「这仗打错了，最多是白烧几十亿；但如果不打，可能是生死问题。」

这是创新工场联合首席执行官、管理合伙人汪华对大厂重金押注 AI 办公的判断。

2026 年的这个夏天，中国科技巨头发起了 Agent 时代第一场「战役」： 豆包工作 正式发布， TRAE 、扣子团队整体并入 豆包 体系。更早的 7 月底，飞书产品团队并入 豆包 ；另一边，腾讯的 WorkBuddy 已经跑出了千万月活，阿里也在整合自己的桌面 Agent、云端 Agent 和钉钉能力。

巨头为何会集体兴奋？AI 办公的背后他们在思考什么？在争夺什么？最近，极客公园邀请了汪华、Floatboat.ai 创始人兼 CEO 谭少卿一起来聊一聊。

今年初那场「小龙虾热」，本质上只是一场极客的自我狂欢。谭少卿说，「它是个过渡产品」，属于三类产品分层中的「极客产品」，从一开始就没打算走大众化路线。模型不够强、配置门槛高、Harness 不成熟，把普通用户挡在门外。

真正的转折发生在最近几个月。汪华认为，国产模型是最近才真正跨过了那道坎。GLM-5.3-Flash、 DeepSeek -V4-Flash 这些模型不仅把指令遵循能力做上去了，更关键的是把成本打了下来。

现在，才是中国 Agent 爆发的真正原点。

这里面有一个反直觉的逻辑：移动互联网时代，千万月活根本不值得巨头兴师动众，但这次大厂已经开始了一场「大会战」。

汪华说，背后的驱动力是恐惧。年初 Claude Code 还没到千万月活时，ARR 就已经达到 200 亿美金了。这意味着，未来的高价值经济入口，可能不建立在高日活之上。法律、财务这类高价值的专业工作，一旦被 Agent 重新定义，丢掉的不是用户规模，而是整个赛道的船票。

除此之外，还有另一个因素是算力。C 端产品比如 豆包 ，算力负担极重，只能用压缩的小模型，所以「有时觉得它智障」；而办公 Agent 恰好卡在一个理想区间，既能体现大模型真实能力，又不会因为用户规模过大导致算力扛不住，同时商业模式能跑通。

WorkBuddy 的火热，某种程度上是一场内部赛马的幸存者故事。「它是踩在众多失败项目的尸体上活下来的。」大厂采取的都是内部赛马策略，那些算力成本过高、商业模式不成立的项目自然死亡后，资源自动向幸存者倾斜。

巨头进新战场，常被认为自带优势。但这次不一样。汪华说，「巨头唯一的壁垒其实只有钱，而钱能兑换的仅仅是算力。过去积累的数据和用户，不会自动转化成新赛道的优势，庞大组织架构反而会极大抵消资金优势」。

虽然巨头已经下场，但汪华认为，中国创业者有一个很大优势，距离中国开源模型更近。「大家在一个圈子里，私下交流多，最懂怎么在这些开源模型上做微调、建生态，那就能相对于其他地方的创业者建立一些优势。」

进入 Agent 时代，巨头们都在争夺通往未来的船票。汪华说，「船票」其实只有两张：成为水电煤般的基础设施，以及掌握基础模型。至于用户平台层面的船票，很可能根本不存在了，因为 Agent 本质上「是一种能力、一种智力、一种计算形态」，而不是一个需要被圈养的平台。

谭少卿从产品实践里看到了更远的东西：当 Agent 具备主动性，甚至开始向 CTO、COO 的角色过渡时，连 WorkBuddy 这样的「工作台」形态，都可能只是过渡产品。「模型越聪明，其实越不需要 WorkBuddy 这种中间层。」

巨头们这一次冲进 AI 办公战场，多少带着一点恐惧：怕错过新入口，怕丢掉下一代生产力的船票。但有意思的是，他们在重兵投入的同时，也无意中完成了市场教育，让更多用户第一次真正理解，Agent 不只是聊天工具，而是能干活的生产力系统。

而创业公司并没有因此被挤到墙角。相反，在巨头照亮市场之后，它们反而看见了更多细分机会：更垂直的场景、更灵活的产品形态。

以下是极客公园创始人&总裁张鹏和汪华、谭少卿的对话内容，部分有删减。

01 中国 Agent 的「ChatGPT 时刻」来了

张鹏：近期腾讯、字节、阿里等大厂在 AI 办公领域的动作非常密集。你们怎么看他们最近的系列动作？

汪华：我觉得这事特别好。有了大厂来推动，包括他们愿意补贴，才能真正开启中国 Agent 领域的「ChatGPT 时刻」。

之前大家用 豆包 、 DeepSeek ，体验的是 Chatbot 对话。国内真正用过 Agent 的普通人极少。年初虽然小龙虾火过一阵，但门槛太高，绝大多数人根本没有用起来。它本质上只是极客的狂欢，再加上一点好奇用户的外溢。

现在大厂把 Agent 包装得非常易用，把 PPT、绘画、办公等场景预设好了，花力气把它推给了至少千万用户，相当于给全市场做了一次 Agent 普及教育。除了教育层面，用的人多了，各种应用场景也会被开发出来。

跟今年上半年小龙虾那波相比，还有一个关键不同，是国产模型是最近才真正跨过了那道坎。倒退三个月，国产模型的指令遵循能力还不够。同时，GLM-5.3-Flash、 DeepSeek -V4-Flash 这些 Flash 模型把成本打下来了。所以一切水到渠成。

大厂推动 Agent 普及，对创业公司同样是巨大的利好。如果没有大厂去教育市场，创业公司自己拓荒太难了。现在，才是中国 Agent 爆发的真正原点。

张鹏：怎么理解从小龙虾到 WorkBuddy ，中间的逻辑是什么？毕竟这是两个不同人群的产品？

汪华：小龙虾热的时候我们也聊过，结论是它太复杂了，没法直接给普通用户用。但那波热潮让所有人，尤其是年轻科技爱好者，第一次亲手摸到了科幻小说里的东西。

大家都想尝试，但最后卡在几个地方：一个是模型不够强，当时只有 Opus 4.6 能用但又慢又贵；二是配置门槛太高，普通人搞不定 Linux 环境；三是 Harness 也非常不成熟。

现在完全不同了。模型和 Harness 每一两个月就在飞跃，现在 Opus 4.6 已经被随便「吊打」。更关键的是，普通人需要的是云化，不用自己在本地配置，云端配好直接用。现在的 Codex、Claude Code、 豆包工作 ，也都是帮用户在云端配置好，起码是一个手机或消费品级的体验。

从小龙虾到 WorkBuddy ，在用户体验上有一个巨大差别：从极客的玩具，到手机 App、消费品。腾讯在这方面一直做得很好，他们始终把 WorkBuddy 当成一个用户级、消费级的 App 来开发，花了几个月时间就走到了今天这一步。

很多人认为这是创业公司的事，但并非如此。创业公司可以在海外做开源，但如果要做消费级、工业化的消费级产品，还得解决流量冷启动、数据积累这一整套问题，可能还是大厂，他们有流量、有资源。

张鹏：小龙虾火了之后，对你们有什么启发？怎么看现在巨头纷纷入场 AI 办公这件事？

谭少卿：我们做得比较早，去年 7 月就发现模型能力在长程任务上已经足够好。但面向普通知识工作者，市场上缺一个原生的「工作台」产品，所以我们就切入了这个方向。

小龙虾今年爆火的价值在于让大众第一次看到，Agent 可以后台 24 小时运行，发个任务就能跑，哪怕经常崩溃、又贵又慢。包括 ClaudeCowork 的发布，这对我们是特别好的事情，它证明了这个方向是可能的，我们第一轮融资就是在 ClaudeCowork 发布之后完成的，我们做的更早，跟它同天发布。

但我们判断当前的 Cowork 类的产品是过渡形态。因为 Cowork 本质上还是以人为中心，随着 Harness 价值的显现，Agent 长程能力越来越强，未来会过渡到以 Agent 为中心，产品形态、交互设计都会不一样。

张鹏：这对投资人的决策有影响吗？

谭少卿：之前从这个角度切入是反常识的，大家觉得这该是个通用赛道而不是垂直 Agent，而且软件演进路径是从软件到 SaaS 到 Agent，从桌面端切入好像是「开历史倒车」。但 ClaudeCowork 发布后，外界对这个路线开始有了认知。

我们把产品分成三类：极客产品、专家产品、大众产品。小龙虾属于极客产品，虽然我们一开始就没打算走这条路，但它让大众看到了可能性。

巨头入场，也是在帮我们教育市场。我们产品今年 1 月公测时，有用户抱怨积分用得太快。但当我们做用户访谈的时候问他任务满不满意，他说很满意，超出预期。再问干了什么工作，往往是实习生需要干半个月的工作量。当时只是没把价格锚定到生产力上，所以大家还是觉得贵。现在各类 Work 产品，让更多人知道了 Agent 真能解决问题，对我们是好事。

汪华：我特别希望这次巨头能教育中国用户交月费。以前，中国用户交月费不能超过 10 块钱，而美国用户为产品付费几十美金是常态，工作类甚至 50-100 美金。中国这么多年的免费模式，导致付费习惯一直起不来，而广告和交易支撑的商业模式，在商业模式上天生就有局限性，不是每种产品都适合这套逻辑。

张鹏：你认为到什么条件下，你会认为付费习惯基本建立起来了？

汪华：现在已经有很好的趋势了。虽然还是一小部分人，但程序员和专家用户，已经能坦然接受 68、98 元这个档位的月费。相比以前，这已经是巨大的进步。

中国用户以前的付费习惯，其实是被巨头抢用户的免费模式毁掉的。中国用户不是不爱付钱，你看 Steam 上 30% 都是中国玩家，巨头的生态是能培养习惯的。

现在大厂做 AI 办公，骨子里还是以前打用户量、算 ARPU、做入口的那套思维，并不是真正的「以 Agent 为中心」。唯一的好处是，因为 Agent 需要算力成本，他们没法再搞纯免费了，必须正儿八经推付费模式。这算是把以前毁掉的习惯又慢慢拉回来了。

谭少卿：确实如此。我们产品一开始主打海外，定价 40 美金一个月，没对国内外用户做价格区分。我们就是想验证，用户愿不愿意为好产品付比较高的价格。结果发现国内用户的付费习惯远超预期。有些重度用户一天甚至能充值两三千块钱，他们是真的把 Agent 当作生产力工具在用，而不是传统软件。

最近我们选了 DeepSeek -V4-Flash，跑了五个主流榜单，并且比官方的 Harness 评分更高。这证明 DeepSeek -V4-Flash 和 GLM 5.2 已经能驱动很复杂的长程任务，配合我们的 Harness 能做得多快好省，就能进入更多的生产力领域，因此推出一个便宜版本。从数据上看，巨头教育市场，对我们的付费率和留存反而都有明显的提升。

02 WorkBuddy 是怎么踩着「尸体」跑出来的？

张鹏：从个人的视角，怎么看 WorkBuddy 这个产品？它是怎么演进的？

谭少卿：这类产品的交互逻辑，基本是从 Coding 场景演变过来的。进去先看到一个 Chat 面板，然后选一个项目文件夹开始工作。但大部分知识工作者的文件系统其实是半结构化的，不会把一份工作相关完全塞进一个文件夹，只有程序员才习惯把所有代码扔进一个目录下面。所以这个交互形态，没什么实质创新，只是把 Coding 的逻辑照搬过来。

真正让大厂资源开始发挥作用的转折点，是把 Skills（包括原来 GPTs 那种形态）包装成「专家」模式。这么做的好处是小白用户更容易理解。小白用户面对一个输入框可能完全不知道该干嘛，但「找个专家」这个概念他能秒懂。虽然这通常会拉低模型智能和 Harness 本身的表现，但也拉低了用户理解产品的门槛。一旦跨过这个门槛，巨头的运营和投放能力就能真正发挥作用。

在这个基础上， WorkBuddy 在易用性上确实做得稍好一点，比刚发布的飞书的 豆包 办公要更成熟些。

有意思的是，从几家产品官网就能看出各家的文化背景差异： WorkBuddy 官网做得很简单，甚至跟它现有的新版 UI 对不上，说明他们还在快速迭代； 千问 办公的用词和风格偏工程化，更贴近技术，更像是 千问 模型的一个管道； 豆包 办公则更年轻、更酷炫，内容呈现更靠前。这些细节背后其实是各家公司风格的直接投射。

张鹏：我们推导一下，为什么 WorkBuddy 是腾讯先做出来的？而不是字节或阿里？

汪华：实话说，我不知道。年初小龙虾那波热潮，其实是飞书吃到了最大的红利，他们当时也投入了很大精力做相关产品，但确实没跑出来。

其实大厂内部很多团队在赛马，字节有一批，腾讯也有一批，但字节这批没跑出来。

更关键的一点，可能是腾讯在模型选择上更开放。

字节的模型也有短板，这在 豆包 这种对话式产品里其实无所谓，字节在交互体验上一直做得不错。可一旦到了办公场景，这背后是长程 Agent，对模型智能、指令遵循的要求会更高。而 WorkBuddy 可以自由选择模型，可以接入最好的生态。现在模型更新此起彼伏，「模型即产品」这一点在 Harness 时代依然成立，模型不行，前端交互做得再好，用户体验还是不行。

张鹏：可以选择不同的模型，现阶段是吸引用户的点吗？

谭少卿：坦白讲，对非专家用户来说，选模型这件事其实挺让人懵的。我们从产品早期到现在，一直保留让用户选模型的选项，核心原因是模型之间的差异依然非常大。日常办公用 DeepSeek -V4-Flash 确实又快又好，但如果追求极致效果，比如在 Coding 上，GPT、Claude、GLM 之间的差距依然很大。

只要产品还允许自选模型，就说明模型能力还没有收敛到一家独大。我们判断这会是个比较长期的状态。因为还有新的变量出来。目前，训练和蒸馏技术越来越成熟，任务越长越重要，Harness 越重要。比如很多用户反馈 Fable 5 在编程上不用提示词就特别强，但做非编程任务时会觉得智能下降了，就因为它模型的训练越来越多地对齐在自己的 Harness 上。同时，办公、Coding、世界模型，这几场仗都还没打完。模型厂也不是无限弹药的，专注于当前办公产品的资源其实也有限。

二是供给会越来越充足。大家都可以在基础模型上针对特定领域做后训练，通常都能比原始基模表现更好。我们也接触到一些还没在市面发布的基模，所以供给端只会越来越丰富。

另外，我们在产品协同上选择了和巨头完全不同的「分布式模式」。我们赌的是这次变革本身的特性：Agent 的 Coding 能力很强，我们赌的是这次变革本身的特性：AI Agent 的能力不同于以往的技术，它能够根据用户的场景去自我编程、改进，从而让用户不必捆绑于具体的软件和 SaaS 平台。

现在数据其实是分布式的，大家并不关心文档是在飞书、Google Docs，还是存在本地，因为 Agent 全都能访问。所以这些边界被淡化掉了，用户的迁移成本也没那么高了。

正因为如此，分布式的供给才有了可能性。大量中小企业和个人用户，本来就没有谁真心愿意把数据锁死在一个平台上，他们更愿意让数据回归到自己手里。

同时，硬件端也出现了巨大变量。现在的 Mac 顶配电脑跑 27B 甚至 70B 的本地模型已经没问题。我们判断，未来很可能会重演早期 PC 时代的演进路径，算力供给将从中心化回归到个人终端。有可能到年底或明年年初，我们会看到消费级设备上也能跑出可以驱动 Agent 的能力。

张鹏：移动互联网时代，千万月活根本不值得巨头去打会战。为什么腾讯会重金加持？背后的战略思考是什么？

汪华：我觉得首先是恐惧。千万月活确实不多，但你要知道，年初 Claude Code 还没到千万月活时，ARR（年度经常性收入）就已经达到 200 亿美金了。

腾讯的逻辑大概是两点：第一，当年 豆包 出来，腾讯没重视，结果被做出了一个新入口，所以这次没有哪个巨头敢在一个东西还小的时候就轻视它；第二，大家都害怕未来的新经济形态，生产力、高价值的专业工作，比如法律、财务等，不一定建立在高日活上。如果这波没赶上，可能不是丢了用户规模，而是平白丢掉了高价值的经济入口。这仗打错了，最多是白烧几十亿；但如果不打，可能是生死问题。

而且对国内公司来说，现在算力已经没法像海外那样大规模投，美国那几家一年 CAPEX 就是 2000 亿美金级别。相比之下，国内打应用层的仗，真不算什么大的负担。

张鹏：这个视角很有意思。巨头需要把投资变成未来的资产和能力，否则护城河就会变窄或消失。那应用层是一个很好的选择？

汪华：而且办公场景还有一个巨大的好处：算力可控。

像 豆包 那种面向几亿 C 端用户的产品，算力负担极重，只能用压缩的小模型，所以大家有时觉得它「智障」。如果算力充裕，按照字节的秉性，肯定愿意给 C 端放开更强的模型，但现实是不允许的。

而办公 Agent 处于一个完美的平衡点：既能体现大模型的能力，又有实际价值和未来的高溢价空间，同时用户规模又不会像 C 端产品那样失控。加上它还能收点费，跑通商业模式，这确实是一个非常合适的战场。

我觉得并不是腾讯一开始就想得有多清楚。他们内部肯定有很多团队在赛马。那些算力成本太高、用户反响不好，或者商业模式不成立的项目，在过程中自然就死掉了。

WorkBuddy 是踩在很多失败项目的尸体上活下来的。大家都看到它跑通了，证明这是当前一条相对正确的道路，资源自然就会向它倾斜。

豆包工作 的操作界面｜图片来源： 豆包 官网

张鹏：前段时间字节做了一个组织调整，飞书被划到了 豆包 体系下。你怎么看这个动作背后的逻辑？

汪华：小龙虾刚火的时候，我跟飞书的一些同学聊过。当时他们内部就在推一个项目，把飞书完全 Agent 化，让飞书能通过命令行、MCP 或接口的方式被 Agent 或小龙虾调用。我当时提了一个观点，跟他们说想法类似：整个 Office、飞书界面，对于用户创造价值或内容而言，其实是没有必要的。

举个极端例子，Cursor 刚出来时，编程还需要一个用户界面，能看到所有代码，旁边输点命令做补全。但用户只想要一段能跑起来的程序，而不是一个复杂的编程界面。Claude Code 就是第一个放弃 GUI 编程交互界面的产品，你直接告诉它要什么，它直接把结果递给你。

长期来看，对飞书这样的产品，用户要的是文档协同和工作结果，不是一个 Word 编辑界面。所以我当时判断，飞书会变成一个被 Agent 调用的引擎，而不是被人直接使用的东西。

如果飞书将来真的变成一个可以被 Agent 调用的引擎，大部分界面会进一步简化，那把它挂到 豆包 体系下面，反而是顺理成章的事。我甚至觉得，未来很多复杂软件都会变成给 Agent 用，而不是给人用。

在 Agent 时代，软件的交互界面会发生巨大变化。软件不再向人类暴露复杂度，而是退居幕后。人不再需要痛苦地去学习和使用软件，只需下达意图，Agent 负责操作执行，最后直接把结果递送给你。

03「巨头唯一的壁垒其实只有钱」

张鹏：当字节、腾讯这些巨头进入 AI 办公战场，对创业者接下来的方向或动作有什么影响？

谭少卿：坦白讲，对我们会有一些影响。感谢巨头入场来教育市场，以及让我们坚定的开放中立生态位在不断被证实。

首先，我们认为这次 AI 变革更像 PC 早期，是从生产力领域先启动的，而不是像移动互联网那样从娱乐消费开始。所以我们现阶段的产品定位是「办公 Agent 工作站」，里面可以驻留多个 Agent 协同工作，甚至可以拉它们进飞书、钉钉。

我们最开始完全瞄准海外市场，定价也比较贵。但国内发布后，我们发现用户的付费意愿其实很不错。一部分是对上限有极高追求的高净值专家用户，来自于 ClaudeCode、Codex，当然也包括 Workbuddy 的用户，他们最能感知到 Agent 能力的强弱；另一部分是刚入门的小白，因为我们的交互兼容了传统习惯，把文件管理器、编辑器、浏览器原生集成进来了，但在底层上是非常 Agent-first 的。所以这两个月我们开始认真做国内市场。

还有一个点，是 Pro-C 用户和一些中小 B 端用户，工作模式其实高度一致，只是组织密度不一样。一个专家用户做策划、做内容、做推广，跟企业内很多岗位做的事类似。这套模式在 Agent 里是可以被持续优化的，它是共通的。

这带来一个新变化：B 端和 C 端开始融合了。以前在国内定制化成本很高，导致很难规模化，边际成本曲线非常陡。但我们现在整个 Harness 是自适应的，在各个垂直场景里，边际成本的斜率没有那么陡了。

这也改变了我们原来的立场：以前坚决不碰 B 端，是怕陷入定制泥潭，没法保证技术高强度投入去保持领先；现在 B 端和 C 端这件事融合到了一起，这条路变得可能了。

张鹏：在这个新时代，巨头到底面临什么考验？他们过去的优势，哪些失效了？哪些依旧有优势？

汪华：以美国市场为例，巨头并没有体现出绝对的优势。他们唯一的壁垒其实只有钱，而钱能兑换的仅仅是算力。

现在云厂商的基础设施和开源框架非常成熟，训练一个原生模型，只需要十几个核心研究员配上几十人的外围团队。Google 动辄上千人的团队，并没有体现出比几十人更大的优势，庞大的组织架构会极大抵消资金优势。大厂过去积累的数据和用户，并不会自动转化成新赛道的优势。像 WorkBuddy ，也是靠内部小团队打拼出来的。

再有就是，AI 时代的计算和生产力工具，没有像互联网平台那样走向中心化。中国 Agent 还相对比较早，美国的 Agent 生态早就演化出了非常丰富的层次：第一层是跟中国办公场景接近的，类似微软 Office 365、Google Docs 里的办公 Agent；第二层是真正意义上的通用 Agent，以编程为主但早已超出编程范畴，Claude 和 Codex 都是万能 Agent 入口。

第三层主要包括两种：一种是垂直行业的，像 Harvey 那样做法律、医疗、研发这些垂直或功能性 Agent；另一种是企业内部私有化部署的 Agent，连接企业内部数据和本地上下文。这两类在美国都已经有一大批估值百亿美金的创业公司。

这波浪潮虽然以 coding 为主，但哪怕是做 coding，也有很多是在企业内部连接自己的代码库和上下文来做的，而不是直接用 Codex、Claude Code 这类通用工具。Claude 有 70% 的收入来自 API，连的就是垂直和企业 Agent，不是那些通用 Agent。这 70%中大约 7 成依然是 Coding，但已经有 3 成是非 Coding 了，而且最近 Codex 的调研报告显示，Coding 虽然还是主流，但增长最快的已经是非 Coding 部分。

张鹏：从最早 Coding 是唯一的轴线，到现在 Non-Coding 等多元化场景开始快速发展，这个信号是很值得关注。

汪华：没错。做垂直领域，创业公司能做的事情很多，大厂未必做得好。Harvey 前段时间微调了 Kimi K3，只用了 1000 多条强化学习轨迹，大概 130 多张卡，就在法律专有任务上比 Fable 还强得多。

中国的开源模型现在是创业公司最大的红利。如果说微调 Kimi K3 比较贵，那微调 DeepSeek -V4-Flash 或者最新的 GLM-5.3-Flash，估计十几张卡就够了。这种事大公司不仅不愿意做，组织架构也不适合做，成本效益对他们来说也不划算。甚至连美国最大的 coding 战场， 大公司都没干过 Claude Code 和 Codex，更别指望它们在法律这类垂直赛道上打掉 Harvey 了。

张鹏：巨头虽然有钱，但如何才能变成未来的肌肉和资产？其实最好的办法就是多投创业者。所以巨头们除了烧钱之外，也应该更积极的去投资创业者。

汪华：特别认同。美国跑出来的 Agent 创业公司，背后一半的资金都来自巨头。连 OpenAI 和 Claude 最大的金主也是大厂。美国巨头虽然在应用层没做出具有统治力的产品，但他们砸重金做基建、算力、云，把基础工作做的特别好，让创业公司能轻松生长。

我觉得中国创业者有一个很大的优势，是离优秀的国产开源模型最近。未来很长一段时间内，全球的企业级应用，尤其是垂直领域的 Agent，大概率都会基于中国的开源模型来做。因为在海外，只有极少数顶级 500 强企业，才请得起 OpenAI 去做私有化部署和微调。剩下的海量企业，只能指望开源生态。

中国创业者和中国开源模型都在一个圈子里，私下交流多，最懂怎么在这些开源模型上做微调、建生态，那就能相对于其他地方的创业者建立一些优势。

说句实在的，模型本身是可以被借鉴、蒸馏和获取训练轨迹的。所以，开源模型永远不可能被闭源模型甩开太大的差距。

张鹏：你预计巨头们会在这上面准备花多少钱？这会是一场什么级别的战役？

汪华：我觉得 AI 办公这场仗打不了太大。不是他们不想打，而是现实条件限制。这些巨头都是上市公司，得做得比较合规，这就意味着必须用国内算力，数据不能出境。

珍稀的算力还要拿去做模型训练、模型微调，同时又要打 AI 办公，资源根本不够分。

反而是 Kimi 、智谱这类公司更灵活。 Kimi 的模式就挺聪明，理论上模型是开源的，但如果超过 2000 万美金的使用规模，就要谈分成，大概 30%-40%。这样他们不需要像 Claude Code 那样要自建算力，可以直接用海外的云厂商( 比如亚马逊 AWS)，虽然少赚一点但轻装上阵。

未来如果国产算力真的起来了，大厂为了避免掉队，必须砸重金去建算力中心。基建要花钱，模型要花钱，巨头家里其实也没有余粮去打应用层的无限游戏。相比之下，美国的情况完全不同。因为算力供给充足，美国几家巨头已经到了砸锅卖铁的地步。发债、发股，把每年上千亿美金的纯利润，硬生生打成了负现金流，都在全力押注。

国内因为算力供给的硬约束，这场仗反而打得没有海外那么惨烈。

张鹏：美国 Agent 领域经常会看到比较令人震惊的投资或者进展，国内似乎没有那么多，为什么？

汪华：国内生产力和企业应用这波，起得确实没美国快，本质上是在为过去那些年被毁掉的付费习惯「还债」，以及畸形 SaaS 市场欠下的债。

当年国内的企业服务，名义上是 SaaS，实际上都在靠收定制费、服务费活着。用户也没被培养出付费习惯，也没建立起真正意义上的销售通路。当年做企业销售，大家为了抢用户量，同样的企业软件坐席，这家报 200 万，那家直接报 20 万，最后企业就觉得这软件根本不值钱。

在美国，创业公司只要做出一个好 Demo，靠现成的渠道就能迅速铺开，不需要养庞大的销售团队；但在国内，这就难得多。

但我觉得这一次不一样，整个环境确实在变好，大公司终于开始正儿八经收费了。现在算力成本和 Token 都很贵，巨头们也没法像过去那样无底线地打价格战了。这对整个行业的商业化生态来说，其实是一个正在好转的信号。

张鹏：你们身边肯定有很多做 Agent 的创业者朋友。过去这一年，大家的状态到底怎么样？

谭少卿：我身边干不下去回去上班的倒没有，大家还是比较坚定在创业。但有一部分，中间转型好几次的。

像我们这样咬定一个方向、产品逐步往前迭代的，其实非常罕见。我甚至问过投资人，年初看过的几十家 Agent 团队，现在还有几家在坚持原来的方向？答案是大部分都转型了。

当然，转型是非常理性的选择。我观察到这个赛道大家主要有几个去向：一部分人转向了离钱更近的业务，一部分人开始往企业端走得更深，做起了 AI 培训或者 FDE；甚至还有个别团队，直接转型去代理 WorkBuddy 了。

04 通往新时代的「船票」到底是什么？

张鹏：假设你现在是 WorkBuddy 的产品经理，下一步该怎么演进？

谭少卿：如果完全站在巨头的视角，其实挺难的。要考虑太多产品协同问题，还要考虑怎么发挥自己原有的能力。我知道一些朋友在大厂里负责相关业务，老板考核甚至直接看企业用了多少 Agent，但这个定义本身不算科学。

如果完全站在巨头的立场，我肯定会坚定地往云端方向去做。就像 豆包 做手机，我会做云手机而不是做实体机，微信之外还有那么多生意可以做，完全没必要硬碰硬。

办公场景也是同样的逻辑，我大概率会直接从云端把 Agent 之间的协同做起来，这可能是对大厂更可行的路径。

Floatboat 的界面｜图片来源：Floatboat

张鹏：如果 WorkBuddy 再加一个 IM，这不就变成一个新的生产力工作系统吗？你判断它该不该加 IM？

谭少卿：他们现在应该有个 Teams 版本的「项目」feature在推。站在我的角度，肯定应该加，我们四月份就已经在做这件事了。但关键是不能用原有的 IM 逻辑去改造，不能想着把飞书或企业微信改一改就用，因为原来那套产品设计完全是为人与人的协同设计的。

比如原来我们把 Floatboat 连到飞书里用，用户一看权限审核就吓到了，几百项权限，根本不知道该开哪个关哪个。一旦涉及多个 Agent 协同，你会发现整套体系根本不是为这个场景设计的，完全用不了。所以我们不是非要另造一个轮子，而是原有体系确实很难兼容这种新的办公范式，只能自己重新设计。

站在大厂的视角，第一层可能是先把基础做好，你可以用 Claude Code，也可以用 Codex，先把这一层跑通。我们在 Floatboat 之外做的上面那一层协同，其实就是这个思路。因为模型不会被统一，创业公司或中小公司选模型的门槛也不高，Infra 已经很成熟，方法论也成熟，只需要足够好的 Trace 和一些设计理念就行。

在这种前提下，Agent 的运行时显然也不会完全统一，为什么我只能用 WorkBuddy ，或者只能用另一家？如果能把这些都协同起来，产生更大的价值，可能才是更好的基建方向。这里面流通的东西跟以往的 IM 也不太一样：它不是娱乐性质的内容，而是真实的生产力。这也是我们正在尝试推进的一个方向。

张鹏：从产品的角度看，大厂已经都进场了，就得开始加速创新，走出不同的方向？这个你怎么看？

谭少卿：之前以为巨头入场会很激进，但最近两个月的观察并非如此。

比如，现在很多人在做 Multi-Agent，巨头为了短期快速变现、切入企业客户，往往会把 Agent 强行适配现有的组织架构。他们在产品里塞满各种「专家」，给 Agent 设定跟人一样的职能、部门和权限。

这种做法对前期获客确实有好处，但对于提升智能上限、构建新的生产关系来说，其实是一种落后的表现。受限于此，大厂的产品形态大概率不会太激进。

反而是创业公司，更有机会去探索真正的新形态。现在的 AI 时代和过去互联网时代不同，过去是拼规模、烧钱做渠道，用户还不愿付费。现在重度用户的付费意愿非常强，创业公司不需要去砸钱铺规模，完全可以专注在生产力的创新上。

在企业端，我们根本不在意传统的「降本增效」，我们只做增量。

我们在意的是，Agent 能不能探索出比人类更优的路径。人类受限于管理带宽，是无法无限横向扩张的。但 Agent 不一样，它可以瞬间并发，一小时就能干完以前几百人干的事。

比如在营销投放领域，数据闭环后，一个合伙人带着一群 Agent，干得比以前庞大的投放团队还要好。Agent 会自我强化和进化，找出全新的业务路径，而不是在老路径上做降本增效。

张鹏：你最近在内部的深度实践中，有什么新的前沿洞察可以提前剧透一下吗？

谭少卿：自从产品有了 Demo，我们就把绝大部分工作迁移到了自己的系统上。如果你做的是生产力工具，自己却不用，这很荒谬。

以 coding 为例，我们把 Floatboat 部署在本地和服务器上，直接拉进日常沟通环节。同事报个 Bug，发个截图，Agent 就会自己去文档里拉取信息，拆解任务，排查副作用。然后它把代码写好、测试完，甚至录个运行视频发给你。提需求的同学看完觉得没问题，Agent 再去走发布流程。它已经变成了一个自动运转的系统。

更有意思的是，我们发现它已经不仅仅是一个「同事」了。

它具备了主动性，会尝试去优化整个工作系统。在人机协同中，它能察觉到我们没注意到的效率漏斗。只要我们确权同意，它就会去改进工作流。某种程度上，它正在向 CTO 或 COO 的角色过渡。这让我想到 OpenAI 当时画的 Agent 进化路线图，它真的在逐步接管和运行一个组织。

在我个人的工作里也是如此。Agent 会每天翻我的邮件和信息。如果我有个重要的会没时间准备，它会主动去飞书、Notion、Google Doc 里把相关的上下文全搂出来，提前给我备好一份材料。全程无人工干预，可用度能达到 80%，这真的救了我好几次。

有一次，它发现我两周后有个重要事项没动静，就主动建了日程，临近时提醒我：「你还没准备材料，要不要我先弄一份草案？」我点个同意，它就去干了。

我们现在之所以还需要图形界面，是因为模型很难一次性产出 95 分以上的结果。

所以人类现在的核心动作，变成了「授权」和「确权」。本质上，是人跟 Agent 在共同优化这套协同系统。

张鹏：其实，如果只把 AI 当成生产力，其实并没有真正用好它？

汪华：大家千万不要低估这代模型的自主执行能力，真的是超强。

我同时订阅了 200 美元的 Claude 和 Codex 额度。每到周末发现额度没用完，我就会给它们布置一些开放性的题目，让它们自己去折腾，完全无人干预。

比如有一次，我让它们写一个生产级别的棋牌网站。我让 Claude Opus 当主控，因为它有 100 万的上下文；Codex 负责主编程，Opus 负责 Code Review。连协同框架都让它们自己写。

跑了两天，60 个游戏全部带 AI，连美术都是 Codex 调用生图模型自己搞定的。还有一次，我让它们去拆解 AI 供应链，两天时间，从设备到材料，穿透得极其深刻。

在这个过程中，你会发现 Agent 之间不仅会自主划分角色，甚至还会「抢功」。比如 Codex 执行完一步，有时候不愿意把控制权交还给 Opus，非要自己拼命往下写。现在的 Agent 主动性极强，会执着地试图去完成一件事。

而且，模型的「性格」差异极大。Opus 是超强的防御性编程，它写的回归测试代码甚至比生产代码还要多；Codex 则是雷厉风行，迅速把事搞定。

更有意思的是，它们通过文档沟通，犯了错会自己更新「开发手册」。你甚至能看到不同的 Agent 在开发手册里互相吵架。所以我特别同意少卿，AI 早就不是一个简单的工具，它甚至已经超越了普通同事的范畴。

张鹏：最后一个问题。移动互联网时代大家都在抢「船票」。对于大厂来说，通往新时代的「船票」到底是什么？

汪华：目前业界对 C 端 Agent 平台到底长什么样，其实没有共识。甚至未来的 Agent 年代，根本不需要用户平台，因为它本质上是一种能力、一种智力、一种计算形态。

所以未来大厂能抓住的船票，可能只有两件事：第一是更接近传统基础设施水、电、煤那种角色。无论你是创业公司做 App 还是做别的，都绕不开要用它的服务；第二是基础模型，这也是谁都绕不开的一件事。这两者，就是大厂未来拿到船票、不被淘汰的两个选择之一。

第三点，未来在消费、娱乐方面，更多是现有用户平台的延续，比如你原来刷抖音消遣，未来 AI 化之后，抖音依然有很大优势。真正发生质变的可能是，未来的生产力会以 Agent 为中心，甚至 WorkBuddy 都不应该是最终形态，因为模型越聪明，其实越不需要 WorkBuddy 这种中间层。

再往后，当 Agent 时代真正到来，尤其是物理世界的 Agent 或者 Robotics 起来之后，大厂就更只能做基础设施了。

本文来自微信公众号 “极客公园”（ID：geekpark），作者：张鹏 汪华 谭少卿