文｜躺平指數

今年初，OpenClaw掀起的AI Agent熱潮，已經過去半年。那時，中文互聯網幾乎到處都在談Agent。大廠推出類OpenClaw產品，創業團隊也往桌面助手裏擠，彷彿誰都能搶到一張新入口的門票。

半年後再回頭看，真正接住這波需求、把個人辦公入口做出聲量的，是騰訊的WorkBuddy。

WorkBuddy的特別之處，是它並非靠全球領先的自有模型衝出來。Codex和Claude Code有頂尖基座模型開路，WorkBuddy則選擇在產品層把多模型、Skills、本地工具和騰訊生態接到一起。對沒有編程基礎的人，這是一款願意點開試試的產品。

雖然不是WorkBuddy用戶，我也有切身體感。今年初用Claude桌面端時，我一直沒碰Claude Code，因為不覺得自己需要編程。後來實際用起來才發現，它接住的是原有工作裏的文件、工具和多步任務，投研和日常辦公都能用得上。

WorkBuddy在個人端的起量，至少印證了一件事：除了卷模型，把產品做好同樣是一條路。幾乎在同一時間，阿里和字節也開始收攏各自的辦公Agent資源。8月3日，阿里將三款Agent整合為千問辦公並開啓公測；8月6日，字節在年中全員會上強調AI生產力和企業業務，此前已重組豆包、飛書與火山引擎相關團隊。

但個人端的熱鬧，離一門能夠持續產生現金流的生意還有距離。三家現在最容易讓人看到的是功能、免費額度和社交媒體上的聲量，最難看到的卻是付費規模、使用深度、續費和單位成本。

而辦公Agent還有一個天然的錯位：員工在用，工作成果歸公司。只做一份報告時，個人可以偶爾買一點Token；當Agent開始長期運行、接入內部數據並代表員工採取行動，成本、權限和責任就不該繼續留給員工。它要真正上規模，最終必須進入企業預算。

01好用只是開始

現在的辦公Agent之所以看起來像一場面向個人的競爭，原因並不複雜。打工人們最先發現新工具，也最容易被Skills、多模型和免費額度打動，點開一個Skill，看它寫完報告、做好表格，價值幾分鐘內就能感覺到。

這種展示當然重要，它讓一項陌生技術從看不懂變成可以親手試，也讓個人很快用得順手。但個人用得順手，只能證明產品跨過了使用門檻，不能證明整段工作已經能夠進入企業生產，更不會自然變成企業買單。

個人端最容易感受到的，往往是一份立刻可見的結果。讓Agent寫報告、整理表格、處理代碼，今天的基座模型已經能完成相當一部分。可企業要付費的，不是這些孤立的結果，而是它能不能接住一件具體工作。

同一個客戶、訂單或利潤，即便在同一家公司裏，不同部門可能使用不同口徑，需要的知識又散落在客戶系統、業務系統、數據湖和舊系統裏。模型面對公開資料可以寫出一份通順的報告，進入企業以後，它還得按公司的定義找到依據，給出能夠繼續使用的結果。

即使數據和口徑都對，工作也只做了一半。報告寫完要進入審批，數據算完要寫回系統，任務卡住要等人處理，恢復以後還得知道從哪裏接着做。Agent要接住的不是一道題，而是一件會被打斷、會出錯，也必須繼續往下走的事。

工作一旦拉長，成本就高了。亞馬遜雲科技（AWS）的示例測算顯示，一次請求需要三次工具調用時，推理成本可能達到單次工具調用的5到10倍，因為每輪調用都會把累積的對話和工具結果重新送回模型；增加的編排、存儲、網絡和安全負載，也會影響企業願意讓Agent運行多久、接多少任務。

如果Agent能花錢、修改系統或對外行動，企業面對的就不只是成本。權限由誰開放，結果由誰檢查，出了錯誰來接手，都要在行動前說清楚。個人拿到錯誤結果可以重做一遍，公司卻要保證一次失誤不會沿着後面的工作繼續傳下去。

成本會隨着任務變長，責任又會隨着行動擴大，企業自然不會一開始就把整段工作交給Agent。更現實也更常見的做法，是先劃定一個能夠觀察、隨時接管的範圍，再根據結果逐步擴大AI工具的使用範圍和授權邊界。

西班牙對外銀行（BBVA）從2024年5月開始與OpenAI合作，首批向約3300人開放ChatGPT Enterprise，2025年5月擴大到約1.1萬人；又過七個月，才宣佈面向約12萬人推廣。到今年6月，實際使用人數超過10萬，從第一批賬號到現在過去了兩年。

摩根大通鋪開的速度更快。它在2024年夏季推出LLM Suite，把大模型放進安全的內部環境，八個月從零覆蓋約20萬人。但這首先搭起的是員工訪問模型的統一安全入口，並不意味着企業已經把數據、系統和行動權限一次性交給Agent，更深的數據接入和工作流授權仍要未來逐步推進。

儘管入口由企業管理，Agent背後的運行資源卻可能橫跨內外，企業要決定的是哪些能力可以藉助外部，哪些必須留在內部。IDC與中國信息通信研究院聯合調研了250家企業，其中，在IDC調查的智算雲服務用戶中，85.8%採用外部AI算力與自有數據中心結合的混合架構。

這些選擇看起來各不相同，背後卻有同一套邏輯。Agent可以接觸什麼、做到哪一步，決定權必須重新回到組織手裏。模型負責提供能力，模型之外還需要一套產品機制，把任務組織起來、驗證結果，並在必要時限制或接管行動。

02誰能把實施經驗變成產品

即便是同一個模型，放進不同產品，最後能做成的事也可以完全不同。有些產品每走一步都要人提醒，另一些能記住進度、調用工具，並在出錯時停下來。這些差別沒有寫在模型權重裏，卻決定了Agent能不能交付結果。

產品運行框架（Harness）負責把模型能力組織成可以交付的產品。它把任務需要的資料交給模型，安排步驟、調用工具、記住進度，結果不對時還要能夠檢查和重來。當AI Agent進入企業以後，身份、權限和審計也要放進同一套機制。

模型越強，Harness越不必重複模型已經會做的事，產品設計的重心越應該轉向驗證、恢復和治理。

2026年7月，Anthropic披露，面向Claude 5代模型調整Claude Code，刪去80%以上系統提示詞，在其編程評測中未見性能損失；團隊再按模型反覆失敗的位置補回必要機制。Claude Code負責人Boris Cherny還認為，讓模型在執行過程中驗證自己的工作，是當前最容易被低估的能力之一。

和個人用戶不同，Agent進入企業，模型之外的產品層從單個產品延伸到雲平台。雲廠商把模型服務、運行環境和組織治理合成一層。2026年4月，谷歌雲宣佈，Vertex AI將通過Gemini Enterprise Agent Platform交付。

拆開看，單個Agent怎樣完成任務，由Harness組織；企業管理多個Agent，則需要企業控制層（Control Plane）統一登記、授權和管理。國內的騰訊雲WorkBuddy Managed Agents、阿里雲百鍊與AI網關、字節旗下火山引擎AgentKit和HiAgent，也在以不同的產品組合補齊類似的組織級治理能力。

Harness和企業控制層可以執行規則，卻不能替企業制定規則。Agent只在一個團隊裏使用時，口徑、權限和驗收標準還能局部約定；一旦跨過部門邊界，這些規則就要在組織內部重新對齊。

Anthropic對500多名美國企業技術負責人的調查，量出了這道分界。57%的受訪企業已用Agent處理多階段流程，進入跨團隊流程的只有16%。同一調查中，46%的受訪者將現有系統集成列為主要障礙，42%提到數據訪問與質量。

跨過這道組織邊界，企業既要打通系統，也要對齊數據。畢馬威（KPMG）2026年報告提出，企業數據要供Agent使用，必須能夠被檢索、帶有足夠的業務上下文，並通過數據血緣、機器可讀權限和決策規則建立可信基礎；而數據含義、質量標準與權限歸屬，又分別掌握在不同部門手裏。

辦公Agent進入企業生產，需要完成兩次轉換。Harness負責把模型變成企業實際可用的產品，企業則要把產品嵌進自己的生產系統和流程。前一次決定Agent能不能把任務做完，後一次決定它能不能進入正式生產，並形成持續採購。Agent廠商可以提供連接器、權限工具和評測方法，但數據怎樣解釋、業務怎樣定義、結果怎樣驗收，仍要由客戶企業形成共識。

在當前階段，每家企業不同的數據、權限、流程和驗收標準，首先增加的是單個客戶的實施負擔。換一家客戶，廠商就要重新理解業務、配置系統、驗證結果，上一家客戶的經驗只能部分複用。

與傳統SaaS相比，辦公Agent面對的工作範圍更寬，理論上的市場邊界也更大。目前看，不同廠商走到這裏，手裏的牌也不一樣。雲廠商和企業軟件公司離數據、系統和身份體系更近，獨立Agent產品則可以依靠跨模型、跨雲的中立性，或者在一個行業裏把方法做深。多模型本身不構成護城河，只有把質量、成本、權限和評測一起管起來，模型路由纔會產生企業價值。

騰訊、阿里和字節擁有的個人流量、內部推廣和雲資源，當然都是優勢；但一門能夠複製的生意，最終還要由第三方客戶來證明。只有當體系之外的企業願意交出預算、數據和行動權限，這場競爭纔算真正進入企業市場。

03結語

個人端的流行可以製造聲量，企業端才能留下可供定價的數字。

對於投資人來說，Agent的大行其道未必全是好事，它正在讓原本就不透明的雲業務和軟件業務，變成一個更深的黑箱。過去，市場已經很難知道一筆收入究竟落在計算、存儲、數據庫還是軟件裏；現在，應用席位、模型推理、企業控制層和實施交付，又被很多公司裝進同一個「AI業務」口徑。

微軟披露AI年化收入運行率超過370億美元、Microsoft 365 Copilot付費席位超過3000萬，Salesforce披露Agentforce的年化經常性收入（ARR）與交易筆數，中國廠商公開的更多是活躍排名、席位價格，以及飛書新客戶採購AI產品的比例。

它們看起來都在證明AI開始創造收入；但這些口徑沒有隨着數字一同變細，市場仍然分不清賣出去的是可複製的產品，還是需要反覆實施的項目。

投資人真正需要回答的是兩個問題：Agent有沒有越過席位和試點，進入客戶的正式生產；企業部署有沒有開始形成規模經濟。前一個可以看生產工作流佔比、人工接管率和續費擴張，後一個則要分別看單個客戶消耗多少實施與定製資源，以及後來客戶的上線速度和模板複用率。

更細的披露不會自動推高股價，卻會成為經營信號。願意公開生產使用、交付複用和客戶擴張的公司，至少讓這門生意有機會被比較；只願公布席位、Token和合同數的公司，也要接受市場對看不清部分的折價。