AI辦公正在進行一輪新的整合
出品｜虎嗅科技組
作者｜陳伊凡
編輯｜苗正卿
頭圖｜AI生成
一片森林的冠層合攏後，後來者很難再從開闊地上筆直長成大樹，但林下並不會因此空無一物：有的植物把根扎進大樹夠不到的土層，有的攀上既有枝幹，藉着縫隙向光生長。
今年的 AI 辦公市場正在經歷類似的重新整合。
9月2日，騰訊宣佈 WorkBuddy 開放平台上線，現場發布9款聯名硬件，合作方包括 Plaud、Rokid、影石、科大訊飛、安克、猛瑪和京東京造。與此同時，WorkBuddy 已接入超過30個品牌的十餘類設備，覆蓋智能眼鏡、錄音卡、麥克風和耳機等形態，這些硬件由此連上同一個 Agent 底座。
硬件在這裏既是入口，也是新的數據觸點。公開互聯網數據逐漸逼近瓶頸，Agent 若要繼續迭代，就需要進入會議、溝通和現場協作，從真實世界獲得任務過程與結果反饋。誰能佔住硬件的入口，誰就更接近下一輪訓練所需的數據閉環。
幾乎同一天，元空智能與惠普也開了一場發布會，方向恰好相反。騰訊讓雲端 Agent 伸進更多設備，元空則把自研模型BOXER 裝進電腦，讓數據和計算留在本地。一邊向外擴張，爭奪辦公入口、硬件和企業系統；一邊向機器內部尋找雲端覆蓋不到的位置。
這兩場相隔不遠的發布會，把同一個問題擺到了台前。
從去年開始，就已經有很多投資人表示不看AI應用了，當然也不是完全不看，這是一種矛盾的心態，或者是一種觀望的姿態，他們會每隔一段時間就詢問一下AI應用的創業者進展，畢竟萬一又出現了一個Manus呢？
大廠或者模型廠商會吞噬一切，只要他們想，過去一兩年，法律Agent、金融Agent、醫療Agent……「模型廠商缺什麼數據，他們就發布什麼Agent，」一位全球五百強科技公司的副總裁說。
巨頭橫衝直撞，而AI辦公又是毋庸置疑的兵家必爭之地。
當大廠合攏 AI 辦公的冠層，創業公司還能在哪裏紮根，又能借什麼向上生長？
當然，如果現在再做AI應用創業，大概率高光時刻已經過去，曾經幾個月冷啓動輕鬆突破百萬甚至千萬用戶，ARR暴增的時刻已經結束。但如果是幾年前的那幫AI應用公司呢？他們怎麼辦？
我們和這個賽道的創業者、投資人聊了聊，試圖找出冠層之下正在形成的兩套生存法則。
今年以來，AI 辦公的競爭已經從「誰有一個更好用的助手」，升級為「誰能接管更多工作」。
海外大廠先把戰火燒進各自的腹地。
1月，Salesforce 將新版 Slackbot 推向企業用戶，讓它讀取工作語境並調用 Agentforce 和第三方 Agent；3月，微軟推出Microsoft 365 Copilot Wave 3，以 Copilot Cowork 處理持續時間更長的多步驟任務；4月，Google 發布 Gemini Enterprise Agent Platform 和 Workspace Intelligence；OpenAI 隨後把 Workspace Agents 帶進企業版 ChatGPT，使 Agent 能接入 Slack、定時運行並由 API 觸發。
國內的節奏在夏天驟然加快。8月，阿里將 QoderWork、MuleRun 和悟空整合為千問辦公，一個月內接入多款模型以及企業微信、釘釘、飛書和 Slack，又用低價標準模式降低日常任務的使用成本。個人版千問也同步加入辦公助理、定時任務和智能體廣場，從企業端和個人端同時切入辦公場景。
騰訊WorkBuddy 今年3月上線，到了9月便開放 Buddy 應用、專家、Skill、連接器和硬件五類能力，把30多個品牌的十餘類設備以及開發者的系統和行業 know-how 接入同一底座。
這個過程是逐漸吞噬並非一蹴而就，過去三年，AI 搜索、AI PPT 和各類單點助手大多由創業公司試水；Manus 讓市場看到 Agent 可以形成生產力，OpenClaw 又把這種能力推進工作流。需求一旦被驗證，大廠便迅速跟進。
六、七月間，借用 coding Agent 改造辦公場景的產品集中上線，創業公司的產品定義很快變成大廠平台上的一個功能。
一輪熟悉的平台收編。大廠擁有模型、流量和辦公入口，通用功能一旦成立，便能以更低的邊際成本複製和分發。AI 搜索和 AI PPT 已經演示過這一過程，如今輪到工作型 Agent。競爭的重心也從單個產品好不好用，轉向誰能控制模型、企業上下文、工作流和分發渠道。模型廠商下場，應用公司往哪退？
常壘資本管理合夥人馮博認為大廠的工作型 Agent 能滿足80%普通人的聯網工作需求，AI PPT、AI 文檔這類細分工具，用戶不再需要單獨打開專用工具進行處理。
雲端的牌桌上沒了位置，但在端側，仍然有一片待開墾的土壤。
馮博說，例如學術場景、信創場景、每天泡在 Excel 裏處理機密數據的分析師、需要一鍵查找法律條款、覈對內容是否合規的法務等。
這些細分功能無法將這些數據和文檔上傳到公有云模型處理，就是創業公司的位置。
還有本地，企業內網裏：ERP、財務系統、流程系統、報價系統、知識庫等創業公司可以做部署在企業內網的 Agent，和這些系統整合，幫用戶整理文件、自動上傳到系統、嵌入企業系統的工作流，反饋結果。
「（在中國）整個 AI 辦公賽道，現在已有90%的機會被大廠佔據了。」
說這話的人叫龍國東，手裏握着一款 AI 辦公產品 WinClaw。他每天泡在這個賽道里，眼看着創業者的空間一點點收窄。剩下那10%在哪裏，是2026年夏天每個 AI 辦公創業者都得回答的問題。
WinClaw 今年2月發布，趕上風口，流量遠超預期：單日下載量大幾千到上萬次，很快積累了小几萬用戶。5月18日新版本上線，日活近一萬，高峯期單日 token 消耗超過一百億。
一個月後，競爭來了。大廠紛紛推出自己的 Claw 類產品，先搶走的是注意力。也是在這個6月，龍國東做了決定：不打通用功能的仗，轉而掃描用戶本地的所有文檔，自動建成個人知識庫。用他自己的話說，一個後廚不能只有大廚，還得有配菜的、切墩的、洗碗的，他要做的就是給大模型配菜、切墩兒。
逄大嵬的公司元空智能，正在做一場轉型，看起來跨度很大，追根溯源卻有跡可循。
這家公司的團隊出自北京大學科學智能學院的 AI for Science 團隊。
2023年3月，它發布了全球第一個用對話處理 Excel 的產品 ChatExcel，那時 Kimi 和豆包都還沒出生。
三年後，它的新故事是端側 AI和一系列發生在端側的 AI work，尤其是AI for Science。他們給科研人員做算力盒子和自研的本地化模型，斷網也能處理文檔和數據，一次付費，不再收 Token 的錢；垂域 Agent 對接實驗室設備，比如幫生化研究者生成蛋白質結構圖，再往上，進入溼實驗，驅動機器人做實驗。
公司從第一天起就定位做數據智能體的生意，業務順着數據向兩頭生長。向下，長進財務、科研這些數據不能出門的場景，雲端夠不着，大廠也解決不了；向上，做端側 AI 本地部署，避開雲端的競爭。
逄大嵬給轉型後的元空下了一個明確的定義：端側 AI 模型公司，但它交付的不止一個模型，而是一套由模型、Agent 和設備組成的生產力方案，最關鍵的是落地閉環。
團隊的底子一頭在北大實驗室；另一頭在過去三年的線上產品交付。其線上產品每天面對數以萬計的訪問和真實任務，這讓團隊積累的並非泛泛的聊天數據，而是用戶怎樣提出任務、Agent 怎樣調用工具、結果是否完成的執行反饋。逄大嵬把這種長期經受用戶「捶打」的能力，看作元空區別於純模型團隊的基因。
模型變小，效果是否也會縮水，是端側路線繞不開的質疑。
元空智能的CTO寧鯤鵬說，35B 模型已經「相當夠用」，這也是目前元空端側AI的參數大小，按其說法，其效果甚至已超過一年多前的 GPT-4o。團隊將原因歸結為「智能密度」的提高：模型能力不再簡單隨參數規模等比例變化，Agent 產生的高質量任務數據和後訓練，可以讓較小模型在特定工作中達到過去大模型的水平。
這其實也解釋了端側路線成立的技術前提：企業未必需要在每項任務上調用最強的雲端模型，只要本地模型能以更低成本把特定工作完成。
轉向端側，對元空而言，也來自客戶需求。模型在變小，設備算力在變強，公開互聯網數據則日漸稀缺，下一批有價值的數據更多藏在電腦、工廠和實驗室的真實與物理世界產生交互的工作過程中。與此同時，企業客戶要的往往不是一個等待自己訓練的空白 Agent，而是數據不出本地、成本可以預估、拿來就能完成專業任務的系統。尤其是重點實驗室的數據，甚至同一所高校，不同實驗室之間的數據都無法互通，更不用說上雲。
元空從 ChatExcel 開始接觸企業，由此逐漸摸清了這些客戶的工作邏輯和交付要求。
至於模型廠商為什麼不直接做，逄大嵬沒有把答案歸結為某項獨門技術。他承認，大廠不存在做不出的技術，差別更多在路線和商業模式。把雲端模型裁小後塞進電腦，不等於做出原生端側模型；後者需要貼着具體設備優化算力與模型，圍繞Agent 的執行結果形成數據閉環，再把模型、軟件和硬件一起交付。雲端廠商當然可以進入，只是本地授權和私有化部署與其按 Token 收費的生意並不完全同路。
真正的問題由此變成：誰願意為一個行業、一類設備和一套工作流持續做深。
一個在本地建知識庫，一個做端側模型。兩個創業者不約而同往端側走。
這背後是端側AI的爆發，北京智源研究院8月發布的報告把2026年稱作「端側智能規模化落地元年」。這個生態剛成形，還沒有人能壟斷它。在雲端牌桌上被擠出來的創業者，在這裏找到一塊新地盤。
整機廠自己怎麼看這塊地盤，比創業者的說法更能說明問題。中國惠普副總裁周信宏給企業 AI 落地列了三道坎：數據合規風險、成本不可控、項目交付難，而在他看來，「要解決這些問題其實只有一條路」，就是本地私有化部署。他的判斷是，全球一年出貨約 3 億台電腦，最後每一台都會是 AI 電腦；和元空合作的 AI work 一體機 2025 年開始試點，已有惠普的企業客戶採購了上百台。
後摩智能的CEO吳強就曾對虎嗅說過，端側模型其實是將AI從一種持續的運營成本，轉變為一種可預期的資本投入，為用戶和企業提供了一種全新的選擇。未來的主流模式更可能是 「端雲協同」 ，系統自動判斷任務該由端側還是雲端處理，在成本、性能和體驗之間找到平衡點。
數據不出設備，企業和個人在使用中教給模型的行業知識、業務判斷留在自己手裏；模型買斷一次，後面不再按 Token 計費。
大洋彼岸的創業者做了另一種選擇：住進企業已有的工具裏。他們靠的是一個開放的大廠生態。
硅谷風投機構 UpHonest Capital 投研總監王子長期看 AI 賽道。她發現有一批美國 AI 辦公產品的打法，是從用戶已經在用的工具裏長出來，用戶不用再裝任何新軟件。
由前 Meta 工程師創辦的 Viktor，把每一個 agent 稱作「小鎮成員」，它通過產品集成連接用戶的郵件、日曆、Slack、WhatsApp、Notion 等工具，既可以在Town 自己的網頁和客戶端中使用，也可以通過郵件、Slack、WhatsApp 等現有入口與它交互。
Poke 住進了 iMessage 和 Telegram，用戶給它發消息，它去處理郵件、改簽會議、訂機票。這家只有十來個人的公司，在General Catalyst 領投1500萬美元種子輪之後，半年裏估值漲到3億美元。不過，Poke 背後的Interaction Company 在今年7月已被 AI 編程公司 Cognition 收購，Poke 短期內仍將繼續運營。
這種打法甚至長到了微軟自己的地盤上。Genspark 在2026年4月推出 Genspark for Microsoft Office，包括分別面向 Word、Excel 和 PowerPoint 的三款加載項，支持 Windows、Mac 和網頁版 Office。用戶安裝加載項並授權賬號後，可以直接在Office 的側邊欄裏調用 Genspark，用它編輯文檔、分析表格和製作演示文稿。
不過在王子看來，同是插件嵌入， Vikto、Town 做的是不同 SaaS 應用之間的工作流自動化，把散落在各個軟件裏的任務串起來；Genspark 這類更多還是效率工具，幫用戶寫 Word、做 PPT。
這批產品有一個共同的進化方向：從被動響應變成主動服務。Town 的 Agent 嵌進用戶的辦公工具後，會先觀察用戶平時用這些工具處理哪些任務，再主動給出自動化方案。收費模式也跟着變。Vikto 不按席位收費，按工作區收費，一個部門收一次錢，裏面多少人用無所謂，在此之上再疊加用量費用。王子的解讀是，這類公司搶的是客戶的外包預算，而非辦公軟件採購預算，它省掉的是客戶僱人的錢。
差別的根子在中美兩套不同的 SaaS 生態。王子說，美國企業用的 SaaS 像樂高，Slack、Notion、Salesforce 各管一塊，原本要用戶自己拼起來，而且這個生態是開放的：Notion 自己也做 AI 功能，照樣把 API 開放給第三方，因為不開放，用戶可能就走了。企業客戶也警惕供應商鎖定，ERP 時代喫過的虧讓他們傾向於多備幾個供應商，也很介意大廠拿走自己的數據。
國內則是超級 App 的天下。所有辦公需求都在飛書或釘釘裏解決，不存在跨 App 的縫隙，這些 App 又都握在大廠手裏，第三方創業公司自然插不進去。
AI 辦公再往重了做，是 AI FDE（Forward Deployed Engineer，前置部署工程師）：公司先派工程師進駐企業，學習企業複雜的業務流程，再用 AI 幫企業實現自動化。先做諮詢，再把方案標準化成產品賣給更多客戶。這個由 Palantir 打樣的模式，在 AI 時代被分拆給了一個個初創企業。上半年，美國有幾家做這類模式的公司融了不少錢。
「樂高式」的生存需要另一種壁壘。除了對工作流足夠熟悉，更關鍵的是不同系統之間的集成能力，這是這類企業的護城河。工作流集成，正在成為新壁壘？
把中美兩個故事並排放在一起，是同一道題的兩種解法。龍國東說剩下 10% 的機會，這 10% 在中美兩地長在不同的地方。美國的答案是住進別人的工具裏，靠開放的 SaaS 生態拼接工作流，賺的是企業僱人的錢；中國的答案是往大廠夠不着的地方去，鑽進本地和端側，鑽進數據不能出門的財務、科研和法務。樂高遍地的地方長出拼接工作流的人，超級 App 的天下只給縫隙裏的人留位置。
兩個答案有一個共同點：活下來的人，都沒有和大廠搶同一塊地。雲端的通用辦公場景，模型是大廠的，入口是大廠的。
剩下的位置只有兩種，一種是大廠不願意去的，比如 ROI 算不過來的本地知識庫；一種是大廠去不了的，比如斷網的工廠和藥企的實驗室。
縫隙裏的日子未必沒有想象力。這樣的押注未必能造就一家通喫市場的巨頭，卻足以在產業分工裏佔住一個不容易被替換的位置。最接近泥土的根脈，最先感知到春意。至於長出來的是什麼樣的苗，先長出來再說。
本內容未經允許不得轉載。授權事宜請聯繫 hezuo@huxiu.com。
EndEnd
機器人很熱，但它的「大腦」估值，到底有多少真價值？
🤖下周二晚7點，四位一線專家，創業/模型/資本/學術同台，追問：誰將掌控具身智能的大腦？怎樣纔算真正「上崗」？估值怎麼兌現？
👉 下圖掃碼報名，只講乾貨。
📎 詳情：《世界模型最吸金，GPT-6把手伸向機器人：具身大腦到底誰說了算？》
