百度搭子企业客户环比增长 83%，交付物需求环比增长 4.3 倍。

本文为 IPO 早知道原创

作者｜Stone Jin

据 IPO 早知道消息，百度搭子日前发布多项新能力，将下一步重点放在企业生产经营场景，以个人任务执行、企业协作和安全部署能力升级，推动 AI 从办公桌走上生产线。据介绍，百度搭子企业客户环比增长 83%，交付物需求环比增长 4.3 倍。

具体而言，百度搭子新发布的电脑与手机操作能力，可通过识别界面操作没有 API 的系统，完成跨应用任务；开发模式深入专业代码工程，理解项目上下文、修改文件、执行命令，并支持预览和继续调试。专业任务则由已推出的 30 多个专家套件和专业工作台承接：新上线的投标套件解读招标要求、审查投标文件并输出风险清单，专业工作台支持应用开发、数据分析和 Office 文件的生成与人机协同能力，更好的支持企业级场景内容交付。

为让交付遵循企业要求，百度搭子将企业知识、工作看板和记忆系统结合起来：知识库提供规范依据，新发布的工作看板围绕任务组织资料、指标与进度，记忆系统延续已确认的要求。升级后的项目协作支持成员与智能体共享背景、并行执行和接力交接；开发平台与全新推出的 FDE 落地专家团队，则帮助企业定制智能体、梳理场景与数据，推进实际应用。

同时，百度搭子全新发布 Agent 安全中心，以 "6 重防护 × 7 道防线 " 覆盖任务执行，高危操作须人工授权、任务在沙箱中隔离运行、执行过程可追溯。企业可按要求选择公有云、专属 VPC、私有化或混合云部署。此外，百度搭子还与联想开天、麒麟软件、统信软件四方联合发布全栈国产通用智能体，上线三方应用市场，并与联想开天联合推出预置模型和运行环境的 " 百度搭子工作站 "。

在新能力发布后，百度搭子产品架构师李景秋向「IPO 早知道」等分享了对当下 AI 办公赛道的见解以及百度搭子的差异化优势。

以下系对话精选：

Q：和其他 AI 办公工具相比，百度搭子有什么差异化优势？

李景秋：今年整个办公 OA 赛道发展都很快，搭子的规模在增长，我们也看到友商的数据在增长。但现在市场还是蓝海，整体渗透率没有想象中那么高。我们每周都会面向企业和地方需求做培训、分享，同事也会现场了解大家对相关产品的认知。行业里的人可能觉得大家都知道、都在用，但到了不同区域和城市，渗透率仍然比较低。比如国庆节前同事去一个比较大的城市交流，现场可能只有三成左右的人用过相关产品。所以现在各家还在一起拓展市场，没有到激烈竞争的阶段，重点客户之间会有竞争，但整个市场空间还很大。

百度原来做搜索，后来一直深耕 AI 技术，从小模型时代发展到大模型时代。Agent 要执行任务，不能只靠模型，还需要模型运行环境。任务可能持续几天、几小时或几十分钟，执行过程中不能中断，因此需要基础设施、安全、身份认证、运行环境和全栈沙箱，这些是百度长期积累的能力。

另外，百度推出了很多综合产品能力，包括百度搜索、百科等能力，也推出了百度秒哒工作台、百度胜算数据分析工作台等。我们还有三十多个行业专家套件，和百度内部的算法、情报、营销洞察、统计等团队一起构建垂直能力，这些也是差异化优势。

Q：企业有 AI 需求却缺少落地支持，怎么解决定制开发、系统改造和客户应用门槛的问题？

李景秋：企业任务中，20% 是日常运营任务，30% 是比较专业的企业任务，还有 50% 是企业运营任务。比如矿井生产设计和系统，会涉及后面这 50% 的应用。现在智能体发展得比较快，虽然也涉及企业系统定制改造、流程调整和再开发，但技术协议的规范性和标准化程度已经比较高。企业可以把自己的经验梳理出来，比如本地流程要怎么改造，先操作什么，再操作什么，怎么对比、参考什么知识，再把这套流程开发出来。开发过程可能没有完全标准化，但开发结果相对可以标准化。Skill 可以成为一套 Agent 能够识别、人能够使用的工作流，帮助员工解决实际生产问题。

针对定制场景，我们有几种方式。第一是开放百度搭子的 Agent API 开发平台，企业可以在平台上以较低成本构建垂直场景应用。第二是开放 Computer Use。企业可以在电脑上把跨系统操作流程完整录一遍，包括先做什么、再做什么、过程中怎么判断，Agent 就能学习这段操作过程，像带新员工一样教它工作。Agent 现在的理解能力比较强，有些流程一遍就能学会。

对于传统央国企客户，我们也会配套提供 FDE 专家服务。大型企业过去采购了很多办公 SaaS 系统，有些系统已经老旧，甚至长期没有维护，原来的供应商可能都不在了。现在要让 Agent 能够使用、理解、识别这些系统，通常需要专家进入企业，协助判断问题、梳理处理方式。我们会提供通用工具，也会提供定制专家服务，帮助传统企业把应用落到实践里。

我们希望 FDE 像布道师一样，帮助大家理解 Agent 技术，让企业把 Agent 真正用起来、用得好。同时我们会推出开放工具平台和 Harness API，让企业灵活集成到内部系统中。搭子不一定只以桌面客户端或移动 App 的形式存在，也可以进入企业原有、员工更习惯使用的系统。

通用型产品没有行业上谁能用、谁不能用的隔阂，但不同企业的应用进度会不同。流程标准、评估框架明确的科技企业通常渗透更快。合规要求高的行业会更谨慎，担心 AI 进入生产系统之后带来风险，也会考虑出问题由谁负责。我们今天也发布了 Agent 安全中心等能力，让 AI 在安全环境里可控运行，并且人可以随时接管，降低企业顾虑。行业之间确实有不同应用场景，需要不同的解决方式。

Q：企业使用 Agent 时对哪些成本最敏感？百度搭子如何降低成本？

李景秋：Work Agent 的成本结构和大模型不太一样。Token 或模型推理成本确实是大头，但除此之外还有执行环境成本、存储成本，比如日志、执行轨迹、记忆，以及 Skill 调用成本。Skill 包括 MCP 连接的能力，也可能连接一个子 Agent，所以整体成本结构比较复杂。

我们从几条链路降本。第一是模型本身的降本。一直使用搭子的用户应该能感觉到，同一个任务消耗的积分越来越少，执行速度也越来越快。我们通过模型推理技术优化，持续降低推理消耗的 Token 成本，比如增强 Cache 缓存能力，降低单次 Query 的模型消耗。

第二是 Harness 优化。Agent 可以理解为 Model 加 Harness，Harness 这一层也很重要。不是所有问题都要调用最复杂、成本最高的模型，我们会加入模型路由策略，让复杂问题调用贵的模型，简单问题调用便宜的模型，在效果和成本之间取得更合适的平衡。

另外，Harness 会持续优化调度链路，减少模型请求。比如优化 System Prompt，让一次提问尽量到位，减少反复请求模型。从模型链路、模型推理到 Harness 的路由策略，我们会综合优化。从 3 月份到现在，搭子的单次任务成本大概降低了 90%，速度也提升了。中国开源模型发展很快，新的优质开源模型自身成本也在下降，这也会带动上层 Agent 应用的成本下降。