独家丨字节「小豆」呼之欲出，腾讯三路推进，个人 Agent 已成大厂组织能力之战

过去一个月，大厂在个人 AI Agent 上的动作明显密集了起来。

Manus 推出了 Cue，阿里正加速把千问改造成每个人的 Agent，腾讯在不同部门间铺开了多条产品线，字节也终于加快了此前 Spell 项目的产品化节奏。

ZF了解到，字节即将推出的这款独立个人助理应用，内部可能已定名为「小豆」。

互联网大厂争夺的从来不是又一个陪聊机器人，而是下一代系统级的交互中枢。一旦用户习惯把复合意图直接甩给 Agent 处理，现存的搜索框、电商平台、出行软件乃至支付工具，都会不可避免地退化为底层接口。谁能在最前端接住意图并把任务闭环，谁就有权力重构未来的流量入口和商业版图。

「小豆」正是在这个焦虑而关键的卡位期走向台前的。

从 Spell 到「小豆」

作为字节在 AI 时代的核心抓手，豆包的产品阵型经历过数次关键裂变与重组。

早期团队主要按 Mobile 端、PC 端和模型策略等职能切分。2025 年秋，赵祺转岗接手豆包产品，将三者打通整合；到了 2026 年夏，飞书产品团队整建制并入豆包，业务视线随即从大众消费端延伸至深度办公与生产力场景。

当个人 Agent 的技术代际浪潮袭来，团队的分工逻辑再次被重塑——内部思考的重心，从最初机械的“在哪个硬件端铺功能”，彻底转向了“AI 到底在为用户分担什么维度的任务”。

面对这一命题，字节在内部划出了两条相互咬合、各有侧重的战线，而先行推向市场的独立形态，被正式定名为「小豆」。

第一条线，也是最核心的基本盘，由李福祥掌舵。作为豆包 Chat 与搜索产品负责人，李福祥早期历经字节 AI Lab 与 AI 硬件团队 Ocean，横跨模型算法策略与端侧交互两个维度。在行业尚无成熟范式可抄的早期，他推崇产品理想态先行——先抛开现有模型的能力天花板，推演终局中最极致的用户交互形态，再反向倒逼工程与算法攻坚。随着模型策略团队收归其麾下，李福祥掌控了高度闭环的对话产品链路。

「小豆」的孵化，正是以李福祥的 Chat 与搜索产品线为主导。 此前由 Ocean 团队孵化、在端侧与硬件交互上积攒了相当工程完成度的「Spell」，则作为底层与端侧能力的供给方深度配合，将硬件探索期的系统级积累全数注入其中。

豆包组织架构

第二条线聚焦办公生产力与跨端生态，统归童遥掌舵。2020 年加入字节的童遥，早期在飞书体系内主导过多维表格的产品演化，后转战接管豆包 PC 端，并将豆包办公产品线全面收入麾下。如今他的业务半径不仅把控着桌面端的高价值办公工作流，更进一步向手机操作系统级入口与跨设备场景延展。

值得注意的是，童遥正是此前主导豆包PC端、后离职创业的齐俊元的后任。如今，齐俊元创办的 Today AI 已抢先一步正式推出国内首款个人 Agent 产品，与老东家在这一赛道形成了直接的正面交锋。

在这一轮协同中，Ocean作为硬件团队更早动手其实并不令人意外。

传统的对话应用大可偏安于某个 App 内部，静候用户手动唤醒，但个人助理型 Agent 必须全天候驻留在系统深处，读取即时通知、调动相机与各类传感器，甚至在复杂的第三方应用之间穿梭调度。它天然依赖终端设备与操作系统底层的深度授权。比起纯粹的互联网产品团队，长期扎在硬件底层的人，往往能更早看清这些隐形基建的刚性约束。

字节之所以没有直接在主应用「豆包」内部塞入一个功能入口，而是另起炉灶推出「小豆」，核心原因在于两者的工程逻辑和产品评测哲学存在本质分歧。

主端追求的是确定性的信息交互效率与高吞吐的请求响应，考核的是回答质量与停留时长，而 Agent 直面的则是充满不确定性的长链路任务，依赖长程记忆、环境感知与自主决策容错率。两套体系在数据飞轮与评测指标上很难在同一个产品壳体内和平共处。

腾讯同时下注三个入口

留给字节从容理顺内部阵型的时间并不充裕，因为个人 Agent 的竞争已经迅速演变为一场生态维度的围剿。

在赛道的另一侧，腾讯至少展现出了三条清晰的产品路径：长在国民软件腹地的微信原生助理「小微」、腾讯云主导的云端实例托管项目「 LightVela」，以及直面消费市场、筹备独立 App 的 「Handy Bot」。与此同时，元宝也在持续增强智能体模块，只是形态更接近传统助手的常规迭代。

这三条线各有底牌。「小微」背靠微信，天然拥有通讯录、即时消息、小程序体系和支付链路的特权，离中国互联网用户的生活现场最近。但微信数十年来奉行极度克制与不打扰哲学，而 Agent 的核心逻辑恰恰是主动刺探、动态跟踪甚至跨界面代操作，这让最富庶的「小微」反而最难放开手脚做激进实验。

腾讯云团队推进的「 LightVela 」走向了另一极，它更像面向个人的云端基础设施：为用户分配持续在线的专属虚拟空间，通过各类通讯工具下发指令，核心解决的是 Agent 如何稳定长在云端的问题，但目前的门槛依然偏高。

而 Handy Bot 则是彻底卸下包袱的独立试验田。摆脱了主应用的生态约束，它可以放胆测试主动提醒、跨端执行和复杂任务代办，产品形态也最接近 Muse。

腾讯内部虽然强调各自服务不同场景、淡化昔日的赛马色彩，但在技术代际更迭的关键当口，多线并举本身就是管理技术不确定性最成熟的商业手段。在终局清晰之前，腾讯把可能通向未来的门都推开了一条缝。

有了 Workbuddy 的前车之鉴，字节感知到了真正的压力。站在小豆对面的，从来不是某一个单点突围的竞品团队，而是腾讯以社交关系链为轴、联动小程序生态、云端算力底座与通用助手编织而成的立体包围圈。

字节的底牌在于更敏锐的用户洞察与工程整合效率。豆包手握庞大的用户心智与模型积累，抖音沉淀了对大众兴趣与消费意图的精准理解，硬件团队则贡献了宝贵的系统级权限经验。「小豆」的胜负手，取决于字节能否把这些分散在不同业务版图里的散碎优势，迅速焊成一把锋利的刀。

穿透软件的野心与算力账本的分化

在硅谷科技巨头的叙事里，个人 Agent 的理想形态是一个长期在线、深度理解你，并能跨越不同软件替你办事的数字管家。它最终争夺的不再是用户的屏幕时长，而是对数字世界的代理权。

这也决定了它不可能只是在通用大模型外包一层产品壳。扎克伯格曾对内强调，真正的个人 Agent 必须从预训练阶段重新设计。

传统大模型被训练来完成问答和文本生成，而 Agent 面对的是一套完全不同的工程现实。它要在长期模糊的目标下拆解任务，在缺乏上下文时主动探寻，并在连续调用工具、浏览网页和端侧执行的过程中实时纠错。

仅靠 Prompt 和插件胶水拼装出的产品，可以应付一次偶发的任务，却很难持续理解一个具体的人；它可以给出一份漂亮的旅行规划，却算不准何时该放手执行、何时该停下来向用户确认。

技术路线由此走向分化，背后是截然不同的商业账本。

Meta 选择重做底座，把模型、虚拟机、记忆网络与安全权限绑在一起全栈重构；而像 Instinct 这样的初创团队，则选择退守中间层，死磕自研推理管线。Agent 单次复杂任务调用的 Token 消耗，可能是普通对话的数十倍。如果每一次规划与核验都无节制地调用最昂贵的通用模型，产品就会陷入“用户越活跃、账面亏损越严重”的死循环。

所谓掌控推理管线，不是再去训一个基础模型，而是像交通调度员一样，精准决定哪一步用廉价小模型、哪些信息进上下文、何时并发执行，以及怎样以极低的成本完成交叉核验。

大厂拼算力与资本的厚度，创业公司则靠调度效率与垂直场景的切入，延缓被巨头吞噬的时间。

生态高墙下的异化与终极信任的归宿

无论技术路线在实验室里如何推演，一旦切入中国市场，都会迎面撞上超级 App 构筑的坚硬高墙。

微信、阿里、美团与抖音，各自扼守着社交、交易、本地生活与内容消费的腹地。每一块领地都依托独立的账号体系与严格的风控筑起防线。用户或许愿意向一个助手彻底放权，但没有哪家平台会甘心对外部程序敞开自己的商业闭环。

这直接导致在相当长的一段时间里，国内所谓的个人 Agent 可能变成平台 agent。而当 Agent 与特定平台的商业利益深度绑定，一个根本性的悖论随之浮现：这个 Agent 究竟代表用户，还是代表平台？当它推荐一家餐厅或一套航班时，背后的决策究竟源于对用户意图的纯粹精算，还是掺杂了平台的竞价、返佣与自营倾向？真正的个人代理理应毫无保留地站在用户一边，但脱胎于商业帝国的 Agent，天然背负着导流与变现的原罪。

正因需要建立这层深度信任与全天候响应，个人 Agent 最终不可避免地走向随身硬件与终端操作系统。相比被动唤醒的软件，硬件掌握着通知流、环境声学与位置的天然感知入口，才拥有在恰当时机主动介入的能力。

这也正是字节等巨头眼下真正的焦虑所在。摆在面前的考题并不是再造一个数千万日活的 AI 爆款，而是能否将底层模型、端侧感知与商业版图咬合在一起，搭建出一套让用户敢于托付的代理体系。走不通，它终究只是应用商店里又一个转瞬即逝的尝鲜工具；走通了，它将与前端负责表达与知识的豆包形成纵深，由 Agent 深入系统底层调度现实世界的服务。

到那时，巨头拿下的将不再是一个新的流量入口，而是一层架设在用户与数字社会之间的专属操作系统。这也是谁都不敢在这个战场上慢半步的真正原因。