豆包收飞书，钉钉降悟空，BAT想“锁死”AI打工人？

文 | 超聚焦

7月30日，字节对旗下AI与企业服务业务进行了一轮重大组织架构调整。

其中，飞书产品团队与豆包产品团队合并，组成新的豆包产品团队；而飞书原有的销售、市场和客户服务团队，则与火山引擎相关团队合并。

换句话说，飞书原本相对完整的产品与商业化体系，被分别接入了豆包和火山引擎：前者负责产品和用户入口，后者负责企业客户与商业化。

放眼整个行业并不令人意外。不久之前，阿里刚刚将QoderWork、悟空和MuleRun三条企业AI产品线进行整合；腾讯也将QClaw相关业务和部分团队，收拢进WorkBuddy所在的组织体系。

这也意味着，在短短一个月的时间里，BAT（字节、阿里、腾讯）几乎同时对旗下AI办公产品动了刀。

表面上看，这是大厂在结束内部赛马、减少重复建设。但如果只是为了降本增效，未必需要在如此接近的时间里，集体把分散的Agent、办公软件和企业服务重新归拢到一起。

更值得注意的是，它们整合的，恰恰都是最接近企业客户的入口。

赛马结束， 大厂齐收缰绳

字节这次调整，力度比表面上看起来更大。

按照新的组织架构，飞书产品团队将与豆包产品团队合并，成立新的豆包产品团队，由豆包负责人赵祺统一负责，飞书负责人谢欣也将转向赵祺汇报工作。

与此同时，飞书原有的销售、市场和客户服务团队，则与火山引擎相关团队合并，成立新的To B GTM组织“创造力服务平台”，统一负责字节旗下MaaS、SaaS等企业服务的市场、销售和客户服务。

不过飞书并没有因此消失，现有产品和服务也不会停止。但从组织关系来看，过去那个集产品、销售、市场和客户服务于一身，相对独立的飞书，实际上被拆成了两部分。

一部分进入豆包，负责企业生产力场景中的产品和用户体验；另一部分进入火山引擎，负责企业客户、市场拓展和商业化。

这也意味着，字节不再单独考虑飞书该怎么卖、豆包该怎么进入办公场景、火山引擎又该怎么向企业提供模型服务，而是把三者放进了同一套企业AI体系中：豆包提供AI能力和产品入口，飞书提供文档、会议、表格、知识库等工作场景，火山引擎则承接云服务和商业化。

然而字节并不是临时把三个团队拼凑在一起。此前，豆包就已经进入飞书的会议纪要、智能表格、知识问答和云文档等场景。由此看来，此次调整，更像是产品融合之后，组织架构终于跟了上来。

类似的收拢，也发生在阿里和腾讯，在过去的半年中，两家巨头都同时放出了多条AI产品线同时赛马，如今则开始收回缰绳，将团队、资源和产品向少数主线集中。

7月初，阿里宣布整合旗下QoderWork、悟空和MuleRun三条Agent产品线。新的产品将以QoderWork为基础，吸收悟空和MuleRun的能力，面向企业生产力场景继续升级，并由钉钉CEO陈宇森负责。

阿里表示，原有产品和用户权益不会受到影响，但从产品方向来看，三条原本各自发展的办公Agent路线，已经开始向一个统一入口集中。

腾讯的动作则发生在7月20日。腾讯将QClaw产品中心相关业务和部分团队，调整至云产品六部，而云产品六部正是另一款AI办公智能体WorkBuddy所在的部门。

截至目前，QClaw仍将继续运营，因此这还不能简单理解为QClaw被关闭或者彻底并入WorkBuddy，但两款定位接近的Agent，已经被放进了同一套组织和资源体系，未来共享资源、战略协同已经成了板上钉钉的事。

不过，相比字节，阿里和腾讯的调整仍然更偏向产品层面的收拢：阿里整合的是三条定位相近的Agent产品线，腾讯则是把两款办公Agent放进同一个部门。它们解决的，主要还是产品重复、资源分散和内部赛马的问题。

字节的变化则更加彻底。它并不是简单合并两款产品，而是直接拆开了飞书原有的完整组织，并入豆包和火山引擎当中。换句话说，阿里和腾讯是在“收马”，字节则连马厩、骑手和赛道都重新排了一遍。

不过，无论是收拢产品，还是重构整套组织，三家的动作却都指向同一个方向：将分散的AI能力收进统一入口，并借此更深地嵌入企业客户的工作流程。

从“上云”到“上AI”， 客户更难离场

当然，结束内部赛马确实可以减少重复投入。但对今天的BAT来说，省下几支产品团队的研发和营销费用，恐怕只是微不足道的因素。而他们之所以急着统一入口，更重要的原因可能是：AI带来的客户黏性，远远超过了过去的云计算。

事实上，在过去十几年里，云厂商也一直都在尝试“绑架”客户，不过，云厂商的方式是用基础设施“绑住”客户。企业一旦把服务器、数据库和业务系统部署在某一家云上，再想离开，就要重新迁移数据、改造系统，并承担迁移过程中的业务风险。理论上，企业使用得越久、部署得越深，对云厂商的依赖也就越强。

但实际情况并没有这么简单。云计算确实提高了企业离开的门槛，却始终没有彻底改变企业衡量成本的习惯。

小红书就是一个典型案例。

创业早期，小红书几乎将全部技术体系搭建在公有云上，也是腾讯云较早的一批客户。对当时的小红书而言，购买云服务器不需要提前建设机房，也不必养一支庞大的基础设施团队，业务快速增长时还可以随时扩容。公有云提供的弹性，帮助小红书以更低的成本完成了早期扩张。

但随着业务规模扩大，小红书并没有因此越来越依赖某一家云厂商，反而开始不断分散这种依赖。

一方面，小红书逐渐采用多云架构。2024年，它又将储存过去11年原始数据、规模达到500PB的数据湖迁往阿里云。换句话说，即便企业早期深度使用一家云厂商，仍然可以把部分核心业务转移到另一朵云上，让不同厂商相互替代、相互制衡。

另一方面，小红书也开始建设自己的基础设施。随着计算资源达到数百万核CPU，单纯依赖公有云带来的成本、调度和运维问题逐渐暴露。为此，小红书形成了一套“自建优先、公有云兜底”的资源调度方式：稳定、可预测的业务优先放在自建集群，只有自建资源不足，或者出现突发流量时，才调用公有云进行补充。

这件事恰恰说明了云计算黏性的边界上限。

当企业规模较小时，公有云的弹性和低门槛更加划算；等到业务规模足够大，企业仍然会重新计算成本，并通过自建、混合云和多云架构，削弱对单一厂商的依赖。云厂商可以提高客户搬家的成本，却很难

其中，最重要的是模型工程体系的沉淀。今天企业把大模型接入业务，早已不是写几个提示词、调用一个接口那么简单。

一个模型要真正进入客服、销售、财务或者研发流程，企业需要先建立自己的业务测试集，明确准确率、响应速度、调用成本和风险边界，再围绕不同任务配置模型路由、工具调用、输出结构、人工审核和异常处理机制。

这意味着，企业沉淀下来的不是几个提示词，而是一套围绕特定模型建立起来的生产标准。

哪种任务交给大模型，哪种任务交给小模型；什么情况下允许它直接执行，什么情况下必须转给人工；一次调用可以容忍多少成本和延迟；模型升级之后，原有流程是否会出现新的错误，这些都需要经过长期测试和真实业务验证。

而如果切换到其他的办公应用，所调用的大模型也会改变，企业往往需要重新跑一遍业务评测，确认新模型在数百乃至数千种真实场景中，仍然能够稳定运行，而这对于有一定体量的B端客户来说，几乎是无法承担的后果。

这也解释了为什么三家都在此时停止了内部赛马，开启了办公产品的整合。

过去产品分散时，客户可以在QoderWork、悟空和MuleRun之间选择，也可以同时试用WorkBuddy和QClaw。对大厂来说，这种竞争虽然有利于探索产品方向，却不利于形成真正的客户黏性：账户分散、数据分散、资源分散，客户也不会放心把核心业务交给任何一款前途未定的产品。

只有先确定一个长期存在的主入口，大厂才有可能说服企业将更多系统和权限向它开放。

字节这次调整尤其明显，豆包掌握模型和AI产品，飞书掌握企业办公场景，火山引擎则掌握云服务与商业化。

三者一旦被接进同一套体系，字节向客户出售的就不再只是飞书席位、豆包模型或者火山引擎算力，而是一套从工作入口到任务执行的完整企业AI服务。

阿里和腾讯虽然暂时只收拢了产品线，但方向也是一样的：先结束内部产品之间的竞争，再争夺企业唯一的AI入口。并且可以肯定的是，未来的钉钉和企业微信，也注定会和飞书一般，成为Qwen和hy的“下属产品”。

因此，这轮密集的组织调整表面上是在减少重复建设，背后却是一场更直接的客户争夺，争夺谁能成为企业客户默认的AI入口。

一旦他们习惯从这里发起任务，BAT们获得的就不只是一笔软件收入，而是一段不可分开的客户关系，到时候哪怕提出一些“过分”的要求，客户们也得捏着鼻子接受。

云时代，企业还能算上云和下云的账；AI时代，一旦入口、权限和流程都交给同一平台，企业客户就再也别想离开。届时，大厂拿到的就不只是收入，更是说一不二的绝对议价权。