的表現，產品就會進入下一個飛輪。

因為我們本身比較聚焦，我覺得跟現有的大部分AI產品面向的不是同一撥客戶。我們客戶可能更挑剔，預算更少，對ROI更敏感，這也推動我們更關注單位Token的智力密度和單位Token能產生的價值。

泓君：據我觀察，像亞馬遜，他們內部也在做類似的事情。你覺得未來，比如說亞馬遜它也推出一個B2B的這種垂直領域的AI應用，會是你們的競爭對手嗎？

張闊：對于我們今天想定位的這個產品，它想要解決的問題來講，我覺得我們自己還是比較有信心。對于中小企業，從設計的產品到自己的日常操作的過程。當然如果說未來B2B會走向A2A，就是Agent to Agent，不光是買家Agent To賣家Agent，也包括用戶自己，它的多個智能體可能也是一個協同的過程。最終可能勝出的一個方式就是，你在一些方向上做得非常好，同時又是一個高頻的工具，那你成為一個Master Agent。同時這個企業還有很多其他的Agent需求，所以子智能體需求，這些Agents之間可以互相交流，可以去協同，共同幫助這個中小企業完成服務。

亞馬遜的后臺系統很復雜，Agent對它應該是一個比較好的垂直領域，它自己也有優勢。但如果把它泛化到要經營多平臺，幫助客戶去做一個更廣泛的產品設計，并且要讓它利用全球供應鏈，我覺得這個方向來講，我們肯定起步比較早，經驗也會更多一些。

泓君：你自己評估Accio做得好不好，核心在抓哪些點？

張闊：本質問題不是消耗多少Token，而是產生多少價值。一個比較顯性的指標是留存，用戶持續用這個產品做更多設計、更多采購，就是好信號。另外，在每個垂直工具上，任務的完成度和用戶的采納度要高，并且能持續使用。從經濟角度，單位Token的智力和性價比越來越高，這樣客戶能更好地以ROI的方式使用產品。唯一可能不是標準的就是一共用了多少Token，很可能大家努力的方向是多讓你浪費點Token。核心還是把產品做得好用。

其實對于整個原來阿里巴巴.com，我們也是希望能讓跨境B2B就像在線購物一樣簡單。你做在線購物，大家都知道是個什么體驗。但是跨境B2B可能要細分有28個步驟，每個步驟可能跟2C比起來都要復雜很多。這大的28個步驟跟流程里邊，我們逐步幫他去做數字化的過程。

泓君：簡單來說，其實這個產業整個的產業鏈，包括你們沉淀的方法論，這些步驟已經非常完善了。你們是想把所有從開始到結尾的整個過程，閉環的流程，全部提供給這些商家。

04

AI時代

衡量團隊的標準在改變

泓君：你們現在招聘會偏向什么樣的人？

張闊：有些是比較好定義和量化的，比如模型訓練、基礎設施、算法。這些人進來之前，論文、研究或者開源社區的貢獻就已經能說明很多問題。學歷不是最關鍵的，面試就是打開論文，討論原創的思想和貢獻。另外就是對AI用得比較充分的年輕人，這個比較難量化。產品經理進來我們希望他設計的產品是面向未來6個月模型能力的，意味著他對未來6個月模型可能走向的方向和能力要有基礎的預判，這樣產品上線時能最好地利用當下能力，要求很高。

有些工種在慢慢融合。原來產品經理寫需求文檔，交互設計師畫交互，技術人員做出來跟交互設計一模一樣，這事就結束了。但做出來跟交互設計一模一樣是不是好，很難講。今天可能三個角色慢慢融合成兩個或者一個，這個人就要對閉環的結果負責任，但效率更高了。

我相信現在工程師編程的模式跟原來有質的差別。前兩天在一個硅谷創業公司，外面喧嘩，CEO出去一看說Anthropic宕機了，波動了3個小時。那3個小時里，硅谷的工程師全不會寫代碼，也沒人編程�，F在大家是基于上下文給輸入，模型生成代碼，生成得越多你越看不懂，代碼審查也很困難。突然這個工具不能用了，大家就恐慌。但這也說明，今天做工程的方式方法跟之前有很大差異。

泓君：你現在會要求你的團隊用這些編程Agent嗎？

張闊：我覺得不用要求，大家肯定都在用。我分享一些我們內部衡量的成功標準。第一個，你一定要給工程師設計一個Master Agent（主智能體），下面管理很多Sub Agent（子智能體），有寫代碼的、讀文檔的、做代碼審查的、做檢查的。要設置護欄，保證沙箱環境，不要寫個代碼內部用的就開放到外部去了。

第二個，我看到一個做量化的公司很有意思。幾個研究員在Slack里聊，聊到一定程度艾特Agent說我們談完了你看一下，然后去寫代碼。Agent進來讀一下大家對模型怎么改變，寫個文檔MD，生成代碼，提交，有人看可能有人不看，保證一定灰度不影響全局。

我們衡量AI成功與否有幾個標準。我們團隊每個季度有300個想法，這是我們跟蹤了4年總結出來的，這300個想法里大概150個上線，還有150個做不過來。150個上線想法的里邊可能有50個有效果。我們希望AI幫助，讓實際上線產生商業價值和客戶價值的想法數量變多。

另一個量化標準是，AI原生的產品從0到1，能不能快速規模化？阿里巴巴.com存在26年了，原來的指標有沒有非線性增長？比如我們今年的EBITA（息稅攤銷前利潤）增長到18%左右，跟去年比還是一個快速增長的過程。

圖片來源：Pixabay

還有兩個感性的衡量方式——當新的模型框架出現，你的組織是興奮還是焦慮？如果你感到興奮，或者焦慮，這兩個信號都是好的，說明你的產品跟模型有關、跟Agent框架有關。最差的是沒有感覺。外邊模型速度很快，像高速列車，你在邊上開老爺車，開得再快也趕不上。除非你自己已經坐上高鐵了，在高鐵上有個相對速度，至少你跟全世界聰明人努力的方向是一樣的。

所以這個事有一個基本要求，就是你的產品和組織要架構在AI Agent和最新的模型之上，這樣每次新模型上來，你的所有產品都會變得更聰明。如果反過來，來了模型你適配不適配都無所謂，或者適配要花很長時間，那你就不是AI原生構建在模型上的產品。當然最好你是在興奮這邊，新模型來了，你的組織和業務更興奮，因為原來解決不了的問題現在可以解決了。如果你很焦慮，說明你雖然在模型上，但你是個包裝器（wrapper），來一次大的迭代你的價值就被擠沒了。

泓君：最近讓您最興奮或者焦慮的一次模型更新是什么？

張闊：我現在一般都是興奮居多。比如多模態，是一個比較大比較快的變化，比如Nano Banana，它產生商品的細節。原來我們要產生商品圖片，買家從想法開始最后要生成設計包，擴散模型不精準，經常把尺寸搞錯，比如一架很大的機器放在桌子上，或者一個不大的機器顯得很大在廠房里。原來要花大量時間調提示，保證產出盡量滿足預期。現在模型本身能力變強了，相對簡單的上下文就可以讓內容生成得非常逼真。

第二個，我們很早就在想要閉環。首先我們今天的模型已經擁有全世界的知識，其次，我們也有最好的全球的供應商的網絡，包括所有線上的交易等信號，幫助我們去做判斷——下一個大想法到底是什么？誰可以制造這個？就誰可能是你最好的供應商？

我們還希望去做你日常經營的過程，也就是80%是日常操作。在沒有Computer-Use、沒有Browser-Use、沒有長程上下文Agent能力之前，做這件事很困難。當有了這些能力，我們在解這條問題的鏈條上的速度就變得非�？�。這就是為什么我們春節就開始加班做Accio Work。因為發現OpenClaw和Claude Cowork證明了范式在這個環境下是成立的，能夠再往前推進一步。我們在這個基礎上可以快速推進產品，讓它在用戶群體里產生更廣泛的應用。

【音頻收聽渠道】

公眾號：硅谷101

收聽渠道：蘋果｜小宇宙｜喜馬拉雅｜蜻蜓FM｜網易云音樂｜QQ音樂｜荔枝播客｜嗶哩嗶哩

海外用戶：Apple Podcast｜Spotify｜TuneIn｜Amazon Music

聯系我們：podcast@sv101.net