Atlassian押注1500億連接圖譜：AI協(xié)作的燃料是上下文

周三下午，阿納海姆的會(huì)議中心里，Atlassian CEO Mike Cannon-Brookes拋出了一個(gè)讓全場(chǎng)安靜的判斷："我們正在見證一個(gè)新物種的誕生。"

他說(shuō)的不是某款新產(chǎn)品，而是企業(yè)協(xié)作本身的進(jìn)化形態(tài)——AI原生團(tuán)隊(duì)。在這場(chǎng)年度Team大會(huì)上，Cannon-Brookes把賭注押在了一個(gè)叫"Teamwork Graph"的東西上：一張覆蓋1500億連接的組織關(guān)系與工作數(shù)據(jù)統(tǒng)一圖譜。用分析師Christophe Bertrand的話說(shuō)，這是"連接過(guò)去與未來(lái)、人與AI的結(jié)締組織"。

這場(chǎng)發(fā)布會(huì)的核心矛盾很尖銳：85%的知識(shí)工作者已經(jīng)在用AI，但只有29%真正把它嵌入了工作流程。剩下的56%卡在哪？Atlassian的答案是——上下文。

【一圖讀懂：Teamwork Graph是什么】

想象你公司的所有信息——Slack對(duì)話、Jira工單、Confluence文檔、人員匯報(bào)關(guān)系——被編織成一張實(shí)時(shí)更新的關(guān)系網(wǎng)。不是簡(jiǎn)單的搜索索引，而是理解"誰(shuí)和誰(shuí)合作過(guò)""哪個(gè)項(xiàng)目依賴哪些資源"的語(yǔ)義層。

1500億連接是什么概念？Atlassian沒(méi)給對(duì)比數(shù)據(jù)，但Bertrand在現(xiàn)場(chǎng)的解讀很直接：這是讓企業(yè)擁有"處理混亂的神經(jīng)系統(tǒng)"，而不是試圖消滅混亂。

Cannon-Brookes的原話被反復(fù)引用："智能是引擎，上下文是燃料。"這句話的潛臺(tái)詞是：算力可以買到，但組織獨(dú)有的上下文買不來(lái)。

【技術(shù)層：AI Gateway的開放策略】

Bertrand特別提到了一個(gè)技術(shù)細(xì)節(jié)——AI Gateway。這個(gè)組件的設(shè)計(jì)目標(biāo)是打通內(nèi)部模型與外部模型，讓企業(yè)能"用AI對(duì)話"而不被某一家供應(yīng)商鎖死。

開放策略在這里很關(guān)鍵。Atlassian沒(méi)有試圖自建封閉生態(tài)，而是把自己定位為連接層。這與微軟Copilot的打法形成微妙差異：后者深度綁定OpenAI，而Atlassian在強(qiáng)調(diào)"任何組織都能最大化利用AI"的靈活性。

【落地層：HR也能搭A(yù)I代理】

發(fā)布會(huì)上最具體的案例來(lái)自Eaton Corp.——一家工業(yè)巨頭。他們的HR團(tuán)隊(duì)自建了一個(gè)叫Nora的入職代理，全程沒(méi)找工程師。

這個(gè)細(xì)節(jié)被Bertrand視為"代理式AI正在拓寬自動(dòng)化準(zhǔn)入門檻"的信號(hào)。過(guò)去做這種工具需要Python、需要API對(duì)接、需要IT排期。現(xiàn)在HR用低代碼界面搭完，直接跑在Teamwork Graph的數(shù)據(jù)層上。

但Cannon-Brookes在現(xiàn)場(chǎng)也潑了冷水：通往AI原生組織的路會(huì)很 messy（混亂）。目標(biāo)不是 sanitize（凈化）混亂，而是構(gòu)建耐受混亂的系統(tǒng)。

【分析師的保留意見】

與會(huì)的theCUBE分析師Alison Kosik和Bertrand都提到了同一個(gè)懸而未決的問(wèn)題：競(jìng)爭(zhēng)格局。

微軟有Office全家桶和OpenAI股權(quán)。Google有Workspace和Gemini。Notion、Asana、Monday.com都在推自己的AI功能。Atlassian的1500億連接圖譜是護(hù)城河，但用戶會(huì)不會(huì)為了"上下文燃料"而遷移整個(gè)工作流？

Bertrand的觀察是：Atlassian的勝算在于"已經(jīng)在那"——Jira和Confluence的企業(yè)滲透率讓它不需要從零說(shuō)服用戶。但把現(xiàn)有用戶轉(zhuǎn)化為"AI原生"用戶，是另一場(chǎng)戰(zhàn)役。

【一個(gè)值得玩味的時(shí)間點(diǎn)】

這場(chǎng)發(fā)布會(huì)選在2026年5月，距離ChatGPT引爆生成式AI浪潮已過(guò)去兩年半。市場(chǎng)熱度從"每個(gè)公司都需要AI戰(zhàn)略"轉(zhuǎn)向了"AI到底省了多少成本、漲了多少效率"。

Atlassian選擇在這個(gè)節(jié)點(diǎn)強(qiáng)調(diào)"上下文"，某種程度上是對(duì)早期AI炒作的修正——不是模型越大越好，而是模型越懂你的業(yè)務(wù)越好。Teamwork Graph本質(zhì)上是一張"組織記憶"的地圖，而大語(yǔ)言模型是調(diào)用這張地圖的接口。

【留給讀者的判斷題】

如果你是一家企業(yè)的CIO，現(xiàn)在面臨選擇：

A) 押注微軟Copilot，獲得最強(qiáng)的通用模型能力，但數(shù)據(jù)可能流向OpenAI

B) 押注Atlassian，獲得組織上下文的深度整合，但模型靈活性受限

C) 兩頭下注，承受集成復(fù)雜度和成本

Atlassian的發(fā)布會(huì)沒(méi)有給標(biāo)準(zhǔn)答案，但Cannon-Brookes的表態(tài)很明確：未來(lái)屬于那些能讓AI理解"這家公司怎么工作"的企業(yè)，而不是那些只追求參數(shù)規(guī)模的企業(yè)。

1500億連接已經(jīng)鋪好。問(wèn)題是，有多少企業(yè)愿意把自己的工作記憶交出去，換取AI的上下文感知能力？