文 | 深流研究所，作者 | 萧樱

2007 年，英伟达时任首席科学家大卫 · 柯克遇到了一个难题。

那一年，柯克在世界各地做了100 多场演讲介绍 CUDA（一种将 GPU 用于通用计算的平台），但几乎无人问津。

对于习惯使用 CPU 的科学家和开发者来说，学习 CUDA 意味着改变一套用了多年的工作方法，而他们当时甚至不清楚 GPU 能在自己的领域用来做什么。

英伟达想要教会他们。于是，公司开始向科学家赠送 GPU，帮助大学开设 CUDA 课程，还举办技术峰会，让研究人员直接向工程师反馈自己需要什么功能。

" 我成了圣诞老人，向所有开发人员赠送了大量的 GPU，每个人都喜欢圣诞老人。" 一位英伟达商务拓展部门负责人在《英伟达之道》一书中回忆。

这套 " 圣诞老人 " 的方法奏效了。从计算机科学和电气工程，再到化学、生物学、材料科学等领域，GPU 逐渐成为科研人员进行计算工作的基础设施。

近20 年过去，黄仁勋的芯片帝国建成。除了芯片本身，围绕 CUDA 这个入口创建的软件生态也成为其一道坚固的护城河。

时至今日，AI 已相对普及，人人都能打开对话框和 Chatbot 聊上几句。但当 AI 的能力从问答走向执行，人们发现打造一个 "AI 通才 " 的难度要比制造一本 " 百科全书 " 高得多。

年初的 " 龙虾热 "（OpenClaw）快速完成了一次市场教育的过程，能做事的 AI（Agent）进入了不少专业人士的工作流。从 Coding 领域开始，Agent 首先成了程序员身边一位天才专家。随着 AI Coding 的渗透率提升，用户群体更广的 AI 办公成了当前最具潜力的场景之一。

但和英伟达当初面临的问题相似，这些 AI 公司也要思考，到底要怎么从零打开这个新市场？又要怎么建立起自身的护城河？

相比 Coding，办公的场景更为复杂、多元。对律师、人事、财务、教师等不同职业来说，AI 究竟要满足他们怎样的需求，答案可能截然不同。

这也是为什么目前办公 AI 的战火在各行各业分点燃起。

模型开始降价，入口价值上升

从 Claude Work，到 OpenAI 将 ChatGPT 和 Codex 合并拓展至办公场景，再到近期 xAI 推出 Grok Bot。今年上半年在 AI Coding 打得白热化的 AI 巨头，又赶场到了 AI 办公。

国内跑在最前面的是腾讯 WorkBuddy，自3 月发布后不到半年，月访问量就突破 2000 万。阿里紧跟着推出千问办公，字节跳动近期也将飞书并入豆包，豆包办公随之上线。

所有的 AI 巨头都在这片蓝海里。

它们从 Coding 转场到更广泛的办公场景，一方面是后者的潜在用户多，能创造更大的市场空间。另一方面，也和通用模型开始降价有关。

今夏以来，OpenAI 等大厂相继下调了模型价格。OpenAI 把 GPT-5.6 的入门档模型 Luna降价 80%，其 API 价格从输入1 美元 / 百万 Token 降至 0.2 美元，输出从6 美元降到 1.2 美元。Meta 刚刚发布的 Muse Spark 1.3 的 Contributor 版本更是把价格压低到输入 0.10 美元、输出 0.20 美元 / 百万 Token。

国内厂商的降价力度也很大。据多家媒体统计，仅2026 年上半年，国内大模型行业就发生了六轮降价。举个例子，在2024 年用 GPT-4 Turbo 处理一万条数据要花160 美元，如今用国产模型只需要十几元人民币。

模型价格正出现明显的分层。前沿模型依然可以维持溢价，比如 OpenAI 旗舰模型 GPT-5.6 Sol 没有和 Luna 一样降价。但面向大众的通用模型已越来越接近电和自来水这样的基础设施。当用户能获得足够好的通用智能，而且这种好用还伴随着使用成本的下降，AI 进入规模更大的办公市场就成为可能。

而当模型能力不再稀缺，入口的价值就开始上升。过去几年面对 Chatbot 时，你我的反应总是：" 我要问什么 "。但如果 AI 可以替你完成一项工作，你大概率会想的是，我应该在哪里把这项工作交给 AI？

这是一种很微妙的变化。Agent 的能力上限，依旧与模型能力强相关。但是，入口会决定用户要在哪里使用 Agent 的能力。

对大厂来说，建一个入口不难。但一个有竞争力的办公 Agent 入口，背后得有一套体系化能力支撑。

首先是模型要侧重针对 Agent 任务进行优化，其次是 Harness 能力，能把模型的推理组织成可以持续执行的任务。再往下，是有一个可以为 Agent 提供稳定执行空间的云底座，同时 Agent 还要能打通办公软件、企业数据等工具和资源。

竞争深水区在需求侧

办公 AI 对入口的争夺已硝烟弥漫。

大厂在供给侧的动作很密集。比如，腾讯的 WorkBuddy 已经接入旗下的文档、会议和知识库里等产品，而且最近还上线了开放平台，接入了100 多家软硬件厂商。阿里把内部的 QoderWork、钉钉、MuleRun 收拢进千问办公，字节也把飞书和 TraeWork 的能力合并，一起带进了豆包办公。

几家的想法其实很一致，都是让办公 AI 连接起工作流上的文档、知识库、会议等环节的能力，从而提高生产力。但当各家办公 AI 产品在供给侧越来越相似，竞争就进入到了需求侧的深水区。

法律、教师、投研、HR、销售、财务 ...... 他们有不同的知识体系、数据来源、工作流程、判断标准、专业术语、风险边界等等。办公 AI 的竞争已经进入用户需求细分的深耕阶段。

不过，这么多场景，要从哪里先开始切入？教育是办公 AI 中很特殊的一块市场。学生在学校如何与 AI 协作，教师如何用 AI 重新组织教学和教育的方式，都会影响这一代 AI 原生学生进入职场后如何理解和使用 AI。

教育场景就像是办公 AI 的一块前置市场，也因此成为今天 AI 公司争夺下一代用户的主战场之一。OpenAI 已经有 ChatGPT Edu，Anthropic 也有 Claude for Education，今年7 月还推出了 Claude for Teachers。Google 的 Gemini for Education 在今年3 月已经进入马来西亚全部 20 所公立大学，覆盖约60 万学生和 7.5 万教职工。

在国内，正值 9 月开学季，竞争更为激烈。

从 9 月起，全国的学生和教师在腾讯 WorkBuddy 完成认证，可以免费领取1000 积分。WorkBuddy 还上线了 " 开学季 " 专家专区，并通过持续的校园开放日活动进入国内高校让更多师生学习和用好 AI 工具。此前，WorkBuddy 和山东省莱州市教育局一起为全市 6000 多名教师配备了 AI 助教。

字节跳动和阿里巴巴也在用各自的方式进校。豆包给通过学生认证的用户送出三个月会员，上线开学季技能专区。阿里云的 " 云工开物 " 计划则是持续向高校学生提供模型算力，和高校共建 AI 通识课。

这一轮办公 AI 产品进校，最直接的意义是把使用门槛降到了几乎为零，让 AI 成了师生开学就能领到的标配。

但好工具送到手上，不等于旧习惯会自动让位。当年英伟达的 GPU 性能足够强，但研究者们还有使用 CPU 的惯性。直到他们发现自己的需求，只能被新技术满足。

今年暑期，WorkBuddy 发起了一场 " 宝藏母校 Skill 大赛 "，全国逾400 所高校的创作者手搓出超过1000 个校园 Skill。学生们做出了 " 今天能晒被吗 " 或者 " 避开熟人的约会路线 " 这样有趣的的 skill。

这些 skill 没有去解决很宏大的问题，是学生从自己真实的需求出发去做的。这些非常具体、细微的需求，只有身处其中的人才了解。而现在，学生作为非专业人士借助 WorkBuddy 这样的 AI 产品，也能满足自己的奇思妙想。

归根结底，用户最终会选择打开的还是那个能满足自己特定需求的产品入口。

办公 AI 的护城河是什么？

校园之外，办公 AI 也在向更专业的垂直行业的 " 深水区 " 渗透。

法律是海外正在升温的一个方向。OpenAI 正在推动 ChatGPT 与第三方法律软件连接，让律师在 ChatGPT 里更新文件和处理合同，也能检索法律数据库。Google 推出 Gemini Enterprise for Legal，把合同审查和监管跟踪做成专门能力，并与律所、法律软件及数据服务商建立连接。

金融是另一个更激烈的战场。今年3 月以来，WorkBuddy 已陆续进入100 多家金融机构，9 月推出的 WorkBuddy 金融版，则进一步把投研、合规、授信尽调等工作放进一个更专业的 AI 环境里。阿里云发布了金融级通用智能体平台 " 点金 "，万得上线了 AI 投研平台 WindClaw，同花顺也开放了 iFinD 的数据接口。

据不完全统计，今年以来国内已经有十余家云厂商、金融 IT 服务商、金融信息服务商和 AI 厂商发布或升级金融 Agent 平台。一些金融机构也在基于开源模型推进本地部署。

法律和金融率先成为办公 AI 的竞争场，有其必然性。这两个行业都要处理大量高门槛信息，工作流程高度结构化，专业判断密集，对错误也极为敏感。这些需求不是一个通用 Agent 所能满足的，办公 AI 必须能有更垂直的能力供应。比如 WorkBuddy 已经接入教育、法律、金融、医疗、传媒、零售、出行等 50 多个行业，并且进入到了广东省政府的政务系统中。

不过，精通一个行业场景本身，逐渐会变成办公 AI 的基础能力，称不上护城河。当一个办公 AI 产品能同时进入社会各行各业并沉淀，情况就会发生变化。

办公 AI 在不同垂直场景里沉淀的上下文、数据和用户反馈等等，能改善其在特定场景的表现，形成一个个垂直能力。与此同时，在严格的数据边界内，平台还能积累经过授权的流程模板、工具连接和使用反馈等，通过 Skill、专家等形式纳入自家生态中，让不同行业在同一个生态里共用这些能力。

也就是在一个有体系化能力支撑的入口里，这些垂直能力不断叠加，并且开始形成生态，就有可能成为一个办公 AI 的护城河。

办公 AI 的竞争还在继续，鹿死谁手还未知。但回看英伟达的故事，建立一个有竞争力的入口，并围绕这个入口累积能力，最终建成生态，这样的路径在今天可能依然奏效。