腾讯WorkBuddy火了，字节和阿里急了

办公Agent正成为国内大厂的新战场，腾讯、阿里、字节十天内相继整合资源押注。WorkBuddy以月访问量2097万次领先，而豆包虽有3.82亿月活却面临转型挑战。本文解析Chat与Agent的本质区别，揭示办公Agent如何成为生产力工具，并探讨大厂竞争背后的战略逻辑。

———— / BEGIN / ————

办公Agent，已经成为国内互联网大厂的必争之地。

腾讯、阿里、字节，三家公司在短短十天内，几乎做了同一件事：结束赛马，把更多的资源押宝在办公Agent上。

7月20号，腾讯内部通知Qclaw并入WorkBuddy所在部门统一管理。

一天后，阿里整合了旗下多个产品，推出千问办公。

到了7月30号，字节将飞书团队并入了豆包。

有意思的是，在消费级AI应用上，豆包的月活是3.82亿，腾讯的元宝只有4984万，前者是后者的8倍。

但在办公Agent这个赛道上，WorkBuddy却以月访问量2097万次稳居第一，超过字节跳动Trae（1279万）和阿里QoderWork（788万）的总和。

明明在消费级AI应用上有着绝对优势，字节依然在内部做出这么大的调整，可见WorkBuddy确实给了字节很大压力。

这也侧面反映了，办公Agent，已经成为国内互联网大厂的必争之地。

接下来这场战争，会不亚于过去互联网时代任何一场大战。

原因也很简单，Chat时代已经结束了，以Chat作为AI产品的时代也迎来了终结。

这篇文章，我们就来讲清楚，这场大战背后的逻辑。

01

如果你关注AI的信息，想必经常能看到LLM、skill、harness、loop等等一堆名词。

但我们可以暂时不关注这些。只从应用产品来讲，我认为只用分成两个时间段：Chat和Agent。

在ChatGPT发布以后，大众认识大模型的方式，基本就是被一个对话框定义的。

我们输入一句话，它就回复一段内容。

让它改一下文案、简历，翻译一下单词，聊聊情感问题，乃至算命。

总之，大部分人对于这类产品的用法，更像是一个搜索pro max版。

我们负责提问，模型则负责生成答案。

这就是Chat阶段。

在这个阶段里，模型的能力，和产品体验的关系，可以说非常直接。

模型聪明一点，回答就准确一点。上下文长一点，就能阅读更多资料。推理能力强一点，复杂问题就不容易答错。

所以大家总爱用一些刁钻的问题去测试模型，比如经典的「我打算去100米外的洗车店洗车，我应该步行去还是开车去？」。

甚至为了更好地跟大模型沟通，人们还要学习如何优化prompt，也就是提示词。

前几年，一段准确的提示词甚至会被广泛复制。

可以说，随着大模型越来越聪明，这些沟通方式也在飞速进化。

不过这不是本期重点，有机会再专门讲一下。

总之，大众对AI产品的第一印象，基本就在「你问我答」上面。

这点从阿里给自己大模型取名叫「千问」就能看出来。这里我得吐槽一下，阿里这个取名，显然是对AI的判断，短视了一点。

豆包能在这个阶段脱颖而出，关键就在于她的产品更加拟人，更加接近于人们想象中的「聊天对象」。

正是靠着对于Chat类产品的深刻理解，豆包可以说是暴打其他类产品。

但问题是，聊天类产品，虽然有趣，但离生产力还远得很。回答问题，并不等于交付结果。

打比方说，我要去北京出差几天，要做规划。

我会问AI，哪些航班合适？哪些酒店性价比比较高？能否给我列一个时间表？

因为有海量的知识和信息，这些答案显然比过去百度准确多了，也更加高效。

但在这个过程里，我得到答案后，还是需要自己去订航班和酒店，需要把我的时间表，专门发给AI，才能帮我整理。

再比如我们日常工作里，希望AI给我分析数据、规划方案、制作PPT等等，都需要进行多个对话，由我把问题和资料发给AI，AI回答我怎么去做。

实际的工作者，依然是我。

Chat时代的AI，打个不恰当的比方，就是你被退婚以后空间戒指里的老爷爷。

他可以指导你修炼、炼丹，给你科普知识、答疑解惑，但是不能直接干涉你的修为。

是挂，但是不如系统挂。

这也就决定了Chat类产品商业化上的困境。

答案的价值很难计算，也没有什么护城河。用户今天可以用豆包，明天也可以用DeepSeek、千问和元宝。

只要回答的差距没有大到不可替代，切换成本就非常低。

而大模型每次回答都是消耗算力的。

传统的互联网产品是用户越多，广告和交易收入也就越高。但Chat类产品一直是c端用户越多，成本就越高。

至于像过去那样靠广告盈利，也很困难。

传统的互联网做广告依靠的是分发和流量，但AI产品相反，是信息提炼和整合，植入广告观感极差。

最后还是那句话，用户切换成本低。

另外说一句，这点从百度身上就能看出来。

你说百度的文心一言跟其他国产模型有代际差距吗？并没有。

但正因为在搜索时代，百度的竞价排名过于深入人心，导致进入AI时代，压根没有用户信任百度的模型。

大家都不信你模型给出的答案，怎么可能用你的产品呢？

总之，豆包3亿多月活固然厉害，但Chat类AI产品的月活，并不像过去互联网时代产品那样金贵。

02

而Agent，恰好能解决这个问题。

Agent，也就是智能体这个词，在万事皆可AI的今天，其实有点泛滥了。

很多产品里加个AI插件和按钮，就说自己是Agent。

我个人觉得，判断一款产品是不是Agent，有个很简单的标准。

那就是当我给它一个目标以后，它是否能自己理解、制定计划、调用工具，最后给我结果。

比如还是刚才出差的案例，我只用告诉它出差的时间、地点和预算需求等等，然后它就调取上下文，读取了我的日历、偏好，再调用工具，帮我锁定航班、规划酒店。

最后只发给我确认，然后机票、酒店出票，日程同步完成。

做报表和PPT也一样，我只提需求，它自己去读取我文件夹里的资料，然后分析，做好PPT，再放到指定的位置。

当然，这个过程里，它可能会误解我的需求，可能会卡在接口上，也可能做出一份完全错误的报告，关键的地方依然需要人来完成。

但是，人和AI的分工已经完全变了。

之前是AI说，人来做。

现在是人确定任务目标，AI来执行，人最后验收。

如果我们把大模型理解为一个大脑，Agent主要则是给这个大脑装上了眼睛和手脚。

眼睛就是上下文，它需要知道哪些信息、数据、资料和当前的任务有关。

手脚则是工具，它可以去操作浏览器、读取文件、运行代码等等。

这些东西组成了基本的Agent。

在这个基础上，再给它开放权限、加入各种技能、引入到公司的工作流中等等，相比Chat时代类似顾问的角色，Agent完全就成了生产力工具。

而一旦成了生产力工具，市场就必然愿意付费了。

最先把这条商业化路径跑通的，是编程。

用过这些Agent的，比如WorkBuddy、Trae或者Codex的朋友，应该都会发现一个有意思的现象，就是这些Agent的界面非常相似，都是三栏布局。

左侧是文件夹，中间是工作区，右侧是产物展示。

最早将这个界面发扬光大的是Cursor。

简单来说，Cursor就像是程序员的Word，而Cursor在旁边放了一个AI编程助手。

你只需要告诉它「我要改什么」，它可以直接阅读项目、修改代码、排查错误等等。

但是Cursor本身没有强大的模型，它只是一个优秀的壳。

转折点发生在2024年6月，Anthropic发布了Claude 3.5 Sonnet。

这个模型在编程方面碾压了当时的GPT-4o。Cursor+Claude 3.5 Sonnet的组合，直接让写代码的体验从「人工智障」变成真正的帮手。

正是这个组合，不仅让Anthropic靠着天量的API调用赚翻了，更向全行业证明了编程在商业上的价值，同时也让这种三栏界面+大模型的组合，成了后面办公Agent的标准范式。

因为说到底，不管是编程，还是写作，还是制作PPT，工作的底层逻辑是非常相似的。

现在市面上各种售卖如何使用WorkBuddy的课程，其实不如理解这个逻辑，很简单就能上手这些办公Agent。

至于为什么是编程最早被验证，一个原因当然是程序员天然离AI最近，最容易理解这套逻辑。

另一个是相比文章写得好不好，PPT做得漂不漂亮，编程的目的更容易被判断。

当编程Agent开始节省了程序员的大量时间，订阅费就不再像Chat的问答模式那样难以解释。

企业和用户购买的不再是聊天，而是可以计算的生产力。

这个就是Chat和Agent在商业上的根本差别。

当然，Coding Agent对于模型能力的要求非常高。

但是对于办公Agent来说，其实未必每一项工作，都需要最顶级大模型的复杂推理。

大多数办公任务，可能就是整理文件、把会议纪要变成任务清单、写写周报、核对表格数据、批量处理资料、制作PPT等等。

这些工作不容易，尤其是一些涉及业务判断的地方。

但是，这其中其实存在着大量重复性、标准化的步骤，最后人只需要验收就行。

所以对于这批任务来说，只要一个模型能跨过基本线，能做到找到文件、操作软件，然后交付结果，那么产品和生态的权重，就会快速上升。

而这里，就是办公Agent角逐的战场。

03

WorkBuddy其实就是个很好的案例。

腾讯的大模型是混元，但WorkBuddy却不是混元团队独立做出来的，而是起源于腾讯云开发AI代码助手的团队。

这个产品最早叫CodeBuddy，但是团队发现公司很多人并不拿它写代码，而是用来办公，于是把架构平移到了WorkBuddy，并在今年3月公测，很快就占领了办公Agent市场。

腾讯能这么早转型成功，其实我个人觉得，相反跟它的大模型没那么强有关。

腾讯最早推出元宝的时候，混元这个模型就还非常不成熟。

所以等DeepSeek-R1大爆的时候，元宝很快就接入了DeepSeek，迎来了一波产品增长。

腾讯不需要死守着自家模型，相反可以为了产品的增长，欢迎接入更多的模型。

在编程领域也一样。

编程当然是个非常诱人的市场，但程序员离AI最近，工作对智能要求最高，所以非常追求顶级模型。

从最初Cursor和Claude的合作就能看出来，程序员最终会跟着Claude走，而不是留在Cursor。

因为模型不强，腾讯也压根没啃下什么编程市场，基本都是内部使用，所以转型成办公也没什么压力。

最终，WorkBuddy出现，采取了支持多种模型的产品形态。

简单来讲，腾讯打造出了一个不错的身体，并且允许用户随意切换脑子。

这个方向，意外成为了腾讯最擅长做的事，可以说是腾讯的甜蜜点。

为什么这么说呢？

因为现在大模型能力可以说是日新月异，很快大部分模型就突破了大多数人办公需求的基本线。

大脑可以外接，但是对身体来讲，整个生态未必能速成。

办公Agent所需要的人跟人的连接、知识库、文档功能等等，恰好腾讯全都有。

甚至腾讯文档这种我觉得半死不活的产品，在接入办公Agent以后，都可以救一下。

04

其实目前腾讯的生态，跟谷歌是最像的。

谷歌账号是很多软件的登录账号，微信也是。

谷歌有谷歌文档，腾讯也有。

谷歌有NotebookLM，腾讯有ima。

谷歌的大模型Gemini现在处于掉队状态，诶，您猜怎么着，腾讯的混元压根也没跟上过。

唯独就是，谷歌在开发Agent产品上，实在太慢了。

字节在这点上，跟腾讯刚好有点相反。

豆包当然是很有优势，3.28亿月活，在C端市场可以说秒杀元宝，是个非常巨大的入口。

同时呢，字节的seed模型、飞书、火山引擎等等，生态完全不输腾讯。

但豆包有一个问题就是，它在Chat时代太成功了，以至于大部分已经将它定位成一个Chat产品。

过去几年，豆包在聊天陪伴、实时语音等等这些轻量玩法上，做得非常成功。

包括在市场覆盖面上，甚至很多老人都开始使用豆包。

他们也无所谓哪个模型，就是知道，有什么事情都先问一下豆包。

这些使用方式给豆包带去了巨大的日活，但是也塑造了它的产品心智。

那就是用户打开豆包，首先想到的是问它点什么东西，而不是交给它一个任务。

这个现象也体现在豆包收费以后。

今年6月，字节正式推出「豆包专业版」，但大部分用户都没理解这个产品为什么需要付费，以及专业版跟平时用来聊天的豆包有什么区别。

这也是为什么在7月底，字节急着把豆包和飞书大合并。

只有把飞书这个纯粹的办公产品，与豆包结合起来，才有可能在办公Agent赛道继续竞争。

在这点上，腾讯、阿里、字节，三家做出了共同判断。

那就是结束赛马，把所有产品、资源尽量收拢到同一个办公Agent上。

因为大厂发现，AI竞争的基本单位，已经变了。

Chat时代，模型团队只要交出一个更好的模型，前端产品就能很快感受到提升。

但在Agent时代，必须打通模型、工具、数据、权限和交付多个环节，才能变成用户想获得的结果。

因此，办公Agent的战争，也成了一场组织能力的总决赛。

三家都各有优势。

字节有最好的视频模型，有抖音、豆包的流量，有飞书的企业协作，火山引擎等等。

阿里同样也不缺。千问模型、钉钉的组织关系、阿里云企业用户，再加上电商、支付、本地生活服务等等，同样拥有非常丰富的任务工具。

腾讯的WorkBuddy暂时领先，本身又有企微和微信入口这个天然优势，当然微信最终会开放多少，是否愿意让Agent完全接入（不算openclaw），还要另说。

所以三家谁胜谁负，还犹未可知。

05

办公Agent的爆火，也带动了网上各种课程。

现在乱七八糟教你怎么用WorkBuddy的，用Codex的，卖skill的等等，动不动就是「惊呆了」，「颠覆行业」，「必须学会使用这个」。

我这里其实也想分享三个经验，只针对还没怎么使用这些AI工具的，大家姑且一听：

第一，不管哪家的办公Agent，先下载一个下来用用。

大部分办公Agent的操作大同小异，用会一个，其他自然就会用了。

我并不想散播焦虑，但是在AI时代，掌握一下Agent的使用技巧，我认为还是有必要的。

第二，是下载一个Obsidian。

暂时不用去细究怎么使用，就记住它是你的知识库。

你和AI交流出的有价值的东西，交付出你认为日后可以复用的东西，先保存在Obsidian再说。

至于如何整理，完全也可以交给AI。

第三，不要买任何课程。

AI最好的地方就是你可以问它任何问题，包括如何使用它自己。

把自己的目的和工作内容告诉AI，让它帮你规划，比网上任何一节课都有用。

最后，WorkBuddy暂时的领先，意味着腾讯会在Agent时代，再次领跑吗？

我觉得未必。

或者换个问法。

Chat时代结束，但Agent时代就是终局吗？

真不一定。

我们可以看到的是，目前AI还处于一个高速发展的时期。

无论是大模型还是产品，都在以月度、季度的时间在迭代。

Gemini去年我还觉得是唯一真神，今年谷歌仿佛就成了AI圈外人。

从Chat到Agent，也不过意味着，我们从信息交互进入了任务执行的时代。

如果我们假设一个终局：

任何人类可以在电脑上完成的事，AI都能完成，并且完成得更好。

那么，AI最后可能就像是许愿机一样。

既无人关心背后的模型是什么，也无所谓调用什么工具。

只要告诉它，我要一条IC实验室的内容这一件事，它就几分钟内生产出来了。

或许到了最后的最后，甚至把电脑这个限定条件，都可以拿掉：

任何人类可以完成的事，AI都能完成，并且完成得更好。

本文来自公众号：IC实验室 作者：IC实验室