我不认为几亿人会用豆包「办公」，但 Agent 豆包也必须要做

1

豆包工作任务的底部多了一个切换，本地电脑和云电脑，两个不同的模式。

简单来说，本地模式是让豆包在自己的电脑上干活。授权之后，它可以读取指定范围内的文件，操作已经安装的软件和浏览器，把结果直接保存在本地。这里更准确的说法是「执行环境在本机」，模型推理和数据部分会经过云端。

云电脑则相当于一台运行在云端的远程电脑。任务开始之后，即使自己的电脑关掉，它也可以继续工作。换成手机，还能继续查看进度，中途追加要求，或者把生成的结果取回来。

看起来只是多了一个不起眼的切换，但它其实补上了 AI Agent 最关键的两种工作条件。

这也让豆包的产品定位发生了变化。

过去的豆包对我来说，更多是一个生活小能手。我会用它查天气，走在路上随手拍一下某棵树，问问是什么品种；看到院子里飞来一只鸟，也可以直接拍给它看。配合豆包输入法，日常生活里那些随时冒出来、懒得专门去搜索的小问题，基本都能很快解决。

像这样：

但一旦涉及生产力场景，我过去想到豆包的次数就比较少。原因倒不完全是模型能力，而是一个更实际的问题：AI 接触不到我真正工作的环境。

所以过去在本地，我更多使用 Codex；需要云端长期运行的任务，则更多交给扣子或者自己养的龙虾。

而豆包现在相当于把自己的能力继续泛化，可以快速覆盖更多的场景了。

类似的能力，在此前的 AI 产品里并不算第一次出现。但由豆包来做，意义显然不太一样。因为它不是一款只在程序员、AI 从业者和效率工具爱好者中流行的产品，而是一个已经进入普通人手机的国民级应用。

2

先聊一聊这两个模式的价值，跟单纯在聊天框里对话的区别。

计算机的发展史，本来就是本地和云端不断来回摆动的历史。大型机时代，算力集中在机房里，使用者坐在终端前，机器并不真正属于个人。个人电脑把算力搬到了每个人的桌上，一台机器服务一个人，这是 PC 革命的核心。后来云计算又把大量算力搬回机房，大家不再购买每一台真实的服务器，而是根据需要租用计算资源。

到了手机时代，本地和云端更是长期并存。拍照发生在本地，图像识别可能在云上完成，相册既保存在手机里，也会同步到云端。到底把哪一步放在哪里，主要取决于几个问题：哪边更快，哪边更便宜，数据离哪边更近，以及任务是否需要持续运行。

AI 一旦进入生产力场景，就绕不开私人数据。它需要读的逐字稿在个人硬盘上，需要处理的表格放在某个文件夹里，需要操作的软件已经安装在自己的机器上。这样的任务，必须具备本地执行的能力。另外一些任务可能要跑几个小时，甚至每天定时执行，不可能为了它一直开着电脑，所以又需要云端的支持。

对于本地模式来说，我的感受尤其明显。

我的播客逐字稿、剪辑工程文件、报税用的表格、这几年公众号的存稿，都存在自己的电脑里。过去如果要让 AI 使用这些资料，需要先在几百个文件里找到相关内容，再一个个上传。

本地 Agent 的逻辑不一样。可以直接把一个经过筛选的文件夹授权给它，让它自己搜索、判断和建立上下文。我们不必精确记得某句话写在哪篇文章里，只要大概说出印象，它就可以在过去的文稿里查找。很多时候，它还能找出一些我自己已经完全不记得的资料。

本地模式里，我当然也还在使用 Codex。豆包的差异化价值，更多体现在中文环境和大众化产品体验上。比如寻找中文资料时，豆包通常更快，对中文网站、中文表达和国内信息环境的触达也更好。

现在我就在用豆包工作任务的 Turbo 模式，完成半拿铁周刊的选题脚本。它需要同时搜索多个中文信息源，读取我过去的选题偏好，再把候选新闻整理成适合播客讨论的角度。这种任务不只是「搜索新闻」，而是需要反复检索、筛选、比较，再交付一个可以继续编辑的文件。中间可能涉及到不同渠道的获取方式，有的还需要登录。我可以人工帮它解决中间的卡点。而它遇到任何的卡点，都可以自己想另外的办法，或者寻求我的帮助。

云电脑解决的是另一个问题。

云端运行的并不是一个抽象的聊天窗口，而是一套可以持续工作的远程环境。Agent 可以在里面打开浏览器、翻页面、填写内容、处理文件，再把结果交回来。对于深度调研、批量整理、定时监控、长时间生成这样的任务，本地电脑没必要一直开着，人也不用守在旁边。

我之前养龙虾，为了让 Agent 不断线，专门买了一台 Mac Mini 常年开着。从能力上说，这当然也是一种自己的「云电脑」。但配置环境、维护服务、处理断线和报错的技术门槛，已经把绝大多数用户挡在了外面。大家真正需要的不是证明「这件事技术上可以做到」，是打开就用、开袋即食。

而真正可用的云电脑模式，对于多数用户来说才是有价值的。这也是我之前聊龙虾时做过的判断：商业化、普通人可用的云端 Agent，一定会很快落地。现在豆包的云电脑，正是在把发烧友自己搭建的能力，封装成普通用户可以直接使用的产品。

比如我可以让它定时查看某段行程的机票价格，记录每天的变化，符合条件时再提醒我，而不用每天自己打开几个平台搜索查看。

云电脑还有一个非常现实的价值：今天大量软件和网页，都是为人类设计的，并没有对外开放完整接口。过去的自动化工具必须等平台提供 API，或者针对页面单独写脚本。Agent 可以直接理解人类界面，于是凡是在授权范围内、能够通过浏览器正常查看和操作的内容，理论上都有机会被纳入任务流程。

当然，这不意味着 Agent 可以绕过登录、验证码、权限和平台规则，更不意味着它对所有网站都能稳定操作。但边界确实被大幅拓宽了。API 决定的是平台愿意主动开放什么，而对界面的理解和操作能力，让 Agent 有机会使用已经存在的绝大多数数字工具。

3

过去大部分 AI 产品仍然是会话式的。问一句，做一件事；做完之后，这一轮就结束了。这种形态本质上还是一个长了手脚的 Chatbot。

真正的任务托管需要另外几样东西：能够找到相关资料，能够进入实际环境，能够持续运行，还要能够在不同设备之间保持同一个任务状态。

出门前，我可以在电脑上启动一个任务；路上在手机里查看进度，想起需要调整的地方，直接补充一句；等回到桌前打开电脑，结果已经生成好了。如果是本地任务，手机还可以连接同一账号下处于在线状态的电脑，远程调用文件和软件。豆包新版本更新的手机远程操控电脑功能，已经开始把这个场景做成现实。

这里发生的变化，不只是从 PC 端走到手机端，而是任务第一次不再依附于某一块屏幕。屏幕只是查看和干预任务的入口，任务本身可以在另一台机器、另一个时间段继续运行。

过去不乏纯云端的 Agent，也不乏纯本地的 Agent。豆包这次比较有意义的地方，是把两种模式放在了同一个产品、同一个账号和同一套任务体验里。用户不需要先理解技术架构，只需要判断：这项任务要不要使用本地文件？如果电脑关掉，它还要不要继续？

更有意义的地方在于，豆包是一个国民级别的应用。

根据 QuestMobile 2026 年 AI 应用市场发展半年报，2026 年 6 月，豆包月活跃用户达到3.82亿，千问和 DeepSeek 分别为1.67亿和1.29亿。至少从用户规模来看，豆包已经是国内使用人数最多的独立 AI 应用。

我身边从中学生到退休的长辈，都有人在用豆包。其他很多 AI 产品也很好，但用户往往集中在程序员、大学生、内容创作者或者大公司的知识工作者之中，很难形成这么宽的年龄跨度。

这个覆盖面跟模型参数没有直接关系，更重要的是入口足够低。不会打字可以说话，不知道怎么描述可以拍照，不理解 Prompt 也可以直接用最自然的语言提问。对于普通人来说，产品首先要解决的从来不是「模型够不够先进」，而是「该怎么开始」。

AI 产品要真正普及，需要连续降低四道门槛：表达的门槛、获取资料的门槛、执行操作的门槛，以及持续运行的门槛。豆包过去通过语音、拍照和自然对话，已经把表达门槛降得很低；现在本地电脑和云电脑，又开始补上资料、执行和持续运行这几层能力。

虽说 AI 行业经常给人一种「天上一天，地下一年」的感觉，但对于大部分普通人来说，对 AI 的理解仍然停留在聊天、搜索和生成内容。豆包现在做的，是把 Agent 从少数人折腾的高级工具，快速推到数亿普通用户面前。

这件事的意义，可能比又提升了多少模型参数更大。

4

从字节最近的一系列动作看，方向已经很清楚了：豆包要继续进入生产力场景，也要建立更清晰的商业模式。最近围绕豆包、飞书和火山引擎进行的组织调整，也是同一个信号。豆包负责面向用户理解和组织任务，飞书提供企业里的文档、表格、会议和协作环境，火山引擎则提供模型、算力和企业服务。三者开始从独立产品，变成一条完整的 AI 生产力链条。

这也是国内 AI 产品正在共同进入的阶段。阿里整合产品推出千问办公，钉钉调整管理层，腾讯集中资源发展 WorkBuddy，背后的方向都差不多：AI 不能永远停留在聊天框里，必须走进真实的文件、软件、组织和业务流程，才有机会形成长期价值。

不过对于豆包来说，关键未必是让几亿人突然开始「用豆包办公」。办公只是生产力的一部分，甚至是比较狭窄的一部分。

生产力更准确的意思，是一个人把自己的意图变成结果的能力。填写一张复杂的表格，整理一次旅行计划，给全家设计一周的营养搭配，把几百张照片分类，比较几款家电，查找过去几年散落的票据，替孩子整理学习资料，或者每天监控一种商品的价格，这些都不是传统意义上的办公，却都是普通人真实存在的生产力需求。

过去这类需求经常卡在一个尴尬的位置：它们很具体，也很个性化，但又没有重要到值得专门购买一套软件、学习一种工具，或者请一个专业人士来做。于是大部分时候，人只能自己凑合解决，或者干脆不解决。

Agent 最适合填补的，恰恰就是这一大片过去没有被软件工业覆盖的需求。它不是替所有人完成同一种标准化工作，而是让每个人都可以临时获得一套只服务于自己的工具和流程。

所以我现在觉得，豆包最值得关注的优势，不只是用户数量多，而是它开始同时具备两个看起来互相矛盾的特点：门槛足够低，能力的天花板又在不断提高。

一个中学生可以拍下一道题，让它解释自己卡在哪里；一个不习惯打字的长辈，可以直接用语音问路、识别植物、理解手机里的某个页面；一个普通上班族可以让它整理表格、准备材料；而像我这样的内容创作者，可以让它读取本地资料，持续搜索中文信息源，完成一个运行很久的选题任务。

这些人使用的不是四款不同的垂直产品，而是同一个豆包。区别只在于，每个人调用的能力深度不同。

真正的全民工具，不是把所有功能都做得很浅，也不是要求所有人都变成专业用户，而是让不同年龄、不同职业、不同数字化程度的人，都能从自己最熟悉的方式进入，再在需要的时候逐渐调用更复杂的能力。微信当年能够跨年龄段普及，不是因为所有人用微信做同一件事，而是有人只发语音和视频，有人用它工作、支付、经营生意。一个入口之下，可以存在完全不同的使用深度。

豆包现在也开始出现这种特征。

当然，现在的 Agent 仍然不够稳定。它会误解要求，会在网页里迷路，长任务可能中途失败。它还没有到可以把所有事情放心交出去的阶段。

但产品普及从来不是等技术彻底成熟之后才突然发生的。真正的拐点，往往出现在能力已经越过基本可用线，同时使用门槛又足够低的时候。

所以眼下如果让我只推荐一款 AI 应用，装给家里的不同年龄段使用，我大概率会选择豆包。

AI 真正进入大众生活的标志，可能不是它终于解出了一道多难的数学题，也不是它又在某个排行榜上超过了谁，而是同一个家庭里的孩子、父母和老人，开始用同一个 AI，解决各自完全不同的问题。

ChatGPT、Claude 亦有帮助。

题图由 Midjourney 绘制。