AI辦公,卡在哪了?百度搭子給出的答案是“直接交付”
作者 | 陳駿達 編輯 | 漠影 674.30萬。這是百度搭子(DuMate)在AI產品榜・桌面榜(PC)2026年7月榜單上的月活數字。環比增長1063.79%,讓它拿下AI辦公智能體增速榜第一;在總榜上,它已經站到前二。自今年3月上線以來,這個產品的日均提問次數增長了60倍。增長數字當然亮眼,但更值得關注的或許是另一個問題:用戶到底在用百度搭子做什麼?做完了什麼?如果只看“提問次數”,AI辦公產品很容易被當成一個純粹的文本生成工具。
但百度搭子觀察到的用戶行為不是這樣:60%的用戶任務,已經跨越資料搜索、分析判斷、內容製作、格式加工等至少三個步驟;86%的任務,帶著“彙報、發客戶、提交、發佈、上線、最終版”這類明確的交付終點;95%的用戶,在拿到產出之後還會繼續下載、導出、分享、編輯或發佈。換言之,用戶要的是完成,而不只是生成。圍繞這一需求,近日百度搭子在上海發佈百度搭子個人版、企業版、專業套件及工作臺能力的一攬子升級,把對這種需求的回應濃縮成一個主張——“交付即驚豔”。一、AI辦公,到底卡在哪?今年AI辦公賽道有多熱?國內頭部大廠幾乎都在同一時間押注AI辦公,密集整合資源、搶發新品。百度搭子也維持著較快的迭代節奏。
百度集團執行副總裁、百度智能雲事業群總裁沈抖稱,百度搭子自今年3月發佈以來,5個月內已完成150次迭代,過去一個月用戶增長近9倍。這股熱度背後是足夠大的想象空間:據AI產品榜統計,當前國內AI辦公桌面端的月活躍用戶總量約3000萬,對照傳統辦公軟件的用戶規模,這個市場還有約20倍的增長空間。但熱鬧的另一面是,此前的許多AI辦公工具,並沒有真正提效。舉一個最常見的場景:一場跨部門會議開完,AI會議助手已經能自動生成紀要和待辦,看起來效率很高,但下一步,紀要要人手動整理成正式文檔,待辦要人逐條錄進任務系統,跟進提醒還要人挨個去催。工具幫人把記錄這個環節跑快了,但記錄到執行這條鏈路依然是斷的。
工具越裝越多,時間卻大多消耗在這些瑣碎的細節上,而不是創造價值本身。問題出在哪?一個典型的解釋是:此前的AI辦公產品,大多還停留在給舊工具嵌入AI能力的階段,讓舊工具跑得更快。而用戶期待的,是直接交付。於是我們看到,新一波產品正在轉向交付導向競爭的衡量標準,正在從簡單的生成速度,推向綜合的成果交付。智能體能自主規劃步驟、串聯完整工作流,任務從頭到尾全部承接,交付物也從一段文字或一張圖,升級為可直接使用、編輯、發佈的完整產物。百度搭子提出的“交付即驚豔”,正是這一趨勢的集中體現。二、“交付即驚豔”:結果直接用、專業人士參與共創 “交付即驚豔”這個主張,來自用戶的真實行為本身。
百度搭子觀察到,用戶的用法正在發生質變:端到端任務的請求佔比快速提升,兩年前這個比例只有20%,如今已經達到80%甚至90%,特定場景下可以到100%。而用戶對產品能力好壞的判斷標準也很樸素:結果能不能直接用。百度搭子對“交付即驚豔”的理解,恰好踩中這個需求。它被拆成三個層面:專業執行,理解目標、規劃步驟、調用資料和工具,並校驗關鍵事實;交付驚豔,形成內容紮實、表達清晰、可以直接使用的成果;開放共創,支持用戶修改、接管和複用。在百度搭子產品架構師李景秋看來,AI辦公的“交付”不是一句口號,而是一套可以量化的標準,在不同專業領域,用戶各有各的判斷尺度。
這一判斷也影響了百度搭子做專業套件的方式——真正的專業人士參與了共創。李景秋介紹,在打造金融套件時,他們找了一批來自知名金融機構、日常就做專業投資的資深操盤手;自媒體套件則是由一批KOL博主、MCN機構的人共同打造。針對流程割裂的痛點,百度搭子把原本AI辦公要在多個工具之間跳轉的許多環節,重新接回同一條工作流裡,具體可以拆成三點: 一是讓任務能從頭跑到尾。結合自研的Harness引擎,百度搭子的任務完成率可以達到90%以上,智能體可以完整串聯起所有環節,用戶不必拼裝。二是結果能接著改。
在百度搭子裡,編輯、修改可以在交付環境裡接著做:比如做應用開發,可以進入百度秒噠工作臺繼續調整、直到發佈;做數據分析,可以調用百度勝算完成跨數據源檢索和圖表生成。三是數據能核驗。此前,用戶拿到AI的回覆時往往還要自行查證,如今,百度搭子得出的關鍵結論都可以在任務流裡就地核驗:金融套件接入同花順等官方信源,數據分析中勝算生成的每項結論都能追溯到來源。再加上全新發布的“搭子時刻”,用戶可以把成功的成果連同背後的步驟和指令一起分享出去,讓工作流本身也可以交付。三、套件覆蓋自媒體、金融等行業,實測可創作公眾號、小紅書、抖音內容 把“交付即驚豔”落到實處的,是百度搭子陸續上線的專業套件。
目前這套能力分個人版和企業版:個人版面向具體崗位,已推出自媒體、金融、教學、設計等套件。企業版則上線了15個行業套件和96項專業技能,覆蓋金融與財務、商務與法務、產品與研發、運營與人力四大職能領域,從對公信貸、金融分析、財務分析、預算與預測,到投標文件編制、採購管理、合同審查、軟件開發、招聘培訓,幾乎每個工種的活兒都被組織成了成套的工作流。我們重點上手試了試個人版的自媒體套件。這是百度搭子上線最早、也最有代表性的套件之一,覆蓋了內容創作的全鏈路:選題研究、熱點分析、內容創作、多平臺發佈和運營覆盤。
在拿到熱點監測任務後,百度搭子根據我們提示詞中提到的五大賽道,發出五個並行搜索請求,最終發現了幾個關鍵事件,並對其中需要補充細節的事件進行了針對性搜索。之後,我們選擇了英偉達收購Hugging Face的消息,讓百度搭子將其轉寫為一篇公眾號文章。執行過程中,可以感受到百度搭子是比較“懂行”的,在內置的公眾號寫作參考文檔指導下,它嚴格按照公眾號格式要求,輸出了HTML格式的文章,附帶完整的備選標題、摘要和比例正確的頭圖,可以直接導入微信公眾號後臺使用。在創作過程中,還有一個需求是為多平臺打造不同風格的內容,比如小紅書筆記、抖音視頻等等。百度搭子對這些平臺的內容調性都有準確的把握。
針對小紅書,百度搭子重新撰寫了更為口語化、第一人稱視角的文案,按平臺特性重新設計信息密度和敘事節奏,比如短段落、適度emoji、6個話題標籤等等。在同一個工作流裡,百度搭子還打造了6張視覺風格統一的配圖,3:4豎版比例適配小紅書信息流。針對抖音,百度搭子懂得先撰寫分鏡腳本與文案,而不是拿到標題就直接丟給視頻生成模型。它先把60秒拆成4個15秒分鏡,每個分鏡獨立定義畫面描述、鏡頭動作、旁白文案和音效,然後按中文語速反推每鏡臺詞上限,把400字旁白均勻分配到四個段落裡。百度搭子的分鏡方案先以表格形式呈現給用戶確認,通過後才進入預處理、逐鏡提交、合成,並用大概15分鐘時間完成了下方視頻的生成。
這種方式成功避免了在生成完成後才發現分鏡方向不對、返工成本高的問題。自媒體套件的出現,充分激發了用戶的創作需求。百度搭子透露,自媒體套件上線前,有自媒體創作需求的用戶大約只佔2%;上線四周後,這個比例漲到了15%。一個套件,直接改變了整個平臺的用戶結構。我們還順帶體驗了個人版的金融套件,它面向金融從業者和個股投資者,覆蓋市場洞察、個股分析、盯盤監控和持倉分析,並接入同花順等官方信源。拿到覆盤最近港股互聯網股走勢的任務後,百度搭子根據我們的訴求選擇了行情分析的具體能力,然後開始收集數據,每個數據和信息都有來源和時間點,而確實未搜索到的信息也沒有編造,而是標註為未取得。
整個任務跑下來,百度搭子充分尊重了金融場景對嚴謹性的要求。這些套件共同解決的核心問題,正是文章開頭反覆強調的那件事:讓用戶拿到直接能用的成果。無論自媒體還是金融,套件把行業知識、專業工作流和數據源打包成“成品”,用戶拿到就能用,並且能輸出達到專業場景交付標準的結果。結語:AI辦公,從工具到同事 回到前面那兩次實測。公眾號文章直接輸出HTML格式,配好比例正確的頭圖和備選標題,不用二次排版;抖音腳本先拆分鏡、先讓用戶確認方向,再進入生成,避免了返工;金融套件裡查不到的數據老實標註“未取得”,而不是編出一個數字。
這些細節看似瑣碎,但恰恰對應著”交付即驚豔”裡最難做到的那層:專業執行,理解目標、規劃步驟、調用資料和工具,並校驗關鍵事實。真正的交付能力,往往就藏在這些容易被忽略的細節裡。這也是這場AI辦公競爭正在發生的轉變。過去一年,行業比拼的重點是模型夠不夠聰明、生成夠不夠快;現在,評價標準正在悄悄挪到另一端,工具交出來的東西,用戶到底要花多少時間才能把它變成能用的成果。百度搭子把“交付即驚豔”擺到檯面上講,某種意義上是把這個原本隱性的驗收標準,第一次變成了一個可以被公開討論、公開較量的產品指標。
沈抖在發佈會上把這一點說得很直接:用戶規模增長快,說明產品命中了需求,但產品體驗是否做到極致、交付結果是否做到驚豔,決定用戶願不願意留下來。增速數字能證明一時的熱度,留存率才是檢驗交付能力的真正考場。放到更大的行業座標裡看,AI辦公正在催生一種新的工作方式:智能體不再只是藏在文檔、表格裡的一個入口,而是像同事一樣,承接需求、規劃步驟、交付成果,從生產力工具,變成生產力本身。
Related
相關文章
AI 浪潮下的社區無奈謝幕:知名反編譯追蹤網站decomp.dev宣佈關閉
該網站曾致力於集中展示匹配反編譯的進展,並凝聚志同道合的技術愛好者。然而,隨著近年來人工智能技術的迅猛發展,開源協作生態遭到嚴重破壞,創始人最終決定讓其退居為歷史數據存檔。匹配反編譯長期以來是一項極度耗時且艱難的任務。自2026年初 Opus4.
AI 系統 RFdiffusion3 能從原子層面造蛋白:實驗裡真能幹活
更硬核的是,用它全新設計的蛋白質,已在真實化學反應中兌現了預期功能。由美國華盛頓大學、英國牛津大學、英偉達等機構組成的國際團隊搭建了這套系統,可對單個原子建模,專門用於設計蛋白質與核酸,相關成果於當地時間 16 日刊登在國際期刊《科學》上。
迪士尼將以2000萬美元收購Character.AI部分資產並接納核心團隊
據彭博社披露的法律文件顯示,迪士尼已同意以2000萬美元收購 Character.AI 的部分資產,並向至少60名員工(佔其員工總數的大多數)提供總額約6000萬美元年薪的就業機會,目前絕大多數受邀員工已接受試探性報價。此次收購與人才吸納,凸顯了傳統娛樂巨頭在人工智能浪潮下對垂直領域技術團隊的深度整合。
不操控鍵鼠、自己寫代碼:4 個 Gemini 智能體在《我的世界》裡自主組隊擊敗末影龍
4個 Gemini4Argon 通用編碼智能體,在沒有人類替它們分派任何角色的情況下,僅憑遊戲內的聊天頻道和一份共享筆記,就自己商量著完成了分工,然後一頭扎進一個隨機生成的《我的世界》生存世界裡。這場硬仗打了27小時14分鐘,它們最終通關,把末影龍撂倒。
垂直大模型"同源觀瀾"在福州發佈:用 AI 把兩岸共同歷史記憶"激活"
10月18日,中華文化傳承與兩岸融合發展垂直大模型"同源觀瀾"在福建師範大學旗山校區正式發佈,它的使命很明確——用數字技術把兩岸共享的歷史記憶重新盤活。福建師範大學校長鄭家建點出了這套系統要解決的真實痛點:涉臺檔案資料浩如煙海,整理和考辨的難度極高。
Vercel數據表明決策模型Jev成史上採用最快AI模型
Jev於9月15日限量發佈,通過限制預設輸出數量實現更高速度與更低成本,成為快速分類大量數據的理想選擇,並已促使OpenAI和亞馬遜等公司推出競品。作為早期採用者,Vercel已利用Jev取代GPT-6Luna來識別有害指令。相關數據源自類似OpenRouter的統一 API 服務VercelAI網關,該報告同時指出開源模型已佔據處理代幣的70% 以上及總支出的近25%,而前沿實驗室支出亦實現十倍增長。