陈宇森再创业：千问办公要把Agent塞进企业流程

2026年6月，杭州郊外半亩水田里，马云、吴泳铭等阿里合伙人挽起裤脚下了泥地插秧。同一天，阿里内网挂出一篇文章，题目是《手里有秧，才能确保未来有粮》。

插秧队伍里还有34岁的陈宇森，他是这批人中最年轻的高管。就在几天前，他刚接到钉钉CEO的任命，如今又兼着千问办公CEO。

上任钉钉CEO头一周，陈宇森给内部发了一封全员信：强制晚9点的复盘会取消，早会签到和深夜巡岗也一并废掉。阿里过去的管理偏重过程管控、强调高能见度，技术出身的陈宇森则更愿意用自动化工具砍掉重复劳动。

管理风格之外，这件事也照出阿里在AI上的一道新考题。模型、算力、云基础设施，阿里手里都不缺；缺的是把这几样东西做成企业肯掏钱用的Agent产品。

陈宇森要干的，就是让Agent真正扎进企业的业务流程里。

对企业客户，他并不陌生。十二年前第一次创业，他就在这个问题上栽过跟头。

一、 技术指标无法换来商业订单

2014年，中国移动互联网正快速扩张：手机网民规模达到5.27亿，手机上网比例首次超过PC。移动支付、手游、电商等应用一路生长，一批年轻技术人员开始四处找创业机会。

陈宇森也是在这一年从浙江大学毕业。他没去阿里等大厂，而是和几位“蓝莲花”战队成员在北京创办长亭科技，切入企业级网络安全。

创业初期，技术自信是他身上最不缺的东西。大学时他多次在国际安全赛事中拿名次；长亭科技成立后，他亲自跑客户，揣着安全赛事世界冠军的履历去见银行负责人，认定领先的技术指标足够说服对方。

为了技术路线的对错，他甚至会在会议室里跟客户争起来。结果订单一个接一个丢掉。

后来一位同学点了他一句：客户没有义务听懂你的技术。这件事也间接改变了他做产品的路子。

银行客户真正在意的，是业务规则满不满足、合规要求过不过关、实际问题能不能解决，而不是技术有多先进。于是陈宇森把精力从展示技术挪到理解客户上，长亭科技的业务也慢慢打开。

2015年，长亭拿到真格基金天使轮融资。到2018年，全国多家头部银行陆续成为长亭的客户。

这个方向，恰好也是阿里云当时在找的。2018年，阿里云升级为阿里云智能事业群，业务重心从基础算力供给往更复杂的企业服务延伸。

一年后，长亭科技被阿里云全资收购，27岁的陈宇森就此进入阿里。

第一次创业跑通了，他完成了从技术人员到企业服务创业者的转变。不过成功也带来另一种错觉：只要技术和学习能力够强，换个行业照样能快速跑通。

这个判断的代价很快就来了。

二、 跨界先要补行业课

2021年8月，陈宇森从阿里离职，放弃了还没兑现的期权，开始第二次创业。

这一回他同时开了两家公司。“薮猫科技”还是做数据安全，2022年拿到源码资本领投的数千万人民币A轮融资；“交给猫吧”想把AI和图形学放在一起，做中大型游戏。

两家公司后来的走向完全不同。

做数据安全的那家走得挺顺，游戏项目却没跑出来。2023年，钱烧得厉害，方向也偏了，游戏公司只能关停。

陈宇森后来说，准备关掉游戏公司的那段日子，是他人生里的低谷。

到底卡在哪儿？

他后来接受第一财经采访时复盘，当时自己对陌生行业缺少敬畏，想拿过去的成功经验，直接做一个玩法和题材都有创新的中大型项目，结果把游戏行业的常识壁垒看轻了。

长亭科技做成了，他因此相信技术能力可以快速跨界；游戏项目砸了，他又意识到，技术能缩短试错的时间，却换不来对行业的理解。

这次失败改了他的职业路线。

2023年底，陈宇森又回到阿里。这一回他没直接进核心产品线，先做了集团CEO办公室研究员。

2024年4月，他转进阿里云，管全球战略合作伙伴业务，同时兼任拉美区域总经理，参与南美市场从零起步的建设。

国内大模型的竞争已经在升温，他倒没急着去追应用热潮。

对一个创过两次业的人来说，技术浪潮带来的兴奋已经不够用了。他要找一个更具体的答案：模型能力一直在涨，到底能改变什么工作？又有什么产品能让用户一直愿意付钱？

三、 在噪音中找信号

2024年底，大模型成了科技行业挤得最厉害的赛道。

阿里的通义千问在加速研发。到 2025 年 2 月，Hugging Face 开源榜单上，大量头部模型都是基于 Qwen 系列二次训练出来的，Qwen 在开源生态里已经是绕不开的一股力量。

市场关注的焦点都往AI助手上聚的时候，陈宇森在应用层已经试错了好几轮。

他先做了Vibe Coding产品“瓦特”，又试过面向Agent的应用市场，还有内部测试的PM Agent。这些产品有的没发布，有的在测试阶段就被推翻。

原因不复杂：不少应用只是给模型套了个新交互界面，做出来很快，想让用户一直用下去却很难。

“那是一段噪音大于信号的环境。”他后来回忆。

直到2024年Cognition推出Devin，陈宇森才看到一个不一样的方向：AI开始能操作电脑、写代码、执行复杂任务。它不只是回答问题，还能接手一段具体的工作流程。

2025年，他在阿里云内部带队孵化了AI Agent产品MuleRun（骡子快跑）。

陈宇森在这个人数不多的团队里做过一次自动化试验：先由团队和AI一起把需求聊清楚，再交给AI在后台写代码、跑测试。MuleRun 并未大举投放，上线没多久便吸引了来自全球 43 个国家的付费用户，其中 34% 是高价值月付用户，单月付费额度超过 200 美元。

从这次尝试里，他得出一个判断：AI 的作用不止是帮人提效，它还可能改写工作完成的方式——过去需要更多人力的任务，如今一个小团队靠 Agent 就能接住。

不过，个人或小团队做自动化，只是开头。真要把 Agent 塞进一家大企业，等着它的是更庞杂的数据、流程和组织关系。

2026 年 7 月，阿里在内部动手整合，将 QoderWork、悟空、MuleRun 三条各自为战的 Agent 产品线并到一处；8 月 3 日千问办公正式公测发布，陈宇森出任千问办公CEO。

他因此重新站到了企业服务这条赛道上，只是这回要解的题，比十二年前大得多。

四、 十二年后，回到原点

一边是钉钉，一边是千问办公，陈宇森服务的对象依旧是企业客户。

麻烦在于一个结构性矛盾：钉钉十几年的商业底盘压在席位订阅上，企业按人头买账号，人越多账单越厚。而 Agent 最擅长的，偏偏是接住重复、标准化的岗位工作，把人力操作流程压下去。

只要 Agent 深嵌进核心业务，存量订阅收入就可能被啃掉；反过来，要守住稳定的 SaaS 基本盘，Agent 就只能待在文档润色、会议摘要这类低风险辅助场景里，很难摸到经营内核。

存量要保，AI 自动化也要放手做，他得在两者之间踩出一条很窄的平衡线。

9月底杭州的云栖大会上，他抛出一个问题：我们公司上个季度华东区的毛利率是多少？

“我们公司”指谁，通用模型不知道；企业内部的数据怎么分布、财务口径怎么算，它同样不知道。解释毛利率模型可以，但要从一家公司里翻出真实经营数据，它未必做得到。

陈宇森把自己的判断压缩成一句话：Context is All You Need。

模型想进企业，先得读懂这家企业的上下文。

这让他又想起长亭科技那段时间碰上的问题：技术再强，也绕不开客户自己的业务规则。区别只在于，当年的产品要理解银行的安全需求，如今的 Agent 要理解一家企业的数据、岗位和工作流程。

安全这道门槛，同样躲不过去。

企业不会因为 Agent 能把活干完，就把核心系统的权限交出去。哪些数据能读、哪些操作能执行、出了异常追不追得回来，这些问题在产品设计的第一天就得想明白。

陈宇森是做安全起家的，对这些并不陌生。

为了让企业放心把业务交给 AI，做安全出身的陈宇森在产品设计上把当年的那份敬畏找了回来。

千问办公拿出“企业上下文”，把150PB的企业数据一层层解析、建成知识图谱，Agent 执行任务时只调取最需要的那几万个 Token；安全中心则把沙箱机制、全程审计和最小权限体系硬性接进了 Agent。

11 月推出的千问办公 2.0 版本，定位又从个人 AI 办公助手抬升为面向个人与组织协作的 Team Agent（团队智能体），重心往组织协同一侧挪。

今天的陈宇森，肩上扛的不再是一家创业公司找生存空间的事，而是阿里集团在AI时代通向企业级市场的全新入口。

几个月前，杭州郊外那半亩水田里，马云、吴泳铭等阿里合伙人光着脚踩进泥地插秧。

老阿里信的是农耕那一套：亲自下场、肯下笨功夫，多流汗才换得来粮食。陈宇森信的是极客那一套：用代码和自动化砍掉不必要的人力消耗，让AI接手重复劳动。

两套看上去不同的哲学，在AI真正落地的地方碰上了头。插秧讲究耐心，让AI进企业同样急不得：前者是把秧苗栽进土里，后者是把技术塞进真实的业务流程里。

收成如何，只能交给时间去回答。

【版面之外】的话：

技术人有个惯性——相信技术能解决问题。可真走进商业世界就会发现，技术之外要懂的东西太多了：客户习惯、行业规则、组织边界，还有那些AI替代不了的判断。

一个人过去的经验，既是他走过来的路，也可能变成他看下一段路时的盲区。

陈宇森几回创业，多少都在跟这种惯性掰手腕。技术不是不重要了，只是每一波技术浪潮来了，人都得重新学一遍怎么用它。