AI 工具这么多, 企业到底该怎么选?

2026 年 9 月 22 日白天，群里一位同学问我，能不能教一下 Kimi 怎么用、豆包怎么用。

我们前面一直在上 Codex 课。听到这个问题，我觉得，确实应该写一篇文章，把这些工具之间的关系，以及企业到底该怎么选，说清楚。

最近这段时间，AI 工具的消息特别密集。字节的豆包工作接入了飞书，腾讯的 WorkBuddy 持续更新；再看看 Kimi Work、Kimi Code，还有阿里的千问办公，大家面前一下子摆了很多选择。

工具之外，还有会员、套餐包、算力包。每个看起来都有用，可到了公司里，到底该选哪个？给谁用？要不要换掉原来那套？这些才是老板真正要做的决定。

我一直觉得，把 Codex 背后的工作逻辑弄明白，再看其他同类工具，就更容易找到门道。怎么把任务说清楚、把资料交给 AI、连接需要的工具、检查结果，这些方法可以迁移，不必每换一个产品就从零开始。

当然，逻辑能迁移，具体产品的操作、能力和使用限制，还得分别看。企业怎么选，也不能只看哪个模型最新、哪一个套餐更便宜。

所以，这篇文章想回答的，就是大家眼前这个问题：AI 工具这么多，企业到底该怎么选？我们先分清自己在买什么，再看公司的工作在哪里、AI 要服务谁，以及做完以后能留下什么。

现在名字很多，看起来眼花缭乱。但把包装拆掉以后，我认为基本就三类。

这一类你买的是一个“产品”。付费以后，打开就可以开始工作。

比如：Kimi、WorkBuddy、豆包、QwenWork（千问办公），以及偏编程与产品开发工作的 TRAE、Qoder 等。

这类产品通常把模型、文件、搜索或工具调用等能力放到一个入口；有的偏文档、PPT 和表格，有的偏代码与智能体任务，侧重点并不相同。

你不需要关心 API（程序接口），不需要研究 Token（模型处理文本的计量单位），也不需要配置什么 Base URL（接口地址）。

你只管告诉它：我要什么结果。这种产品特别适合绝大多数普通员工。

选择“写作”，用自然语言提出任务。

千问办公官方中文界面局部，非作者实测。

这一类你买的不是一个软件。你买的是：一池 AI 算力。

比如火山方舟、腾讯 TokenHub、阿里百炼、百度千帆等多模型平台。它们提供的按量 API、订阅套餐和企业服务，适用范围并不完全相同。

它们有一个很重要的特点：里面往往不是只有自己的模型。同一个平台往往有多家厂商的模型可选，具体名单因平台和套餐而异。

截至 2026 年 9 月 23 日，火山方舟 Coding Plan（编程订阅套餐）官方页面列有 DeepSeek V4、GLM-5.3、Kimi、MiniMax、豆包等模型，并列明可接入 Codex CLI、Claude Code、OpenCode 等工具。不同套餐的实际可用范围和后续变动，以官方说明为准。

所以这类东西本质上更像：AI 时代的云计算套餐。你已经有自己的工具了，我负责在下面给你提供发动机。

不过，Coding Plan 不能直接当成全公司共用、任意调用的算力池。选购前要看清使用场景、授权人数、额度和并发限制；生产系统与团队使用，应按实际需求选择合适的 API 服务或企业方案。

比如：GLM Coding Plan、MiniMax Token Plan、MiMo Token Plan。各家的用途、适配工具与额度限制并不相同，不能只看名字。

这一类逻辑更简单：我就是喜欢你家的模型。我不需要什么模型超市。你给我大量、稳定、便宜地供应算力就行。

所以国内今天看起来有几十种产品，实际上只需要记住：

套餐范围、工具适配与团队权限，仍需分别核对。

AI 辅助绘制的概念示意图。

买工作台。买聚合算力。买单一厂商的模型算力。

就这三件事。

这是我现在认为最容易被忽略的一件事情。AI 越往后发展，模型本身反而越来越容易替换。今天 GLM 强一点，明天 DeepSeek 强一点，后天 Kimi 又发一个新模型。

真正难换的是什么？是公司的：文档、聊天记录、项目、客户、审批、知识库、CRM（客户管理系统）、代码库、财务系统、人员权限……这些才是公司的“上下文”。

所以如果一家企业本来就深度运行在飞书里面，我不会一上来告诉它：“把所有东西搬出来，换一个新的 AI 工作台。”

同样，如果一家传统制造企业大量审批、现场流程、门店管理都已经跑在钉钉里面，那么它首先应该思考的，也应该是怎么让 AI 长进已有的组织流程。

如果一家公司的核心资产是企业微信里的几万个客户、销售关系和私域，那么腾讯体系天然就值得认真考虑。

所以企业第一道题其实非常简单：我的公司今天在哪里工作？

飞书公司，就先研究飞书生态里的 AI。钉钉公司，就先研究阿里体系怎么把 AI 长进流程。企微型公司，就认真看腾讯。已经有非常成熟的数字化系统，就尽量让 AI 长在原来的土壤里面。

为什么？因为模型能力上的一点差距，很多时候远没有：“它知道我的公司发生过什么”重要。

这一步非常重要。因为“全公司 300 个人用 AI”和“5 个核心 AI 高手用 AI”，根本不是同一道题。

全员使用与核心能力建设，是可以同时推进的两种分工。

AI 辅助绘制的概念示意图。

那就选一个直接工作台。你的目标不是：让大家研究 Agent 架构。

而是：今天把资料扔进去，它能帮我整理。明天开完会，它能帮我形成方案。做 PPT、Excel、调研、写文章、看文件，都有地方做。

这时候 Kimi、WorkBuddy、豆包、QwenWork 这一类产品就是合理答案。

哪一个最适合？看你的生态，看员工习惯，看实际工作。

不要为了理论上可能强一点的模型，让全公司重新学习一套复杂系统。组织成本往往高于这点模型差距。

那答案会完全不同。程序员、产品经理、技术负责人、AI 团队真正需要的是：Codex、Claude Code 这种东西。

不是一个聊天框。而是一套 Agent Harness（承载智能体执行任务的工作环境）。它可以进入目录、读取文件、运行终端、调用工具、修改代码、访问外部系统、持续执行任务。

这时候你应该开始研究的，就不再是：Kimi 会员买哪一档。

而是：我的 Harness 是什么？我的 Skills（可复用的任务说明与操作流程）怎么沉淀？MCP（连接外部工具和数据的协议）怎么连接公司系统？

底层模型怎么切换？算力从哪里采购？这已经进入完全不同的阶段。

这句话很多人第一次听，会觉得：Codex 不是写代码的吗？

我其实从来不这么看。我认为 Coding 只是这类产品最早找到的一个场景。

OpenAI 在 2026 年 6 月 2 日披露的一组数据也很有意思：Codex 每周用户已经超过 500 万，其中大约 20% 已经不是开发者，包括分析师、市场、运营、设计、研究、投资和金融从业者，而且非开发者的增长速度是开发者的三倍多。

OpenAI 内部的非技术团队也已经在用 Codex 做内部应用、管理层材料、Dashboard（数据看板）等工作。

所以我眼里的 Codex，本质上不是一个 Coding 软件。它越来越像：一个 AI 的工作母体。

我不是说：全公司 500 个人，明天全部卸载其他工具，只许用 Codex。完全不是。

我说的是：企业最终一定要有一批最核心的人，把真正重要的 AI 能力沉淀在这样一个 Harness 里面。

为什么？因为工作台解决的是：今天怎么把这件事情做完。

而 Harness 最有价值的是：做完以后留下了什么。

比如你让 AI 做了一遍招聘。刚开始你只是跟它聊：怎么筛简历？什么样的人合适？

后来你修改了二十遍。再后来你发现它已经很懂你公司的招聘标准。

这时候真正值钱的东西不是那一次招聘结果。而是：能不能把这套判断变成 Skill？能不能把公司的招聘 SOP（标准操作流程）写进去？

能不能接上招聘网站和日历？能不能让 MCP 去调用真实系统？能不能每天自动运行？能不能把它交给其他同事继续用？

按照 OpenAI 的官方文档，Skills 把指令、资源和可选脚本封装起来，帮助 AI 复用工作流程；MCP 用于连接外部工具和数据。Skills 和 MCP 服务还能一起打包成插件，供 ChatGPT 和 Codex 在各自支持的环境中使用。具体能力、能读取什么、执行什么，仍取决于产品环境、接入方式和授权。

Codex 还可以通过 AGENTS.md 存放公司的规则、项目规范和上下文。按照官方说明，它会在开始一次运行时读取适用的项目指令。

这时候 AI 就不再是：“一个很聪明的人。”

而开始变成：“公司自己不断积累经验的一套系统。”这就是我说的“把公司开在 Codex 上”。

工作台是什么？是前线。大家每天在那里打仗。

兵工厂是什么？是后方不断生产武器的地方。

前线可能今天用 Kimi。明天用 WorkBuddy。

后天豆包突然做得特别好，也可以换。

但是公司最核心的 AI 团队，会在兵工厂里不断生产：

这些东西一旦形成以后，并不意味着必须永远只运行在 Codex。MCP 本身就是开放的连接方式，很多 SOP、脚本、测试方法和 Skill 也都可以迁移、改写，输送到别的平台。

所以我觉得 Codex 的价值甚至不只是：它今天能干多少活。

而是：它特别适合帮一家企业制造自己的 AI 能力。这就是“兵工厂”。

前台的工具可以换，中间积累的方法与流程留在公司。

AI 辅助绘制的概念示意图。

所以这件事情不是我对 Codex 的个人偏爱产生的错觉。整个行业都在收敛。

2026 年 9 月 16 日，Anthropic 干了一件非常有意思的事情：它宣布将 Claude Chat 和 Cowork 逐步合并成一个 Claude，先向 Pro 和 Max 用户开放，再扩展到其他计划。

用户以后不用再判断：这件事应该聊天？还是应该交给 Agent？

你只需要告诉 Claude 你要什么，系统会判断如何处理。Docs（文档）、Slides（幻灯片）、Design（设计）等能力也开始进入同一个入口；这些能力仍处于测试阶段，具体可用范围取决于套餐和管理员设置。

这其实释放了一个很强的信号。在我看来，未来未必还需要十几个 AI 软件，每一个只负责一种功能。

终局很可能是：一个足够强的 Agent 工作入口，下面调用无数能力。在我看来，Claude Code 和 Codex 也都在朝这个方向发展。

我个人更倾向 Codex。不是因为我认为世界上从此以后只有 OpenAI 会赢。而是因为目前对我来说：它的工作方式更开放、更灵活，也更适合作为公司能力沉淀的“母体”。

但如果一家企业选择 Claude Code 做这个母体，我认为逻辑也是成立的。真正重要的是：企业必须开始拥有自己的 Harness。

我把它概括成：

1 + 1 + N：一套工作入口、一座能力工厂，再按需要选择底层模型与算力。

AI 辅助绘制的概念示意图。

这可能是我现在最推荐的企业 AI 架构。

给绝大多数员工用。根据企业情况选择：Kimi、WorkBuddy、豆包、QwenWork、飞书生态、钉钉生态……

目的只有一个：降低门槛，让所有人真正开始把工作交给 AI。

这一个“1”，不需要追求世界第一。最重要的是：员工愿意用，能接公司上下文，管理方便，费用合理。

这个我会非常明确地建议：Codex。或者 Claude Code。但我个人会选 Codex。由公司的 AI 团队、业务高手、超级个体来使用。

他们负责把一次性的经验变成：Skills。把人脑 SOP 变成 Agent SOP。通过 MCP，把散落的工具连接起来。把手工操作变成自动化。

把今天解决的一个问题，变成以后全公司都可以调用的一种能力。

所以：第一个 1 解决“今天大家怎么用 AI”。

第二个 1 解决“公司明天留下些什么”。完全是两件事情。

到了这一层，反而不要忠诚。今天 GLM 好：用 GLM。Kimi 新模型更强：切 Kimi。

大量简单任务：用便宜模型。真正重要、真正困难的任务：用世界上最强的模型。

如果企业用量大，就评估方舟、TokenHub、百炼这样的多模型平台，再按使用场景、权限管理和用量选择 API 服务或企业套餐。

如果特别喜欢某一个模型，就买 GLM、MiniMax、MiMo 这样的原厂套餐。

模型可以换。算力供应商也可以换。这部分恰恰不应该成为企业 AI 的核心资产。

如果让我把整套方法论压缩成几句话，我会这么告诉老板：

先别急着迁移。让 AI 从已有的文档、知识和协作里面长出来。

重点研究流程、审批、现场和 Agent 怎么结合。

腾讯生态值得重点看。

咨询、投资、媒体、研究、培训……优先选择研究、文件和长上下文能力很强的工作台。

不要花太多时间纠结普通工作台。直接进入 Codex / Claude Code + 算力池。

不要买七八种 AI。先买一个全员工作台。先让 50 个人每天真的用起来。

立刻把他们从“使用工具”升级成：生产公司 AI 能力的人。给他们 Codex。

刚开始的时候，企业会问：我应该选 DeepSeek 还是 GLM？再过一段时间会问：Kimi 和豆包谁强？这些问题都正常。

但是当 AI 真正进入公司生产以后，你会发现：模型只是供应商。真正属于公司的，是：

这些东西才会产生复利。

现在技术圈里对 Agent 的讨论，其实也越来越少停留在“模型跑分”，而开始讨论 Skills、SubAgent、上下文管理、长时间运行这些问题。比如宝玉在《SubAgent 与 Skills：AI Agent 的两种扩展方式》中，就讨论了能力复用、独立上下文和任务分工。

因为大家开始发现：真正复杂的不是让 AI 变聪明。而是让聪明的 AI 在一个组织里稳定工作。

这个行业的风特别大。每个礼拜都有新东西。所以我现在越来越不建议老板每天问：今天又出了什么？

而应该不断问：这东西应该放在我公司的哪一层？

一个新工作台出来了？看它要不要替换第一个“1”。

一个新模型出来了？看看它能不能加入“N”。

一个新的 Coding Agent 出来了？和你的 Codex 兵工厂比较一下。

一旦你拥有了架构，外面再出一百个产品，也不会焦虑。因为你知道：它应该放在哪里。而不是每出一个产品，就把公司重新推倒一次。

我越来越觉得，未来一家 AI 化程度很高的公司，未必是：“公司里所有人都特别会写提示词。”

而可能是：公司的大量经验，已经变成 Skills。大量系统，已经通过 MCP 对 AI 开放。大量流程，已经可以由 Agent 执行。

新人进公司以后，不需要重新学习几十年的隐性经验。AI 已经知道：

这才叫：把公司变成一个可以被 AI 执行的组织。

所以如果现在还有老板问我：“朱雀，现在 AI 那么多，我到底该选哪个？”我的答案已经和一年前完全不同了。

我不会先告诉你：Kimi、豆包、DeepSeek、GLM、WorkBuddy。这些都只是选择。

我会先问你一句：你到底是一家什么公司？然后帮你找到那个最适合所有普通人的 AI 工作入口。

再然后，我会坚持另外一件事情：在公司里面找到一批最强的人，把他们送进 Codex。

让他们在那里造东西。造 Skills。造 Agent。造 MCP。造自动化。把公司几十年藏在人脑里面的经验，一点点变成 AI 可以执行的能力。

下面的模型随时可以换。上面的工作台也可以换。但是这座兵工厂，是公司自己的。

这就是我现在越来越笃定的一件事：

模型会变。工具会变。价格会变。但是企业自己沉淀出来的能力，会留下来。