<section id="nice">
孙悟空真正让天庭头疼，是拿到金箍棒之后——随心所欲的 “本命法宝”，让他如虎添翼，所向披靡。
3 月 17 日，钉钉发布了名叫&#34;悟空&#34;的 AI 平台。它能接管你的浏览器、替你搜东西、在你不在的时候操作你的电脑——有手有脚，能执行。
而阿里千问刚发布的 Qwen3.5-Omni，一个能看视频、听音频、把音视频拆成可以直接干活的结构化数据的全模态模型——像极了孙悟空的那根金箍棒。
目前，猴子和棒子还没完全合体。
但一旦合上，这东西会很强。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/d155c284-a656-48d4-838f-4a328619a21a.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="865" height="748" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/d155c284-a656-48d4-838f-4a328619a21a.png"/>
<hr/>
<h2>一、悟空能干什么活</h2>
钉钉的悟空，是能力强大但守规矩的企业级 “龙虾”。
（1）一句话全网比价
我让它在淘宝、京东、拼多多上搜&#34;大疆 Osmo Pocket 3&#34;，比价格和销量，截图，整理成 Excel。
它接管了我的浏览器——打开淘宝，输入关键词，滚动浏览，截图保存；跳到京东，同样动作；再到拼多多。
三个平台跑完，桌面上多了一个 Excel 文件：前 5 个最便宜且高销量的商品，按平台、店铺、价格、链接排列，最低价标红。
它不是在&#34;告诉&#34;我哪个便宜。它在&#34;替&#34;我比价、截图、制表。全程我只打了一段话。
当然有毛刺——需要提前在各平台登录好账号，否则验证码会拦住它。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/78e3d120-21b1-49c3-a1ff-3b6b674129e8.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="865" height="387" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/78e3d120-21b1-49c3-a1ff-3b6b674129e8.png"/>
（2）内容雷达
第二个很实用的场景，不是发生在电脑前。
我用手机钉钉给悟空发了一条消息：设个每天早 9 点的定时任务，自动打开电脑浏览器搜&#34;最新 AI 动态，制作做一个 AI 相关的选题&#34;，提取 3 条摘要附来源链接，发到我手机上。
悟空调取了相关 Skill，自动创建了任务。第二天早 9 点过几分，手机弹出早报——排版整齐，链接可点。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/77279746-49c0-415c-96ca-b688acc9c200.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="865" height="596" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/77279746-49c0-415c-96ca-b688acc9c200.png"/>
（3）拉客户、做网站
我还拿悟空跑了一个建网站的任务，选了官方技能市场的 skills，跑出了可运行的网站和完整源码——审美还需打磨，但从 0 到 1 的能力确实在；市场部门以用它生成定时的竞品监控；动画大师一句话出完整数据动画视频。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/52918b04-fb31-4601-b2dd-ddf810f31bb6.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="865" height="599" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/52918b04-fb31-4601-b2dd-ddf810f31bb6.png"/>
发布会上还有一些更激进的演示。一个汽修门店店长对悟空说&#34;帮我拉 100 个客人&#34;，AI 自主完成了从竞品分析、学习爆款、社媒发帖到评论引导的全链路。
这些场景如果日常能稳定跑通，说明 AI 正在从&#34;执行指令&#34;走向&#34;帮你干完&#34;。
说完亮点，也聊聊产品初期不可避免的不稳定因素。官方给了一个案例的数据，有用户反馈，做一个 PPT 消耗了约 2.7 亿 Token。AI 从对话走向执行后，操作文件、反复修改、跨系统调用，token 消耗是量级变化。
悟空的 RealDoc 文件系统官方称 token 效率提升了 5 倍，方向对了，但对精打细算的中小企业来说，可能还需要更稳定的系统、更优秀的 skills 来让 ROI 算的清晰、算的过来。
<hr/>
<h2>二、金箍棒长什么样</h2>
悟空有手有脚，但暂时缺一样东西：眼睛和耳朵。它能操作浏览器、读文档、跨端执行，却还看不懂一段视频里发生了什么，听不出一段录音里谁说了什么、语气如何。
你一定有过这种经历：两小时的会议录像安安静静躺在网盘里，没人回看——因为回看的成本几乎等于再开一次会。爆款带货视频刷到了，隐约觉得转化逻辑值得学，但没时间逐帧拆解。英文播客、方言客服录音——听过就过了。大量有价值的音视频内容，&#34;看过&#34;之后再没有然后。
阿里千问刚发布的 Qwen3.5-Omni，做的就是把&#34;看过就过&#34;变成&#34;拆开来用&#34;。
说说我们的实测。
我们用它来拆爆款 TikTok 带货视频。
输入一条义乌招商类带货视频，模型按 Hook、卖点排序、画面证明点、字幕策略、情绪节奏、CTA 时间点、目标人群七个维度做了结构化拆解。核心洞察让我印象深刻——&#34;这条视频卖的不是商品，而是确定性&#34;：三级物理证据链构建信任、&#34;2 万种 SKU+20 美分均价&#34;制造数字锚点、保姆式承诺实现风险逆转。
更关键的是迁移能力：要求它按同样逻辑给&#34;T 恤定制工厂&#34;写一个脚本，它成功输出了可执行的 5 步模板，Hook 改成了&#34;拉扯 T 恤展示弹性&#34;，实力证明换成&#34;印花机喷墨特写 + 揉搓不掉色&#34;，连评论区运营引导都写好了。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/0745393e-2c63-4117-a285-0db30e685fe3.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="865" height="761" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/0745393e-2c63-4117-a285-0db30e685fe3.png"/>
还有一个&#34;口述写代码&#34;的测试。手绘一张故意画得很粗糙的 APP 线框图，打开摄像头对着镜头口述需求，它直接生成了可运行的 React 代码。继续口述修改——侧边栏、圆角、深色主题、按压动画——多轮迭代下来上下文始终没丢。边看、边说、边改，这是人类最自然的交互方式，它接住了。
<img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/ce5651f3-ba0d-45bf-8067-5edd15c48279.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="865" height="512" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/ce5651f3-ba0d-45bf-8067-5edd15c48279.png"/>
底层支撑这些表现的：混合注意力 MoE 架构，超 1 亿小时音频数据的原生多模态预训练，215 项第三方测试取得 SOTA，多项指标超越 Gemini-3.1 Pro。256K 上下文窗口，支持超 10 小时音频。113 种语言和方言的语音识别，36 种语言和方言的 TTS 合成。定价：每百万 Token 输入不到 0.8 元——不到 Gemini-3.1 Pro 的十分之一。
一句话概括：Qwen3.5-Omni 让音视频变得&#34;可拆&#34;——不是&#34;看懂了&#34;就完了，而是拆成可检索、可复用、可以直接拿去干活的数据资产。
<hr/>
<h2>三、当悟空拿起金箍棒</h2>
悟空能操作浏览器、读写文件、跨端执行、调用钉钉上千项能力，但它处理不了音视频，就没办法让用户在最自然的商业场景中广泛使用；Qwen3.5-Omni 能把视频按时间戳拆成结构化数据、听懂多语言录音、理解画面和语音的混合输入，恰恰弥补上了这一环。
如果两者成功结合：你把两小时的会议录像扔给它。它不只是生成一份纪要——它听出谁在什么时间说了什么、语气是坚定还是犹豫、哪些话是待办事项，然后直接在钉钉里创建任务、分配给对应的人、设好截止日期。从&#34;看懂会议&#34;到&#34;执行会议结论&#34;，中间不需要任何人再动手。
运营团队不用每天人工盯竞品的短视频账号了。AI 自己去看竞品视频、拆解转化逻辑——就像 Qwen3.5-Omni 拆那条 TikTok 带货视频一样——输出可迁移的脚本模板，然后在悟空里自动在社交媒体上发布改编后的内容，甚至进一步拉客获客。从&#34;分析竞品&#34;到&#34;产出内容&#34;到 “获客转化”，一条龙搞定。
或者更日常一点：客服录音质检。过去需要人听、人记、人打分，一天能质检的通话量有限。接入全模态能力后，AI 自己听完所有录音，输出每通电话的情绪轨迹和话术评分，标记出问题通话，生成改进建议，再把结果写进钉钉的管理系统。
这几个场景的共同逻辑是一样的：感知→理解→执行，完整闭环。悟空解决了执行，Qwen3.5-Omni 解决了感知，且 Qwen3.5-Omni 不到 0.8 元/百万 Token 的定价也让整个飞轮在价格上可行，拼图就差合上这一步。
<hr/>
<h2>结语</h2>
西游记里，悟空从石头缝蹦出来时就已经能打了。但他拿到金箍棒、认了师父、上了路之后，变得越来越强。
钉钉的悟空已经蹦出来了。金箍棒刚铸好，还没交到手上。取经的路很长——Token 成本要降，产品要磨，2700 万企业的认知要一家一家啃。
但猴子、棒子、路，都在了。
<hr/></section>
本文来自微信公众号 “硬 AI”，关注更多 AI 前沿资讯请移步这里
<div>风险提示及免责条款</div>
 <div>
 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
 </div>

2 倍做多阿里巴巴 ETF - KraneShares

阿里巴巴-W

阿里巴巴

阿里健康

2 倍做多 BABA ETF - GraniteShares

钉钉于 3 月 17 日发布了名为"悟空"的 AI 平台，具备强大的自动化能力，能够接管浏览器进行比价、自动创建任务并发送摘要到手机等功能。该平台类似于孙悟空的金箍棒，能在多个电商平台上进行比价，并生成 Excel 文件。此外，悟空还可以自动执行定时任务，生成网站和数据动画，展现出从 0 到 1 的能力。

- 阿里钉钉发布"悟空" AI 平台，实现浏览器操作及定时任务自动化。
- Qwen3.5-Omni 可拆解音视频内容，辅助生成结构化数据。
- 两者结合将提升 AI 在商业场景中的应用效率。

钉钉的悟空，有了金箍棒