9万AI先锋、400亿次调用:飞书这场发布,把AI从＂个人玩具＂拽进了＂企业流水线＂

看完最大的感受，不是"又多了一个 AI 工具"，而是 AI 终于从"个人玩具"被拽进了"企业流水线"——而且这次，是真刀真枪带数字、带案例的，不是 demo 放烟花。

以前我们用 AI，是"我问他答"，AI 是个人的。今天飞书发的「豆包工作伙伴」，定位是"国内首个为团队服务的 Agent"——它像人一样加入团队，有独立身份和权限，你不用再怕把它拉进群会泄露个人隐私。它参与群聊、会议、项目，自动了解大家的分工和进展，沉淀的工作记忆属于团队，而不是某个人。

更关键的是"主动性"。飞书内部那个叫"小飞"的伙伴，有次群里有人随手截了张消息乱码的图，负责的同事正忙没回应，小飞自己开启了排查，查了 iOS 客户端代码，定位到问题，在群里给出修复方法——全程没人给它派活。

它还能写周报。过去每到周五，大家回顾一周做了什么、整理进展；现在小飞在上百个群里，结合群消息、参加的会议、项目进展，参考以前的写法，自动整理出一份周报发到群里，各板块负责人只在初稿上做少量校准就行。客户访谈它也全程参加，会上提到重要问题，它会结合对团队的了解，找到合适的群和对应的负责人，把"客户遇到什么问题、为什么解决"讲清楚，产品经理接着在群里和它追问、讨论方案，方案定了它甚至能直接拉代码开发，最后由工程师验收。

豆包工作的产品负责人童瑶，在现场把企业级 Agent 拆成三句大白话，我记下来了：第一句"收到"——收到需求后要找资料、找数据、把方案做出来，专业能力要达到企业级交付水平；第二句"就按以前那样"——Agent 得知道公司过去都做过什么，把已有的经验用到当下；第三句"得按规矩来"——用什么口径、能查哪些数据、哪一步需要审批，都必须遵守。

"专业强"那块，童瑶放了一组作品——PPT、Excel、图片、视频、网页，全是豆包工作做的，她说已经达到了身边最强同事的水平，各种专业评测也到了 SOTA。但我觉得更有价值的是后两句。

"就按以前那样"，最值钱。豆包工作用飞书扫码登录后，在你的权限范围内看群聊、文档、会议纪要、多维表格，带着公司背景做事。而且它有长期记忆——你以前交代过"做分析数字要给出处、要同比环比"，这次没提，它也记得。飞书的知识问答、AI 会议纪要、同声传译、录音转写这些能力，也都进了豆包工作。

"得按规矩来"，解决了企业最大的顾虑。过去财务分析大家不敢用 AI，怕数据不准、口径不对，用了社死。现在豆包工作接入企业自己的财务分析 Agent，严格按内部打磨过的口径去取数、计算、分析，把校验过的结果拿过来，才生成准确的在线表格——不会自己瞎编。

这里有个细节我特意停了一下。童瑶演示的是一个 AI 消费电子公司产品线负责人的场景：让豆包工作打开邮箱、像人一样点开团队发来的邮件、下载附件、把格式不一的报表按给定口径对齐合并，几分钟就出了一份符合公司模板的业务分析表；接着又生成月度经营分析 PPT，把各区域情况配好图表和数字，未来商机做了 highlight。如果是人干，可能要熬几天，豆包工作只要几分钟。从找用户反馈、到做出营销物料、再改到能交付——人把精力放在灵感、决策和选择上，具体活，"你说，豆包干"。

一个最实在的落地案例：南钢热处理车间一位 12 月就要退休的老师傅，以前每天一上班就在电脑上给上百块钢板核对工艺，钢板厚一点薄一点处理方式完全不同，生产计划一变全部重来，下班眼睛都是花的。车间一个不会写代码的小伙子，用豆包工作 7 天迭代 140 多个版本，给老师傅配了 Agent。上岗后流程砍了一半，工艺核对准确率从 85% 升到 98%，单次查询从 3 小时变 1 分钟，一年省 700 来个小时。老师傅几十年的经验，通过 Agent 留在了岗位上——现在南钢已经有 1500 多个 Agent 在业务流程里上岗。

沃尔玛中国 CEO 朱晓静在台上说了一句我特别认同的：沃尔玛布局 AI，重心不在于模型本身，而在于系统。要让模型深度对接差异化的客户场景、自有的专属数据、业务流程与实体的运营体系。

她说 AI 正处在一个"青春期"，算法算力终会变成全行业的基础设施，到时候真正稀缺的不是模型，是"你选择用技术解决什么问题、怎么用、能不能创造长期价值"。企业真正的长期竞争力，来自系统，不是模型。

中国生物制药 CEO 谢承润更直接。他说过去两年很多人问他"用了多少 AI"，但他关心的是"AI 究竟改变了什么"——一个分子能不能更早被发现，一款药能不能更快到患者手里。他把 AI 制药拆成三个阶段：1.0 辅助药物发现（已经成熟可用，全球数百家企业都在做）；2.0 让 AI 结合结构生物学、抗体工程拓展成药边界；3.0 用大模型构建接近真实生物系统的疾病模型。从分子智能到临床智能、制造智能，最后沉淀成"组织智能"。

但他也设了三条边界，这句话值得所有喊"AI 赋能"的人贴在墙上：数据边界（谁可以访问什么数据，按授权、最小必要）、决策边界（关键的科学质量判断必须由专业人士确认）、责任边界（结果永远落实到人）。可信，不意味着 AI 不犯错，而是错误能发现、建议能拒绝、决策可追溯、责任有人担。

光喊"提效"没用，得看数字。这一场发布会里能扒出来的真实数字，我挑几个：

永辉那个"小辉探店"值得单说。CEO 王守诚一年有 300 多天在外巡店，过去一路看一路讲，店长抱着本子记，发现的问题下次来还没改，好店的经验别的店用不到。参加 AI 研修班后，他和团队打磨了一个巡店 Agent：路上发个定位，最先收到的是店长画像（干了多少年、老家哪、拿没拿分红），进门能叫出名字、先聊两句家常；巡店时看到问题随手拍张照，10 分钟巡店报告生成，整改任务直接派到具体岗位；看到好做法，一句"全国推广"，信息卡一键推到几百家门店。一个 Agent，服务 400+ 门店。

这些案例横跨零售、制药、钢铁制造、锂电、畜牧、美妆、安防——这就是"千行百业"不是口号的证据。AI 进企业，已经从"单点提效"走向"重塑全链路工作流"，企业真正赚到的是组织级的效益，不是某个人省下的那点时间。

还有个变化值得单独拎出来：搭系统的门槛被削平了。飞书多维表格这次升级成"AI 时代的企业数据底座"，业务人员不用写一行代码，直接说"帮我搭一套客户管理系统，记录客户信息、负责人、跟进进展，三天没跟进就自动提醒销售"——多维表格 AI 自动理解需求、拆解任务、调用能力，从 0 到 1 搭出能直接上线的系统；系统跑起来后，你还能直接问它"统计每月订单金额、看趋势和环比""生成 8 月经营分析报告"，它在权限范围内检索、归因，数据分析能力已经在多个全球公开评测里排到 SOTA 第一。飞书项目也加了"AI 节点"——你可以把一个流程节点直接绑一个 Agent，流程走到这儿它自动开工，御世科技就靠飞书项目 CLI 把自研 Agent 接进缺陷流程，一句话自动拉工单、判类型、分团队、回填，初筛从数小时压到分钟级。

飞书首席商业官林婵打了个比方，我很认同：个人用 AI，像自己开车，管好油门刹车方向盘就行；企业用 AI，像管理一套城市的交通系统，车道、红绿灯、限速牌一样都不能少。再多的好司机，也跑不出一套交通系统来。所以从"个人出结果"到"企业拿成果"，卡在四类问题上——管理者自己不用 AI、数据躺在那没人用、流程上 AI 干完某环节但下一步谁接没人想、人才还在拿旧尺子量。飞书给的解法是"管理打头阵、知识给依据、流程搭阵地、人才蓄动能"，这四点合起来，才是企业真正用好 AI 的完整架构。

说点跟个人最相关的。这场发布对一人公司不是"看热闹"，它把企业级 AI 落地最难的两件事——业务上下文和组织协同——用飞书打包成了平台。一个做企业 AI 落地服务的一人公司，现在能直接站在巨人肩膀上：用飞书 + 豆包工作，给客户搭"小组织"，而不是从零造轮子、自己写一套数据库和服务器。

但我也得说句清醒的：大厂拼的是"通用底座 + 大客户"，一人公司的窗口在它们看不上的小、非标、本地化场景——一家连锁咖啡的几十城同时开业协调、一个养殖场的奶牛热应激预警、一个药企车间的物料到货延迟判断，这些"不够性感但真金白银"的需求，才是个人能接的活。

还有一点，飞书反复强调的"AI 先锋"——最懂业务的人先上手。海信那个一线协调员、南钢那个不会写代码的小伙子、认养一头牛那个 00 后牧场技术员，都不是 AI 专家，是业务专家。这给所有想靠 AI 搞钱的人提了个醒：别先焦虑"我模型懂不懂"，先想"我手里的业务 Know-how，怎么变成 Agent 能用的东西"。组织的 AI 能力，不一定从宏大的方案开始，它可以从一个最懂业务的人开始。

落到具体活上，珀莱雅的探索值得参考。他们做了三件事：高管进课堂（管理者必须带业务问题亲自学）、员工打比赛（1500 人报名 AI 星空大赛，以赛代练解决边角问题）、技术和业务对齐（一个把 Agent 做出来，一个判断 Agent 对不对）。结果就是 AI 让岗位职责变了——飞书去一线盘点岗位，平均每个岗位摊下来有 100 多项工作，逐项拆开看，让 AI 干那些事务型、低价值的活，把人的重心挪到判断、协作和创造价值上。这对一人公司的启示很直接：你帮客户做的，不是"上个 AI 工具"，而是"把岗位里 100 多项工作重排一遍，哪些交给 Agent、哪些留给人"——这件事，大厂不会下场帮你做，但利润就在里面。