21评论｜办公赛道会是AI大厂新的增长曲线吗？

特约评论员顾经纬

9月2日，腾讯WorkBuddy宣布开放平台上线，面向智能硬件、行业应用与开发者等开放底层Agent（智能体）能力。今年以来，AI大厂不约而同地把重心对准了打工人的“格子间”，新产品名字几乎都带上了“work”这个词：OpenAI在7月推出企业级平台ChatGPT Work，阿里8月将旗下三款智能体产品整合为企业级Agent千问办公，字节则整合飞书与豆包的产品团队，将TRAE升级为Trae Work。AI应用竞争的主战场正在从“写代码”转向“干杂活”，这背后是AI大厂们在积极探索新的应用场景和增长曲线。

过去两年，编程是AI商业化最成熟的场景：代码任务结构化、标准化、可验证、反馈快，非常适合AI Agent发挥辅助作用，但编程终究是相对专业的场景，天花板清晰可见。

与此同时，Agent（智能体）技术的快速发展，AI已经能够自主拆解任务、调用工具、读写文档、操作软件界面，从“有问有答的聊天框”变成了“动手干活的数字员工”，这为AI深入办公领域提供了技术基础。从商业逻辑看，这背后是四股交织的驱动力：

首先是原有赛道相继触顶。全球软件开发者规模在3000万人左右，尽管程序员群体付费意愿高、Token消耗量大，但用户总基数存在上限，代码生成赛道已经开始面临边际收入递减和价格战的隐忧。而曾被寄予厚望的网页对话类AI也陷入商业化困局，因为其用户付费转化率非常低，对话数据质量不高，对模型训练的帮助并不明显。编程与对话两条赛道先后见顶，巨头们必须寻找新的商业化场景。

其次是办公场景的想象空间巨大。全球知识工作者（Knowledge Workers）总数超过10亿人，不仅拥有高出一个数量级的潜在用户，更具备极为成熟的B端SaaS付费生态。将AI以“按人头订阅（per-seat-per-month）”或“混合用量计费”的模式接入现有企业办公工具，客单价和留存率都远高于编程工具，获客成本也能大幅摊薄。

其三是资本市场的叙事压力。目前没有一款大模型能长期保持领先，单靠模型本身很难讲出新故事。随着模型能力竞争的加剧，价值在向应用层迁移，AI大厂要向市场和投资人证明其商业闭环能力，就必须在应用场景上构筑护城河，而把AI嵌入企业办公场景，正是坚固且优质的护城河。

其四是国内政策的共振。2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，其中明确，到2027年，新一代智能终端、智能体等应用普及率超70%，2026年政府工作报告更首次写入“促进新一代智能终端和智能体加快推广”。大厂发力的办公赛道，与政策倡导的方向同频共振。

面对AI深度融入办公带来的生产力变局，各方都需要更具前瞻性的应对之策。对企业而言，需要重点关注业务可靠性和数据安全方面的潜在问题。

第一重是业务可靠性。编程场景中，AI产生的幻觉很容易暴露，但在办公场景中，如果AI错误处理财务数据，或者遗漏关键合同条款，造成的后果可能演变为经营风险。此外，企业一旦深度绑定某家大厂的AI办公套件（Vendor Lock-in），海量的核心业务数据和员工习惯将被绑定在单一生态内，迁移成本较高。

第二重是数据和安全。当AI能够接触企业内部的真实数据，授权管理就变得极其重要，企业需要为AI建立最小化授权、操作留痕、关键动作人工确认等一套新的治理机制。再加上大模型本身技术门槛高、推理过程不透明，使得办公AI的数据治理远比传统网络安全问题复杂。

综上，对企业而言，AI办公不能简单沦为“降本工具”，而是要把重点放在流程优化与员工技能升级上，并以最小化授权、操作留痕等内部治理管好AI的权限边界；对监管部门而言，既要逐步建立AI影响就业的评估、预警和救助机制，也要为企业核心数据的AI调用划清合规底线；对个人而言，熟练掌握AI工具只是起点，更重要的是把AI当作放大自身能力的杠杆，把省下的时间投入到复杂问题处理与跨部门协作中。

办公领域也许会成为AI商业化新的增长曲线。但这条曲线背后隐含着另一个更大的经济问题值得我们深思：当AI承担越来越多工作之后，生产率提高所创造的新增价值，能否通过新的岗位、新的收入和新的需求，重新回到整个经济循环之中？