AI 办公大战，胜负不取决于 Agent 本身

腾讯 Workbuddy 大杀四方，阿里千问办公火速上马，字节将飞书团队并入豆包并推出全新产品「豆包工作」。在大模型编程能力日趋成熟的背景下，办公 Agent 已成为大厂继红包战、龙虾热之后的下一个必争之地。但行业逐渐看清一个事实：决定 AI 办公产品好坏的，不是 Agent 本身，而是企业上下文的积累与调度能力。

大厂集体入场与字节的组织整合

马斯克在 SpaceX 招股文件中给行业算过一笔账——AI 应用未来总市场规模约 28.5 万亿美元（不含中国与俄罗斯），其中企业应用占 22.7 万亿，是 C 端订阅与广告（1.36 万亿）的近 17 倍。模型编程能力提升后，「代码」正从垂直能力演变为通用能力，自然语言可被编译为可执行步骤，Agent 在实际场景中的落地由此加速。

字节的动作最为系统：飞书团队并入豆包后，产品体系全面整合，推出独立应用「豆包工作」，并设置三个入口——独立 App、豆包 App 内的工作模式、飞书内的豆包工作入口。用户可用飞书账号直接登录，原豆包企业版也已完成切换。相比之下，腾讯已经冲出去，阿里刚翻身上马，部分大厂仍在磨刀。

真正的护城河是企业上下文

Agent 办公的能力由两层构成：模型决定理解与推理的上限，Harness 是 Agent 背后的基础设施，负责运行管控与具体执行。理论上产品好用与否取决于 Harness 是否扎实，但 Harness 归根结底是工程问题，随着 OpenAI 开源 Codex 的 Harness，各家走向同质化只是时间问题。

真正的变量在「上下文」。上下文即工作语境——研发群里说「帮我改一下」是改代码，设计群里是修图。人类员工靠对公司制度的了解形成上下文，Agent 则必须依赖人类注入才能理解真实意图。梁文峰在 DeepSeek 内部纪要中提到：「给 AI 完整的上下文和完整的指令」是 AI 超越人类的重要前提。

高盛在《Decoding the Agentic Economy》报告中指出，Agentic 模式下模型需要不断进行「思考—检索—调用工具—重读完整上下文」的循环，Token 消耗量暴涨。这意味着，仅有强大模型和扎实的 Harness 仍不足以构成好用的工作 Agent，必须叠加完整的企业上下文。

上下文高度碎片化的现实困境

企业的数字化水平决定了上下文能否被充分调度。华为早在 1993 年就成立专职 MIS 团队，1995 年引入 Oracle ERP，1997 年又耗资超 20 亿引进 IBM 的 IPD 系统；多数企业则停留在 Office 离线处理、本地机房、聊天软件异步传递的阶段。即便上线办公软件，十几个人的公司往往要用上几十家 SaaS，文档、群聊、复盘会、临时讨论散落各处，隐性知识难以系统归集。

飞书的差异化由此显现。其云文档把所有人的评论、修改、讨论过程全部在线留痕，多维表格的每一列都是明确定义的字段、表与表之间可关联——文档不只是工作的「结果」，更承载了「过程」。这种 AI Native 的设计使上下文自动沉淀为数据资产，不需要事后搬运给 AI。加上 All in one 的逻辑，Agent 无需逐个建立连接即可获取完整上下文。

字节让豆包工作与飞书做账号级集成，目的就是彻底打通企业上下文，同时避免权限失控带来安全隐患。行业共识正在形成：决定 AI 办公战局的，是各生态在企业组织里积累的上下文质量。

企业落地的两大硬指标

个人用户答错问题几乎零成本，企业答错一个数字就是合规事故。可靠性的两个具体指标指向同一结论——企业级 Agent 不能靠单一产品解决，需要成熟的商业产品体系。

• Token 消耗管理：硅谷大公司今年集中砍 Token 预算，微软要求团队迁回自研 GitHub Copilot CLI，Uber 四个月花完全年预算，Salesforce 禁止销售用 AI 润色文案，Meta 推出排行榜后榜单一月烧掉 50 万美元。
• 数据安全：芯片设计公司对 RTL 代码、网表、工艺设计套件和 IP 的保密近乎偏执，员工使用个人版 AI 工具在很多制造业企业被严格管控。

豆包工作的产品逻辑正回应这两点：它完整继承企业在飞书已有的权限设置，员工仅在权限范围内与 Agent 交互，切换成本低，且不会因接入新工具而打散已有习惯。

模型会迭代，Harness 会趋同。当各家的 Agent 都能写周报、做表格、跑流程时，谁能准确说出「老板周三下午一般不在公司」，谁就真正赢得了这场 AI 办公大战——而这背后比拼的，是谁能把企业组织里碎片化的上下文系统归集起来。