今年以来，AI办公赛道变得拥挤起来。

飞书被整合进豆包，阿里推出千问办公，腾讯的WorkBuddy继续往企业场景里走。模型厂商、互联网大厂和创业公司，都在争同一个市场。

产品也越来越像。写文档、做PPT、总结会议、生成表格，几乎成了标配。

可真正到了工作里，用户还是要自己找材料、补背景、核对结果，再把内容搬进下一个软件。AI做完了一道题，人还得接着修改。

元空AI创始人逄大嵬把今天的AI办公称为一个“打引号的办公”。在他看来，大家还在围绕“灯泡”做文章，电灯之后该出现的东西，尚未露面。

8月18日晚，虎嗅AI100第9场闭门会请来5位嘉宾：WorkBuddy产品专家 李超、元空AI创始人逄大嵬、像素绽放 PixelBloom创始人兼CEO赵充、峰瑞资本投资合伙人陈石、UpHonest投研总监王子。主持人为虎嗅科技主笔陈伊凡。

聊了两个小时，几方的观点逐渐清楚。

大厂觉得用户满意度更重要；创业公司更愿意钻进一个小市场，把一段工作吃透；投资人关心的是：功能这么容易复制，用户凭什么长期留下，又该按什么付钱？

一、大厂入场，生态优势是真的

WorkBuddy最早从编程工具CodeBuddy延伸出来。

李超观察到，编程正在从专业能力变成完成办公任务的一种手段。做PPT可以写代码，写文档可以调用工具，用户真正想要的是把事情办完。

腾讯在这场竞争里的优势很直观。

“我们生态比较全，包括腾讯会议、腾讯文档、企微，本身就可以帮你获取更多的上下文。”李超说。

上下文听起来有些抽象，落到日常办公里，就是AI能不能找到开会记录，知不知道谁负责项目，能不能进入会议室，是否有权限读取相关文档。

李超举了个小例子：用户在会议聊天里@助手，助手却进不了会议室，流程当场断掉。模型回答得再漂亮，也解决不了这个断点。

这也是大厂最厚的一张牌。模型能力逐渐接近后，办公产品需要拼谁能拿到更多材料，调用更多工具，少让用户搬几次东西。

模型选择上，WorkBuddy 坚持走开放路线。李超说，在WorkBuddy里可以选择国内几乎所有的模型，“我们会做得更开放一些。”

问题也随之而来：当功能可以迅速复刻，大厂产品的壁垒在哪？

陈石在现场直接问，中国和美国会不会出现开源的AI办公产品。今天做出一个相似界面和基础功能，已经没有那么难。

“Cowork出来一天左右就有人开源复刻了，Claude Design两天左右就被抄了。”

李超认为，功能或许能够被快速复刻，难点仍在上下文和生态。

“越是开源容易，越难以形成标准。你会有一个百花齐放的状态，没法确定哪个东西是标准的。我们会去帮用户建立上下文、建立生态，和各种厂商去协作，这是开源产品很难做的事情。”

王子补充，企业场景还要处理权限和合规。个人可以把文件直接扔给一个开源Agent，企业很难这么干。谁能看工资表，谁能调客户资料，谁可以修改合同，每一步都需要划清权限。

Genspark推出GenOffice开源版本，可以借开源获客、搭建生态。进入企业后，托管、权限和合规仍然要有人负责，这部分也更容易产生收入。

大厂的优势由此变得具体：它已经坐在会议、文档、聊天和组织关系里。

但拿到上下文，只是拿到了材料。能不能把工作接过去，还要看AI进入业务流程有多深。

二、创业公司别抢大厅，先钻进一间屋子

大厂下场后，创业公司最容易焦虑的是市场空间。

赵充不太认同“创业公司天花板有限”的说法。他先算了一笔账：广义PPT市场约有1000亿元规模；微软Office一年收入约500多亿美元，按照其中20%来自PPT估算，微软一家的PPT收入就能达到100亿美元。

“天花板有限是怎么看？100亿是还行？是可以接受还是不可以接受的问题。几亿美金收入的创业公司其实还是有机会的。能做10亿人民币收入的中国公司都算蛮大的。”

这组数据的统计口径还需要进一步核实，但赵充想说的很清楚：创业公司未必需要拿下整个办公市场。

大厂要照顾几百万、几千万用户，产品通常会做得更通用。创业公司可以服务一群规模没那么大、付费能力更强的人。

赵充此前做过一个红人广告平台，60个媒介经理负责KOL推荐、采购和执行。使用AI办公工具后，人数降到15个。

“大厂考虑服务最大的人群，千万以上，或者至少500万以上。但我的考虑是人群太大就不做。我做好50万到100万的人群，但ARR足够高就可以。举个例子，国内某头部乳企，一年给我4000多万。”

赵充把小市场看成一种主动选择。“可以选择吃10个小市场，也可以选择进大市场。”

像素绽放 PixelBloom给出的增长路径包括全球化、行业化和生态化。全球化带来更多用户，行业化则针对教育、营销等具体场景做版本，生态化意味着接入大厂平台。

“一些头部大厂的团队也在跟我们沟通，我们可以给他们提供几十万套PPT模板。”这恰好说明大厂与创业公司仍有合作空间。大厂提供入口和上下文，创业公司提供模板、行业知识和具体交付能力。

赵充还在尝试一条更重的路：整合已经有客户和收入的传统服务公司，再用AI压缩人员和流程。

“我们整合一家传统的公司，可以把公司规模从600人干到50人，但收入体量跟之前一模一样。再整合四、五家类似的，收入体量就很大了。”如果这套办法跑通，卖软件只是其中一部分，AI会直接进入传统公司的利润表。

王子从海外视角带来了另外的观察：硅谷已经出现一批增长较快的垂直AI公司。它们帮企业找客户、做销售增长，并记录每次销售为什么赢、为什么输。做得久了，公司便积累起一套评价结果的方法。

这些记录看起来零碎，却很难靠复制界面拿走。模型知道“怎么生成”，行业数据告诉它“什么结果算好”。

所以，创业公司的机会很可能藏在一段具体工作里：帮客户多拿订单、少雇人、缩短合同处理周期，或者减少一次项目交付中的返工。

市场可以小，工作要足够深。

三、按结果收费很好听，收钱时没那么简单

产品进入业务流程后，下一个问题很现实：怎么收费？订阅、Token、项目制、按结果付费，目前都有人尝试。

赵充关注的核心指标叫“需求满足率”。分母是用户表达意图的次数，分子是用户最终下载、转发或分享结果的次数。

“新用户看付费率，老用户看续费率。这两个指标背后最重要的是需求满足率。”

做PPT也有多条技术路径。可以用代码生成，可以生图，可以套模板，也可以是一张平面画布上有很多可以拖拽的Block（类似Notion）。每条路径的效果和成本不同，用户愿不愿意下载，往往比生成次数更能说明问题。

逄大嵬更看重渗透率，包括C端使用频次、B端企业安装量和设备预装率。他透露，全球前三的电脑厂商已经合作预装元空AI产品。

预装能带来入口，真正决定产品能否留下的，还是使用和付费。逄大嵬把B端标准说得很直接：“如果今天只是买一个入口，不重要。是不是进到业务流程里并耦合进去，才能留存。”

海外已经有公司按合同处理量、合同周转周期或客服交付结果收费。这类收费方式听起来很贴近价值，也把更多风险推给了供应商。客户不开放数据怎么办？流程中的其他部门不配合怎么办？一次销售成功，到底该归功于AI、销售人员还是市场行情？

陈石对此比较谨慎。

“稳妥一点，还是走老的收费方式。按效果收费如果对方不配合，费用就收不上来。按订阅或按Token这些可计量的，双方都能确认的，反倒是比较简单的。”

最近比较火热的FDE也在处理类似问题。它要把企业现有的系统、流程和隐性知识整理出来，让企业信息变成“Agent可读”。

陈石认为，这项工作有价值，也带着明显的阶段性。“随着模型越来越聪明，以后可能就不太需要FDE了。”

更麻烦的地方在人。上一轮企业数字化已经出现过类似场景：咨询公司进场、写报告、建系统，项目结束后，原来的工作方式照旧。外部团队和企业内部员工还可能发生冲突。AI能读懂流程，不等于员工愿意交出权限，也不等于部门之间愿意配合。

按结果收费最终考验的，是结果能否定义、能否归因、能否验收。少一项，这笔钱都不好收。

四、用户越多，账单也跟着涨

传统互联网产品喜欢先做规模。用户多了，服务器和研发成本可以被摊薄，边际成本逐渐下降。AI产品的账有些不同。

李超说：“以前做互联网产品，用户越多，边际效率越高。但在AI产品里，用户越多，你的成本就越高。”

每一次生成、搜索和工具调用都会消耗Token。免费用户越活跃，厂商收到的推理账单也越高。

因此，WorkBuddy在3月上线时便启动商业化。“我们觉得要有一个健康的盈利方式，才能和用户长久相处。”李超表示。

这句话解释了不少AI产品的处境。DAU很高，未必赚得到钱；免费工具突然走红，有时意味着更大的成本压力。

逄大嵬也感受到了变化。

“去年大家关注的都是数据安全问题，今天成本就是最明显的。”DeepSeek调整价格后，用户很快能从账单上看到变化。端侧AI因此重新受到关注。模型在电脑本地运行，可以少调用云端，断网时也能继续使用。

因此，元空 AI 开始向端侧智能延伸，通过端侧模型、Agent 运行体系和记忆能力，让复杂业务任务尽可能在本地设备上完成。对用户来说，这不仅意味着更好的数据安全，也意味着可以减少对云端 Token 的依赖，降低成本，并获得更稳定的使用体验。

不过，端侧能省下多少成本，还要看具体任务。复杂推理、跨平台操作和大规模知识检索，短时间内仍可能依赖云端。端侧更适合处理隐私敏感、高频和相对固定的工作。

赵充采用了另一种办法。像素绽放 PixelBloom给B端交付时，把产品层和模型层是拆开的。客户已经采购哪家模型，就接哪家模型。“大模型成本占比非常低，极低的Token成本。”C端用户则可以在Light、Standard和Ultra三档中选择，想要更高标准，就为更贵的模型付费。

模型能力继续提升后，应用层也可能变薄。李超提到，Claude Code在模型升级后删减了大量system prompt。

“模型能力越强，Harness会做得越薄。”但工具仍会留下。“办公永远逃不开工具软件。”

CAD、Office和Figma积累了大量文件、权限和工作记录。模型可以生成一张设计图，却很难绕过企业多年沉淀的设计流程。

王子举了一个例子：Figma面对模型厂商推出设计功能的冲击，正在把能力开放给更多Agent调用。它的角色可能从用户唯一的操作入口，转向设计工作流的底层设施。

入口会变化，记录和流程没那么容易搬走。

五、最后一个问题：办公Agent到底属于谁？

讨论快结束时，有观众问，会不会出现一个类似OpenClaw的产品，颠覆现有AI办公工具。

陈石的回答是这样的：“OpenClaw更像是我自己养的agent。如果真有完全是我自己拥有的、完全听我的、完全站在我的角度的东西，那可能就是OpenClaw类产品的机会。”

个人用户可能喜欢这种控制感。进入企业后，问题会更复杂：员工的Agent该听员工的，还是听公司的？记忆能否带走？离职后如何撤销权限？它能不能读取另一部门的数据？

开源能解决一部分控制权问题，托管、合规和权限仍然需要有人负责。

这也是AI办公未来可能出现的分界线：大厂掌握组织生态，个人Agent争取用户控制权，垂直公司握着具体工作流。

结语

两个小时讨论下来，一个感受很清楚。AI办公这个赛道，所有人都在跑，但终点在哪里还没有人能说清。

短期看，大厂更容易拿到通用办公入口。会议、聊天、文档和组织关系已经在它们手里，用户无需重新搭一套系统。

在销售、设计、合同、营销等具体场景里，垂直创业公司可能更早完成一段工作。它们服务的人少一些，却更清楚结果该怎么验收，也更容易让客户看到省下了多少钱、增加了多少收入。

最难受的会是停在功能层的通用AI办公产品。它们拿不到完整上下文，对行业流程又了解不深，做出来的功能还很容易被复制。

逄大嵬用“电灯泡”概括了今天的状态：

“电终于发明了，这么多企业还在做电灯泡，做得亮一点远一点。大家应该研究怎么做更大的发展、更多的新产品。”

眼下的AI办公，确实还在努力把灯泡做亮。

现在，不管是大厂还是创业公司，需要回答的问题其实一样。

你到底能帮谁，把哪件事，做到什么程度？