当办公AI走出屏幕：WorkBuddy要打一场“硬仗”

撰文 | 李信马

题图 | DoNews 摄

9 月 2 日，DoNews 参加在深圳举办的腾讯 WorkBuddy 生态发布会时，仿佛误入了一场智能硬件的展览会，从耳机到眼镜，再到摄像头和笔记本，这些应用于物理世界的产品，在此处与办公 AI 进行了深度的融合。

图源：DoNews 摄

当天 WorkBuddy 正式上线了开放平台，并首次披露了完整的开放生态战略。据了解，开放平台同时打通了硬件、应用与开发者三层生态的开放平台，引入超百家生态伙伴，并面向智能硬件、行业应用与开发者等开放底层 Agent 能力。

"Agent ‘能做事’这道坎已经跨过去了。真正的挑战是，让它在任何设备、任何系统、任何场景里都不中断。要让用户真正拥有触手可及、不间断的 Agent 服务能力，就需要打通生态上下文，构建服务闭环。对开发者与各领域企业而言，行业的 Know-How、场景数据、流程等都已经成熟，但 Agent 化门槛高、成本重的挑战仍在。" 腾讯 WorkBuddy 开放生态负责人林佐露表示，" 所以我们选择开放——把能力拆成硬件、行业应用、开发者三条路径，让每一个行业、每一位伙伴，都能把 Buddy 接进自己的场景。"

尤其引人注目的，是发布会上硬件厂商的集体亮相，包括 Plaud、乐奇 Rokid、影石、科大讯飞、安克、猛玛、京东京造等品牌。这是以往在 Agent 赛道没有出现的景象，也是我们即将看到的未来：办公 AI 正走出屏幕，进一步深入现实世界。

01.

Agent 的困境：不是不够聪明，是够不到现场

要理解硬件对于办公 AI 的意义，得先看清 Agent 当下真正的瓶颈所在。

过去几年，办公软件的进化逻辑是在原有工具上加一个 AI 按钮，比如文档里嵌一个写作助手，会议软件里加一个自动纪要，这种模式简单易操作，也能提效，但 AI 像是在现有工作流上打一个补丁，用户需要主动在页面上点击运行。

而一个真正的办公 Agent，或者说我们期待的 AI 员工，能做到理解任务、拆解步骤、调用工具、交付结果，甚至主动跟进，它得感知到任务发生的现场——听见会议室里的讨论，看见眼前的文档和场景，接住用户随口抛出的一句指令。换句话说，Agent 在软件界面里，感官只有键盘和鼠标；一旦进入现实世界，它就需要麦克风、摄像头、可穿戴设备来充当耳目。

腾讯云副总裁、CodeBuddy&WorkBuddy 负责人刘毅在现场给出了一个直白的表述：" 真正的生产力，从来不取决于一个工具有多强，而取决于它能连接多少能力、走进多少场景。"AI 的能力再强，如果无法贴近用户的工作现场，就始终隔着一层 " 人把需求翻译给机器 " 的损耗。

在其他办公 AI 还将竞争的焦点放在卷模型、卷软件时，WorkBuddy 将注意力转向用户发起任务的入口，而硬件，正是这场入口争夺战在物理世界的第一批据点。一个自然的问题是：既然硬件如此关键，为何之前行业里成体系的尝试并不算多？

DoNews 认为，首先，能做这件事情的厂商需要强大的产品能力和 AI 能力，只有少数大厂才有底蕴，但让一家麦克风或眼镜厂商去做，既不现实也不经济。其次，是生态的碎片化，如果没有统一标准，就算接入硬件，账号、任务、记忆可能也无法跨端延续，不同品类、不同品牌的硬件可能也会产生冲突。最后，办公是严肃场景，对 AI 幻觉的容忍度极低，而硬件可以采集大量隐私信息，其安全边界与数据去向，也是用户心头的问题。

对于这些问题，WorkBuddy 给出了自己的答案：围绕 " 听、看、记、聊、协 " 五类触点，厂商一次接入即可打通硬件、App、PC、Web 多端，让账号、任务、记忆与产物在设备之间无缝流转——硬件厂商专注设备本身，行业伙伴注入场景与数据，Agent 底座负责理解与执行。

正如 WorkBuddy 在 PPT 中所展示的，AI 的第三个阶段，正是从屏幕走进硬件。

02.

让 Agent 能够"听、看、记、聊、协"

我们来具体拆解下 WorkBuddy 的方法论，首先，是五类触点，在 WorkBuddy 的资料中没有具体的介绍，DoNews 认为应该是：

1. 听——语音采集。代表性的硬件有录音卡片、麦克风、耳机等。

2. 看——视觉感知。代表性的硬件有智能眼镜、相机等。

3. 记——输入与控制。代表性的硬件有键鼠、键盘麦等。

4. 聊——交互与陪伴。代表性的硬件有桌面陪伴设备、智能音箱等。

5. 协——可能是方便随身协同的产品，比如平板或手机。

很明显，这个分类是按交互形式来划分的，同一类触点可以收集同类或者相似的数据。这样硬件负责采集数据与结果展示，复杂的理解与执行交给云端 Agent，任务完成后再将结果回传设备。由此实现 " 同一个 Buddy，不同硬件 "，用户无论对着耳机说话、用眼镜拍照，还是在 PC 上打字，使用的都是同一个账号，任务、记忆与产物在设备间无缝流转，上下文不中断。

本质上，是给 Agent 搭起了一套 " 五官与四肢 "。

当天展台处与 " 听 " 相关的产品占比较大，林佐露在采访中表示："WorkBuddy 作为一个智能体，受益于大语言模型的快速发展，能更好地理解人的一句话所表达的意图，然后去规划任务和调用工具，最后去执行。这样的基于语言的交互方式会让我们跟语音类的硬件的串联更友好。"

而优秀的硬件产品也会与智能体相得益彰，比如影石科技的负责人表示，他们的产品在办公室内有半径 3 到 5 米的拾音且带降噪，可以把有效信息输入给 WorkBuddy。" 一个智能体再优秀再强，你输出的信息一定要准确，输出的指令才应该是正确的。" 该负责人说。

科大讯飞穿戴业务事业部总经理林会杰在采访中也表示，随身穿戴的设备比如耳机或者眼镜，实际是随身的 AI 入口，可以将用户在物理世界接收到的信息持续地通过端侧的模型进行 "token 化 "，之后这些数据再通过 WorkBuddy 处理长程的复杂任务。" 比如我开了一整天的会议，讲了很多内容，就可以通过耳机和眼镜记录，再让 WorkBuddy 帮我总结这一天我都做了哪些事情，哪些是比较重要的，让我的耳机和眼镜真正成为我的‘第二大脑’和 AI 的记忆外挂。"

从已接入的规模看，这套框架覆盖了十余个品类、超过 30 个品牌，首批 9 款联名硬件也在当天首发，其中多款是在各品类中首次接入 Agent 能力，这意味着 WorkBuddy 对部分硬件的接入已经推动了其产品形态的创新。" 很多硬件终端希望可以成为 WorkBuddy 外设的输入，或者能在 WorkBuddy 上有一个 cloud Agent，可以让终端的能力能够调用、能够管理、能够操作，这是这类伙伴我们看到的需求，这个需求被满足好的话，确实会让一些用户用得‘特别爽’。" 林佐露说。

03.

入口即未来：办公 AI 的下一站

把视角拉回产业全景，办公 AI 的演进脉络正变得清晰。

第一阶段是功能嵌入，在现有办公软件里加 AI 能力，比如各类写作、纪要助手；第二阶段是 Agent 化，AI 从被动工具变成能自主拆解、执行任务的智能体，比如各类办公 Agent 平台；而第三阶段就是走进硬件，Agent 通过硬件进入物理世界，成为真正 " 随身 " 的生产力。

对 WorkBuddy 来说，这也是一种 " 大势所趋 "。正如林佐露所说：" 我们看到很多硬件让用户的使用可以更随身，可以更便捷，WorkBuddy 这样的产品被更高频地使用，其实是对我们的促进。我们相信硬件未来会是一个很重要的 Agent 的外设，所以我们在拥抱这样的趋势。"

当麦克风、眼镜、耳机都能成为 Agent 的入口，我们离 " 无处不在的办公伙伴 " 还有多远？答案，正写在这场硬仗的进程里。

往期推荐