2026年6月，在杭州郊外的半亩水田里，马云、吴泳铭等阿里合伙人挽起裤脚，在泥地里插秧。

那天，阿里内网发了一篇文章，标题叫《手里有秧，才能确保未来有粮》。

34岁的陈宇森也在插秧的队伍里，他是这群人里最年轻的高管。

几天前，他刚被任命为钉钉CEO，如今他也是 千问 办公CEO。

接任钉钉CEO第一周，陈宇森向内部发了一封全员信，取消了钉钉强制晚9点的复盘会，也废除了早会签到和深夜巡岗。阿里传统的管理偏向过程管控与高能见度，而技术出身的陈宇森，更习惯用自动化工具减少重复劳动。

这不只是管理风格的变化，也折射出阿里面对AI的一道新考题。

阿里不缺模型、算力和云基础设施，缺的是把这些能力变成企业愿意使用的Agent产品。

陈宇森要做的，就是让Agent真正进入企业的工作流程。

这并不是他第一次面对企业客户。十二年前，他第一次创业时，就曾在这个问题上碰过壁。

一、 技术指标无法换来商业订单

2014年，中国移动互联网进入快速扩张期。那一年，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、电商等应用迅速生长，大批年轻技术人员开始寻找创业机会。

陈宇森就在这一年从浙江大学毕业。他没有选择阿里等大厂，反而和几位“蓝莲花”战队成员在北京创办长亭科技，进入企业级网络安全领域。

创业初期，他最不缺的是技术自信。

大学期间，陈宇森多次在国际安全赛事中取得名次。长亭科技成立后，他亲自跑客户，拿着安全赛事世界冠军的履历去见银行负责人，相信领先的技术指标足以说服对方。

他甚至会因为技术路线的对错，在会议室里和客户争论。

结果是，订单连续丢掉。

直到后来一位同学提醒他：客户没有义务听懂你的技术。

这个事情也间接让陈宇森改变了做产品的方式。

银行客户关心的不是技术有多先进，他们在意是否满足业务规则、合规要求，能不能解决实际问题。于是，陈宇森开始把精力从展示技术转向理解客户，长亭科技的业务也逐渐打开。

2015年，长亭获得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。

这也是阿里云当时正在寻找的方向。

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延伸到更复杂的企业服务。

一年后，长亭科技被阿里云全资收购，27岁的陈宇森由此进入阿里。

第一次创业的成功，让他完成了从技术人员到企业服务创业者的转变。但成功也带来另一种错觉：只要技术和学习能力足够强，换一个行业也能快速跑通。

很快，他就为这个判断交了学费。

二、 跨界先要补行业课

2021年8月，陈宇森选择离开阿里，放弃尚未兑现的期权，开启第二次创业。

这次，他同时创办了两家公司：薮猫科技继续做数据安全，2022年完成由源码资本领投的数千万人民币A轮融资；“交给猫吧”则尝试将AI与图形学结合，开发中大型游戏。

两家公司走向了不同的方向。

数据安全公司的进展顺利，游戏项目却没能跑出来。2023年，因为资金消耗和方向偏离，游戏公司不得不关停。

陈宇森后来承认，准备关停游戏公司的那段日子，是他人生中的低谷。

问题出在哪里？

他后来在第一财经的采访中反思，自己当时对陌生行业缺乏敬畏，试图用过去的成功经验，直接做一个在玩法和题材上都有创新的中大型项目，却低估了游戏行业的常识壁垒。

长亭科技的成功，让他相信技术能力可以快速跨界；游戏项目的失败，则让他意识到，技术可以缩短试错时间，却无法替代对行业的理解。

创业的失败改变了他的职业轨迹。

2023年底，陈宇森回到阿里。这一次，他没有直接进入核心产品线，而是先担任集团CEO办公室研究员。

2024年4月，他转入阿里云，负责全球战略合作伙伴业务，兼任拉美区域总经理，参与南美市场从零开始的建设。

国内大模型竞争已经加速升温，他反而没有急着追逐应用热潮。

对于一个经历过两次创业的人来说，技术浪潮带来的兴奋感已经不够了。他需要找到一个更具体的答案：模型能力不断增强，究竟能改变什么工作？又有什么产品值得用户持续付费？

三、 在噪音中找信号

2024年底，大模型成为科技行业竞争最密集的赛道。

阿里的 通义千问 加速研发。到了 2025 年 2 月，Hugging Face 开源榜单上，大量头部模型基于 Qwen 系列二次训练，Qwen 成为开源生态里不可忽视的力量。

当市场竞争焦点，都聚拢在AI助手时，陈宇森则在应用层经历了多轮试错。

他先后尝试了Vibe Coding产品“瓦特”、面向Agent的应用市场，以及内部测试的PM Agent。这些产品要么没有发布，要么在测试阶段被推翻。

原因并不复杂，许多应用只是给模型套上新的交互界面，能快速做出来，却很难让用户持续使用。

“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，陈宇森看到了一个不同的方向：AI开始具备操作电脑、编写代码并执行复杂任务的能力。它不再只是回答问题，还可以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）。

在这个精简的团队里，陈宇森做了一次自动化实验，团队与AI讨论需求后，由AI在后台编写代码、运行测试。MuleRun 没有做大规模投放，上线不久就收获来自全球 43 个国家的付费用户，其中 34% 的高价值月付用户，单月付费额度在 200 美元以上。

这次尝试让陈宇森看到，AI的价值不只在于提高人的工作效率，还可能改变完成工作的方式：一个小团队可以借助Agent承担过去需要更多人力完成的任务。

但个人或小团队的自动化实验，只是第一步。要把Agent放进一家大型企业，面对的将是更复杂的数据、流程和组织关系。

2026 年 7 月，阿里启动内部整合，把 Qoder Work、悟空、MuleRun 三条分散的 Agent 产品线收拢，8 月 3 日 千问 办公正式公测发布，陈宇森担任 千问 办公CEO。

这让他再次回到企业服务，只不过这一次，他要解决的问题比十二年前更大。

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。

但摆在他面前的是棘手的结构性矛盾，钉钉过去十几年的商业底盘，建立在席位订阅之上，企业按人头采购账号，人越多，账单越高。Agent 的核心价值，恰恰是承接重复、标准化的岗位工作，压缩人力操作流程。

一旦 Agent 深度嵌入核心业务，就有可能侵蚀存量订阅收入，如果要保住稳定的 SaaS 基本盘，Agent 又只能停留在文档润色、会议摘要这类低风险辅助场景，很难真正触达经营内核。

他要在保住存量和放手做AI自动化之间找到一条狭窄的平衡线。

9月底杭州的云栖大会上，他提出了一个问题：我们公司上个季度华东区的毛利率是多少？

通用模型不知道“我们公司”指谁，也不知道企业内部的数据分布和财务口径。模型可以解释毛利率，却未必能找到一家公司的真实经营数据。

陈宇森用一句话概括自己的判断：Context is All You Need。

模型要进入企业，必须先理解企业的上下文。

这让他重新回到长亭科技时期遇到的问题。技术能力再强，也不能跳过客户自身的业务规则。只不过当年的产品需要理解银行的安全需求，如今的Agent需要理解一家企业的数据、岗位和工作流程。

安全也是一道绕不过去的门槛。

企业不会因为Agent能够完成任务，就把核心系统的权限交给它。哪些数据可以读取，哪些操作可以执行，出现异常能否追溯，都必须在产品设计之初考虑清楚。

做安全起家的陈宇森，对此并不陌生。

为了让企业敢于让AI处理业务，做安全起家的陈宇森，在产品设计上找回了当年的敬畏。

千问 办公推出了“企业上下文”，将150PB的企业数据进行逐层解析并建立知识图谱，让Agent在执行任务时只匹配最需要的几万个Token，同时，安全中心将沙箱机制、全程审计和最小权限体系强行接入了Agent。

在 11 月推出的 千问 办公 2.0 版本，进一步把定位从个人 AI 办公助手升级为面向个人与组织协作的 Team Agent（团队智能体），重心向组织协同倾斜。

今天的陈宇森，不再只是为一家创业公司寻找生存空间，而是承载着阿里集团在AI时代通往企业级市场的全新入口。

几个月前，在杭州郊外的那半亩水田里，马云、吴泳铭等阿里合伙人光着脚，在泥地里插秧。

老阿里的农耕信仰，强调亲自下场、肯下笨功夫，相信多流汗才能换来粮食。陈宇森的极客信仰，则是用代码和自动化减少无谓的人力消耗，让AI接手重复劳动。

两种看似不同的哲学，在AI落地的地方有了交集。

插秧需要耐心，让AI进入企业也需要耐心。前者要把秧苗种进土地，后者要把技术融入真实的业务流程。

至于能不能有收成，还得交给时间。

【版面之外】的话：

技术人的惯性，是相信技术可以解决问题。但真正走进商业世界，才会发现，技术之外还有太多需要理解的东西：客户习惯、行业规则、组织边界，以及那些无法被AI取代的判断。

一个人的经验，既是他走过的路，也可能成为他看下一段路时的盲区。

陈宇森几次创业，某种程度上都在和这种惯性较劲。技术没有变得不重要，只是每一次技术浪潮到来，都要求人重新学习怎么使用它。

本文来自微信公众号“版面之外”，作者：画画