（本文作者为 AI 大模型工场，钛媒体经授权发布）

文 | AI 大模型工场，作者｜西梅汁，编辑｜星奈

2026 年，AI 行业突然爱上一个词：Work。

国外，OpenAI 发布 ChatGPT Work；Anthropic 则早已把 Claude Code 的 Agent 能力带进知识工作场景，推出 Claude Cowork。

国内的牌桌更拥挤。

腾讯有 WorkBuddy，阿里把 QoderWork、悟空、MuleRun 整合成 " 千问办公 "，字节把豆包和飞书整合推出豆包工作，百度推出 " 搭子 "，360 也做了纳米 Work，金山办公，也在 7 月一口气推出了面向个人的灵犀专业版和面向组织的 WPS Comate。

表面上看，这是一场突然爆发的 AI 办公大战。但真正值得讨论的是水面之下正在发生的变化，我们试图回答三个问题：

第一，为什么大家突然在这个时间点涌进来？

第二，AI 办公是真命题，还是伪需求？

第三，AI 办公赛道里最核心的壁垒是什么？

AI 办公进入 " 交付结果 " 时代

在过去的两到三年间，AI 融入办公领域大致历经三个时期：

第一阶段：AI 生成内容。帮你写一段话、总结文章、翻译、生成 PPT 大纲。本质还是 Chatbot。AI 在对话框里回答你的问题，产出物是 " 参考意见 "，你用不用、怎么用，全靠自己判断。

第二阶段：AI 进入软件。Word 里有 Copilot，WPS 里有 AI，表格、PPT、PDF 里开始出现 AI 功能。本质是人操作软件，AI 辅助人。AI 是工具里的一个插件，你写文档时它可以帮你润色，你做表格时它可以帮你生成公式——但决定权始终在你手上，AI 只是 " 提建议的人 "。

第三阶段，也就是 2026 年正在发生的变化：Agent 开始接管任务。现在的 AI 办公已经不再强调 " 帮你写 "，而是强调 " 帮你做完 "。

你告诉 AI，研究一下最近半年的 AI 办公市场，整理主要公司和产品，分析竞争格局，最后给我做一份 15 页的汇报 PPT。过去你得到的，大概率是一份文字答案。

现在一个 Agent 需要自己去搜索、阅读网页、找到报告、提取数据、判断信息价值、运行代码、生成图表、写内容、做 PPT、调整版式，最后交出一个能打开、能编辑、能拿去开会的文件。

AI 工作的最小单位，从 " 一次回答 " 变成了 " 一项任务 "。

而这也是 2026 年 AI 办公突然爆发的技术背景。

如果再往下深挖，这一波 AI 办公能力，很大一部分并不是从传统 Office 软件里长出来的，反而是从 Coding Agent 里 " 溢出来 " 的。

Claude Cowork 直接继承了 Claude Code 的 Agent 架构；Kimi Work 同样明确表示，是把 Kimi Code 在工程场景里已经验证的 Agent 能力迁移给普通知识工作者；OpenAI 也正在把 Codex 积累的长任务执行能力扩展到 ChatGPT Work。

因为写代码和做一份复杂报告，本质上正在变成越来越类似的问题：都需要理解目标、拆解任务、使用工具、操作文件、不断检查结果，然后持续几十步甚至几百步，直到任务完成。

Coding Agent 解决的是：你告诉我想做什么软件，我去把代码写出来；AI Work 解决的则是：你告诉我想完成什么工作，我去把活干完。

于是，一个原本隐藏在大模型里的能力终于跨过了临界点—— AI 不再只能生产 Token，而开始能够拿 Token 换任务。

而 AI 办公爆发的另一个原因，更现实。

AI 办公之所以成为大厂集体冲进去的赛道，还有一个非常朴素的原因：这是目前 AI 最容易算清 ROI 的领域之一。

C 端生成式 AI 普遍面临 " 算力成本高、用户付费意愿弱、同质化严重 " 的盈利困境。办公场景高频、刚需，且天然具备付费逻辑，企业愿意为提升效率的工具买单。IDC 数据显示，2025 年中国企业级 AI Agent 市场规模大概为 212 亿元，2026 年预计会增长至 449 亿元，2029 年有希望突破 3320 亿元｡

另外办公场景的商业模式也比很多 AI 消费应用更清楚。个人用户可以订阅，企业可以按席位付费，复杂 Agent 任务还可以进一步按 Token、积分或调用量收费。

金山办公已经在半年报里明确提出，个人 AI 产品探索 " 订阅 +AI 用量 "，企业侧 WPS 365 则尝试 " 席位 +AI 用量 "；OpenAI 的企业 Agent 同样进入了基于额度和使用量的收费阶段。

所以，这一轮大厂真正争夺的，并不只是一个新的办公软件市场。它们争的是：谁能够成为把工作交给 AI 的第一个入口。

越来越拥挤的牌桌

目前在牌桌上的几家大厂，大法各有差异。

腾讯：WorkBuddy，先发领跑

腾讯是跑得最早也是跑得最快的一家。WorkBuddy 在今年 3 月正式发布。它的产品逻辑很直白：用户不用一步一步操作软件，只需要描述目标，AI 自己拆任务、调用工具、操作本地文件，再交付结果。之后生态层面接入了腾讯文档、腾讯会议、企业微信等腾讯系产品，并推出企业版，把它从个人桌面 Agent 继续向企业 AI 工作台扩展。

腾讯的优势很容易理解。它既有模型，也有腾讯文档、企业微信、会议、邮箱、知识库，以及大量企业服务能力。换句话说，WorkBuddy 并不缺 " 手 "。真正的问题，是怎么让这些手在一个 Agent 里被统一调度起来。

阿里：先把分散的牌收回来

阿里的问题恰好相反。它并不是没有 Agent，而是 Agent 一度太多。悟空、QoderWork、MuleRun，分别从不同方向切入企业 Agent 和知识工作。

今年 8 月，阿里最终把三款产品整合为 " 千问办公 "。新产品同时支持桌面端 Agent、云端 Agent 和企业协同 Agent，并开始和钉钉打通。

这背后实际上是一种非常典型的大厂逻辑：模型负责智能，钉钉负责组织和工作流，千问办公负责成为新的 Agent 入口。

因此阿里真正值得观察的并不是千问办公能不能做一份 PPT，而是它最终能在多大程度上进入钉钉背后的企业数据、组织关系和业务流程。那才是企业 Agent 真正值钱的地方。

字节：把 AI 直接放进 " 工作现场 "

字节则有另一张牌：飞书。

早在 7 月 30 日，字节便完成一场少见规模的内部方案调整——飞书产品小组整体归入豆包，之后又将 TRAE 和扣子团队纳入豆包体系｡ 8 月 25 日，" 豆包工作 " 正式发布，与飞书深度打通，现在飞书官网已经把 " 豆包工作 " 放在核心位置，原飞书 aily 也进一步演进为 " 豆包工作伙伴 "。

这条路线的关键是将企业在飞书里的聊天、文档、项目管理等进行整合管理，相比一个独立的桌面 Agent，这种打法距离企业真实上下文更近。

百度搭子是今年增速非常快的一款产品。

按照 AI 产品榜 7 月 PC 端数据，其月活达到 674.3 万，环比增长 1063.79%；百度在 8 月 27 日的发布会上还披露，从 3 月发布至今，搭子的日均提问次数增长了 60 倍。

360 则推出纳米 Work，并直接用 Token 换市场。发布时，周鸿祎宣布向首批用户每人提供 1 亿 Token 试用额度，同时计划帮助 1000 家小企业完成 AI 落地。

8 月 25 日，商汤也把原来的办公小浣熊、代码小浣熊统一升级成 " 商汤小浣熊 Raccoon Work"。官方披露，小浣熊家族累计服务用户超过 2000 万，周活超过 300 万。

但在这张牌桌上，还有一个很特殊的玩家：金山办公。

它没有微信、钉钉、飞书这样的超级通信入口，也没有一款自研前沿大模型可以作为流量中心。但它握着另一张互联网大厂都想要，但很难短时间复制的牌：38 年积累的文档资产和办公场景的深度理解。

7 月 15 日，金山办公在 2026 AI 生产力大会上连发两款 AI 办公智能体：面向个人的灵犀专业版和面向组织的 WPS Comate。同处第一梯队的 WPS AI 国内月活用户在 2025 年底就已超过 8013 万。WPS 云端文档存储量超过 2900 亿份。

什么才是 AI 办公真正的壁垒？

当大厂们都在卷入口流量时，一个更深层的问题浮现出来：AI 办公卷到最后，拼的是什么？

答案可能不在 AI 本身。

中金计算机首席曾指出，在算力与模型日益普及化的今天，高质量的数据资产正成为企业实现 AI 价值落地的决定性因素。AI 办公真正的护城河，是用户工作中沉淀下来的结构化数据资产——工作上下文。

Chatbot 时代，一个好的 Prompt 就能完成很多事情。但 Agent 时代远远不够。

比如你让 AI：" 按照上个月的经营分析格式，把华东区这个月的数据重新做一版，然后重点解释利润率下降的原因。"

要做好这件事，它至少得知道：上个月的报告在哪里；哪一版是最终版；华东区的数据从哪个系统读取；公司的利润率到底怎么算；老板喜欢看什么指标；哪些数据你有权限访问；最后 PPT 应该套哪一个模板。这些东西，模型训练得再聪明也不会天然知道。

它们存在于一家公司的文件、邮件、会议、聊天记录、数据库、业务系统和人的工作习惯里。这就是为什么这一轮几乎所有真正深入办公场景的玩家，都在往 " 上下文 " 走。

飞书的筹码，是聊天、会议、文档和组织关系；钉钉的筹码，是企业通讯和大量业务系统；腾讯的筹码，是文档、会议、企业微信以及更大的腾讯生态；

而金山办公的上下文，则更多来自另外一个地方：文件。这里不是说金山办公拥有用户几十年的 " 文档资产 "。更准确地说，是从 1988 年 WPS 诞生算起，它积累了 38 年 Office 原生技术，以及对文档格式、编辑、排版、兼容、协作和交付方式的工程理解。它知道一份真正可以工作的 Office 文件应该长什么样。

今天让 AI" 生成一份 PPT" 已经不难。但如果要求 AI 打开原来的 PPT，只改其中几页，把 Excel 里的最新数字同步进去，同时保留母版、公式、图表和可编辑结构，难度马上就不一样了。

到了这一步，比的已经不是生成能力，而是软件执行能力。

金山办公今年推出灵犀专业版，一个重要变化就是让 Agent 直接调用 WPS 的文档能力，在文字、表格、演示、PDF 这些原生对象上完成编辑，而不是在 Office 外面生成一个 " 看起来像 Office" 的结果。

这里真正值得讨论的，并不是 " 灵犀也能做 PPT"。而是另外一个问题：如果未来 AI 要接管越来越多办公操作，那么 Office 内核本身，会不会变成 Agent 的一套执行环境？

过去几十年，Office 内核解决的是 " 人怎么操作文档 "。Agent 时代，它可能还要解决另一个问题：AI 怎么操作文档。一旦这个判断成立，金山办公过去看起来非常传统的 Office 技术积累，价值就会重新被定义。

因为模型可以买，搜索可以买，甚至很多 Agent 框架都可以快速搭出来。但一套成熟的文档内核、格式兼容体系和几十年积累下来的 Office 工程能力，很难在两三年里重新造一遍。

这才是金山办公真正值得关注的地方。

如果说上下文决定了 AI 能不能 " 听懂 " 工作，交付成果决定了 AI 能不能 " 做好 " 工作，那信任决定了——企业敢不敢让 AI 真正走进工作。

个人 AI 办公做到最后，用户可能只关心三个问题：好不好用、贵不贵、结果怎么样。

但进入企业，游戏规则完全不同。一个 Agent 如果只是帮员工写一段话，出错的代价很低。一旦它开始查询公司的销售数据库、读取合同、修改 CRM、生成财务数据，甚至直接调用业务系统，问题就完全变了。

它能看什么？不能看什么？谁授权它操作？数据错了怎么追责？调用一次花了多少 Token？

Anthropic 今年在讨论 Agent 安全时用了一个很形象的概念：blast radius，爆炸半径。Agent 能力越强、获得的系统权限越大，一旦出错，可能造成的影响范围也会同步扩大。

所以企业最终购买的不会只是一个 " 更聪明的 AI"。它真正购买的是一套：能够在企业权限边界之内，稳定执行任务的系统。

这也是 WPS Comate 和其他产品最大的不同。Comate 解决的则是组织生产力，让 AI 能够连接企业知识、数据和系统，同时运行在既有权限和管理体系之内。

Comate 它可以连接 CRM、ERP、OA 以及 WPS 365 中的文档、会议纪要等数据，同时把权限控制下沉到数据层，对不同角色设置行级、列级乃至指标权限，并保留 AI 操作和数据访问日志。

这些能力听起来远没有 "300 个 Agent 同时干活 " 性感。但它们很可能才是真正决定企业愿不愿意长期使用 AI 的东西。因为企业不会因为一个 Demo 特别惊艳，就把核心业务系统交给 AI。企业需要的是：可控、可靠、可审计，以及真的能够进入工作流。

而这些东西最大的特点就是——慢。接一个模型，可以几天完成；做一个 Agent 产品，也许几个月就可以上线。

但要进入一家企业几十个系统，理解里面的数据结构、权限规则、业务流程，再让几千名员工真正用起来，往往需要几年时间。

一旦这套信任体系建立起来，迁移成本极高。

这也解释了为什么这一轮 AI 办公竞赛，真正值得关注谁最早开始深耕企业场景，谁最先把权限、审计、合规这些 " 枯燥但致命 " 的问题一个一个解决掉。

如果把 AI 办公比作建一栋大楼，大模型是钢筋——决定能盖多高。但真正决定这栋楼能不能住人、敢不敢住人的，是地基、水电、消防、安防这些看不见的系统。

在 AI 办公里，这些 " 看不见的系统 " 就是信任。而信任，恰恰是所有壁垒里最难复制的一种。

结尾

回到最开始的问题：AI 办公到底是真命题，还是伪需求？

答案可能已经越来越清楚。AI 办公是真需求，但 "AI 办公 " 未必是一个长期存在的产品类别。

因为当 AI 真正进入每一个软件、每一个文件和每一条工作流之后，人们可能不会再专门打开一个所谓的 "AI 办公软件 "。就像今天已经没有多少人会强调自己在 " 互联网办公 "。

未来，用户只需要提需求，其他交给 AI。今天所谓的 WorkBuddy、千问办公、豆包工作、灵犀、Comate，争夺的就不再只是一个 "AI 办公入口 "。它们真正争夺的是：谁有资格成为人与数字世界之间的工作执行层。

所以今天 AI 办公为什么这么热，答案并不复杂：技术终于跨过了 " 从回答问题到执行任务 " 的临界点，而办公又恰好是最容易计算 ROI、最容易把 Token 换成生产力的场景。

但真正决定终局的，可能恰恰不是今天大家最热衷比较的月活、补贴，甚至也不完全是模型。模型会越来越强，也会越来越普及。

真正稀缺的是那些模型拿不到的东西。你的文件、你的工作习惯、企业的数据和权限、真实业务流程，以及把一件复杂工作稳定交付出去的能力。

换句话说，AI 办公卷到最后，拼的可能真的不是 AI，拼的是谁离 " 工作本身 " 更近。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体 App