陈宇森接任钉钉CEO：取消强制复盘会，让Agent进企业流程

2026年6月，杭州郊外一块半亩大的水田里，马云、吴泳铭等阿里合伙人卷起裤腿，踩进泥中插秧。

当天阿里内网登出一篇文章，题为《手里有秧，才能确保未来有粮》。

插秧的人群中还有34岁的陈宇森，他是这批人里年纪最轻的高管。

就在几天前，他才被任命为钉钉CEO，同时他现在也是千问办公CEO。

上任钉钉CEO的头一周，陈宇森就向内部发出全员信：钉钉强制晚9点的复盘会取消，早会签到和深夜巡岗也一并废掉。阿里传统管理讲究过程管控、要求高能见度，技术出身的陈宇森却更愿意用自动化工具把重复劳动减下来。

管理风格变了，背后也照出阿里在AI上遇到的一道新考题。

模型、算力、云基础设施，阿里一样不缺；缺的是把这几样能力做成企业肯用的Agent产品。

陈宇森要干的，正是让Agent真正走进企业的工作流程。

企业客户，他不是头一回面对。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。手机网民规模那年达到5.27亿，手机上网比例首次超过PC。移动支付、手游、电商等应用纷纷冒头，一批年轻技术人员开始找创业机会。

陈宇森正是这一年从浙江大学毕业的。他没去阿里等大厂，而是拉上几位“蓝莲花”战队成员，在北京办起长亭科技，扎进企业级网络安全。

创业头几年，技术自信是他最不缺的东西。

读大学时，陈宇森就多次在国际安全赛事中拿到名次。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拜访银行负责人，认定技术指标领先就足以让对方点头。

碰上技术路线谁对谁错，他甚至在会议室里跟客户争起来。

订单却一单接一单地丢。

后来一位同学点醒他：客户没有义务听懂你的技术。

这事也间接改变了他做产品的路子。

银行客户在意的不是技术先不先进，而是业务规则、合规要求能不能满足，实际问题能不能解决。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局面。

2015年，长亭拿到真格基金天使轮融资。到2018年，全国多家头部银行先后成了长亭的客户。

这也正是阿里云当时在找的方向。

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。

头一回创业做成，他从写代码的人变成了做企业服务的创业者。可这次成功也让他生出一种误判：技术够硬、学得够快，换个行当照样能迅速跑通。

没多久，这个判断就让他付出了代价。

二、 跨界先要补行业课

2021年8月，陈宇森从阿里离职，尚未兑现的期权也不要了，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和图形学结合起来，做中大型游戏。

两家公司后来的走向并不一样。

数据安全那家推进得顺，游戏项目却没跑通。2023年，资金消耗加上方向跑偏，游戏公司只能关停。

陈宇森后来也承认，准备关掉游戏公司的那段日子，是他人生里的低谷。

问题究竟出在哪？

后来在第一财经的采访中他反思过：当时自己对陌生行业缺少敬畏，想拿过去的成功经验，直接去做一个玩法和题材都要创新的中大型项目，结果低估了游戏行业的常识门槛。

长亭科技做成过，所以他相信技术能力能让人快速跨界；游戏项目砸了，他才明白，技术能压缩试错的时间，却换不来对行业的理解。

这次失败也改变了他的职业路径。

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，他转到阿里云，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热起来了，他反倒没急着去追应用层的热闹。

对两次创业过的人来说，技术浪潮带来的兴奋已经不太够。他要找一个更具体的答案：模型能力一直在涨，到底能改变哪些工作？又有什么产品能让用户愿意一直掏钱？

三、 在噪音中找信号

2024年底，大模型成了科技行业挤得最凶的赛道。

阿里的通义千问研发都在提速。到2025年2月，Hugging Face的开源榜单上，大量头部模型是在Qwen系列上二次训练的，Qwen已经是开源生态里绕不开的一股力量。

市场都把目光盯在AI助手上，陈宇森却在应用层来回试了好几轮。

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。这几样，有的没发布，有的在测试阶段就被推翻了。

道理不复杂：不少应用只是给模型换了个交互界面，做出来快，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，还能接过一段具体的工作流程。

2025年，陈宇森在阿里云内部牵头孵化了一款AI Agent产品，名叫MuleRun（骡子快跑）。

团队规模不大，他带着大家做了一次自动化试验：先跟AI把需求聊清楚，再让AI在后台写代码、跑测试。MuleRun没有大举投放，上线没多久就吸引了全球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。

陈宇森从这次尝试里得出一个判断：AI不光是帮人把活干得更快，还可能把干活的方式整个换掉——一个小团队借Agent之力，就能接下过去要更多人手才能完成的任务。

不过，个人或小团队做自动化试验，只是开头。真把Agent塞进一家大企业，要面对的数据、流程和组织关系都复杂得多。

2026年7月，阿里在内部启动整合，把QoderWork、悟空、MuleRun三条分散的Agent产品线收拢到一起，8月3日千问办公正式公测发布，陈宇森出任千问办公CEO。

他又一次回到企业服务这条路上，只是这回要解决的问题，比十二年前大得多。

四、 十二年后，回到原点

接手钉钉和千问办公，陈宇森面对的仍然是企业客户。

可摆在他面前的是一组难解的结构性矛盾。钉钉十几年的商业底盘建在席位订阅上，企业按人头买账号，人越多账单越高。而Agent最核心的价值，恰恰是接住重复、标准化的岗位工作，把人力操作流程压下去。

一旦Agent深度嵌进核心业务，存量订阅收入就可能被侵蚀；要保住稳定的SaaS基本盘，Agent又只能停在文档润色、会议摘要这类低风险辅助场景，很难真正碰到经营内核。

保住存量和放手做AI自动化，他得在这两者之间找一条很窄的平衡线。

9月底杭州云栖大会上，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？

通用模型并不知道“我们公司”指的是谁，也不清楚企业内部的数据分布和财务口径。模型能解释毛利率，却未必找得到一家公司真实的经营数据。

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

模型要进企业，先得理解这家企业的上下文。

这让他又回到长亭科技时期碰到的问题：技术能力再强，也绕不开客户自己的业务规则。区别在于，当年产品要读懂银行的安全需求，如今Agent要读懂一家企业的数据、岗位和工作流程。

安全也是绕不过去的一道门槛。

企业不会因为Agent能完成任务，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、出了异常能不能追溯，这些都得在产品设计之初就想明白。

陈宇森是安全出身，对这一套并不陌生。

为了让企业敢把业务交给AI处理，做安全起家的他在产品设计上找回了当年那份敬畏。 千问办公推出了“企业上下文”，把150PB的企业数据逐层解析、建成知识图谱，让Agent执行任务时只匹配最需要的那几万个Token；同时，安全中心把沙箱机制、全程审计和最小权限体系硬接进了Agent。

到了11月，千问办公又推出千问2.0版本。这一版把自身定位从个人AI办公助手往上提了一级，变成面向个人与组织协作的Team Agent（团队智能体），发力点也随之偏向组织协同。

眼下陈宇森做的事，已经超出给一家创业公司找活路的范畴——他扛的是阿里集团在AI时代打开企业级市场的那个新入口。

而在此前几个月，杭州郊外那半亩水田里，马云、吴泳铭等阿里合伙人赤着脚踩进泥地插秧。

这是老阿里的农耕信仰：亲自下场，肯下笨功夫，认多流汗才换得来粮食。陈宇森身上是另一种极客信仰——用代码和自动化省掉不必要的人力消耗，把重复劳动交给AI。

两套看上去不太一样的哲学，到了AI落地这件事上，碰出了交集。

插秧讲耐心，AI进企业同样讲耐心：一头是把秧苗栽进土里，一头是把技术揉进真实的业务流程。

最后有没有收成，只能等时间给答案。

【版面之外】的说法是：

搞技术的人有个惯性，总认为技术能把问题解决掉。可真踏进商业世界就会发现，技术之外要弄懂的东西太多：客户的习惯、行业的规矩、组织的边界，还有那些AI替代不了的判断。

一个人攒下的经验，是他走过来的路，也可能变成他看下一段路时看不见的地方。

回过头看陈宇森这几轮创业，多多少少都在跟这种惯性掰手腕。技术并没有变得次要，只是每来一波技术浪潮，人都得重新学一遍怎么用它。