豆包闖進辦公室,是讓你摸魚的嗎?

2026年8月27日 18:22
豆包闖進辦公室,是讓你摸魚的嗎?
站內 AI 整理稿

藍字計劃2026.08.27 18:20 · 來自廣東全文3993字00:00 / 11:27AI 替你幹活,不是為了讓你少幹活。文|藍字計劃,作者|Chester鄰居街坊眼裡的“萬事通”、小朋友們的“知心姐姐”豆包,終於開始正經上班了。8月25日,字節跳動正式發佈“豆包工作”。字數越小,動作越大。就在產品上線前不到一個月,字節已經開始重新整編自己的AI辦公業務:7月30日,飛書產品團隊與豆包產品團隊完成整合;到了8月24日,TRAE、釦子團隊又整體併入豆包體系。幾條原本各自發展的產品線,就這樣被裝進了同一個豆包裡。

以前我們讓豆包寫東西,基本還是“一問一答”:寫篇文章、改個PPT、總結一份材料。現在,你可以直接丟給它一個任務,讓它自己找資料、讀文件、分析數據、做PPT,甚至操作電腦,把中間一連串的事情自己跑下來。但最有意思的是,豆包本來已經是國內最有存在感的AI應用之一。對字節來說,繼續把這個親朋好友、左鄰右舍都愛用的聊天助手繼續做大做強,似乎就已經是一條打斷腿都不用愁的路。偏偏今年以來,AI大廠的戰場開始從聊天框卷向打工人的小桌板。3月,騰訊推出WorkBuddy,讓AI自己查資料、處理文件,甚至遠程操作電腦;8月初,阿里的千問辦公也開啟公測,開始爭奪同一批想把工作交給AI的人。

騰訊和阿里剛剛擺好架勢,字節緊接著就把飛書、TRAE和釦子等資源集中到了豆包身上。打工人上班的那點活,真值得字節把豆包拆開重裝?豆包終於能幹活了眾所周知,豆包工作所依託的“生態”,其實就是飛書。而當用戶真正用上豆包工作以後,最先感受到的變化,也發生在飛書裡。把豆包更新到豆包工作並完成飛書授權後,用戶會自動獲得一個類似飛書機器人的豆包入口。這時它就會成為飛書連接豆包的“智能助理”,用戶可以直接給它發消息、創建任務,也可以打開一份飛書雲文檔,在頁面裡當場喚起豆包,讓它繼續編輯。豆包工作的本地客戶端還能直接讀取授權範圍內的飛書雲文檔,不需要用戶先找到文件鏈接,再複製粘貼給它。

有用戶讓豆包翻查自己過去一段時間的文檔分享記錄。豆包發現,從7月到8月,用戶幾乎每隔1至3天就會向某位同事分享一篇Wiki文檔,累計超過20篇,而且涵蓋了不同選題。這一次,打工人再也不需要把20多篇文檔整理好再交給豆包。只需要一行簡簡單單的命令,豆包直接翻查飛書裡的歷史記錄,找出了分享頻率、對象、文檔數量和鏈接規律。假如一個項目組在飛書群裡聊了一上午,從方案怎麼改、數據找誰要,一直討論到下週誰負責交稿。臨近下班,群裡已經堆了幾百條消息。過去想把這場討論整理下來,得先把聊天記錄翻一遍,去掉閒聊和表情包,再把有用的信息複製進文檔,最後整理出結論、待辦事項和負責人。

現在可以直接在群裡叫豆包:“把剛才的討論整理成一份文檔,分成已經確定的結論、還沒解決的問題和每個人的待辦。”豆包工作還提供了一臺持續在線的雲電腦。在“工作設備”頁面裡,除了用戶自己的Mac和Windows電腦,還可以直接選擇雲電腦。定時任務放到雲電腦上運行後,即便本地電腦已經關機,任務仍然會繼續執行,完成後照樣交付結果。也就是說,用戶既不用來回搬運飛書裡的資料,也不用為了等一個任務跑完,專門把自己的電腦開上一整夜。之所以會提到上面的這些功能,本質並不是為了吹豆包有多牛。更重要的是,它展示了豆包的“野心”:把自己的優勢項目,飛書的生態,真正從徹底意義上打通。

背後的潛臺詞是,它要打造一款辦公Agent,讓所有用飛書的人,都離不開。畢竟,面對微信Workbuddy和千問辦公的“圍攻”,豆包工作不做到這一步已經不行了。AI辦公,開始拼家底了豆包工作現在面對的局面,確實稱得上“圍攻”。騰訊下場更早。今年3月,WorkBuddy開啟公測,到了6月,月訪問量已經達到2097萬,在國內桌面端AI辦公智能體中排名第一。7月,騰訊又把QClaw相關產品中心併入WorkBuddy所在體系,繼續往裡面增加桌面操作、雲電腦和遠程控制等能力。阿里的動作也差不多。8月3日,千問辦公正式公測。

它整合了QoderWork、悟空和MuleRun三款產品,原本分散在不同地方的AI辦公能力,也開始統一使用“千問辦公”這個名字。算上8月25日發佈的豆包工作,國內AI辦公市場已經擺出了三個非常清晰的名字:豆包工作、WorkBuddy和千問辦公。乍一看,三家公司交出的產品都差不多。做PPT、處理表格、搜索資料、操作電腦,基本已經成為標準配置;桌面Agent、雲電腦、遠程控制、技能和連接器,也幾乎同時出現在三家的產品介紹裡。不過正是因為產品越來越像,三家公司背後的“家底”反而越重要。騰訊的家底,是微信、企業微信、騰訊會議和騰訊文檔。WorkBuddy可以通過微信和企業微信接收任務。

用戶哪怕不在電腦旁邊,也能從手機上發出指令,讓辦公室裡的電腦繼續操作,完成後再把結果傳回來。如果再接入騰訊會議和騰訊文檔,會議裡聊過什麼、相關資料放在哪裡、最後要發給誰,也都可以留在騰訊自己的產品裡。或許以後老闆在微信或企業微信裡發來一句話,收到任務的不一定只有員工,還可能有一個隨時在線的WorkBuddy。而阿里手裡的牌,則是釘釘。釘釘目前已經服務超過2000萬家企業和組織,裡面裝著大量公司的通訊錄、組織關係和日常工作流程。千問辦公也已經提出,下一步會繼續接入企業內部的數據庫和工作流。這條路一旦跑通,意義就不僅是用戶手裡的幾份文檔了。

到時候AI就會接入到企業中的每一個環節,請假審批該交給誰、銷售數據放在哪個系統、任務完成後應該通知哪些人,都可以讓千問AI串起來。再加上前面提到的飛書之於豆包,整個辦公AI“御三家”的格局就清晰了。模型能力固然重要,但誰能更加貼近打工人的真實工作場景,誰能更讓打工人依賴上、離不開,就更有可能搶佔先機。都說“分久必合”,在經歷了模型、Agent、Harness一系列混戰之後,最終AI戰場的焦點,又不約而同的聚合到辦公入口上。AI辦公的第一輪“賽馬”,自此就差不多結束了。只是留給吃瓜群眾的最終問題是:打工人的手上的那些活究竟是個多大的市場,以至於讓三大巨頭都“匆匆忙忙”起來?

AI時代的新金礦看看國外的AI辦公產品是怎麼“吸金”的,就明白為什麼御三家要在這個賽道前赴後繼了。截至今年7月底,微軟Microsoft 365 Copilot的付費席位已經超過3000萬個。其中法國陽獅集團購買的Microsoft 365 Copilot席位,就超過了9.5萬個,幾乎準備給每名員工都配上一個AI助手。而從另一個角度來看,通用Agent同樣也有人願意掏錢。大家都很熟悉的Manus上線八個月後,年度經常性收入就突破了1億美元,總收入年化運行率超過1.25億美元。與此同時,它已經替用戶創建了超過8000萬臺虛擬電腦,用來搜索資料、處理文件和執行各種任務。

一個代表企業辦公,一個代表通用Agent,兩家公司都已經證明:只要AI真的能替人完成工作,它就是真的值錢。背後的原因,其實打工人自己就非常清楚。當把公司資料、熟悉工作流程接入了辦公Agent之後,只要用得越久,它就越懂你。它知道文件放在哪個文件夾,清楚項目組剛剛討論了什麼,也明白一份報表做完之後應該發給誰。日常工作中有太多浪費時間卻產生不了太多價值的冗餘雜事,而一個熟悉自己工作流程的辦公AI,就可以化身一個高學歷、低溝通成本的助手,幫你把事情幹好。一旦能把時間和精力投入到真正值得做,能幫助自己升職加薪的事情上,哪怕付出一定的成本也是可以接受的。

當然,對字節、騰訊和阿里來說,打工人口袋裡的錢,大概率只是蚊子腿。更大的買家,其實是企業。普通用戶購買AI會員,一次只會買一個賬號;企業採購辦公軟件,卻可能一次覆蓋幾百、幾千甚至幾萬名員工。前面提到的陽獅集團,9.5萬個Microsoft 365 Copilot席位實則只用了一張訂單。而那些企業,大概率也確實願意付費。老闆們也清楚,一個員工每天整理材料要花費的幾個小時,一旦放到幾千名員工的維度上,就會造成想想客觀的人力和時間浪費。如果公司能用AI產品把這個效率提上去,從長期來看對於公司的成長也有好處。

據微軟披露,目前90%的《財富》500強企業已經在使用Microsoft 365 Copilot。埃森哲一家就部署了超過74萬個席位,拜耳、強生、奔馳和羅氏承諾採購的席位也都達到9萬個以上。而從更加現實的商業考量來看,目前御三家手裡,確實掌握著現成的企業買家。字節有飛書,騰訊有企業微信和騰訊會議,阿里有釘釘。它們不需要重新尋找客戶,只要把AI能力接進原來的辦公產品,就可以向已經在使用這些服務的企業,繼續出售AI賬號、雲電腦、模型額度和其他增值功能。而且,辦公軟件天然是一門適合長期收費的生意。聊天機器人可能只有遇到問題時才會被打開,辦公產品卻會跟著用戶一起上下班。

每天都要處理的文件、會議、群聊和數據,都會不斷產生新的AI需求。只要員工開始習慣把這些工作交給AI,公司第二年就有繼續續費的理由。不過要是這樣說,打工人把雜活交給AI,老闆豈不是最有可能把預算交給御三家?兜兜轉轉,最先靠AI實現“升職加薪”的,可能反倒是豆包。

Related

相關文章

MarkTechPost AI模型更新

Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能

Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。

14 小時前
MarkTechPost AI模型更新

認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶

Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。

1 天前
MarkTechPost AI模型更新

DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API

DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。

1 天前
MarkTechPost AI模型更新

2026年20款Jev替代方案:挑戰TypeSafe的決策模型

TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。

1 天前
雷峰網模型更新

長鑫科技市值兩月內跌去1萬億;阿里加碼AI硬件品牌,天貓、速賣通聯動;國行版蘋果AI有望12月上線,百度、阿里參與合作丨雷峰早報

要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障!DeepSeek發放宕機補償,有人拿到3000元3.阿里加碼AI硬件品牌,天貓、速賣通聯動4.國行版蘋果AI有望12月上線,百度、阿里參與合作5.可靈AI新一代模型Kling 4.

2 天前