办公Agent启示录：主要玩家忙着构建护城河，企业却缺乏一线实施者

解码Decode 2026-08-07 15:46

谁能真正帮你把活儿干完？

办公Agent赛道突然变得拥挤，我们得把这一趋势的源头追溯到9个月前。

去年11月，上线半年的Claude Code实现了10亿美元的年化收入，让编程成为AI第一个得到完全验证的商业场景。紧接着，年初爆红的OpenClaw把智能体带出了程序员圈子。

这两款产品带来的破圈效应在于，模型写代码的分解、调用、链路操作三大核心能力，可以从开发环境迁移到Word和Excel的日常场景，为办公Agent服务普通白领按下了回车键。

半年后，国内主流的桌面端AI原生办公智能体已达17个之多，整个6月总月访问量超过6000万次。

办公Agent赛道激烈竞争全面爆发的前奏是，各大科技巨头仅用了10天时间，就把办公Agent的内部赛马变成了桌面入口的寡头竞争。

7月20日，腾讯（Tencent）将QClaw整合进WorkBuddy；7月27日，阿里巴巴（Alibaba）将QoderWork、悟空（Wukong）和MuleRun整合进“千问办公（Qianwen Office）”，并开启内测；7月28日，360正式发布新一代企业智能体工作平台“Nano Work”；7月30日，字节跳动（ByteDance）将飞书（Feishu）拆分一部分并入豆包（Doubao）。

这场寡头竞争中最直观可预测的高价值机会，是IDC估算的今年449亿元市场规模，以及到2028年33%的企业软件渗透率。

简而言之，既有巨大的现实收益，也有未来的长期增长空间。

然而，在公众关注度极度火热的同时，如果我们将目光从行业喧嚣转向企业的真实业务，会看到另一组更值得深思的数据。

巨头卖生态，企业要落地

一个略显反直觉的结论是，真正实现大规模部署的企业AI项目仍然很少。

在今年针对企业智能体用户的调查中，IDC发现只有18%的中国企业将智能体集成到了核心业务流程中；Gartner在2026年对CIO和技术高管的调查中得出了类似数据，显示受访企业中只有17%在2025年部署了AI智能体。

包括新浪财经（Sina Finance）在内的媒体此前报道，超过70%的AI项目未能进入生产环境，超过90%完成POC的项目难以转化为可持续的商业价值。

一边是资本狂欢，一边是企业业务的冰冷现实。这道鸿沟值得每个人停下来认真思考，问题究竟出在哪里。

如果分析市场上几个大巨头的策略，我们会发现他们在办公Agent赛道上的策略惊人一致：卖生态。

所谓生态，可以理解为底层、中层、顶层三层的环环相扣。

底层是大模型，包括混元（Hunyuan）、通义（Tongyi）和豆包，决定能力上限；中层是入口，包括微信（WeChat）/企业微信（WeCom）、钉钉（DingTalk）和飞书（Lark），定义用户的工作流；顶层是云，包括腾讯云（Tencent Cloud）、阿里云（Alibaba Cloud）和火山引擎（Volcano Engine），解决成本与落地的问题。

三层相互咬合，形成自我强化的数据飞轮。用户在入口的每一次操作都为模型提供养分，优化后的模型再通过云端以更低成本反馈给用户。

在巨头的商业逻辑里，飞轮转得越快，自身的护城河就越深。

但在具体路径上略有差异：腾讯的策略是入口优先，通过微信和企业微信握住中国最广泛的办公触点；阿里巴巴意在覆盖全链路，将钉钉场景、通义能力和云计算资源一次性整合；字节跳动遵循经典的铁三角模式，由飞书覆盖场景、火山引擎提供算力、豆包输出能力。

路径不同，但本质是构建同一个东西：一个用户一旦用上就难以离开的系统。

这个逻辑本身是合理的。对巨头而言，智能体平台是其各自生态版图上的新拼图，完全具备商业可行性。

但从企业的视角看，情况完全不同。

企业花几十万元购买AI能力，但销售部用工具A，市场部用工具B，合同存在网盘里，账目记在Excel里，客户信息存在员工的个人微信里；员工都在用AI写PPT、写文案，效率提升落在个人身上，成本记在公司账上，风险由老板承担。

于是矛盾浮出水面：企业真正缺的，是能连接上百个插件的“生态”，还是“能帮我把这些事情真正跑起来的人”？

交付才是答案

答案其实藏在AI自身的演进轨迹中。

如果说2023-2024年企业采购AI的关键词是“买模型”，那么2025-2026年的关键词正在变成“跑起来”。

“跑起来”的意思不是更聪明地陪你聊天，而是交付实实在在的结果。

黄仁勋（Jensen Huang）和许多其他行业领袖都曾在公开场合反复表达类似观点：“AI的进化就像爬楼梯，已经从感知、生成、推理发展到能够做真正有生产价值的工作。”

这正是行业分化的分水岭：从能够回答问题，转向能够完成任务。

一个真实场景可以说明这种区别。

一家酒店数字化公司准备竞标一个价值数百万元的项目，评标分数的60%取决于技术方案，全套应标文件必须在两周内提交。

传统做法是组队加班两周，结果还不一定靠谱。而把评分表直接导入智能体系统，它会逐项拆解、对齐大纲、编写正文七大章节、配上十几张图示，直接输出Word文档，覆盖所有得分点。

这就是“把活儿干完”和“给你一个工具”之间最真实的差距。

这件事之所以值得单独强调，是因为市场上大多数号称“智能”的产品仍停留在后一类：给你一个更聪明的对话框、一排更花哨的模板、一套更复杂的配置流程，本质上还是把活儿推回给你。

一个真正可靠、能“扛事”的系统是端到端的：你输入目标，它输出结果，中间所有的拆解、调度、执行、核验都在后台自动完成。

然而顺着这个逻辑，一个自然而然的问题是：谁来干这些活？

Nano Work就是这样的产品之一。它的定位很克制：它不只是一个SaaS工具或聊天窗口，而是一个具备多智能体协作、按需多模型调度、云端7×24小时运转的AI专家。你告诉它你想要什么，它读取资料、拆解任务、调度相应专家，端到端交付成品。

但能扛事只是基本门槛。真正决定企业敢不敢给它“扛事”权限的，是安全。

如果一个智能体会读你的合同、写你的标书、访问你的CRM，它就不再是实验工具，而是业务系统的一部分。此时，数据如何隔离、权限如何管理、结果如何审计，每个问题都关系到企业的数据资产，也就是巨大的现实经济利益。

借用电影*《让子弹飞》*里县长的台词打个比方：吃着火锅唱着歌，突然就被麻匪劫了，你能怎么办。所以，对办公Agent而言，让企业信任你，是比技术能力更难构建的护城河。

上半场拼能力，下半场拼安全

大模型犯错，只是说错话；智能体犯错，是做错事。前者像顾问，错误的建议你可以不理会。

而后者一旦被授权管理账号、招投标和合同，一个错误的数字就会造成直接经济损失。

这不是危言耸听。2026年4月，租车软件初创公司PocketOS使用了由Anthropic的Claude Opus 4.6驱动的AI智能体，包含客户信息在内的数据库在9秒内被彻底删除。

由于支持流程延迟，该公司花了超过一天时间才从灾备中恢复数据，但仍然存在重大数据缺口。更令人不安的是，当创始人询问原因时，智能体坦率承认自己违反了交给它的每一条原则。

更早之前还有更戏剧化的风险：三星半导体（Samsung Semiconductor）允许员工使用ChatGPT后的20天内，发生了三起机密数据泄露事件。原因是工程师直接将专有源代码、设备测试数据和内部会议纪要粘贴到公共AI工具中。

换句话说，员工把报价单、客户名单和核心代码粘贴给外部公共AI，公司获得了效率，但也可能在不知不觉中让数据泄露。

2025年，全球因员工使用生成式AI工具而导致的企业数据泄露事件超过1200起，同比增长超过200%。

这组数据揭示了一个根本性的错位：大多数企业仍在用防黑客的传统思路来应对AI时代的风险。

然而，AI时代的安全与传统网络安全完全不同。传统安全防的是边界，防入侵、防病毒、防DDoS，边界清晰。

智能体安全防的是权限：它在系统中穿梭、调用API、读写数据，每一次操作都涉及身份、授权、审计和隔离。

这不是加一道防火墙就能解决的，需要从底层重写安全逻辑。

一位CIO的比喻很贴切：过去，安全就像门卫站在门口查证件。现在，安全就像管家，盯着家里的一切，谁拿了什么东西、进了哪个房间、做了什么，所有操作都必须留下痕迹。

然而，市面上绝大多数AI办公产品，安全都是后补的补丁：先开发功能，再补权限；先上线，再审计。

能把安全嵌入底层的公司，往往是那些在最难也最琐碎的事情上扎得最久的公司。以360为例，其20年的实战攻防经验，让Nano Work从起步就能将智能体守护、AI沙箱、全流程溯源等能力植入产品基因。

这种出厂即内置的原生安全，与后来打补丁的安全完全不同。这种能力不是贴标签贴出来的，是在无数场硬仗中积累出来的。

买了AI之后，谁能真正跑起来？

但很多时候，企业里AI项目真正的“死因”不是模型，而是现场落地。太多企业面临产品很好却没人会用的困境。不是界面复杂，而是没人告诉你“怎么让业务用AI跑起来”。

企业采购AI和采购传统软件最大的区别是什么？传统软件买了就能用，AI买了之后还要“养”，需要有人调模型、接数据、对流程。很多企业买的AI产品闲置不用，根源就在于没有人对落地负责。

问题存在于每一个需要AI落地的环节：演示时数据是准备好的，权限是默认开放的，流程是简化过的。一旦进入真实的企业环境，问题马上就变得复杂起来。

客户数据分散在CRM、ERP、财务系统、企业微信等多个地方；每个人能看什么数据取决于权限；AI生成的建议需要审批后才能执行；IT部门关心接口和安全，业务部门关心效率和体验，管理层关心成本和可复制性。

这催生了一个新的工种——FDE（Frontline Deployment Engineer，一线部署工程师）。他不是只讲方案的售前工程师，不是只管配置的实施工程师，也不是只写代码的纯开发者，而是三者的交集，且更专注于交付最终结果。

简而言之，FDE不是只有单一能力的“手艺人”，而是模型能力与企业业务之间的翻译者和连接器。

这也是一种类似底层基础设施的能力，在AI竞争的下一阶段容易被忽视：从模型转向现场场景，谁能进入客户的真实流程，谁就更有可能把AI转化为商业价值。

结语

巨头手握资本和生态，主攻快速放量的通用赛道；另一条路则基于安全和落地，深耕追求可控性和深度定制的行业。客户天然分层，每条路都有各自的合理性。

智能体竞争已经进入下半场。上半场拼参数、拼资本、拼关注度；下半场拼真实落地能力和安全信任。后者只能在日复一日的无数项目中打磨出来。

因此，给每一位正在选型的决策者：评估平台时，别只盯着生态大会上炫目的PPT，不妨多问一句——

谁能真正帮你把所有的活儿都干完？