本文来自微信公众号： 海豚研究 ，作者：海豚君
过去一年，AI行业最确定的一笔钱来自写代码，程序员成了第一批心甘情愿为AI掏钱的白领。
但核心编码场景渗透率已70%左右，市场开始期待下一个场景在哪里。程序员之外，全球还有约10亿知识工作者。
那么AI办公（也有人叫Co-work、工作Agent）能不能接住Coding的接力棒，成为下一个渗透率大幅提升、商业模式真正跑通的场景？
本文海豚君主要讨论AI办公，围绕四点进行分析：
1、入口为什么从聊天框转向Agent？
2、Agent靠什么实现？技术能不能成为壁垒？
3、个人Agent和工作Agent谁先落地？
4、以中国市场为例，如何看核心玩家各自赢面？
以下是详细分析
一、AI入口之变：从“陪你聊”到“替你干活”
AI入口争夺一直伴随AI的底层技术发展，但由于算力成本不像传统互联网时代那边边际用户的服务成本几乎为零，以往互联网时代巨头先补贴再养用户习惯，再收割的“纯流量打法”，至少在当下已经不再适用。
相反，迫于成本压力，掌握技术、生态、流量优势的平台巨头们开始算经济账。C端堪比“知识付费”水平的低付费率，和短到很难释放足够广告库存的日均时长，都让最先渗透普及的AI Chatbot商业化之路走得异常艰难。
相比而言，以任务完成为导向的Agent出来后，企业端付费力反而被激发，尤其是科技公司和IT从业者。Stack Overflow在2026年4月和10月的抽样调查显示，Agent使用率达到了59%，每天使用比例也升至37%；而使用AI工具的开发者里面，66%在用Coding Agent，其中73%的人每天使用。
今年7月，OpenAI的B端付费规模（API、Enterprise订阅）已经超过C端（4月占比还是40%），年化200亿+美元，到9月底增长翻倍，按照650亿的整体ARR规模（毛口径，净口径为500亿+），B端收入占比超60%。
与此同时的C端付费，倒算下来9月底规模约莫250亿美元的ARR，相比7月只增长了不到40%。
广告变现上，年初OpenAI信心十足进军市场，一边招兵买马，一边携手多个第三方生态。
但随着转化率持续不佳，CPM报价一降再降，从灰测期间的60美元/千次曝光，降至15-25美元区间，看齐成熟数字广告平台报价。与此同时自助投放平台的最低消费门槛，也从5万美元直接抹成零门槛。
目前最新的进展是，8月底ARR为10亿美元，但这是已经覆盖了数万家广告主、40多个国家地区的成绩。
为什么Chatbot付费变现这么困难？
海豚君认为，问题不在于AI没用，而在于Chatbot这种交互形式，天然让用户算不清账、认不清AI价值。进一步细分来看，AI的价值包含两方面，一个是可验证有效性，一个是可衡量带来的收入扩张或成本优化。
但Chatbot交付的是“建议”，不是“结果”。它省了多少时间、省了多少钱，大多数场景是算不清的（无法量化价值），。因此结果好坏，只能“感觉”（无法自我验证），用户要确认效果，还得自己再走一遍流程。
当验收成本升高，用户对AI的信任度就无法稳定建立，因此使用场景就愈发停留在浅层的问答，而这里面所产生的无反馈、简单基础的用户数据，对大模型本身的后训练迭代作用不大，平台需要额外购买/标注高质量数据+验证环境。若要提升模型，还得花更高的成本从用户日常问答的数据中洗出高质量内容。
与此同时，越是不信任、只交互简单任务，越是无法沉淀下有价值的数据资产。这导致用户的切换成本也很低，一旦有更高性价比的Chatbot，可以丝滑切换。所以Chatbot能把“用户数”做到极致，却很难同步推高体现用户高粘性、忠诚度的“付费率”。
Coding为什么能第一个跑出来？
相比于聊天框的内容输出，Agent是以完成任务为目标，这与企业的普遍诉求一致。而在AI价值公式中，对可验证+可衡量的两个关键因子也都能落地：
Coding是知识范围固定、对错可验证的场景（能否走通可自动验证）；与此同时带来的增量价值也很好衡量——可以直接对应IT人才较高的薪资。
这种能够被用户快速验收、同时单个任务的经济价值又很高的场景，除了Coding，还有财务对账、法务合规审查、数据分析、金融投资、销售策略等场景。
更大的市场来自上述场景的合并和延伸——成为企业背后的统一办公平台。在深入企业业务流程，提供传统办公软件功能的同时，能够通过AI帮助企业客户实现更多业务增长，而非只停留在“员工降本”上。
不过统一的办公平台场景不是Coding场景的简单复制，其发展道路并非像Coding这么顺（一年时间就将IT人员中的AI Coding采用率拉高到了70%以上，AI辅助代码占比近30%）。
关键在于三个影响因素：
（1）验收标准更模糊、复杂，有些工作成果不好自动验收，而需要真人主观判断质量高低；
（2）任务链更长，卡在任何小环节都可能造成整条任务的停滞，比如月末对账需要同时接触网银、税务系统以及企业ERP系统，所以单看细分环节的容错率会更低；
（3）出于网络安全考虑，企业肯定是更希望私有化部署，这个过程则需要AI办公平台派出FDE团队入驻企业客户。
因此，企业决定是否替换/升级成AI办公平台，这个采购决策链要比AI Coding明显更长，自然发展进度没有Coding那么顺畅。
二、Agent竞争，技术会是核心壁垒吗？
1.Agent=LLM+Harness
要看Agent是否具备持续性的技术壁垒红利，我们先来看看Agent的运作原理。
Agent要完成一个工作，主要包含5个关键步骤，每个步骤又涉及到不同层的软件工具。其中两个核心技术分别是大模型层和Harness层，总体而言，大模型负责思考后做出决策/提出要求；Harness负责稳定安全的执行、验收。
2.真正的壁垒在“数据”
从Agent的运作原理可以看出，一个Agent要能够稳定执行并完成交付工作，需要大模型做准确判断，同时还需要一个靠谱的Harness来稳定执行。
那么领先的Agent，它的技术壁垒来源于大模型还是Harness？
（1）Harness本质是一个技术套壳
首先Harness的设计思路和底层工程代码都非常成熟且通用，属于运行基础设施——日志、权限、沙箱、存档、界面等。
其次Harness外接应用生态的连接协议MCP、Skills等，也成为了开放标准。OpenAI把Codex Harness直接开源，Dots就跑在它上面；开源的OpenClaw也成了微软Autopilot和Meta Muse的灵感来源。
所以Harness本身并不构成技术壁垒，与此同时，模型还在吃掉Harness的功能。也就是很多原本靠Harness补的能力，也正在被尝试训练进模型。
a．Agent调度执行纳入大模型（适用并行任务）
典型的例子就是Kimi，自K2.5首次推出Agent Swarm，让模型自己决定拆任务、分派子Agent开始，K2.6、K3就延续这条设计思路，把越来越多的Agent协作直接训练进模型，不再靠外部Harness串行调度。
不过目前头部模型厂的主流路线还是将Agent的调度执行框架，交给Harness去做，大模型只是被训练得很会用“拆分子任务”这个工具，当真正需要时，再通过Harness的子Agent工具派出若干个子Agent并行执行。
b．上下文、纠错规划纳入大模型
除此之外，各家大模型的上下文窗口都在向1M看齐，规划、自我纠错越来越成为模型自身的能力，这也使得负担了上下文管理、压缩、检查纠偏的Harness，其本身的重要性有所下降。
（2）模型收敛，且并不用追求持续用前沿模型
大模型是坐镇大后方的决策层，底层大脑的差距太大，确实会影响用户的终端体验。但目前前沿模型各家的领先优势普遍在3-6个月，在年中开源大模型大幅追赶、缩小与闭源头部的差距之后，近两个月北美闭源头部也咬得非常紧，相继推出新版本。
尽管闭源模型通过封锁思维链，严防死守同行对其做蒸馏，但追赶者们仍然可以通过不断完善训练环境（具备有效反馈验证的数据回流），也就是进行更多的后训练来实现大模型性能的迭代提升。
与此同时，在“能做事”这条及格线上，模型之间的差距已经在收敛。
闭源模型在不断降价的同时（甚至不惜走下神坛，以性价比更高的小模型来与中国开源模型直接打擂台，是一种产品矩阵的打法），仍然挡不住原来的大客户正反过来成为它们的竞对。以下几例无一不说明，“纯模型层”的客户锁定很弱。
a.Meta先用Claude Code开发Muse，再用自研Muse Code替换Claude Code；
b.微软让Copilot的自动路由默认走更便宜的OpenAI模型；
c.阿里7月弃用Claude Code，改推自家Qoder。
（3）真正难抄的是“用户使用数据”留存
既然大模型和Harness都不具备绝对的技术壁垒，那么抛开价格，为什么用户认为Codex和Claude Code总比其他Harness明显更聪明呢？
这里面的“聪明”说到底主要表现为——Codex和Claude Code能快速理解用户意图，同时对过往的经验能够主动吸收并运用到下一次的任务交付中，综合来说，其实就是上下文能力。
一个具备较深上下文能力的Agent，能够沉淀用户使用数据并在未来任务中调取，更好地执行任务。这些数据包括聊天信息、文件、邮件、权限，特定行业Know-how、企业内部规范、组织架构、业务流程记录，尤其是用户每一次纠错、批准、拒绝不同反馈的执行轨迹，都能够回流去对底层大模型进行后训练强化学习。
这也是为什么担当入口的Harness，即便承载的是第三方模型，反而能够通过收集用户使用轨迹数据，来反哺训练自家模型。
如下图，按照Agent的运作流程，底层大模型和Harness对用户使用轨迹数据的触达能力，有着明显差异：Harness层能看到的用户使用数据明显更多，尤其是海豚君圈出来的“人工确认与交付”环节，大模型层几乎完全看不到用户的验证与反馈，丧失了可以用于后训练的最佳原料。
因此若大模型和Harness入口平台不是同一家企业，那么数据回流对原大模型的后训练优化也要打折扣。反之，提供Harness入口的平台，则可以利用这里的用户使用轨迹数据，来对自己的落后大模型进行快速优化。
当然，最佳的方案则是，大模型和Harness均来自同一家公司，那么这家公司就能得到完整的用户使用数据。不断通过后训练的优化，产品体验上让用户觉得“越用越聪明”。
3.自有生态是另一种起跑线优势
但数据回流的规模大小，又与用户量息息相关。用户可以是由产品功能吸引（底层模型性能、技能生态丰富度），也可以是由其他高频入口导流——即外接工具规模（MCP/API接入，或Computer use可操作），和外部分发入口（IM、系统、浏览器等）。
而无论是外接工具还是分发入口，都不得不与传统互联网打交道。在巨头生态各自为政的情况下，哪一家拥有更多的自有生态、拥有巨额流量优势的IM入口，都算赢在起跑线上。它们对Agent的入口分发作用，比靠技术硬实力的先发优势来得更轻松。
三、个人Agent vs办公Agent：长期理想vs短期现实
如果类比互联网，消费互联网的价值远大于产业互联网。
个人Agent面向几十亿人，一旦成了电商购物+OTA的总入口，广告和交易佣金的想象空间是巨大的——2026年美国每个日活用户能贡献约300美元广告收入。
但眼下有三堵墙：
（1）生态墙：通过Agent调用第三方生态平台的服务，会跳过开屏广告和推荐流，从而让外部平台错失广告和佣金，因此AI原生入口往往会遭到传统互联网平台的抵制。
这个问题放在中国市场可能更加凸显。最典型的案例就是豆包手机上线，遭到了微信、淘宝、支付宝和多家银行App的“围剿”，而9月发布的Meta Muse在北美同样遇到了Amazon的跳转封禁。
（2）隐私墙：个人Agent要拿银行登录、聊天记录、支付权限。Muse上线后接连出了“未授权读取消息”、“人工代打电话没充分披露”等事件，而它承诺的“加密虚拟机”要到年底才上线（但普通隔离虚拟机已经上线）；开源的OpenClaw暴露了13.5万个公网实例和上千个恶意Skill，Gartner直接建议企业封禁。
没有深入用户生活，个人Agent就很难提供真正有效的AI服务。
（3）成本墙：目前大众用户对个人Agent的实际粘性（时长和使用频次）都不算特别高。比如还在营销势头上的Muse，上线一个月后的用户粘性数据，就算有了社交平台的加持导流，DAU/MAU也只是ChatGPT水平，离真正的助理水平（至少看齐社交平台）还有差距，这也意味着Muse的商业化至少在短期是个问题。
但Muse的成本不低：它为用户单独配备了虚拟机，同时还要负担免费、低档付费用户的Token成本。据MS测算，以每天用户让Agent干10-20件事（包括后台一直运行的agent），每用户每月总服务成本为15~37美元区间（CPU沙箱+GPU算力）。
同时通过另一渠道的专家调研估算，单人单月成本也是大约在30-50美元。我们以30美元/月为参考值，那么意味着全年单人服务成本为360美元。但Meta旗下两大平台Facebook、Instagram目前的单用户广告价值，还不到360美元。而上述20件事的Token用量还在免费套餐额度之内，用户不需要额外购买Muse的付费套餐。
反观面向企业办公场景的Agent，长期TAM至少可以从效率提升、侵蚀传统软件两个角度，找到相对清晰的承接来源。
智谱在1H26业绩会上，给出的Co-Working全球TAM展望为5万亿美元（对比Chat的1000亿、Coding的5000亿，是数倍大的市场）。
另一种思路是直接拿office作为参照，以office的付费渗透率情况（46%=4.6亿席位/10亿知识工作者）作为基数，每人40美元/月的付费标准，得出总市场空间2160亿美元。
海豚君认为上述两个展望都不合理：
5万亿占到了目前全球10亿白领以上员工薪酬的1/5、SaaS市场的3-4倍，若全部都是可触达的替代空间，这对现有的生产方式是一个巨震；
而2000多亿美元的估算假设中，不仅算少了office的基数（遗漏了破解版部分的需求），同时也低看了AI实际能承接的工作价值（不只是文字处理工具）。
海豚君选择从人员降本提效、侵蚀传统软件两个角度来做一下估算，供大家参考：
（1）个人提效&员工降本
首先从人工替代的角度去计算价值空间，通过估算Agent能够承接的工时占比，算出理论上可节省的员工薪资。
同时考虑到线下沟通成本、迁移成本、ESG等社会责任压力，企业可能更愿意让员工开展更多业务，而不是只有裁员这一个选项，所以我们增加一个厂商分成比例的系数，来代表企业最终的付费意愿。
最终空间大小=知识工作者的工资总额×Agent能承接的工时比例×Agent厂商可获分成比例。
按照不同市场，海豚君对上述因子的假设和估算结果如下图，最终预估各地区TAM加总为4060亿美元。
（2）企业软件替代
另一个TAM的承接来源是现在的传统企业软件被替代，或者没被完全替代，但在整个企业IT预算中的份额变少了。
Gartner给了一个参考值，到2030年，Agent有望侵蚀掉传统SaaS软件支出（2026年预计1.44万亿美元，按CAGR 12%的增速算到2030年为2.3万亿美元）约10%，也就是2300亿美元。
不过海豚君认为Gartner的估算可能偏保守，我们按照企业软件的品类对应的迁移难易度，最终估算下来相比Gartner要高一些，整体侵蚀率16%，按2026年算TAM为2270亿美元，按2030年算TAM为3560亿美元（软件总市场规模增速按Gartner的预期来估算）。
其中办公协作、数据分析与BI迁移最容易，我们假设有40%-50%；基础设施工具则替代率最低为10%，这并非因为难度大，而是更多被Agent拿来即用。
（3）加总后的全球TAM
以2026年的基数算，人员降本+软件侵蚀的TAM为4060+2268=6328亿美元，这个口径的估算值位于office参考计算的2160亿美元保守预期和智谱展望的5万亿美元乐观预期之间。
值得一提的是，这其中可能会有一些重复计算——对企业来说，同一笔IT预算扣减传统软件的成本，也可以从员工身上减出来，但基本上仍然有望达到5000亿美元左右的市场规模。
按同样的思路计算中国市场，人员降本330亿元+115亿元合计445亿美金，合3200亿人民币的TAM。
四、AI办公对比，谁最有希望坐稳“工头位”？
以中国市场为例，最后我们再来聊一聊这个赛道的核心玩家（腾讯Workbuddy、字节豆包工作、阿里千问办公，以及模型厂代表的智谱Zcode）。
作为一个更有希望将巨头重金囤下的算力有效变现的应用方向，海豚君认为各头部平台相比年初的Chatbot入口争夺，竞争只会更加激烈且持续。
但巨头会减少纯撒币的旧获客范式，转而利用自身的传统生态位和渠道优势、叠加产品推陈出新的速度比拼，最快触达用户并实现高留存，持续积累企业、用户的核心数据资产，从而率先拥有强者恒强的正向飞轮。
因此年中才敲锣打鼓全面开战的AI办公市场，当下仍然是一个谈终局赢家尚早的时期。但通过我们前文的梳理逻辑，也可以稍加评判一下目前各玩家的赢面。
下图是各AI办公平台运作的关键四层生态布局，从完善度上，腾讯、字节、阿里都是全布局生态。智谱缺乏一个上亿流量的入口级产品进行导流，相对吃亏。
目前几家AI原生的办公Agent平台，Workbuddy用户规模暂时领先，但这里面有腾讯在C端的流量优势以及HY系列免费Token的性价比优势加持。
那么后续的演进会如何发展？下面海豚君从前文总结的关键要素来进一步比较：
1.上下文优势
上文我们梳理的结论，纯技术不构成绝对的壁垒，一个合格的、能做事的大模型只是入局的门票。不需要基准评分TOP的前沿模型，只需在稳定干完长任务、单任务成本更低上跑出一定的优势就行。在中国这个模型更便宜、追得更快的市场，技术更难成为持续的壁垒。
但用户使用数据的积累是关键，不仅能够作用在底层大模型的后训练上，同时也能更好地总结经验并储存，以及深入理解企业的业务流程，让用户使用体验更佳，同时增加用户的迁移成本。
而要拥有更多的上下文，要么有生态内的高频入口导流，直接积累更多的用户使用轨迹；要么就是本身拥有很多行业know-how的知识储备，或者接入更多的行业方案。
关于上下文优势的对比，海豚君认为：阿里>字节>=腾讯。
（1）阿里最优，目前具备入口的流量优势+行业know-how。
钉钉服务全国2600万家+组织，传统行业、政府、教育的渗透是三家里最深的。这些组织的审批流、组织架构、考勤规则都长在钉钉上，是最天然的“企业上下文”。
千问办公顺势把这些上下文进行产品化，形成了25项企业模块、20多个连接器，再加上MuleRun的专家网络和Skill市场。
但小局限是，钉钉客户中小企业多、行业分散，单个行业做不深，其次know-how主要分布在通用流程（审批、考勤、报销），专业领域的深度不如飞书的头部客户。
（2）字节居中，客户质量更高
飞书的客户集中在互联网、新能源车、新消费、先进制造等“管理先进”的企业。这些客户愿意把核心业务流程搬上飞书，例如新能源车企的研发协同、茶饮品牌的门店管理，沉淀的是高价值、可复制的行业最佳实践。
字节在“驻场交付”上的投入最大。据调研，目前FDE团队60–70人规模，不只帮客户内部降本，还做面向市场的获客方案。
豆包工作目前已经按行业形成方案：智驾、AI模型公司、AI教育、AI制药、AI for Science等标杆案例。
局限在于入口借力有限，飞书月活只有钉钉的约1/7，行业覆盖窄。因此豆包工作的企业方案深度绑定飞书，跨生态就打折扣，这等于限制了企业的多平台选择。
（3）腾讯目前更依赖开放生态，但流量优势正在积累数据资产
虽然Workbuddy在原生AI办公平台上跑得最快，结合最新的调研信息，9月日活已经跑超600万，但平心而论，腾讯在可以借助的入口流量和行业知识积累上，都不占优。
企业微信本身更偏对外沟通和客户管理，嵌入企业内部流程较浅，业内也评价它在三家里“企业专属模块最弱、生态最中立”。
因此腾讯的打法相比阿里、字节会更加开放，是“我出Agent、模型、分发，伙伴出行业数据和know-how”，又开始了熟悉的开放生态玩法：
a.在入口补充上，Workbuddy接入了30多个硬件品牌，覆盖智能眼镜、录音卡、麦克风、耳机等10+品类；
b．在行业know-how上，Workbuddy开放平台首批接入了100多家生态伙伴，横跨20多个行业，其中深度合作的企业超过30家。
目前Workbuddy的优势主要在金融营销、零售私域这类“对外”场景里（企业微信能直接触达微信用户），know-how和数据是另外两家没有的。
值得一提的是，如果过度依赖外部生态合作，也有一个弊端。这里的合作关系并不一定具备排他性，因此外部伙伴同样可以选择接入钉钉和飞书。
不过海豚君认为，Workbuddy的机会在长期发展上会更加明显：C端用户使用数据的持续性积累，以及基于腾讯生态的独特优势——个人Agent数据与工作Agent数据打通，同时受益于AI时代下，OPC（一人公司）等单人生产力的社会发展趋势。
2.商业模式差异
各家生态的优劣势差异，也使得AI办公平台的商业变现存在不同。目前因为产品渗透率还不够，虽然都保留了订阅模式，但国内暂时还没有一家指望单纯靠办公Agent赚钱，而是都要靠生态、传统产品的捆绑。
目前来看，海豚君认为，借助现有商业模式更容易丝滑变现AI办公价值的是：字节>阿里>腾讯。
但随着更多数据资产的积累和上下文能力的提升，长期可看3000亿元的国内AI办公市场，仍然有望成为互联网巨头在AI时代的低摩擦成本转型的润滑剂。
（1）阿里：变现最终落到“云钉+MaaS”
阿里更偏向从已掌握的企业端采购部门入手，用云产品捆绑+钉钉渠道，自上而下的拿下客户，核心是提高钉钉用户留存，然后通过卖企业席位、后端消耗Token和阿里云资源等方式赚钱。
（2）腾讯：变现最终落到“生态抽佣+云”
而腾讯的优势就是C端流量，因此Workbuddy的导流不只靠企业微信，微信等其他生态也都是宣传入口，同时目标白领用户的外部投流也不少。正因“散客”用户占多数，Workbuddy更偏向订阅，以及开放生态中的抽佣。
（3）字节：变现最终落到“企业IM+云”
字节则采取中间路线，在将AI功能同时缝合进飞书做强原入口的同时，也采取了C端投流获客的方式。在变现上，选择与飞书、火山引擎的捆绑——飞书负责企业上下文和席位收入，火山负责算力和Token收入，豆包工作夹在中间提高客单价和粘性。
组织架构也顺势调整：飞书产品并入豆包，飞书销售并入火山。一如火山的销售风格，整体豆包工作的销售策略也偏激进，购买火山算力的企业可以免费使用三周、100席以上的额度，随后再进一步转化为付费用户。
总结：AI办公，传统互联网巨轮转向的关键舵手
AI办公市场足够大（海豚君看远期全球5000亿美金+、中国450亿美金的TAM），得益于AI能力的不断延伸和渗透，相比个人助理可能更能迅速变现Token的价值。
现有互联网巨头，无论是出于短期AI ROI的压力，还是出于长期转型的需要，应该都不会放过这个领域的份额争夺。
现阶段，Workbuddy暂时拥有先发优势。不过海豚君认为，从核心要素层面（上下文、生态、商业模式）考虑，Workbuddy仍要补功课（模型性能+行业know-how），来延缓被追赶的时间。
千问办公、豆包工作拥有不可小觑的追赶甚至超越能力，这不仅仅是比较用户数，更多的是体现在与企业的深度捆绑。谁能积累更多的工作流程经验等数据资产，谁才能拥有真正的持续性壁垒。
Workbuddy的独特优势则在于个人生活数据和工作数据的打通，但这个涉及到复杂的数据隔离、权限安全等软硬件技术，因此更偏向长期的壁垒机会。