榜单近满分，为何AI干活仅及格？

过去半年，大模型榜单成绩不断刷新，通用评测接近满分，但商家把工作真正交给AI后，体验并未同步提升。阿里国际站基于平台百万条真实经营数据与Accio问答数据，整理出107个电商任务，覆盖报价单比较、钓鱼邮件识别、船期预订、交易纠纷处理等七大类，已全部开源。结果显示，最前沿模型在无人干预下通过率仅61%，刚刚及格。

阿里国际站总裁张阔认为，Coding是100%数字化且天然可验证，而商业场景数据更多元、缺少通用流程、结果验证周期更长。模型在数学推理或通用agentic能力上得分高，能提高任务通过率，但“本质的水位并没有拉得那么大”。他把Agent竞争定义为模型、工程框架与业务上下文三者的乘法关系，任何一项为0，结果就是0。竞争已从单一模型比拼转为三个维度同时较量，这也是不同垂直领域Agent的机会。

这是《硅谷101》今年第二次专访张阔。对话围绕三个问题：垂直领域Agent如何与通用模型竞争跑出来；如何优化Token成本，让AI成为商家用得起的工具；当AI接手更多执行工作，人还需保留哪些判断。

张阔表示，Agent最先解决的是Coding，渗透率约99%，其他垂直场景低得多。办公类Cowork产品交付内容有限，多为文案、计算类工作；电商等商业场景需更复杂判断、更长程执行，结果也非当下可验证，整体仍处起步阶段。Coding易交给Agent，因其100%数字化且天然可验证。商业场景则数据多元、无通用流程、验证周期可能以天、周、月甚至年计。

Claude推出Cowork后，赛道更热闹。Accio Work核心解决电商垂直人群问题。一年前核心是AI搜索，现在整体搜索涨20%，多模态搜索涨130%。第二阶段，sourcing向前做市场调研、出Design pack，向后与供应商沟通、比价直至交易，即agentic trade。今年4月推出Accio Work，基于Alibaba.com和1688，帮商家管理所有电商后台，理解多平台经营情况、管理供应链和员工表现。

张阔举例，商家Edward想做一个让植物告知状态的消费级电子产品。Accio Work帮他做design pack设计，找到广州、深圳厂商制造，解决订船期、海关HS code、物流等问题，再制作社交媒体内容，上Amazon、eBay、Shopify、TikTok销售，管理多店铺、平台规则、定价和买家反馈，持续迭代。没有Agent时，商家需维护20列Excel，沟通周期以月计；有了Agent，周期可缩短到以天计，24小时内跑完。

供应商反馈没见过这么专业的design pack。一般买家纸上画一画就开始交流，事先没说清楚，拿到样品才发现不符，中间大量纠纷。Accio Work算清到手价和零售利润率，极大提高做生意效率。

关于通用Cowork竞争，张阔认为办公角度中美差异较小。美国SaaS本身是大生意且垂直化，中国更多是平台侧整合垂直功能。但最终交付给用户的结果，各家想做的事一样。对于Agent对SaaS的影响，他认为若SaaS内容简单、AI可自动完成，确实会被削弱；但SaaS与工作流集成紧，理解企业上下文，即ontology。一笔交易成交不代表好交易，是为利润率还是市场份额，预算、库存、广告做法完全不同，通用AI无法保证完成。原有SaaS了解经营上下文，用好AI能拿到更好结果，现在是两边互相集成的过程。

中美电商差别很大。中国企业在中国经营，第一想法不是做独立站；美国Shopify、独立站生意很大且持续增长。