AI办公的终局，不是再做一个更会写材料的助手，而是让AI站在ERP、CRM、飞书、钉钉、开放互联网API和企业内部系统前面，成为一个能理解意图、调用工具、编排流程的新操作层。

这才是千问办公和豆包办公连续发生的真正信号。

我们在《千问办公要三合一了：Coding Agent 已经能打，Work Agent 还远着呢》里判断过：Work Agent 的胜负手，不在谁家的工作流模板更多，而在谁能把真实软件系统接进来、调得动、跑得稳。

一周左右之后，字节跳动直接动手。

公开信息显示，字节跳动对豆包、飞书和火山引擎进行组织整合：飞书产品团队与豆包产品团队整合，成立新的豆包产品团队；飞书商业化团队与火山引擎相关团队整合，形成新的 To B GTM 组织。由飞书产品团队参与开发的豆包企业版，已经在部分客户中开启内测，原生接入飞书文档、表格、会议、群聊、知识库与权限体系。

关键不在组织归属，而在产品位置变了：豆包被推到飞书这个真实办公现场的前面；千问也被推到钉钉、阿里云和企业系统的前面。

它们争的不是谁更会聊天。

它们争的是：谁能成为企业软件生态的默认调用入口。

真正的办公发生在系统里

很多人讨论AI办公，仍然停留在「能不能帮我写一份文档」「能不能生成一张图」「能不能整理会议纪要」。

这些当然有价值，但它们不是企业办公的核心。

企业里真正的办公，往往发生在系统里：

客户信息在 CRM 里，订单和财务在 ERP 里，生产进度在 MES 里，库存流转在 WMS 里，审批和组织关系在 OA 或协同平台里，会议、文档、知识库在飞书、钉钉或企业微信里。

一个员工完成工作，本质上不是「写出一段文字」，而是在多个系统之间完成一串动作：查询、判断、填写、审批、同步、回写、留痕。

这也是 Work Agent 比 Coding Agent 难得多的原因。

代码任务虽然复杂，但边界相对清楚：函数、模块、测试、提交，结果能不能跑，测试能不能过，反馈很硬。

办公任务不一样。它面对的是组织结构、权限边界、业务规则、行业经验和一堆历史系统。AI如果只停留在内容生成层，最多是一个会写材料的助手；只有能调用这些系统，它才可能变成真正的工作代理。

所以，AI办公不是「AI + Office」。

更像是：AI + 企业软件生态 + 业务流程执行。

三股绳：系统、流程和智能

最近陈果有一篇文章讲得很直接：把信息化、数字化、数智化理解成三个递进阶段，是一个很大的误区。

这个判断放到AI办公里，尤其关键。

过去很多企业喜欢讲「信息化 → 数字化 → 数智化」，听起来像一级一级往上爬。于是每一轮新概念出来，就有人觉得旧系统该被淘汰了：中台来了，ERP好像过时了；大模型来了，ERP、CRM、OA 好像又要进博物馆了。

但真实企业不是这样运行的。

信息化系统解决的是确定性问题：谁下了单、谁批了款、库存还有多少、合同有没有生效、发票有没有开出。这些记录必须可信、可审计、可追溯。

数字化能力解决的是过程问题：数据怎么流动，指标怎么计算，工作流怎么触发，业务规则怎么沉淀，行业 know-how 怎么从人的经验变成可执行的流程。

数智化能力解决的是交互和编排问题：用户不用再按照固定菜单一步步点系统，而是把目标说出来，由AI理解意图、拆解任务、调用工具、观察结果，再决定下一步动作。

这三者不是替代关系，而是三股绳。

没有信息化系统，AI没有可信数据和执行对象；没有数字化流程，AI不知道业务规则和动作边界；没有数智化能力，人仍然要在各种菜单、表格和审批流里来回切换。

AI Agent 真正带来的变化，不是把ERP、CRM、飞书、钉钉替掉，而是把它们从「人操作的软件」，变成「AI可以调用的工具」。

这也是为什么大厂都在把模型和办公系统往一起拧。

大厂整合的不是产品，是调用链

阿里整合 QoderWork、悟空、MuleRun，不只是把三个名字合成「千问办公」。

QoderWork 更接近桌面端执行入口，强调本地文件、脚本、应用和数据处理能力；悟空背后是钉钉的企业协同、审批、权限和组织关系；MuleRun 则补的是云端多智能体协同和复杂任务编排。

如果这些能力真能融合，千问办公要做的就不是一个聊天窗口，而是一个能在本地、云端和钉钉企业场景之间穿行的执行层。

字节这边也一样。

豆包有模型和通用AI入口，飞书有真实办公现场：文档、会议、群聊、多维表格、知识库、组织关系、权限体系。火山引擎则提供模型、算力、数据平台和企业交付能力。

飞书产品团队并入豆包，本质上不是让豆包多一个文档入口，而是让豆包接上飞书积累多年的办公场景和企业权限。飞书商业化并入火山引擎，也说明字节不再把AI、SaaS、MaaS分开卖，而是要把它们变成同一套企业生产力交付体系。

所以，千问办公和豆包办公的共同方向很清楚：

模型在前台理解意图，协同软件提供工作现场，企业系统提供可信数据和执行能力，Agent 在中间做动态编排。

这就是AI办公真正要打通的链条。

谁只做内容生成，谁就停在表层；谁能把系统、流程和权限接起来，谁才可能进入企业真实工作流。

工作流模板只是表面，行业 know-how 才是深水区

现在很多AI办公产品喜欢展示工作流：一键生成周报、一键整理会议、一键做调研、一键写方案。

这些能力有用，但很容易同质化。

因为模板可以复制，Prompt 可以模仿，界面可以重做。真正难复制的是行业 know-how 和系统连接深度。

比如同样是「分析客户」，消费品公司看的是渠道、复购、客单价；制造企业看的是订单周期、交付能力、库存占用；高校科技服务看的是项目来源、成果成熟度、团队资源和转化路径。

同样是「生成经营分析」，如果AI只能读几份文档，它只能做总结；如果它能调用CRM、ERP、销售数据、库存数据、财务规则和历史决策记录，它才可能给出有业务意义的判断。

所谓AI办公，最后拼的不是「有多少个预设工作流」。

拼的是三个问题：

第一，能不能接进真实系统？

第二，能不能理解行业规则？

第三，能不能在权限和审计边界内，把任务跑完并回写结果？

这才是 Work Agent 的深水区。

对垂直行业来说，机会不在再造一个通用Agent

对阿里、字节、腾讯这样的公司来说，AI办公是入口之争。

谁占住入口，谁就能成为企业调用数字世界的默认界面。

但对垂直行业创业者来说，机会不在复制一个通用 Work Agent。我们既没有必要，也没有能力去和千问、豆包、WorkBuddy 正面抢入口。

真正有价值的事，是把行业里的关键能力做成AI可以调用的工具。

拿精酿产业来说，未来的问题不是「能不能让AI写一篇精酿文案」，而是：

配方系统能不能被Agent调用？

原料库能不能被Agent查询？

发酵参数能不能沉淀成可复用的工艺数据？

检测数据能不能被AI解释，并反馈到配方和生产？

库存、渠道、用户反馈，能不能进入同一条任务链？

这和我们在《踩进精酿这几年，我们决定用AI把整条产业链重做一遍》里写过的产业平台方向是一致的。

那篇文章里，我们讲的是消费端、产业端、数据底座和AI底层引擎如何让数据流动起来：消费者偏好反向影响生产，原料、工艺、检测数据再回到消费决策。放到今天的Agent语境下，其实就是把精酿产业里的关键节点，逐步做成AI可以调用、可以编排、可以沉淀的行业工具箱。

通用Agent解决入口问题，垂直行业解决工具问题。

入口需要工具，工具也需要入口。两者真正接起来，AI才不只是会说，而是能做。

结语

从千问办公到豆包办公，表面是大厂产品整合，深层是AI办公竞争逻辑的变化。

谁的模型更强，当然重要。

但在企业办公场景里，仅有模型远远不够。AI必须接到信息化系统里的可信数据，接到数字化流程里的业务规则，接到行业 know-how 里的真实经验，才能从「会回答」变成「能办事」。

AI办公的终局，不是替代软件。

而是调用整个软件生态。