E255｜模型越来越强，为什么用户没感觉？再访阿里国际站总裁张阔

模型在榜单上越来越强，为什么真正把工作交给AI，还是需要人反复解释、检查和兜底？ 半年前，我们与阿里国际站总裁张阔聊了Accio Work，以及Agent如何参与采购和日常经营。半年后，我们再次请到他，聊聊这半年来商家使用Accio Work的真实案例，试图回答这个问题：模型能力的提升，究竟有多少变成了商家工作里的进步？ 张阔分享，很多模型的通用评测成绩已经接近满分，但团队在真实经营中，并没有感受到同样幅度的提升。为此，他们从实际业务中整理了107个任务，包括比较供应商报价、识别钓鱼邮件、预订船期和处理交易纠纷。据他介绍，在这套特定评测中，最前沿模型在无人干预条件下的任务通过率约为61%。 这些任务没有数学竞赛那么耀眼，却直接关系到商家的成本、交期和利润。一个好用的Agent，既要能把工作做完，也要让人用得起；既要理解工具和流程，也要理解这盘生意究竟想追求什么。 这期节目，我们聊聊榜单成绩与实际交付之间的落差、通用模型与垂直产品的竞争，以及当AI接手越来越多的执行工作，人还需要保留哪些判断。 【主播】 Yiwen，硅谷101主持人 【嘉宾】 张阔，阿里国际站总裁 【你将听到】 从写代码到做生意，Agent还差什么？ 01:18 AI同事市场：编程之外，专业工作走到了哪一步？ 02:38 商业任务为什么比编程更难？ 03:48 从采购搜索到日常经营，Accio Work的任务边界如何扩展 06:12 商家案例：植物监测产品，从创意走到设计、供应链和销售 07:47 找工厂、比报价、拿样品：采购流程里，人和AI如何协作 通用模型越来越强，垂直产品还有什么优势？ 10:13 中美Agent生态的差异：垂直SaaS与平台工具 11:30 AI会替代SaaS吗？ 14:11 独立站与平台电商：不同市场如何影响产品设计 15:16 Agent公式：模型 × 工程框架 × 上下文 17:46 模型与工程联合优化，不能只等模型升级 榜单接近满分，真实工作为什么还会失败？ 20:29 107个真实任务：无人干预条件下，最前沿模型通过率约61% 24:32 报价、钓鱼邮件、订船和纠纷：怎样才算真正完成任务？ 26:33 新版本也可能退步，评测必须持续做 28:55 多平台经营：有流水，不代表有利润 32:39 产品品味、市场判断与预算分配：老板仍要做的选择 最贵的模型，不一定是最好的选择 33:44 多模型路由：如何为不同任务匹配能力与成本？ 38:05 多个Agent建议冲突，商家该听谁的？ 40:35 上云、定时任务、事件响应与长期经营，是不同的能力 43:05 CoCreate现场：商家对Agent有哪些期待？ 44:43 小企业如何借助AI，把生意做得更大 【往期相关】 E231｜从B2B到A2A：Agent新基建，如何让“一人企业”做全球生意？ 【硅谷101年会来了，线下见】 10月10日—11日，我们将在【硅谷】举办Alignment 2026年度大会，从大模型、Agent、机器人到AI Infra，从实验室里的突破，到真实世界的商业化，我们直击AI变化最剧烈的前沿。来自OpenAI、Anthropic、NVIDIA、Meta、Google DeepMind、SemiAnalysis、Cerebras等公司的研究者、创业者与投资人将齐聚现场，分享正在发生的机遇和挑战。 点击报名入口 ，使用折扣码【FANS15】注册，还可以获得15%折扣。 【硅谷101听友群】 在这里，和同好一起深聊科技、商业与未来，期待你的声音，也期待更多有趣的讨论。 扫码加入，即刻相遇！ 【监制】 泓君 【后期】 Amei 【运营】 朱婕 【BGM】 Trace - Lennon Hutton Signal Containment - Out To The World Reclaim - Megan Wofford 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：podcast@sv101.net Special Guest: 张阔.