前沿科技，数智经济
2026年，是AI办公赛道集中爆发的一年，各家大厂纷纷入局，相继推出AI办公产品。从场景上来看，这一年，AI办公也正从个人效率竞赛，进入可连接、可治理、可核算的组织生产力阶段。
在长沙，包子摊摊主任小轮原本在北京一家大厂做设计，后来回乡创业卖包子，包子靠手艺，生意却要靠运营，预订群里每天上百条接龙，手抄订单要半小时，漏掉一单就可能影响口碑。
后来他用WorkBuddy资料库搭建一个订单工作台，能自动整理接龙、生成订单日历，菜单和海报也交给它辅助设计，就连新品研发，都先让它查询发酵温度、时间等资料，再自己动手尝试。
可以看到，WorkBuddy帮助任小轮的，并不只是帮他节省了半个小时，而是将散落在群聊、文档和个人经验中的工作，组织成了一套可以持续运转的流程。
显然，面向个人提效场景中，当前以WorkBuddy为代表的AI办公产品，已经能够做得非常成熟，早已不是此前只演示demo的产品，而这也让这些AI办公产品，加速向企业场景迈入。
“个人提效已得到规模化验证，企业组织提效正在加速铺开。”在今年的腾讯数字生态大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生如此说道。
腾讯集团高级执行副总裁、
云与智慧产业事业群CEO汤道生
但AI办公产品，想要真正进入企业生产阶段，相比于个人提效来看，逻辑相似，但复杂度却截然不同，毕竟企业关注的不仅是它能否写方案、做总结，而是它能否接入真实业务、获得准确数据、遵守权限边界，并把投入与产出算清楚。
由此，各家厂商所争夺的，也不再仅仅是一个办公入口，而是企业存量数字资产由谁连接、任务由谁调度、结果由谁交付。
WorkBuddy，正是腾讯在这一轮企业AI办公竞争中的关键落子。
从今年3月上线至今，WorkBuddy已从最初的个人提效工具，向团队协作和企业场景延伸，截至目前，已累计完成90亿次任务请求，企业版落地50多个行业，覆盖50%中国企业500强、60%中国企业100强。
此次腾讯数字生态大会上，WorkBuddy又以Buddy One整合文档、网盘、会议等办公上下文，打通企业微信，开放第三方Agent、IM和模型接入，并补齐安全、可观测与托管智能体等能力。
显然，它开始回答企业更关心的一个问题，即Agent能否接进真实系统，能否被统一管理，投入能否核算，以及一个团队跑通的方法能否复制给更多团队。
那么，WorkBuddy现阶段的能力到底都能干什么？腾讯在ToB场景中，又是如何把内外全部打通的？一个开放的AI办公平台，真的能解决企业真实场景的问题吗？
AI办公产品走向成熟
从回答问题到交付结果
过去的AI，更像一个随时待命的素材提供者，能生成文字、图片和视频，却距离真正接手工作还有一段距离。不到一年，这种体验已明显不同：AI开始围绕任务持续执行，与人协作修改，并将工作方法留在组织内部。
“用一句话跟他说，帮我做一个技能，他就自动会帮你做一个可以直接调用的这种技能。”一位腾讯相关工作人员对光锥智能说道。
这意味着，AI办公产品开始同时交付任务结果与完成任务的方法。前者解决当下，后者形成积累。变化的实质，不是内容又精致了多少，而是AI开始从提供结果，走向承接过程。
但进入企业场景，难度随即上升。
“企业提效，远不止于个人提效。对于个人，Agent像一位能干的助理；对于企业，它更像一支需要被管理的新团队。”腾讯集团副总裁、腾讯云CTO王慧星如此说道。
企业需要的不只是好用的Agent，而是一套能够持续运行、接受管理并不断进化的系统：既要接得进业务、管得住权限，也要交付结果、算清成本。
从大会案例来看，WorkBuddy目前能够在三类企业场景中交付结果。
一类是直接触及收入与客户经营的销售执行。
如伊利将ADP、WorkBuddy与企业微信组合进营销和导购链路：WorkBuddy汇聚业务数据、生成经营策略并下发给上千名导购，运营提效超过50%，导购智能体则实时生成商品推荐和沟通话术，A/B测试显示销售订单提升26%。
可以看到，AI的评价标准开始从节省多少工时，转向能否影响订单、用户参与和市场响应速度。一旦进入营收链路，AI就不再只是效率部门的项目，而开始接受业务部门的考核。
第二类是接入既有系统，把企业积累多年的数据和流程重新利用起来。
在一家头部制造企业，WorkBuddy通过MCP连接经销商管理系统，每月自动初审2万单索赔发票；客服录音工单则由人工抽检转为100%AI全量质检。
关键不在于生成了一份报告，而在于Agent开始处理原本需要人工逐条核对的真实业务数据。
同时，WorkBuddy并未替代这些系统，而是将分散在不同页面中的操作，转化为Agent可以执行的任务。对大型企业而言，这比推倒重建更具可行性。
这也意味着，企业软件的角色正在悄然变化。过去的SaaS是员工必须进入的工作界面，未来，它可能越来越多地退到后台，成为Agent调用的业务规则与数据能力。
Agent不一定消灭SaaS，却可能改变SaaS被使用的方式。
第三类则是经营问数与内部协同。
腾讯自己的经营服务智能体“磐石小O”接管了核心ERP的300多个业务接口，查销量、看业绩、走审批，可以通过一句话完成。按腾讯披露，八成以上员工已经切换到这一入口。
内部实践的意义，不只是证明“腾讯也在用”。ERP查询和审批涉及真实权限、业务口径与操作风险，是检验Agent能否进入生产环境的压力测试。腾讯能否把这种内部经验进一步产品化，让不同规模、不同系统的企业低成本复用，才是其外部价值的关键。
类似交付也在向其他行业延伸。
比如广东省政数局的“湾情WorkBuddy”首批在18家省直单位试点，现场披露平均效率提升70%；海王集团将7000余项药师专业知识转化为可调用Skill，现场披露运营成本降低80%。金融侧，银行信贷尽调从10天压缩到1天，投研报告分析从3小时变为10分钟。
这些场景差异很大，但背后是同一条路径，即模型能力被封装进具体工具，工具再嵌入真实流程，最终以结果而不是技术参数接受检验。
因此，可以看到，WorkBuddy现阶段的成熟，不应理解为Agent已经能够接管所有企业工作。它目前最擅长的，仍是规则相对清晰、数据能够接入、结果可以校验的任务。
真正的进展，是部分工作已经形成从上下文、执行到交付和复用的闭环，而下一道门槛，则是这些闭环能否跨企业复制，并在持续运行中证明成本与收益。
成熟背后
不是模型包办，而是生态组合
大模型赛道一个明显的趋势是，模型能力的差距正在以月为单位收敛。依靠一款强大的通用模型“包打天下”，越来越难复现，在企业场景中尤其如此。
目前，在AI办公产品中，大多数玩家在模型层都保持开放的策略，除了使用自家的模型产品外，也会集成其他三方通用大模型，给企业和个人提供自主选择的机会。
有意思的是，此前模型生态相对封闭的豆包，也开始松动。
日前，飞书宣布，为支持企业需求，豆包工作向企业开放第三方模型服务，首批接入模型包括Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash等。
事实上，对于企业而言，其采购的往往并非某一份模型榜单上的第一名，而是不同任务能否找到合适的模型：复杂分析看能力，高频任务看成本，敏感业务还要考虑部署方式与数据边界。
在这种需求下，模型开放正在从“加分项”变成企业级产品的基本门槛。
“企业场景中，一般不要求大参数模型，几B小参数也够用，关键在于要有业务场景的真实数据投喂。”此前多位行业人士都对光锥智能表达过类似的观点。
因此，对于AI办公赛道的玩家来说，当模型差距不断收敛，真正值得争夺的，已经不是企业只能使用哪一个模型，而是无论使用哪个模型，工作都在谁的平台上完成。
换句话说，竞争的单位正在从一次生成，转向一项完整任务。模型依然重要，但越来越像可替换的组件，谁能提前铺好模型之外的上下文、工具、系统连接、权限与治理，谁才更有可能进入企业的生产流程。
WorkBuddy目前能够在部分企业场景中交付结果，靠的也不是一套模型包办所有事，而是一种组合能力：以开放平台连接腾讯自有产品与第三方工具，分别补足“从模型到可用”之间的工程距离。
这套组合大致分为两层：向内连接腾讯内部产品，向外接入第三方专业能力。
向内，腾讯内部AI产品开始收敛，并以WorkBuddy为核心，打通企业内部各层级的产品。
比如在数据层面，WorkBuddy首先要解决的不是“企业有没有数据”，而是分散在沟通、文档和业务系统中的数据，能否在权限边界内被正确理解和调用。
对企业微信的打通，解决的正是组织上下文问题，员工在企微中的沟通、文档和会议记录，可以在授权范围内成为Agent理解任务的依据。
而腾讯网盘和资料库则进一步保存原始素材、过程文档与生成结果，让上下文和记忆能够延续到后续任务。企业不必为了使用Agent，先把多年积累的数字资产搬到另一套系统里。
这种打通的价值，不只是“腾讯全家桶”使用更方便。企业大量工作背景本来就散落在群聊、会议和文件中，如果这些内容无法进入任务，Agent就只能处理被单独复制过来的片段。
内部产品连接之后，WorkBuddy才有机会理解一项工作为何发生、此前讨论过什么，以及结果应该交付到哪里。“不需要来回切。”一位腾讯相关工作人员如此说道。
而这对成熟办公产品而言，往往比多生成一种内容更重要，因为它减少的是工作流中的摩擦，而不仅是某一步骤的耗时。
但办公数据只是第一层。进入真实业务，还需要连接ERP、CRM、OA和财务系统等等，WorkBuddy则通过MCP与连接器获取数据、执行操作。
而腾讯旗下的大数据平台产品DataBuddy，则在底层数据引擎之上增加语义层和Agent调度，将数据库中的字段转化为业务人员能够理解的客户、订单与经营指标，再生成报告或看板。
其中，看板和Agent还可以嵌入企业自己的业务平台或App，“企业的业务人员其实不需要切换任何路径，直接就可以在业务系统里直接看。”腾讯相关工作人员说道。
由此，腾讯在企业数据层面的开放则形成两条路径，既把企业分散的数据接入任务，也把分析能力送回企业既有流程。
显然，这对已经拥有大量数字化资产的企业而言，这比重新建设一套平台更容易落地。
这也是企业级Agent与通用聊天工具的差别，数据多并不等于上下文有效，真正的工程能力，是在不打破权限和业务口径的前提下，让正确的数据在正确的任务中被使用。
除了自家产品之外，腾讯基于WorkBuddy的开放，则是由第三方生态合作伙伴，补足从模型到交付这一阶段的工程化能力。
比如AI原生视频创作Agent平台Flova，就被WorkBuddy深度集成，用户在WorkBuddy中提出视频目标、提供素材并确认关键要求后，Flova可以继续完成故事板设计、素材生成、配音配乐、时间线剪辑和成片导出，并将项目进度与交付结果带回当前对话。
两者形成了一种清晰分工，即WorkBuddy负责理解需求、组织任务和连接用户的工作上下文，Flova则负责专业视频生产。用户不需要在多个工具之间反复搬运脚本、图片和镜头素材，创作者的角色也从逐步操作软件，转向确认创意方向、审核关键节点和验收最终结果。
可以看到，两者的合作，不只是让WorkBuddy“多会一种内容生成”。视频创作涉及分镜、角色一致性、素材管理、多轮修改和剪辑合成，仅靠一次模型调用很难完成。Flova补上的是从生成片段到交付作品的完整工程流程，WorkBuddy则提供了进入企业办公任务的入口。
另外，像销售易这类成熟SaaS也以buddy应用的形式，被集成到了WorkBuddy之中，用户可以直接在WorkBuddy中调用销售易的能力，其能够直接提供客户管理和销售流程中的业务规则，无需腾讯重新开发一套系统。
这类合作也进一步说明，WorkBuddy并不试图成为所有能力的生产者，而更像任务的组织者，即用户提出目标，平台拆解步骤，再调用不同模型和工具完成交付。
底层产品仍然专业分工，变化在于它们开始围绕同一项任务协同。
开放也因此不应只理解为“接入数量多”。如果工具只是被放进一个列表，用户仍需自行搬运数据、衔接步骤，本质上还是多个孤立应用。
真正的生态组合，需要统一上下文、账号、权限与调用关系，让一项任务能够跨工具连续执行。
对于大型企业，这一点尤其现实。它们通常已经拥有复杂的IT系统，不可能为了使用一个Agent全部推倒重建，允许既有工具和业务系统继续存在，再由WorkBuddy负责连接，比提供一套封闭方案更容易进入生产环境。
不过，接入生态并不等于自动获得企业级成熟度，工具越多，越需要明确数据如何流转、权限由谁控制、错误在哪一环节被发现，以及不同产品的质量如何保持稳定。
生态越开放，平台治理反而越重要。
因此，WorkBuddy现阶段的差异化，是它正试图把腾讯内部的组织上下文，与外部成熟工具的产品化能力组合起来，降低企业从模型走向业务交付的工程成本。
但这套模式能否形成真正壁垒，最终仍要看任务完成率，而不是生态清单，毕竟企业不会因为接入了多少工具而持续付费，只会因为原有工作能够更稳定、更低成本地完成而留下。
从试点到投产
还要一套底层机制兜底
当Agent开始接触真实数据、调用业务系统，开放就不再只是“能接多少能力”的问题，平台还必须对运行风险和资源成本负责。
生态决定Agent能做什么，底层运行机制则决定企业敢不敢让它做、能不能持续用下去。
这也意味着，Agent时代的云竞争正在从资源供给延伸至运行保障，毕竟企业需要的不只是模型和算力，更是一项任务能否被安全、稳定、可核算地完成。
在安全问题上，当个人使用AI时，错误生成可能只意味着返工，而进入企业后，Agent可以读取客户资料、修改文件、调用外部服务，甚至发起审批，风险也随之扩展到提示词注入、越权访问、密钥泄露和Skill投毒等等。
腾讯云将企业级安全概括为“行为可控、过程可溯、数据可管”：Agent拥有独立身份，被纳入统一账号与权限体系，数据访问和工具调用全程留痕；删除数据、越权访问等高危操作可以直接拦截，不确定的操作交由用户确认。
一位工作人员表示：“如果涉及到高危命令，我们会及时的阻断，并且做同步的审计和记录。”
而对数据敏感的企业，腾讯还提供自部署模型、AICC机密计算、VPC专享版和私有化部署。关键不是安全功能多少，而是Agent能否纳入企业原有治理体系，而不是另造一个风险入口。
关键不在于安全功能的数量，而在于Agent能否纳入企业原有的治理体系，而不是另造一个风险入口。对企业而言，安全不是上线前附加的一道审批，而是Agent产品本身的一部分。
无法被约束和追踪的自动化，效率越高，风险也可能被放大得越快。
其次是托管与运行环境。Agent的任务可能持续数小时甚至数天，既要调用模型、执行代码和处理文件，也可能长时间等待指令，执行环境一直在线，会产生闲置成本，直接关闭，又可能丢失状态。
因此，腾讯云则在Agent Runtime中提供状态持久化、快照恢复、云端沙箱和弹性调度，让任务可以中断后继续。WorkBuddy Managed Agents面向数字员工提供托管服务，Agent Hosting则支持更多框架的Agent云端部署，两者定位并不相同。
而所谓的Agent Hosting，是腾讯云旗下的一站式Agent云端托管母品牌，旗下包括 Lighthouse Agent、ClawPro、SkillHub和Octop，分别覆盖轻量级Agent托管、组织治理、技能流通和云服务器运维，支持OpenClaw、Hermes、DeepSeek Harness、Octop等Agent的部署与云端运行。
这一层基础设施决定了Agent能否从临时工具变成持续运营的生产系统，企业需要的不只是一个在线聊天窗口，而是一套有状态、可恢复、可扩展的任务执行环境。
再次是算力与模型成本。企业不可能让所有任务都使用最强、最贵的模型。腾讯云通过异构算力和国产芯片适配改善推理成本，同时以TokenHub接入多家模型，配合Token Plan统一计费，让复杂任务看能力、高频任务看效率。模型开放因此也承担着成本路由的功能。
最后是可观测与核算。WorkBuddy企业版的可观测中心，用于回答Token用在哪个部门、哪个场景，哪一步耗时、出错或异常消耗。
苏宁易购通过轨迹分析优化提示词、模型和工具配置，现场披露Token消耗降低10%。
单一案例当然不能代表所有企业的普遍收益，但它说明了一件事，即Agent的成本并非不可管理，前提是平台能够把任务执行过程拆解清楚。算不清成本，Agent就容易停在试点，看清资源消耗与业务效果，企业才能决定哪些场景值得扩大使用、继续付费。
因此，腾讯云在底层补上的不只是GPU和模型，而是一套Agent控制机制：安全负责边界，托管负责连续性，算力与模型调度负责效率，可观测负责投入产出。
不过，机制逐步完善并不等于商业化已经成熟。
对腾讯云而言，这套底层能力为承接企业Agent工作负载提供了基础，但最终仍要回到两个检验标准：企业是否愿意把更多真实流程交给平台，以及这些流程能否形成持续使用和付费。
只有这两点成立，上层的开放生态才不只是产品能力的组合，而会成为一门可以持续经营的企业业务。
光锥智能“AI交流群”已建立，
感兴趣的朋友可以添加小助手微信（GZZN2019）沟通进群。
联系我们
王一粟
创始人/主编
ID：cishicike000
商务合作请添加微信：GZZN2019
转载开白请留言或添加微信：GZZN2019
进群交流请添加微信：GZZN2019
※添加时请备注公司+姓名+来意
「往期精彩推荐」
深度研报：AI大爆炸：云计算：数智化案例：更多精彩内容，欢迎关注：