来源：36 氪

BAT 再一次在同一条赛道正面相遇。

8 月 14 日，百度文库、百度网盘在 AI Day 上宣布，旗下通用智能体 GenFlow 正式启用中文名——库库 AI。

更值得关注的是，与新名字一同公布的，还有一组最新的用户数据。库库 AI（GenFlow）月活早已超 1 个亿，其中库库 AI 办公 MAU 超过 2500 万。关注到用户在 AI 办公上的高频互动，文库网盘于 1 个月前迅速组成 30 人团队，包括产品、研发、策略等，20 多天时间快速做出 " 库库 AI" 独立端。近期国家工业信息安全发展研究中心发布的《Office Agent 工作流测评报告》显示，百度文库得分排名第一，蝉联行业榜首，独自占领第一梯队。

这个成绩，出现在一个竞争迅速升温的时间点—— BAT 再一次在同一条赛道正面相遇。

腾讯将 WorkBuddy 推向前台，围绕微信、企业微信以及协作生态加码 AI 办公；阿里将 QoderWork、悟空、MuleRun 等产品整合为千问办公；百度也多款产品矩阵式冲锋，其中库库 AI 便则以文库、网盘沉淀的数据为基础，持续迭代升级产品能力。

但从传统办公软件的竞争格局来看，百度并不是最容易被想到的那家公司。腾讯拥有庞大的通信和协作关系链，阿里背后则有钉钉以及长期积累的企业客户体系。

那为什么百度会取得这样的成绩？答案可能藏在 AI 办公正在发生的一次竞争逻辑变化里。

当 AI 从生成一份 PPT、总结一篇文档，进一步开始阅读用户资料、调用不同工具并连续执行复杂任务，决定产品能力上限的，也不再只是某一个模型或者某一项功能。用户真实的工作数据、Agent 的任务执行，以及执行之后不断产生的新数据，开始形成一个持续循环的系统。

百度的领先提供了一个理解 AI 办公竞争的新视角：真正决定长期差距的，可能不是某一项单点能力，而是能否形成一个持续运转的 loop。文库、网盘与库库 AI，正在构成这个循环的不同环节。

百度集团副总裁，个人超级智能事业群组总裁王颖在今天的演讲中说到：" 升级后的库库 AI 既能满足日常需求，也能高效办公协作；既能搞定个人办公，也能深入组织协同，真正成为每个人、每个组织都能用得上的超级智能。让每个人，无论何时何地都可以——库库干活，你放心。"

百度为什么先跑出来了？

AI 办公成为大厂集体加码的战场，并不令人意外。

它几乎是大模型最容易建立商业闭环的应用之一。一端连接着数量庞大的知识工作者，另一端则是文档、表格、PPT、会议、研究、编程等大量高频工作任务。一旦 AI 能够稳定完成其中一部分，效率提升可以被直接感知；与此同时，知识工作者本身也是对生产力工具付费意愿和付费能力更强的一群用户，AI 创造的效率价值越明确，商业化链路也就越短。

更重要的是，知识工作也是人类高价值知识最密集的生产过程之一，专业人士的知识、判断和经验在过程中沉淀。这些真实工作产生的内容和反馈，既能成为 Agent 执行任务的重要上下文，在获得授权并满足隐私要求的前提下，也可能成为模型后训练和 Agent 优化的高质量信号。

AI 办公争夺的不只是一个高价值的商业入口，也是一条距离高质量知识、真实任务和用户反馈最近的数据链路。因此，办公必然成为大厂投入最密集的方向之一。

百度是较早捕捉到这一价值的互联网大厂之一。

2023 年，百度开始用大模型重构文库。一个运行了十余年的文档平台，从内容检索和下载工具，转向 " 一站式 AI 内容获取和创作平台 "。智能 PPT、智能文档、思维导图等能力陆续加入，AI 能够直接参与用户的内容生产。

事后回看，这一步的意义，远不止给原有功能加上 AI，而是开始重新定义文库的产品逻辑。

对于办公产品而言，生成只是整个工作过程中的一环。用户可能从几十份资料中寻找信息，将不同来源的内容重新组织成报告，再把报告做成 PPT；完成之后，还要修改数据、调整格式、补充图片，最终保存、分享，并在下一次工作中继续调用。

一个真正的 AI 办公产品，需要逐渐接管这条链路，而不是只负责其中的一次生成。

这也是百度随后将文库与网盘不断拉近的原因。文库拥有大量专业内容，网盘则承载着用户长期积累的私人文件和团队资料。当内容获取、个人存储和 AI 创作被放进同一个体系里，AI 可以处理的对象也开始从一道指令，扩大到用户真实的工作资料。

到 2025 年 4 月，这套能力进一步汇集到新的产品形态中。

百度文库与网盘联合推出 GenFlow，也就是今天的库库 AI。用户只需要提出任务，智能体就可以自主规划步骤、调用不同模型和工具，最终交付文案、PPT、图片、图表等多种结果。

有了更完整的产品载体和数据基础，库库 AI 的迭代速度明显加快。

从 2025 年 4 月的 1.0，到同年 8 月的 2.0、11 月的 3.0，再到 2026 年 4 月的 4.0，库库 AI 一年完成四轮大版本迭代。4.0 进一步将 Word、PPT、Excel Agent 纳入统一调度，并强化了跨设备执行、文件管理和团队协作等能力。公开数据显示，截至今年 4 月底，其月活用户已经超过 1 亿。

百度实际上完成了三层能力的叠加：内容开始被 AI 理解，文件开始被 AI 调用，工具开始被 Agent 执行。

这也解释了为什么，当 AI 办公进入 Agent 竞争，百度能够相对更快地跑出规模。

但在 AI 产品快速迭代的环境里，入场早带来的时间差并不牢固。真正决定这个领先身位能否保持的，是这些能力能否在使用过程中继续积累。

AI 办公真正的护城河，

藏在 loop 里

更早的布局，让百度抢到了身位优势。但这并不足以解释库库 AI 为什么能够持续跑在前面。

AI 产品迭代速度极快。一个功能被验证之后，竞争对手可能几周甚至几天就能跟进；模型本身也越来越容易被接入和替换。真正难以复制的，是产品在持续使用中形成的积累。

这在 AI 办公领域尤其明显。

办公软件处理的是一类非常特殊的数据。知识工作者每天的产出，以文件的形态存在，他们是工作的连续记录：上一季度的经营数据会成为下一季度分析的基础，一份行业研究会被反复引用到新的报告里，一个项目从最初方案到最终复盘，也可能经历几十轮修改。

这些不断累积、彼此关联的工作记录，最终构成了 AI 时代越来越重要的资产——上下文（Context）。

因此，AI 办公产品对用户的价值，很大程度上取决于它能够获得多少上下文，又能否理解这些上下文之间的关系。

这恰恰是百度文库和网盘长期积累的资产。

目前，百度文库已经沉淀超过 18 亿份专业文档；百度网盘拥有超过 10 亿用户，用户使用空间总和超过 1000 亿 GB。前者提供大量公共知识和专业内容，后者则保存着用户长期积累的个人文件和工作资料。

在近期的 QM 报告中，百度网盘月活用户数稳居国内第一，远超钉钉、WPS 等专职办公工具，足以佐证其已从个人存储工具升级为办公场景的基础设施。

两类数据叠加，让库库 AI 面对某个任务时，可以获得比一条 Prompt 丰富得多的上下文。

比如，当一个用户要求 AI" 帮我做一份新能源行业分析 "，真正决定结果质量的，是它能否找到用户此前保存的行业报告、读取历史数据和表格，再结合新的公开资料形成判断，最终把这些信息组织成一份可以直接使用的结果。

这也是 Agent 进入办公场景后容易被低估的变化：竞争的基本单位开始变成一项项完整的工作任务。一项任务往往需要经历资料获取、信息理解、任务拆解、工具调用、内容生成和检查修改等多个环节。

一旦 AI 开始参与完整任务，更重要的循环也随之形成——数据—执行—结果—新数据。

用户已有的文档和知识，为 Agent 提供第一次执行所需要的上下文；Agent 调用这些数据和工具完成任务，产生新的报告、表格、PPT 等工作结果；用户进一步修改、确认和使用这些结果，又会产生新的文件和反馈，继续成为后续工作的上下文。

这个循环还有更值得被关注的地方，在于它具有自我强化的可能。

用户把越多真实工作交给 AI，系统能够接触到的上下文就越丰富；上下文越完整，Agent 越有可能交付更符合用户需求的结果；结果越可靠，用户也越愿意让 AI 参与下一项工作。

这也是存储在 Agent 时代被重新估值的原因。

云盘曾经解决的是 " 文件放在哪里 " 的问题。当 Agent 可以直接读取、理解和调用文件之后，存储开始成为 AI 执行任务的上下文入口。那些长期沉淀的工作资料，也从静态文件变成可以不断被 AI 调用的生产资料。

对于后来者而言，PPT 生成功能可以快速追赶，更强的模型也可以接入，但用户几年甚至十几年积累下来的文件、知识和工作历史，很难在短时间内重新建立。

这可能才是库库 AI 目前领先背后，更难被复制的一部分。

  从通用办公，

到专业工作的深水区

用户规模能够证明一款 AI 办公产品是否成立，但还不能决定它最终能走多远。

更关键的问题是，用户愿意把多重要的工作交给 AI？

这也是此次 AI Day 上，百度释放出的另一个信号。除了为 GenFlow 正式启用中文名 " 库库 AI"，百度文库、网盘还发布了库库 AI 办公模式，面向金融、办公、教育等专业垂类场景，首期首先进入金融领域。

金融是一个颇具代表性的选择。

对金融从业者来说，一项看似简单的公司研究，背后可能包含几十份财报、公告、研报和会议纪要，需要进一步完成数据处理、财务分析、估值测算，再将结论整理成报告、表格和 PPT。任务链条足够长，对专业性、准确性和最终交付物的要求也足够高。

这类场景，生成能力已经远远不够用了，需要的是同时完成信息分析、任务规划、工具调用、数据处理和内容生成，并在较长的执行链条中保持稳定，最终交付一份真正可以投入工作的结果。

百度个人超级智能事业群组 B 端产研负责人杨熙也在分享中提到，对企业 Agent 来说，专业能力的基础，首先是专业数据。因为企业要的不是一个只会通用问答的 AI，而是一个能够理解行业、理解企业、理解业务现场的 Agent。要做到这一点，就需要把三类数据连接起来。

第一类，是公域专业内容。它提供的是外部信息的广度，包括大量专业内容和全网实时更新的信息源，让 Agent 能够理解市场环境、行业变化和公开知识。

第二类，是企业私域知识。它来自企业自己的文件、会议信息、项目资料、业务数据和组织经验。这部分数据决定了 Agent 能不能真正理解这家企业自己的情况，能不能基于企业内部语境完成任务。我们打通了企业网盘，可以更便捷的使用企业的私域知识。

第三类，是行业专有资源。它提供的是专业深度，包括行业数据、实用模板、学术资源、认证 PGC 和专业机构内容。这些资源能让 Agent 在具体行业场景里，具备更可靠的判断基础和执行依据。

围绕这一目标，库库 AI 办公模式增加了一系列面向专业任务的能力。

在执行层面，用户可以通过手机控制电脑完成任务，并支持多台设备并行执行；在专业能力上，系统内置专家和 Skill 生态，可以调用 Word、PPT、Excel 等 Office 工具；最终的交付形态也不局限于传统办公文件，还可以进一步生成视频、播客、小程序和 App。

这些能力共同指向了 AI 办公的一个核心方向：让 Agent 独立承担更复杂、更专业的工作。

但真正进入企业，专业能力还只是第一道门槛。

个人可以把一项任务完整交给 Agent，企业里的工作却很少由一个人独立完成。一份研究报告可能需要分析师、行业专家和投资经理共同修改，一个项目也会在不同部门之间反复流转。Agent 不仅要完成任务，还需要理解团队共享的信息、接住上一环节的工作，并把最终成果重新沉淀回组织。

此次一同推出的库库 AI 企业版，进一步补上了这一层能力。

在专业能力上，它将公域专业内容、企业内部知识和行业专有资源接入同一个工作环境，并通过与 500 余家专业机构共建的 Skills 生态，将行业经验进一步封装为 Agent 可以调用的能力。以此次率先切入的金融场景为例，除了研报、券商研究和金融路演纪要等机构级数据，企业用户还可以调用 SOTP 分部估值、LBO 杠杆收购、M&A 并购模型等专业 Skill。

而在团队协作中，库库 AI 企业版试图解决的是另一个问题：如何让一个人的 AI 工作结果，成为整个组织下一项工作的起点。

团队成员可以共享任务所需的信息，在同一上下文中共同推进任务；已经完成的报告、分析和专家经验则继续沉淀下来，供其他成员复用。这样一来，AI 提升的就不只是单个知识工作者的效率，也开始进入企业知识流转和协作过程。

随之而来的还有安全问题。当 Agent 获得越来越大的任务执行权限，能够读取内部文件、调用专业数据甚至跨工具执行操作，企业对身份、权限和审计的要求也会同步提高。库库 AI 企业版因此加入统一治理、身份验证和知识资产全链路审计等机制，试图明确 AI 能够访问什么、调用什么，以及执行过什么。

专业、协作和安全，也构成了 AI 办公进入企业之后的三道门槛。

跨过这三道门槛之后，AI 办公的商业价值也会发生变化。一个帮助个人生成 PPT 的工具，很难精确计算创造了多少价值；一个能够参与研究、分析、协作乃至完整任务交付的 Agent，节省的人力和时间则更容易被衡量，企业的付费逻辑也随之变得更加清晰。

回头看，BAT 同时重注这条赛道，动机一直又不一致。

腾讯、阿里、百度争夺的表面上是 AI 办公产品的用户，真正摆在它们面前的，则是一个庞大的知识工作市场。办公只是距离这些任务最近，也最容易建立产品入口的一层。

眼下，三家公司已经选择了不同的突破方式。WorkBuddy 依托腾讯原有的协作生态，千问办公背靠阿里的企业服务体系，库库 AI 则率先获得规模用户，并开始向金融等专业任务继续深入。

但这场竞争显然还远没有到讨论终局的时候。

MAU 第一证明了库库 AI 目前拿到了一个领先身位，但 " 库库 AI · 办公 " 要验证的，则是这个身位能否继续向更高价值的工作延伸。

如果专业办公能够成立，AI 办公产品的角色也会变得完全不同——它不只是帮助知识工作者提高效率，也开始直接参与工作成果的交付。

最终决定 AI 办公价值的，可能不是它拥有多少功能，而是人们愿意把多少真正重要的工作交给它。

正如杨熙在今天演讲中的分享：库库 AI 企业版，会走向千行百业，让每个行业都能拥有更专业的能力、更便捷的协作方式和更安全的企业管控，成为最懂企业的 Agent 产品。