AI辦公，自費上班打工人的第一筆“首付”

縱向青年2026.09.19 10:00 · 來自遼寧全文4451字00:00 / 13:02誰能搶佔下打工人的桌面。文 | 縱向青年，作者｜肆夕，編輯｜李明皿過去一個普通打工人的收入規劃，是三分之一留給房租、三分之一用於日常、三分之一作為存款。但從這個時代起，越來越多人的收入已經開四等分，有一部分用來留給AI充值。所有需要伏案辦公的人，都已經或主動或被動的接受過AI洗禮。一個對職業有追求的打工人大概都自費訂閱過ChatGPT Pro、Claude Pro來試試工作有沒有降本增效的空間。有人每月在AI工具上花的費用和房租持平。訂閱賬單涵蓋三四個平臺的會員，外加按量計費的調用服務。

從最便宜的檔位起步，用了一週發現額度不夠支撐日常工作，只能咬著牙升了一檔又一檔。一件原本屬於個人選擇的事情，也開始慢慢變成一個群體問題。AI時代，成為了第一個自費上班的時代。燃燒多少Token，才算有在努力工作李越上班的第一件事，就是給AI下達指令。先用Claude生成一版方案，在AI思考和生成的半分鐘裡，把指令同樣下到Deepseek和ChatGPT對話框中。先看哪個AI給的成品最接近理想版，再把思路摘下來，複製到Claude的對話框裡。等待八成合格的方案生成，這份內容將重新喂到另一個高度模擬他工作習慣的對話框，最終花半個小時修修剪剪就基本能大功告成。

一杯咖啡錢，省去至少3個小時的高強度腦力運轉，不難理解，為什麼在今天沒有AI無法工作會成為打工人的普遍情緒。過去談及打工人自費上班，充其量是提升上班的體驗。比如，對自己好點是買個人體工學座椅搬進辦公室，買個機械鍵盤當生產力工具，一天花錢買兩杯咖啡保證工作狀態。而AI對工作的介入是悄無聲息的，最開始大家對AI使用還停留在問些基礎問題上。很快就進入用AI整理資料、寫週報這種沒什麼技術但重複性極高工作上，用免費版的AI對話框，第一次體會到什麼是AI時代的降本增效。緊接著AI就開始介入“幹活”本身，整理思路時要用、寫方案的時候要用，敲代碼的時候也用，AI工具也從賽博助理的角色逐漸升級成主力。

李源非常困惑自己上班的意義，在AI廣博又天馬行空的知識的帶領下，他覺得自己工作支出很難控制住一個合理範疇，不論是精力還是金錢。OpenClaw雖然已經查無此蝦，但它的破圈，完成了大模型從對話工具到效率工具的概念普及，連帶讓普羅大眾都知道了token的價值。AI不再是工具和助理，在使用得當的前提下，相當於按次收費的全能員工。幾乎在同一時期，各大廠在3月建立起用量消耗排名榜單——號召員工“token燒得越多越好”，以token的用量多少作為衡量是否努力的新標尺。

有騰訊員工曾經在脈脈社區上爆料，公司給每人配置了年均22萬元用量資源，每月包含700美元Cursor額度、700美元Claude額度、1000美元CodeBuddy額度，目的是鼓勵全體員工用AI提效。然而到了6月風向開始改變。網上開始流傳騰訊在砍員工的AI額度，把“全員統一額度”改成了“按任務動態分配”。微軟、Meta在內的國內外科技大廠，都開始踩下內部AI無限使用的剎車，對員工的用量進行監控、限制和動態調配。一旦習慣了用AI寫代碼，就很難回到手搓時代，於是不少程序員開始每月倒貼買token。不是沒人想過戒斷，雖然工作能力仍然在線，但效率一旦提升就很難再降下來。

效率提升是群體事件，大家都快了之後，剩下的那個人就顯得慢了。一切都只能化為看付費賬單時的一聲長嘆。AI辦公已經形成趨勢，非科技人員也是使用AI辦公的主力，金融分析、市場運營、新媒體、設計之類的崗位工作環節中，至少要用AI到參與一步。做週報要AI幫忙潤色，寫PPT要找AI梳理思路，不少設計崗已經開始發愁，AI已經進步太快到人人自危的程度。無論是老闆倒逼員工用AI得到的效率提升，還是員工居安思危要主動學習，“不會用AI的人正在被代替”的風已經刮到了每個工位上。大家都在以攻讀夜校般集體惡補AI，用得好是軍師，用得不夠熟悉也接近有一個趁手的賽博助理。

AI沒有完全替代打工人，但的確已經重構了打工人幹活的方式。打工人的AI首付，從免費額度用完開始打工人怎麼開始為AI一步步花錢，是典型的“充VIP搶先看6集”。免費的用戶有每日對話限額，肯定不夠用於工作，那既然工作離不開那可以先開個基礎套餐看看效果。當打工人在意識到自己在AI上花了不少錢的時候，通常已經為了維持正常的工作流升級了付費檔位。工作習慣是在日復一日中養成的，之前接到工作任務會在大腦裡先拆分出優先級，現在接到工作任務，大腦也會近乎AI生成般慣性擬出一段“我現在需要XXX，需要你幫我XX，以及若干注意事項XXX。

”不和ChatGPT聊下思路沒法開始工作，不用Claude就不會幹活，好像離了AI之後，人類是無法在10分鐘內完成整理資料、寫郵件、再搭建清晰框架的。AI已經從嚐鮮變為剛需，打工人成了大模型商業化最直接的付費群體。已經有癮頭的打工人需要一個思路清晰、能動手幹活的AI助手同時，企業在花錢給員工燒了足夠多token後需要安全、可控、能回血的方案。國內各大廠為了自家研發的AI Agent，就開始在這個時期接連推出。騰訊、阿里、字節幾乎同時開啟了“賽馬”模式，先在自家公司裡搭起多條業務線，各自跑一陣再集中整合。

WorkBuddy起初是騰訊雲內部孵化的一條支線，和電腦管家團隊的QClaw、騰訊雲另一個團隊的CodeBuddy並列。QClaw側重遠程文件整理和移動辦公，CodeBuddy的定位是AI編程助手，WorkBuddy是全場景AI辦公工作臺。但直接打通了微信、騰訊會議、騰訊文檔、企業微信、QQ郵箱的WorkBuddy最後勝出。對於大部分打工人來說，這種相當於以一當十的壓縮包式AI工具最好上手，不需要額外學怎麼安裝，不用花大量時間用人去適應AI工具學習用法，甚至不需要改變工作習慣。對於騰訊生態的重度用戶來說，WorkBuddy幾乎是長在工作流裡的。

單論能鏈接微信這一點，WorkBuddy就已經佔盡了先機。理所當然的，在幾個月的時間裡，WorkBuddy的月訪問量從885萬漲到2097萬，在國內桌面端AI辦公智能體裡排第一。賽馬結束的下一步就是多線並一線，到7月20日，騰訊發佈內部通知，將QClaw產品中心的全部業務和部分團隊，調整至WorkBuddy所在的雲產品六部歸入同一管理體系。至此也不難理解，為什麼大廠都需選擇“賽馬”模式，因為AI辦公的方向雖然明確，但具體應該有什麼功能還是模糊的。功能需要貼合用戶對AI辦公的需求，能好用到以至於讓大家離不開自願升級付費。

與其押注一個方向，不如讓幾個團隊同時跑，用實際數據為競賽終點，完成最直觀也最高效的優勝劣汰。其他幾家大廠也經歷了相近的過程，阿里有千問辦公，字節著力推出豆包工作，都證明了打工人自己掏錢培養出的使用習慣，讓大廠們看到了一個確定性的市場。而真正AI辦公大戰才剛剛開始，眾多AI Agent爭奪的正是下廣大打工人的一個默認工作臺。AI辦公的首付過後，月供還要持續多久國內AI專業版工具提出收費的時間其實不算長，ChatGPT早在2023年就推出了Plus訂閱計劃。真正讓廣泛國內用戶開始覺察到AI付費壓力的時間節點，是今年6月豆包正式上線專業版付費訂閱。

大家都震驚於“嬉皮笑臉型人格”的豆包都敢收用戶的錢了，而且最高能達到5088元/年，都覺得這是豆包要用“最直白、最清晰、最不繞彎子”的形式開始“算計”用戶了。沒過多久，面向個人訂閱的國產AI辦公工具開始集體邁過免費線。騰訊WorkBuddy個人會員分標準、高級、旗艦三檔，月費分別為99元、199元、999元。阿里千問辦公個人版分標準和高級兩檔，月費分別為98元和198元。算下來豆包居然是其中最便宜的辦公軟件，更讓人驚訝的，是在豆包收費版的測評中，豆包工作一改平時張嘴就最不繞彎子的風格，能做到確實有些用處。目前好像是WorkBuddy最先打出名氣，但千問辦公和豆包工作也有後來者居上的勁頭。

國內AI辦公工具能有收費的底氣，脫離不開習慣養成的問題。看各家產品，功能如果沒法像Claude Pro一樣出類拔萃，就要看具體的辦公軟件背後靠著哪棵生態大樹。真正為豆包工作付費的用戶，首先瞄準的就會是“與飛書深度打通”。能圍繞用戶目標自主拆解任務、調用工具，基於飛書內天然沉澱的聊天記錄、文檔、會議紀要等上下文來交付工作，上過班的都能明白文件不用輾轉能帶來多少增效。阿里千問辦公有釘釘，消息群聊讀取、考勤審批、會議日程、文檔表格生成這些功能在企業協作鏈路中閉環完成。對於已經靠這套系統運行多年的企業端來說會更受歡迎。

而就在國內幾家打得熱鬧的時候，海外市場剛剛發生了一件讓所有自費上班打工人重新算賬的事。9月3日，OpenAI正式發佈GPT-6 Astra，稱其為“目前全球最智能、且對齊程度最高的模型”。發佈之後，大量用戶從Claude轉投ChatGPT，理由也很簡單，Astra在編程任務上的表現已經正面壓過了Claude Fable 5.1，而且完成同樣任務消耗的Token量只有後者的四分之一。如果是對於每月自掏腰包的打工人來說，這筆賬很好算。很多人在用過後，覺得OpenAI可以開始籌備10000美元一個月的訂閱了，因為200美元的根本不夠用。

打工人知道每個月花在AI上的錢越來越多，但實際AI有沒有真正有幫人賺到更多的錢，這還是個很難回答的問題。AI辦公已經發展到了這步，打工人怎麼選其實好像不重要。畢竟打工人平均每個月掏的這幾十上百塊的自費上班首付，於大廠而言終歸只是零頭，真正能賺錢的還是要看企業會為誰買單。一個企業客戶第一年或許只花幾萬或十幾萬買賬號，但接下來每年在調用量、部署、培訓上的支出，可能是賬號費的幾倍。而企業付費的前提，是想讓員工真正用起來實現提效，一個人在AI賦能下爆發出兩人甚至多人的能量，畢竟員工的集體提效就能直接換算成降本。

到了真正用起來的環節，員工每天使用產生的token是一個龐大的數字，把AI接進公司現有的業務系統，也需要付定製開發費。最終數據需要存在自己服務器上，本地化部署又是接下來階段的大額支出。短期內，會有打工人為了職場競爭力還得繼續自掏腰包。長期來看，誰能先讓大中小企業為AI智能體掏錢買單，誰才算暫時地贏下這場戰爭。