這場源於巨頭恐懼和無奈的「會戰」，利多創業者。
「這仗打錯了，最多是白燒幾十億；但如果不打，可能是生死問題。」
這是創新工場聯合首席執行長、管理合夥人汪華對大廠重金押注 AI 辦公的判斷。
2026 年的這個夏天，中國科技巨頭髮起了 Agent 時代第一場「戰役」：豆包工作正式發佈，TRAE、扣子團隊整體併入豆包體系。更早的 7 月底，飛書產品團隊併入豆包；另一邊，騰訊的 WorkBuddy 已經跑出了千萬月活，阿里也在整合自己的桌面 Agent、雲端 Agent 和釘釘能力。
巨頭為何會集體興奮？AI 辦公的背後他們在思考什麼？在爭奪什麼？最近，極客公園邀請了汪華、Floatboat.ai 創始人兼 CEO 譚少卿一起來聊一聊。
今年初那場「小龍蝦熱」，本質上只是一場極客的自我狂歡。譚少卿說，「它是個過渡產品」，屬於三類產品分層中的「極客產品」，從一開始就沒打算走大眾化路線。模型不夠強、配置門檻高、Harness 不成熟，把普通使用者擋在門外。
真正的轉折發生在最近幾個月。汪華認為，中國國產模型是最近才真正跨過了那道檻。GLM-5.3-Flash、DeepSeek-V4-Flash 這些模型不僅把指令遵循能力做上去了，更關鍵的是把成本打了下來。
現在，才是中國 Agent 爆發的真正原點。
這裡面有一個反直覺的邏輯：移動網際網路時代，千萬月活根本不值得巨頭興師動眾，但這次大廠已經開始了一場「大會戰」。
汪華說，背後的驅動力是恐懼。年初 Claude Code 還沒到千萬月活時，ARR 就已經達到 200 億美金了。這意味著，未來的高價值經濟入口，可能不建立在高日活之上。法律、財務這類高價值的專業工作，一旦被 Agent 重新定義，丟掉的不是使用者規模，而是整個賽道的船票。
除此之外，還有另一個因素是算力。C 端產品比如豆包，算力負擔極重，只能用壓縮的小模型，所以「有時覺得它智障」；而辦公 Agent 恰好卡在一個理想區間，既能體現大模型真實能力，又不會因為使用者規模過大導致算力扛不住，同時商業模式能跑通。
WorkBuddy 的火熱，某種程度上是一場內部賽馬的倖存者故事。「它是踩在眾多失敗項目的屍體上活下來的。」大廠採取的都是內部賽馬策略，那些算力成本過高、商業模式不成立的項目自然死亡後，資源自動向倖存者傾斜。
巨頭進新戰場，常被認為自帶優勢。但這次不一樣。汪華說，「巨頭唯一的壁壘其實只有錢，而錢能兌換的僅僅是算力。過去積累的資料和使用者，不會自動轉化成新賽道的優勢，龐大組織架構反而會極大抵消資金優勢」。
雖然巨頭已經下場，但汪華認為，中國創業者有一個很大優勢，距離中國開源模型更近。「大家在一個圈子裡，私下交流多，最懂怎麼在這些開源模型上做微調、建生態，那就能相對於其他地方的創業者建立一些優勢。」
進入 Agent 時代，巨頭們都在爭奪通往未來的船票。汪華說，「船票」其實只有兩張：成為水電煤般的基礎設施，以及掌握基礎模型。至於使用者平台層面的船票，很可能根本不存在了，因為 Agent 本質上「是一種能力、一種智力、一種計算形態」，而不是一個需要被圈養的平台。
譚少卿從產品實踐裡看到了更遠的東西：當 Agent 具備主動性，甚至開始向 CTO、COO 的角色過渡時，連 WorkBuddy 這樣的「工作台」形態，都可能只是過渡產品。「模型越聰明，其實越不需要 WorkBuddy 這種中間層。」
巨頭們這一次衝進 AI 辦公戰場，多少帶著一點恐懼：怕錯過新入口，怕丟掉下一代生產力的船票。但有意思的是，他們在重兵投入的同時，也無意中完成了市場教育，讓更多使用者第一次真正理解，Agent 不只是聊天工具，而是能幹活的生產力系統。
而創業公司並沒有因此被擠到牆角。相反，在巨頭照亮市場之後，它們反而看見了更多細分機會：更垂直的場景、更靈活的產品形態。
以下是極客公園創始人&總裁張鵬和汪華、譚少卿的對話內容，部分有刪減。
01 中國 Agent 的「ChatGPT 時刻」來了
張鵬：近期騰訊、字節、阿里等大廠在 AI 辦公領域的動作非常密集。你們怎麼看他們最近的系列動作？
汪華：我覺得這事特別好。有了大廠來推動，包括他們願意補貼，才能真正開啟中國 Agent 領域的「ChatGPT 時刻」。
之前大家用豆包、DeepSeek，體驗的是 Chatbot 對話。中國真正用過 Agent 的普通人極少。年初雖然小龍蝦火過一陣，但門檻太高，絕大多數人根本沒有用起來。它本質上只是極客的狂歡，再加上一點好奇使用者的外溢。
現在大廠把 Agent 包裝得非常易用，把 PPT、繪畫、辦公等場景預設好了，花力氣把它推給了至少千萬使用者，相當於給全市場做了一次 Agent 普及教育。除了教育層面，用的人多了，各種應用場景也會被開發出來。
跟今年上半年小龍蝦那波相比，還有一個關鍵不同，是中國國產模型是最近才真正跨過了那道檻。倒退三個月，中國國產模型的指令遵循能力還不夠。同時，GLM-5.3-Flash、DeepSeek-V4-Flash 這些 Flash 模型把成本打下來了。所以一切水到渠成。
大廠推動 Agent 普及，對創業公司同樣是巨大的利多。如果沒有大廠去教育市場，創業公司自己拓荒太難了。現在，才是中國 Agent 爆發的真正原點。
張鵬：怎麼理解從小龍蝦到 WorkBuddy，中間的邏輯是什麼？畢竟這是兩個不同人群的產品？
汪華：小龍蝦熱的時候我們也聊過，結論是它太複雜了，沒法直接給普通使用者用。但那波熱潮讓所有人，尤其是年輕科技愛好者，第一次親手摸到了科幻小說裡的東西。
大家都想嘗試，但最後卡在幾個地方：一個是模型不夠強，當時只有 Opus 4.6 能用但又慢又貴；二是配置門檻太高，普通人搞不定 Linux 環境；三是 Harness 也非常不成熟。
現在完全不同了。模型和 Harness 每一兩個月就在飛躍，現在 Opus 4.6 已經被隨便「吊打」。更關鍵的是，普通人需要的是雲化，不用自己在本地配置，雲端配好直接用。現在的 Codex、Claude Code、豆包工作，也都是幫使用者在雲端配置好，起碼是一個手機或消費品級的體驗。
從小龍蝦到 WorkBuddy，在使用者體驗上有一個巨大差別：從極客的玩具，到手機 App、消費品。騰訊在這方面一直做得很好，他們始終把 WorkBuddy 當成一個使用者級、消費級的 App 來開發，花了幾個月時間就走到了今天這一步。
很多人認為這是創業公司的事，但並非如此。創業公司可以在海外做開源，但如果要做消費級、工業化的消費級產品，還得解決流量冷啟動、資料積累這一整套問題，可能還是大廠，他們有流量、有資源。
張鵬：小龍蝦火了之後，對你們有什麼啟發？怎麼看現在巨頭紛紛入場 AI 辦公這件事？
譚少卿：我們做得比較早，去年 7 月就發現模型能力在長程任務上已經足夠好。但面向普通知識工作者，市場上缺一個原生的「工作台」產品，所以我們就切入了這個方向。
小龍蝦今年爆火的價值在於讓大眾第一次看到，Agent 可以後台 24 小時運行，發個任務就能跑，那怕經常崩潰、又貴又慢。包括 ClaudeCowork 的發佈，這對我們是特別好的事情，它證明了這個方向是可能的，我們第一輪融資就是在 ClaudeCowork 發佈之後完成的，我們做的更早，跟它同天發佈。
但我們判斷當前的 Cowork 類的產品是過渡形態。因為 Cowork 本質上還是以人為中心，隨著 Harness 價值的顯現，Agent 長程能力越來越強，未來會過渡到以 Agent 為中心，產品形態、互動設計都會不一樣。
張鵬：這對投資人的決策有影響嗎？
譚少卿：之前從這個角度切入是反常識的，大家覺得這該是個通用賽道而不是垂直 Agent，而且軟體演進路徑是從軟體到 SaaS 到 Agent，從桌面端切入好像是「開歷史倒車」。但 ClaudeCowork 發佈後，外界對這個路線開始有了認知。
我們把產品分成三類：極客產品、專家產品、大眾產品。小龍蝦屬於極客產品，雖然我們一開始就沒打算走這條路，但它讓大眾看到了可能性。
巨頭入場，也是在幫我們教育市場。我們產品今年 1 月公測時，有使用者抱怨積分用得太快。但當我們做使用者訪談的時候問他任務滿不滿意，他說很滿意，超出預期。再問幹了什麼工作，往往是實習生需要干半個月的工作量。當時只是沒把價格錨定到生產力上，所以大家還是覺得貴。現在各類 Work 產品，讓更多人知道了 Agent 真能解決問題，對我們是好事。
汪華：我特別希望這次巨頭能教育中國使用者交月費。以前，中國使用者交月費不能超過 10 塊錢，而美國使用者為產品付費幾十美金是常態，工作類甚至 50-100 美金。中國這麼多年的免費模式，導致付費習慣一直起不來，而廣告和交易支撐的商業模式，在商業模式上天生就有侷限性，不是每種產品都適合這套邏輯。
張鵬：你認為到什麼條件下，你會認為付費習慣基本建立起來了？
汪華：現在已經有很好的趨勢了。雖然還是一小部分人，但程式設計師和專家使用者，已經能坦然接受 68、98 元這個檔位的月費。相比以前，這已經是巨大的進步。
中國使用者以前的付費習慣，其實是被巨頭搶使用者的免費模式毀掉的。中國使用者不是不愛付錢，你看 Steam 上 30% 都是中國玩家，巨頭的生態是能培養習慣的。
現在大廠做 AI 辦公，骨子裡還是以前打使用者量、算 ARPU、做入口的那套思維，並不是真正的「以 Agent 為中心」。唯一的好處是，因為 Agent 需要算力成本，他們沒法再搞純免費了，必須正兒八經推付費模式。這算是把以前毀掉的習慣又慢慢拉回來了。
譚少卿：確實如此。我們產品一開始主打海外，定價 40 美金一個月，沒對中國外使用者做價格區分。我們就是想驗證，使用者願不願意為好產品付比較高的價格。結果發現中國使用者的付費習慣遠超預期。有些重度使用者一天甚至能充值兩三千塊錢，他們是真的把 Agent 當作生產力工具在用，而不是傳統軟體。
最近我們選了 DeepSeek-V4-Flash，跑了五個主流榜單，並且比官方的 Harness 評分更高。這證明 DeepSeek-V4-Flash 和 GLM 5.2 已經能驅動很複雜的長程任務，配合我們的 Harness 能做得多快好省，就能進入更多的生產力領域，因此推出一個便宜版本。從資料上看，巨頭教育市場，對我們的付費率和留存反而都有明顯的提升。
02 WorkBuddy 是怎麼踩著「屍體」跑出來的？
張鵬：從個人的視角，怎麼看 WorkBuddy 這個產品？它是怎麼演進的？
譚少卿：這類產品的互動邏輯，基本是從 Coding 場景演變過來的。進去先看到一個 Chat 面板，然後選一個項目資料夾開始工作。但大部分知識工作者的檔案系統其實是半結構化的，不會把一份工作相關完全塞進一個資料夾，只有程式設計師才習慣把所有程式碼扔進一個目錄下面。所以這個互動形態，沒什麼實質創新，只是把 Coding 的邏輯照搬過來。
真正讓大廠資源開始發揮作用的轉折點，是把 Skills（包括原來 GPTs 那種形態）包裝成「專家」模式。這麼做的好處是小白使用者更容易理解。小白使用者面對一個輸入框可能完全不知道該幹嘛，但「找個專家」這個概念他能秒懂。雖然這通常會拉低模型智能和 Harness 本身的表現，但也拉低了使用者理解產品的門檻。一旦跨過這個門檻，巨頭的營運和投放能力就能真正發揮作用。
在這個基礎上，WorkBuddy 在易用性上確實做得稍好一點，比剛發佈的飛書的豆包辦公要更成熟些。
有意思的是，從幾家產品官網就能看出各家的文化背景差異：WorkBuddy 官網做得很簡單，甚至跟它現有的新版 UI 對不上，說明他們還在快速迭代；千問辦公的用詞和風格偏工程化，更貼近技術，更像是千問模型的一個管道；豆包辦公則更年輕、更酷炫，內容呈現更靠前。這些細節背後其實是各家公司風格的直接投射。
張鵬：我們推導一下，為什麼 WorkBuddy 是騰訊先做出來的？而不是字節或阿里？
汪華：實話說，我不知道。年初小龍蝦那波熱潮，其實是飛書吃到了最大的紅利，他們當時也投入了很大精力做相關產品，但確實沒跑出來。
其實大廠內部很多團隊在賽馬，字節有一批，騰訊也有一批，但字節這批沒跑出來。
更關鍵的一點，可能是騰訊在模型選擇上更開放。
字節的模型也有短板，這在豆包這種對話式產品裡其實無所謂，字節在互動體驗上一直做得不錯。可一旦到了辦公場景，這背後是長程 Agent，對模型智能、指令遵循的要求會更高。而 WorkBuddy 可以自由選擇模型，可以接入最好的生態。現在模型更新此起彼伏，「模型即產品」這一點在 Harness 時代依然成立，模型不行，前端互動做得再好，使用者體驗還是不行。
張鵬：可以選擇不同的模型，現階段是吸引使用者的點嗎？
譚少卿：坦白講，對非專家使用者來說，選模型這件事其實挺讓人懵的。我們從產品早期到現在，一直保留讓使用者選模型的選項，核心原因是模型之間的差異依然非常大。日常辦公用 DeepSeek-V4-Flash 確實又快又好，但如果追求極致效果，比如在 Coding 上，GPT、Claude、GLM 之間的差距依然很大。
只要產品還允許自選模型，就說明模型能力還沒有收斂到一家獨大。我們判斷這會是個比較長期的狀態。因為還有新的變數出來。目前，訓練和蒸餾技術越來越成熟，任務越長越重要，Harness 越重要。比如很多使用者反饋 Fable 5 在程式設計上不用提示詞就特別強，但做非程式設計任務時會覺得智能下降了，就因為它模型的訓練越來越多地對齊在自己的 Harness 上。同時，辦公、Coding、世界模型，這幾場仗都還沒打完。模型廠也不是無限彈藥的，專注於當前辦公產品的資源其實也有限。
二是供給會越來越充足。大家都可以在基礎模型上針對特定領域做後訓練，通常都能比原始基模表現更好。我們也接觸到一些還沒在市面發佈的基模，所以供給端只會越來越豐富。
另外，我們在產品協同上選擇了和巨頭完全不同的「分佈式模式」。我們賭的是這次變革本身的特性：Agent 的 Coding 能力很強，我們賭的是這次變革本身的特性：AI Agent 的能力不同於以往的技術，它能夠根據使用者的場景去自我程式設計、改進，從而讓使用者不必捆綁於具體的軟體和 SaaS 平台。
現在資料其實是分佈式的，大家並不關心文件是在飛書、Google Docs，還是存在本地，因為 Agent 全都能訪問。所以這些邊界被淡化掉了，使用者的遷移成本也沒那麼高了。
正因為如此，分佈式的供給才有了可能性。大量中小企業和個人使用者，本來就沒有誰真心願意把資料鎖死在一個平台上，他們更願意讓資料回歸到自己手裡。
同時，硬體端也出現了巨大變數。現在的 Mac 頂配電腦跑 27B 甚至 70B 的本地模型已經沒問題。我們判斷，未來很可能會重演早期 PC 時代的演進路徑，算力供給將從中心化回歸到個人終端。有可能到年底或明年年初，我們會看到消費級裝置上也能跑出可以驅動 Agent 的能力。
張鵬：移動網際網路時代，千萬月活根本不值得巨頭去打會戰。為什麼騰訊會重金加持？背後的戰略思考是什麼？
汪華：我覺得首先是恐懼。千萬月活確實不多，但你要知道，年初 Claude Code 還沒到千萬月活時，ARR（年度經常性收入）就已經達到 200 億美金了。
騰訊的邏輯大概是兩點：第一，當年豆包出來，騰訊沒重視，結果被做出了一個新入口，所以這次沒有那個巨頭敢在一個東西還小的時候就輕視它；第二，大家都害怕未來的新經濟形態，生產力、高價值的專業工作，比如法律、財務等，不一定建立在高日活上。如果這波沒趕上，可能不是丟了使用者規模，而是平白丟掉了高價值的經濟入口。這仗打錯了，最多是白燒幾十億；但如果不打，可能是生死問題。
而且對中國公司來說，現在算力已經沒法像海外那樣大規模投，美國那幾家一年 CAPEX 就是 2000 億美金等級。相比之下，中國打應用層的仗，真不算什麼大的負擔。
張鵬：這個視角很有意思。巨頭需要把投資變成未來的資產和能力，否則護城河就會變窄或消失。那應用層是一個很好的選擇？
汪華：而且辦公場景還有一個巨大的好處：算力可控。
像豆包那種面向幾億 C 端使用者的產品，算力負擔極重，只能用壓縮的小模型，所以大家有時覺得它「智障」。如果算力充裕，按照字節的秉性，肯定願意給 C 端放開更強的模型，但現實是不允許的。
而辦公 Agent 處於一個完美的平衡點：既能體現大模型的能力，又有實際價值和未來的高溢價空間，同時使用者規模又不會像 C 端產品那樣失控。加上它還能收點費，跑通商業模式，這確實是一個非常合適的戰場。
我覺得並不是騰訊一開始就想得有多清楚。他們內部肯定有很多團隊在賽馬。那些算力成本太高、使用者反響不好，或者商業模式不成立的項目，在過程中自然就死掉了。
WorkBuddy 是踩在很多失敗項目的屍體上活下來的。大家都看到它跑通了，證明這是當前一條相對正確的道路，資源自然就會向它傾斜。
張鵬：前段時間字節做了一個組織調整，飛書被劃到了豆包體系下。你怎麼看這個動作背後的邏輯？
汪華：小龍蝦剛火的時候，我跟飛書的一些同學聊過。當時他們內部就在推一個項目，把飛書完全 Agent 化，讓飛書能通過命令列、MCP 或介面的方式被 Agent 或小龍蝦呼叫。我當時提了一個觀點，跟他們說想法類似：整個 Office、飛書介面，對於使用者創造價值或內容而言，其實是沒有必要的。
舉個極端例子，Cursor 剛出來時，程式設計還需要一個使用者介面，能看到所有程式碼，旁邊輸點命令做補全。但使用者只想要一段能跑起來的程序，而不是一個複雜的程式設計介面。Claude Code 就是第一個放棄 GUI 程式設計互動介面的產品，你直接告訴它要什麼，它直接把結果遞給你。
長期來看，對飛書這樣的產品，使用者要的是文件協同和工作結果，不是一個 Word 編輯介面。所以我當時判斷，飛書會變成一個被 Agent 呼叫的引擎，而不是被人直接使用的東西。
如果飛書將來真的變成一個可以被 Agent 呼叫的引擎，大部分介面會進一步簡化，那把它掛到豆包體系下面，反而是順理成章的事。我甚至覺得，未來很多複雜軟體都會變成給 Agent 用，而不是給人用。
在 Agent 時代，軟體的互動介面會發生巨大變化。軟體不再向人類暴露複雜度，而是退居幕後。人不再需要痛苦地去學習和使用軟體，只需下達意圖，Agent 負責操作執行，最後直接把結果遞送給你。
03 「巨頭唯一的壁壘其實只有錢」
張鵬：當字節、騰訊這些巨頭進入 AI 辦公戰場，對創業者接下來的方向或動作有什麼影響？
譚少卿：坦白講，對我們會有一些影響。感謝巨頭入場來教育市場，以及讓我們堅定的開放中立生態位在不斷被證實。
首先，我們認為這次 AI 變革更像 PC 早期，是從生產力領域先啟動的，而不是像移動網際網路那樣從娛樂消費開始。所以我們現階段的產品定位是「辦公 Agent 工作站」，裡面可以駐留多個 Agent 協同工作，甚至可以拉它們進飛書、釘釘。
我們最開始完全瞄準海外市場，定價也比較貴。但中國發佈後，我們發現使用者的付費意願其實很不錯。一部分是對上限有極高追求的高淨值專家使用者，來自於 ClaudeCode、Codex，當然也包括 Workbuddy 的使用者，他們最能感知到 Agent 能力的強弱；另一部分是剛入門的小白，因為我們的互動相容了傳統習慣，把檔案管理器、編輯器、瀏覽器原生整合進來了，但在底層上是非常 Agent-first 的。所以這兩個月我們開始認真做中國市場。
還有一個點，是 Pro-C 使用者和一些中小 B 端使用者，工作模式其實高度一致，只是組織密度不一樣。一個專家使用者做策劃、做內容、做推廣，跟企業內很多崗位做的事類似。這套模式在 Agent 裡是可以被持續最佳化的，它是共通的。
這帶來一個新變化：B 端和 C 端開始融合了。以前在中國定製化成本很高，導致很難規模化，邊際成本曲線非常陡。但我們現在整個 Harness 是自適應的，在各個垂直場景裡，邊際成本的斜率沒有那麼陡了。
這也改變了我們原來的立場：以前堅決不碰 B 端，是怕陷入定製泥潭，沒法保證技術高強度投入去保持領先；現在 B 端和 C 端這件事融合到了一起，這條路變得可能了。
張鵬：在這個新時代，巨頭到底面臨什麼考驗？他們過去的優勢，那些失效了？那些依舊有優勢？
汪華：以美國市場為例，巨頭並沒有體現出絕對的優勢。他們唯一的壁壘其實只有錢，而錢能兌換的僅僅是算力。
現在雲廠商的基礎設施和開源框架非常成熟，訓練一個原生模型，只需要十幾個核心研究員配上幾十人的外圍團隊。Google 動輒上千人的團隊，並沒有體現出比幾十人更大的優勢，龐大的組織架構會極大抵消資金優勢。大廠過去積累的資料和使用者，並不會自動轉化成新賽道的優勢。像 WorkBuddy，也是靠內部小團隊打拚出來的。
再有就是，AI 時代的計算和生產力工具，沒有像網際網路平台那樣走向中心化。中國 Agent 還相對比較早，美國的 Agent 生態早就演化出了非常豐富的層次：第一層是跟中國辦公場景接近的，類似微軟 Office 365、Google Docs 裡的辦公 Agent；第二層是真正意義上的通用 Agent，以程式設計為主但早已超出程式設計範疇，Claude 和 Codex 都是萬能 Agent 入口。
第三層主要包括兩種：一種是垂直行業的，像 Harvey 那樣做法律、醫療、研發這些垂直或功能性 Agent；另一種是企業內部私有化部署的 Agent，連接企業內部資料和本地上下文。這兩類在美國都已經有一大批估值百億美金的創業公司。
這波浪潮雖然以 coding 為主，但那怕是做 coding，也有很多是在企業內部連接自己的程式碼庫和上下文來做的，而不是直接用 Codex、Claude Code 這類通用工具。Claude 有 70% 的收入來自 API，連的就是垂直和企業 Agent，不是那些通用 Agent。這 70%中大約 7 成依然是 Coding，但已經有 3 成是非 Coding 了，而且最近 Codex 的調研報告顯示，Coding 雖然還是主流，但增長最快的已經是非 Coding 部分。
張鵬：從最早 Coding 是唯一的軸線，到現在 Non-Coding 等多元化場景開始快速發展，這個訊號是很值得關注。
汪華：沒錯。做垂直領域，創業公司能做的事情很多，大廠未必做得好。Harvey 前段時間微調了 Kimi K3，只用了 1000 多條強化學習軌跡，大概 130 多張卡，就在法律專有任務上比 Fable 還強得多。
中國的開源模型現在是創業公司最大的紅利。如果說微調 Kimi K3 比較貴，那微調 DeepSeek-V4-Flash 或者最新的 GLM-5.3-Flash，估計十幾張卡就夠了。這種事大公司不僅不願意做，組織架構也不適合做，成本效益對他們來說也不划算。甚至連美國最大的 coding 戰場， 大公司都沒幹過 Claude Code 和 Codex，更別指望它們在法律這類垂直賽道上打掉 Harvey 了。
張鵬：巨頭雖然有錢，但如何才能變成未來的肌肉和資產？其實最好的辦法就是多投創業者。所以巨頭們除了燒錢之外，也應該更積極的去投資創業者。
汪華：特別認同。美國跑出來的 Agent 創業公司，背後一半的資金都來自巨頭。連 OpenAI 和 Claude 最大的金主也是大廠。美國巨頭雖然在應用層沒做出具有統治力的產品，但他們砸重金做基建、算力、雲，把基礎工作做的特別好，讓創業公司能輕鬆生長。
我覺得中國創業者有一個很大的優勢，是離優秀的中國國產開源模型最近。未來很長一段時間內，全球的企業級應用，尤其是垂直領域的 Agent，大機率都會基於中國的開源模型來做。因為在海外，只有極少數頂級 500 強企業，才請得起 OpenAI 去做私有化部署和微調。剩下的海量企業，只能指望開源生態。
中國創業者和中國開源模型都在一個圈子裡，私下交流多，最懂怎麼在這些開源模型上做微調、建生態，那就能相對於其他地方的創業者建立一些優勢。
說句實在的，模型本身是可以被借鑑、蒸餾和獲取訓練軌跡的。所以，開源模型永遠不可能被閉源模型甩開太大的差距。
張鵬：你預計巨頭們會在這上面準備花多少錢？這會是一場什麼等級的戰役？
汪華：我覺得 AI 辦公這場仗打不了太大。不是他們不想打，而是現實條件限制。這些巨頭都是上市公司，得做得比較合規，這就意味著必須用中國算力，資料不能出境。
珍稀的算力還要拿去做模型訓練、模型微調，同時又要打 AI 辦公，資源根本不夠分。
反而是 Kimi、智譜這類公司更靈活。Kimi 的模式就挺聰明，理論上模型是開放原始碼的，但如果超過 2000 萬美金的使用規模，就要談分成，大概 30%-40%。這樣他們不需要像 Claude Code 那樣要自建算力，可以直接用海外的雲廠商( 比如亞馬遜 AWS)，雖然少賺一點但輕裝上陣。
未來如果中國國產算力真的起來了，大廠為了避免掉隊，必須砸重金去建算力中心。基建要花錢，模型要花錢，巨頭家裡其實也沒有餘糧去打應用層的無限遊戲。相比之下，美國的情況完全不同。因為算力供給充足，美國幾家巨頭已經到了砸鍋賣鐵的地步。發債、發股，把每年上千億美金的純利潤，硬生生打成了負現金流，都在全力押注。
中國因為算力供給的硬約束，這場仗反而打得沒有海外那麼慘烈。
張鵬：美國 Agent 領域經常會看到比較令人震驚的投資或者進展，中國似乎沒有那麼多，為什麼？
汪華：中國生產力和企業應用這波，起得確實沒美國快，本質上是在為過去那些年被毀掉的付費習慣「還債」，以及畸形 SaaS 市場欠下的債。
當年中國的企業服務，名義上是 SaaS，實際上都在靠收定製費、服務費活著。使用者也沒被培養出付費習慣，也沒建立起真正意義上的銷售通路。當年做企業銷售，大家為了搶使用者量，同樣的企業軟體坐席，這家報 200 萬，那家直接報 20 萬，最後企業就覺得這軟體根本不值錢。
在美國，創業公司只要做出一個好 Demo，靠現成的管道就能迅速鋪開，不需要養龐大的銷售團隊；但在中國，這就難得多。
但我覺得這一次不一樣，整個環境確實在變好，大公司終於開始正兒八經收費了。現在算力成本和 Token 都很貴，巨頭們也沒法像過去那樣無底線地打價格戰了。這對整個行業的商業化生態來說，其實是一個正在好轉的訊號。
張鵬：你們身邊肯定有很多做 Agent 的創業者朋友。過去這一年，大家的狀態到底怎麼樣？
譚少卿：我身邊幹不下去回去上班的倒沒有，大家還是比較堅定在創業。但有一部分，中間轉型好幾次的。
像我們這樣咬定一個方向、產品逐步往前迭代的，其實非常罕見。我甚至問過投資人，年初看過的幾十家 Agent 團隊，現在還有幾家在堅持原來的方向？答案是大部分都轉型了。
當然，轉型是非常理性的選擇。我觀察到這個賽道大家主要有幾個去向：一部分人轉向了離錢更近的業務，一部分人開始往企業端走得更深，做起了 AI 培訓或者 FDE；甚至還有個別團隊，直接轉型去代理 WorkBuddy 了。
04 通往新時代的「船票」到底是什麼？
張鵬：假設你現在是 WorkBuddy 的產品經理，下一步該怎麼演進？
譚少卿：如果完全站在巨頭的視角，其實挺難的。要考慮太多產品協同問題，還要考慮怎麼發揮自己原有的能力。我知道一些朋友在大廠裡負責相關業務，老闆考核甚至直接看企業用了多少 Agent，但這個定義本身不算科學。
如果完全站在巨頭的立場，我肯定會堅定地往雲端方向去做。就像豆包做手機，我會做雲手機而不是做實體機，微信之外還有那麼多生意可以做，完全沒必要硬碰硬。
辦公場景也是同樣的邏輯，我大機率會直接從雲端把 Agent 之間的協同做起來，這可能是對大廠更可行的路徑。
張鵬：如果 WorkBuddy 再加一個 IM，這不就變成一個新的生產力工作系統嗎？你判斷它該不該加 IM？
譚少卿：他們現在應該有個 Teams 版本的「項目」feature在推。站在我的角度，肯定應該加，我們四月份就已經在做這件事了。但關鍵是不能用原有的 IM 邏輯去改造，不能想著把飛書或企業微信改一改就用，因為原來那套產品設計完全是為人與人的協同設計的。
比如原來我們把 Floatboat 連到飛書裡用，使用者一看權限稽核就嚇到了，幾百項權限，根本不知道該開那個關那個。一旦涉及多個 Agent 協同，你會發現整套體系根本不是為這個場景設計的，完全用不了。所以我們不是非要另造一個輪子，而是原有體系確實很難相容這種新的辦公範式，只能自己重新設計。
站在大廠的視角，第一層可能是先把基礎做好，你可以用 Claude Code，也可以用 Codex，先把這一層跑通。我們在 Floatboat 之外做的上面那一層協同，其實就是這個思路。因為模型不會被統一，創業公司或中小公司選模型的門檻也不高，Infra 已經很成熟，方法論也成熟，只需要足夠好的 Trace 和一些設計理念就行。
在這種前提下，Agent 的執行階段顯然也不會完全統一，為什麼我只能用 WorkBuddy，或者只能用另一家？如果能把這些都協同起來，產生更大的價值，可能才是更好的基建方向。這裡面流通的東西跟以往的 IM 也不太一樣：它不是娛樂性質的內容，而是真實的生產力。這也是我們正在嘗試推進的一個方向。
張鵬：從產品的角度看，大廠已經都進場了，就得開始加速創新，走出不同的方向？這個你怎麼看？
譚少卿：之前以為巨頭入場會很激進，但最近兩個月的觀察並非如此。
比如，現在很多人在做 Multi-Agent，巨頭為了短期快速變現、切入企業客戶，往往會把 Agent 強行適配現有的組織架構。他們在產品裡塞滿各種「專家」，給 Agent 設定跟人一樣的職能、部門和權限。
這種做法對前期獲客確實有好處，但對於提升智能上限、建構新的生產關係來說，其實是一種落後的表現。受限於此，大廠的產品形態大機率不會太激進。
反而是創業公司，更有機會去探索真正的新形態。現在的 AI 時代和過去網際網路時代不同，過去是拼規模、燒錢做管道，使用者還不願付費。現在重度使用者的付費意願非常強，創業公司不需要去砸錢鋪規模，完全可以專注在生產力的創新上。
在企業端，我們根本不在意傳統的「降本增效」，我們只做增量。
我們在意的是，Agent 能不能探索出比人類更優的路徑。人類受限於管理頻寬，是無法無限橫向擴張的。但 Agent 不一樣，它可以瞬間並行，一小時就能幹完以前幾百人幹的事。
比如在行銷投放領域，資料閉環後，一個合夥人帶著一群 Agent，幹得比以前龐大的投放團隊還要好。Agent 會自我強化和進化，找出全新的業務路徑，而不是在老路徑上做降本增效。
張鵬：你最近在內部的深度實踐中，有什麼新的前沿洞察可以提前劇透一下嗎？
譚少卿：自從產品有了 Demo，我們就把絕大部分工作遷移到了自己的系統上。如果你做的是生產力工具，自己卻不用，這很荒謬。
以 coding 為例，我們把 Floatboat 部署在本地和伺服器上，直接拉進日常溝通環節。同事報個 Bug，發個截圖，Agent 就會自己去文件里拉取資訊，拆解任務，排查副作用。然後它把程式碼寫好、測試完，甚至錄個運行視訊發給你。提需求的同學看完覺得沒問題，Agent 再去走發佈流程。它已經變成了一個自動運轉的系統。
更有意思的是，我們發現它已經不僅僅是一個「同事」了。
它具備了主動性，會嘗試去最佳化整個工作系統。在人機協同中，它能察覺到我們沒注意到的效率漏斗。只要我們確權同意，它就會去改進工作流。某種程度上，它正在向 CTO 或 COO 的角色過渡。這讓我想到 OpenAI 當時畫的 Agent 進化路線圖，它真的在逐步接管和運行一個組織。
在我個人的工作裡也是如此。Agent 會每天翻我的郵件和資訊。如果我有個重要的會沒時間準備，它會主動去飛書、Notion、Google Doc 裡把相關的上下文全摟出來，提前給我備好一份材料。全程無人工干預，可用度能達到 80%，這真的救了我好幾次。
有一次，它發現我兩周後有個重要事項沒動靜，就主動建了日程，臨近時提醒我：「你還沒準備材料，要不要我先弄一份草案？」我點個同意，它就去幹了。
我們現在之所以還需要圖形介面，是因為模型很難一次性產出 95 分以上的結果。
所以人類現在的核心動作，變成了「授權」和「確權」。本質上，是人跟 Agent 在共同最佳化這套協同系統。
張鵬：其實，如果只把 AI 當成生產力，其實並沒有真正用好它？
汪華：大家千萬不要低估這代模型的自主執行能力，真的是超強。
我同時訂閱了 200 美元的 Claude 和 Codex 額度。每到周末發現額度沒用完，我就會給它們佈置一些開放性的題目，讓它們自己去折騰，完全無人干預。
比如有一次，我讓它們寫一個生產等級的棋牌網站。我讓 Claude Opus 當主控，因為它有 100 萬的上下文；Codex 負責主程式設計，Opus 負責 Code Review。連協同框架都讓它們自己寫。
跑了兩天，60 個遊戲全部帶 AI，連美術都是 Codex 呼叫生圖模型自己搞定的。還有一次，我讓它們去拆解 AI 供應鏈，兩天時間，從裝置到材料，穿透得極其深刻。
在這個過程中，你會發現 Agent 之間不僅會自主劃分角色，甚至還會「搶功」。比如 Codex 執行完一步，有時候不願意把控制權交還給 Opus，非要自己拚命往下寫。現在的 Agent 主動性極強，會執著地試圖去完成一件事。
而且，模型的「性格」差異極大。Opus 是超強的防禦性程式設計，它寫的回歸測試程式碼甚至比生產程式碼還要多；Codex 則是雷厲風行，迅速把事搞定。
更有意思的是，它們通過文件溝通，犯了錯會自己更新「開發手冊」。你甚至能看到不同的 Agent 在開發手冊裡互相吵架。所以我特別同意少卿，AI 早就不是一個簡單的工具，它甚至已經超越了普通同事的範疇。
張鵬：最後一個問題。移動網際網路時代大家都在搶「船票」。對於大廠來說，通往新時代的「船票」到底是什麼？
汪華：目前業界對 C 端 Agent 平台到底長什麼樣，其實沒有共識。甚至未來的 Agent 年代，根本不需要使用者平台，因為它本質上是一種能力、一種智力、一種計算形態。
所以未來大廠能抓住的船票，可能只有兩件事：第一是更接近傳統基礎設施水、電、煤那種角色。無論你是創業公司做 App 還是做別的，都繞不開要用它的服務；第二是基礎模型，這也是誰都繞不開的一件事。這兩者，就是大廠未來拿到船票、不被淘汰的兩個選擇之一。
第三點，未來在消費、娛樂方面，更多是現有使用者平台的延續，比如你原來刷抖音消遣，未來 AI 化之後，抖音依然有很大優勢。真正發生質變的可能是，未來的生產力會以 Agent 為中心，甚至 WorkBuddy 都不應該是最終形態，因為模型越聰明，其實越不需要 WorkBuddy 這種中間層。
再往後，當 Agent 時代真正到來，尤其是物理世界的 Agent 或者 Robotics 起來之後，大廠就更只能做基礎設施了。(極客公園)