出品｜虎嗅科技组

作者｜陈伊凡

编辑｜苗正卿

头图｜AI 生成

一片森林的冠层合拢后，后来者很难再从开阔地上笔直长成大树，但林下并不会因此空无一物：有的植物把根扎进大树够不到的土层，有的攀上既有枝干，借着缝隙向光生长。

今年的   AI   办公市场正在经历类似的重新整合。

9 月 2 日，腾讯宣布   WorkBuddy   开放平台上线，现场发布 9 款联名硬件，合作方包括   Plaud、Rokid、影石、科大讯飞、安克、猛玛和京东京造。与此同时，WorkBuddy   已接入超过 30 个品牌的十余类设备，覆盖智能眼镜、录音卡、麦克风和耳机等形态，这些硬件由此连上同一个   Agent   底座。

硬件在这里既是入口，也是新的数据触点。公开互联网数据逐渐逼近瓶颈，Agent   若要继续迭代，就需要进入会议、沟通和现场协作，从真实世界获得任务过程与结果反馈。谁能占住硬件的入口，谁就更接近下一轮训练所需的数据闭环。

几乎同一天，元空智能与惠普也开了一场发布会，方向恰好相反。腾讯让云端   Agent   伸进更多设备，元空则把自研模型 BOXER   装进电脑，让数据和计算留在本地。一边向外扩张，争夺办公入口、硬件和企业系统；一边向机器内部寻找云端覆盖不到的位置。

这两场相隔不远的发布会，把同一个问题摆到了台前。

从去年开始，就已经有很多投资人表示不看 AI 应用了，当然也不是完全不看，这是一种矛盾的心态，或者是一种观望的姿态，他们会每隔一段时间就询问一下 AI 应用的创业者进展，毕竟万一又出现了一个 Manus 呢？

大厂或者模型厂商会吞噬一切，只要他们想，过去一两年，法律 Agent、金融 Agent、医疗 Agent …… " 模型厂商缺什么数据，他们就发布什么 Agent，" 一位全球五百强科技公司的副总裁说。

巨头横冲直撞，而 AI 办公又是毋庸置疑的兵家必争之地。

当大厂合拢   AI   办公的冠层，创业公司还能在哪里扎根，又能借什么向上生长？

当然，如果现在再做 AI 应用创业，大概率高光时刻已经过去，曾经几个月冷启动轻松突破百万甚至千万用户，ARR 暴增的时刻已经结束。但如果是几年前的那帮 AI 应用公司呢？他们怎么办？

我们和这个赛道的创业者、投资人聊了聊，试图找出冠层之下正在形成的两套生存法则。

战线铺开：大厂吞噬一切

今年以来，AI   办公的竞争已经从 " 谁有一个更好用的助手 "，升级为 " 谁能接管更多工作 "。

海外大厂先把战火烧进各自的腹地。

1 月，Salesforce   将新版   Slackbot   推向企业用户，让它读取工作语境并调用   Agentforce   和第三方   Agent；3 月，微软推出 Microsoft 365 Copilot Wave 3，以   Copilot Cowork   处理持续时间更长的多步骤任务；4 月，Google   发布   Gemini Enterprise Agent Platform   和   Workspace Intelligence；OpenAI   随后把   Workspace Agents   带进企业版   ChatGPT，使   Agent   能接入   Slack、定时运行并由   API   触发。

国内的节奏在夏天骤然加快。8 月，阿里将   QoderWork、MuleRun   和悟空整合为千问办公，一个月内接入多款模型以及企业微信、钉钉、飞书和   Slack，又用低价标准模式降低日常任务的使用成本。个人版千问也同步加入办公助理、定时任务和智能体广场，从企业端和个人端同时切入办公场景。

腾讯 WorkBuddy 今年 3 月上线，到了 9 月便开放 Buddy 应用、专家、Skill、连接器和硬件五类能力，把 30 多个品牌的十余类设备以及开发者的系统和行业 know-how 接入同一底座。

这个过程是逐渐吞噬并非一蹴而就，过去三年，AI 搜索、AI PPT 和各类单点助手大多由创业公司试水；Manus 让市场看到 Agent 可以形成生产力，OpenClaw 又把这种能力推进工作流。需求一旦被验证，大厂便迅速跟进。

六、七月间，借用 coding Agent 改造办公场景的产品集中上线，创业公司的产品定义很快变成大厂平台上的一个功能。

一轮熟悉的平台收编。大厂拥有模型、流量和办公入口，通用功能一旦成立，便能以更低的边际成本复制和分发。AI 搜索和 AI PPT 已经演示过这一过程，如今轮到工作型 Agent。竞争的重心也从单个产品好不好用，转向谁能控制模型、企业上下文、工作流和分发渠道。

常垒资本管理合伙人冯博认为大厂的工作型 Agent 能满足 80% 普通人的联网工作需求，AI PPT、AI 文档这类细分工具，用户不再需要单独打开专用工具进行处理。

云端的牌桌上没了位置，但在端侧，仍然有一片待开垦的土壤。

冯博说，例如学术场景、信创场景、每天泡在   Excel   里处理机密数据的分析师、需要一键查找法律条款、核对内容是否合规的法务等。

这些细分功能无法将这些数据和文档上传到公有云模型处理，就是创业公司的位置。

还有本地，企业内网里：ERP、财务系统、流程系统、报价系统、知识库等创业公司可以做部署在企业内网的   Agent，和这些系统整合，帮用户整理文件、自动上传到系统、嵌入企业系统的工作流，反馈结果。

夹缝中成长：中国创业者的两条路

"（在中国）整个   AI   办公赛道，现在已有 90% 的机会被大厂占据了。"

说这话的人叫龙国东，手里握着一款   AI   办公产品   WinClaw。他每天泡在这个赛道里，眼看着创业者的空间一点点收窄。剩下那 10% 在哪里，是 2026 年夏天每个   AI   办公创业者都得回答的问题。

WinClaw   今年 2 月发布，赶上风口，流量远超预期：单日下载量大几千到上万次，很快积累了小几万用户。5 月 18 日新版本上线，日活近一万，高峰期单日   token   消耗超过一百亿。

一个月后，竞争来了。大厂纷纷推出自己的   Claw   类产品，先抢走的是注意力。也是在这个 6 月，龙国东做了决定：不打通用功能的仗，转而扫描用户本地的所有文档，自动建成个人知识库。用他自己的话说，一个后厨不能只有大厨，还得有配菜的、切墩的、洗碗的，他要做的就是给大模型配菜、切墩儿。

逄大嵬的公司元空智能，正在做一场转型，看起来跨度很大，追根溯源却有迹可循。

这家公司的团队出自北京大学科学智能学院的   AI for Science   团队。

2023 年 3 月，它发布了全球第一个用对话处理   Excel   的产品   ChatExcel，那时   Kimi   和豆包都还没出生。

三年后，它的新故事是端侧 AI 和一系列发生在端侧的 AI work，尤其是 AI for Science。他们给科研人员做算力盒子和自研的本地化模型，断网也能处理文档和数据，一次付费，不再收 Token 的钱；垂域 Agent 对接实验室设备，比如帮生化研究者生成蛋白质结构图，再往上，进入湿实验，驱动机器人做实验。

公司从第一天起就定位做数据智能体的生意，业务顺着数据向两头生长。向下，长进财务、科研这些数据不能出门的场景，云端够不着，大厂也解决不了；向上，做端侧   AI   本地部署，避开云端的竞争。

逄大嵬给转型后的元空下了一个明确的定义：端侧 AI 模型公司，但它交付的不止一个模型，而是一套由模型、Agent   和设备组成的生产力方案，最关键的是落地闭环。

团队的底子一头在北大实验室；另一头在过去三年的线上产品交付。其线上产品每天面对数以万计的访问和真实任务，这让团队积累的并非泛泛的聊天数据，而是用户怎样提出任务、Agent   怎样调用工具、结果是否完成的执行反馈。逄大嵬把这种长期经受用户 " 捶打 " 的能力，看作元空区别于纯模型团队的基因。

模型变小，效果是否也会缩水，是端侧路线绕不开的质疑。

元空智能的 CTO 宁鲲鹏说，35B   模型已经 " 相当够用 "，这也是目前元空端侧 AI 的参数大小，按其说法，其效果甚至已超过一年多前的   GPT-4o。团队将原因归结为 " 智能密度 " 的提高：模型能力不再简单随参数规模等比例变化，Agent   产生的高质量任务数据和后训练，可以让较小模型在特定工作中达到过去大模型的水平。

这其实也解释了端侧路线成立的技术前提：企业未必需要在每项任务上调用最强的云端模型，只要本地模型能以更低成本把特定工作完成。

转向端侧，对元空而言，也来自客户需求。模型在变小，设备算力在变强，公开互联网数据则日渐稀缺，下一批有价值的数据更多藏在电脑、工厂和实验室的真实与物理世界产生交互的工作过程中。与此同时，企业客户要的往往不是一个等待自己训练的空白   Agent，而是数据不出本地、成本可以预估、拿来就能完成专业任务的系统。尤其是重点实验室的数据，甚至同一所高校，不同实验室之间的数据都无法互通，更不用说上云。

元空从   ChatExcel   开始接触企业，由此逐渐摸清了这些客户的工作逻辑和交付要求。

至于模型厂商为什么不直接做，逄大嵬没有把答案归结为某项独门技术。他承认，大厂不存在做不出的技术，差别更多在路线和商业模式。把云端模型裁小后塞进电脑，不等于做出原生端侧模型；后者需要贴着具体设备优化算力与模型，围绕 Agent   的执行结果形成数据闭环，再把模型、软件和硬件一起交付。云端厂商当然可以进入，只是本地授权和私有化部署与其按   Token   收费的生意并不完全同路。

真正的问题由此变成：谁愿意为一个行业、一类设备和一套工作流持续做深。

一个在本地建知识库，一个做端侧模型。两个创业者不约而同往端侧走。

这背后是端侧 AI 的爆发，北京智源研究院 8 月发布的报告把 2026 年称作 " 端侧智能规模化落地元年 "。这个生态刚成形，还没有人能垄断它。在云端牌桌上被挤出来的创业者，在这里找到一块新地盘。

整机厂自己怎么看这块地盘，比创业者的说法更能说明问题。中国惠普副总裁周信宏给企业   AI   落地列了三道坎：数据合规风险、成本不可控、项目交付难，而在他看来，" 要解决这些问题其实只有一条路 "，就是本地私有化部署。他的判断是，全球一年出货约   3   亿台电脑，最后每一台都会是   AI   电脑；和元空合作的   AI work   一体机   2025   年开始试点，已有惠普的企业客户采购了上百台。

后摩智能的 CEO 吴强就曾对虎嗅说过，端侧模型其实是将 AI 从一种持续的运营成本，转变为一种可预期的资本投入，为用户和企业提供了一种全新的选择。未来的主流模式更可能是   " 端云协同 "  ，系统自动判断任务该由端侧还是云端处理，在成本、性能和体验之间找到平衡点。

数据不出设备，企业和个人在使用中教给模型的行业知识、业务判断留在自己手里；模型买断一次，后面不再按   Token   计费。

" 乐高式 " 生存：住进别人的工具里

大洋彼岸的创业者做了另一种选择：住进企业已有的工具里。他们靠的是一个开放的大厂生态。

硅谷风投机构   UpHonest Capital   投研总监王子长期看   AI   赛道。她发现有一批美国   AI   办公产品的打法，是从用户已经在用的工具里长出来，用户不用再装任何新软件。

由前 Meta 工程师创办的 Viktor，把每一个   agent   称作 " 小镇成员 "，它通过产品集成连接用户的邮件、日历、Slack、WhatsApp、Notion   等工具，既可以在 Town   自己的网页和客户端中使用，也可以通过邮件、Slack、WhatsApp   等现有入口与它交互。

Poke   住进了   iMessage   和   Telegram，用户给它发消息，它去处理邮件、改签会议、订机票。这家只有十来个人的公司，在 General Catalyst   领投 1500 万美元种子轮之后，半年里估值涨到 3 亿美元。不过，Poke   背后的 Interaction Company   在今年 7 月已被   AI   编程公司   Cognition   收购，Poke   短期内仍将继续运营。

这种打法甚至长到了微软自己的地盘上。Genspark   在 2026 年 4 月推出   Genspark for Microsoft Office，包括分别面向   Word、Excel   和   PowerPoint   的三款加载项，支持   Windows、Mac   和网页版   Office。用户安装加载项并授权账号后，可以直接在 Office   的侧边栏里调用   Genspark，用它编辑文档、分析表格和制作演示文稿。

不过在王子看来，同是插件嵌入，  Vikto、Town   做的是不同   SaaS   应用之间的工作流自动化，把散落在各个软件里的任务串起来；Genspark   这类更多还是效率工具，帮用户写   Word、做   PPT。

这批产品有一个共同的进化方向：从被动响应变成主动服务。Town   的   Agent   嵌进用户的办公工具后，会先观察用户平时用这些工具处理哪些任务，再主动给出自动化方案。收费模式也跟着变。Vikto   不按席位收费，按工作区收费，一个部门收一次钱，里面多少人用无所谓，在此之上再叠加用量费用。王子的解读是，这类公司抢的是客户的外包预算，而非办公软件采购预算，它省掉的是客户雇人的钱。

差别的根子在中美两套不同的   SaaS   生态。王子说，美国企业用的   SaaS   像乐高，Slack、Notion、Salesforce   各管一块，原本要用户自己拼起来，而且这个生态是开放的：Notion   自己也做   AI   功能，照样把   API   开放给第三方，因为不开放，用户可能就走了。企业客户也警惕供应商锁定，ERP   时代吃过的亏让他们倾向于多备几个供应商，也很介意大厂拿走自己的数据。

国内则是超级   App   的天下。所有办公需求都在飞书或钉钉里解决，不存在跨   App   的缝隙，这些   App   又都握在大厂手里，第三方创业公司自然插不进去。

AI   办公再往重了做，是   AI FDE（Forward Deployed Engineer，前置部署工程师）：公司先派工程师进驻企业，学习企业复杂的业务流程，再用   AI   帮企业实现自动化。先做咨询，再把方案标准化成产品卖给更多客户。这个由   Palantir   打样的模式，在   AI   时代被分拆给了一个个初创企业。上半年，美国有几家做这类模式的公司融了不少钱。

" 乐高式 " 的生存需要另一种壁垒。除了对工作流足够熟悉，更关键的是不同系统之间的集成能力，这是这类企业的护城河。

把中美两个故事并排放在一起，是同一道题的两种解法。龙国东说剩下   10%   的机会，这   10%   在中美两地长在不同的地方。美国的答案是住进别人的工具里，靠开放的   SaaS   生态拼接工作流，赚的是企业雇人的钱；中国的答案是往大厂够不着的地方去，钻进本地和端侧，钻进数据不能出门的财务、科研和法务。乐高遍地的地方长出拼接工作流的人，超级   App   的天下只给缝隙里的人留位置。

两个答案有一个共同点：活下来的人，都没有和大厂抢同一块地。云端的通用办公场景，模型是大厂的，入口是大厂的。

剩下的位置只有两种，一种是大厂不愿意去的，比如   ROI   算不过来的本地知识库；一种是大厂去不了的，比如断网的工厂和药企的实验室。

缝隙里的日子未必没有想象力。这样的押注未必能造就一家通吃市场的巨头，却足以在产业分工里占住一个不容易被替换的位置。最接近泥土的根脉，最先感知到春意。至于长出来的是什么样的苗，先长出来再说。