在全球 Personal Agent 竞赛的前夜，阿里千问于云栖大会正式公布产品新战略：全面向Personal Agent（个人智能体）演进，目标从问答聊天工具，升级为懂用户、可长期执行任务的个人 AI “COO”36氪。就在海外 Meta 的 Muse 登顶应用榜单、OpenAI 被曝在研发 AEON 个人智能体的背景下，国内赛道的竞争也正式拉开帷幕36氪。
千问团队观察到一个行业现实：当前 95% 以上用户使用 AI 还停留在高级搜索阶段，只完成单次问答，没有发挥 Agent 持续执行、记忆理解的能力36氪。
传统聊天机器人每次对话都要重新提问，而 Personal Agent 的核心差异在于个人全域 Context（上下文记忆体系）。它会在用户授权下沉淀身份、生活习惯、历史交互信息，不再每次从零开始理解用户。同样高考分数，传统大模型只输出分数匹配院校；Personal Agent 会结合用户地域偏好、职业规划、家庭诉求，做贯穿填报周期的全流程规划，甚至按时间节点主动推送待办事项。
数据显示，千问平台上复杂个人任务需求近 10 个月增长 5 倍；引入中长期上下文画像后，超过 60% 用户问题获得更贴合个人情况的回复，用户平均对话轮次提升至 5‑8 轮36氪。千问希望用户认知从 “用千问” 转变为 “我的千问”，AI 不再是工具，而是跟随用户成长的专属助手。
千问搭建两层 Context 体系作为底座：
通用 Context：记录用户身份、人生阶段、长期目标，动态跟进用户状态变化；
领域级 Context：打通学习、健康、理财等 20 余个场景，实现跨场景信息联动，例如家庭健康状况可以参考到出行规划，子女教育影响家庭理财判断。
硬件端也同步布局，除 APP、PC 端之外，预告推出 AI 眼镜、AI 耳机等穿戴设备，实现多终端同步记忆与服务延续。开放平台入驻伙伴超 1000 家，大量生活、服务类能力接入。值得注意，千问没有直接打造一个 “大包大揽” 巨型 Agent，而是采用分层策略：主 Chat 承接中低复杂度问题，健康、理财、高考等刚需场景建设领域级 Agent，依靠 Harness 层统一调度记忆、工具、任务规划，平衡效果、成本与并发性能36氪。
海外 Meta Muse 依靠浏览器沙箱直接跨网站完成下单、订票，迅速爆火，但这套模式很难照搬至国内。国内互联网服务被分割在一个个独立 App 之内，账户、数据、交易相互隔离。
千问选择依托已经成熟的本地生活生态，以生态合作授权调用替代网页模拟操作。行业共识是：Personal Agent 时代的竞争，本质是对用户 Context 的争夺。但团队也坦言，拿到数据不等于理解用户，拥有再多历史记录，如果解读模型不到位，给出的服务依旧会出错。
Personal Agent 比拼的不只是大模型推理能力，更是记忆架构、生态协同、成本控制、隐私合规的综合工程。算力、模型只是入门条件，真正的难点在于跨设备延续服务、打通多场景上下文、建立用户信任。
全球大厂集体押注个人智能体，预示 C 端 AI 的下一个主战场已经到来。未来竞争焦点不再是谁完成单次任务，而是谁能够围绕同一个人，持续协调各类能力，长期提供连贯服务。
