AI与软件再度合流:四家公司在7月做了同一件事

从OpenAI、腾讯、阿里巴巴和字节跳动，看入口、组织、平台控制层和用户的下一次重构

核心判断：7月，几家头部公司的整合，已经不只是普通的产品合并，而是AI（人工智能）行业竞争从模型能力竞争转向“AI工作平台”竞争的标志。模型厂商向软件入口下沉，软件公司向模型和智能体上移。

进入2026年7月，OpenAI、腾讯、阿里巴巴和字节跳动在同一个时间窗口里，对AI与软件的关系做出了相似选择：把原本分散的模型能力、办公软件、云服务、企业数据和工作流重新拼到一起。

表面看，这是四家公司各自的产品和组织调整；放在一起看，则意味着一个已经发生的变化：AI不再只是悬浮在软件之外的聊天窗口，软件也不再只是模型能力的展示界面。两者正在再度合流，竞争的重心也从“模型能做什么”上移到“谁能让更多任务在自己的平台上发生”。

这里的“再度合流”需要先说明：AI和软件从来没有真正分开。早期专家系统，以及后来嵌入搜索、推荐、语音识别、OCR（光学字符识别，将图片、扫描件等图像中的文字自动识别并转换为可编辑文本的技术）和风控的软件能力，本来就是AI与软件的结合。

真正出现阶段性分开的，是产业角色：大模型兴起后，模型公司以独立聊天产品和API形成新的入口，软件公司则继续服务企业数据、权限和业务工作流。

今天的变化是：模型进入软件核心，并从“一个功能”上升为连接模型、数据、权限、工具和结果的执行层。

因此，这次合流是从“AI嵌入软件功能”升级为“AI重构软件运行方式”。

一、7月四个动作：AI开始进入软件的核心位置

第一个动作发生在OpenAI。7月9日，OpenAI在GPT-5.6发布会上宣布，将此前独立的编码工具Codex正式并入新版ChatGPT桌面应用，与Chat、Work并列为三个入口模块。ChatGPT（月活已突破10亿）从一个聊天工具，变成了一个集聊天、办公、编程于一体的统一入口。整合前Codex独立周活约500万，整合后两周内即飙至1000万周活（Codex与ChatGPT Work合并口径）。这个动作的意义不只是增加一个功能，而是把模型从“回答问题”推进到“持续完成工作”：研究、规划、执行和交付，可以在同一产品体系内连续发生。模型公司直接占据工作入口。

第二个动作发生在腾讯。7月20日，腾讯将QClaw（基于OpenClaw底层架构打造的产品）产品中心相关业务和部分团队调整至WorkBuddy所在的云产品六部。这个动作的关键是腾讯开始把不同路线的智能体产品收拢到同一套组织和资源体系中。它与腾讯云6月发布的效率智能体产品体系相互呼应：个人端工具、企业工作台和云端服务，正在被放进同一套AI办公战略中。WorkBuddy在国内PC端AI原生办公智能体市场6月单月访问量达到2097万次，位居市场第一。这个数据解释了为什么组织整合此时发生：腾讯需要把已经跑出规模的WorkBuddy，与QClaw等其他路线的能力和资源进一步合并、统一发力。

第三个动作发生在阿里巴巴。7月27日，阿里把三款Agent（AI智能体）产品QoderWork（桌面端办公）、悟空(企业级协同)、MuleRun(跨平台协作），整合推出“千问办公”企业生产力产品。与钉钉双向嵌入：可在钉钉内唤起千问办公的Agent，千问办公也能将钉钉的消息、文档、审批等各类企业工作场景连接起来。阿里要解决的，是多个Agent（智能体）产品分散赛马之后，如何集中资源形成一个企业办公平台。

第四个动作发生在字节跳动。根据7月30日的内部信，飞书产品团队与豆包产品团队整合为新的豆包产品团队；飞书销售团队与火山引擎整合，形成面向企业客户的统一销售组织。豆包企业版已经以Agent形态进入文档、搜索、群聊和会议等入口，可以在用户既有权限范围内检索企业文档、表格和知识库，并把讨论转成任务、方案和可继续编辑的成果。这个动作的关键不在于“飞书换了一个AI功能”，而在于：字节跳动让豆包借助飞书的企业关系、数据、权限和工作流进入真实的组织场景。

四个动作的组织形式不同，但共同方向已经非常清楚：模型要进入软件，软件要吸收模型；模型能力不再停留在底层接口，而是开始占据任务发生的入口。

OpenAI在重做工作入口，腾讯在收拢分散的办公智能体，阿里在整合办公Agent，字节跳动则把豆包、飞书和火山引擎的企业能力接到一起。

这些动作的真正指向，不只是产品整合——而是竞逐一个更高的位置：平台控制层，即决定任务从哪里发起、调用什么模型、结果如何验收的那一层。

二、这不是普通的产品整合，而是一次战略换挡

如果只把这些变化理解成“AI产品合并”，就会低估它们的意义。四个动作之所以在同一时间窗口出现，是因为行业条件已经发生了变化。

第一，模型能力已经跨过“只能回答”的门槛。AI可以理解复杂目标、拆分任务、调用工具并持续执行，模型的价值不再只体现在答案质量，也体现在能否真正推动一项工作完成。
第二，独立的AI应用已经证明了流量价值，却也暴露出场景和留存的限制。企业真正愿意持续使用和付费的，不是一个孤立的聊天窗口，而是嵌入文档、审批、会议、CRM（客户关系管理）、客服和研发流程的能力。
第三，软件公司掌握模型厂商难以独立获得的资源：入口、企业客户、身份体系、数据、权限和工作流；模型公司则掌握软件公司难以独立获得的模型能力、专用算力和智能体技术。双方都必须向对方的核心资源靠近。
第四，企业采购已经开始从“买一个AI工具”转向“建设一套AI工作能力”。企业关心的不只是模型效果，还关心AI能否进入现有系统、理解组织权限、执行具体任务，并留下可审计的结果。

从这四个动作可以看到一条越来越明确的方向：AI正在从软件中的一个功能，进入软件的任务执行层。而更重要的变化是，软件的运行方式也正在被重新定义。AI将成为连接模型、数据、权限与流程的执行层；软件则从承载功能的界面，升级为可以组织任务、调度能力并沉淀结果的系统。

下一阶段真正要竞争的，不只是“谁把AI嵌入软件”，而是“谁掌握这套系统的控制层”。

三、四家公司在解决不同的问题

共同方向不等于相同战略，四家公司所处的位置不同，因此争取平台控制层的路径也不同。

OpenAI解决的是“模型如何直接进入工作”。它过去的核心优势是模型和通用入口，但企业工作发生在文件、浏览器、代码仓库和业务系统里。ChatGPT Work与Codex的结合，是把模型能力组织成一个能够持续完成任务的工作入口。它要争夺的不只是用户提问，而是用户把什么工作交给AI。

腾讯解决的是“多条智能体路线如何在组织上收拢，并把办公场景与云服务连接起来”。腾讯拥有云、办公、文档、协作和大量产品入口，QClaw与WorkBuddy的组织调整，说明它正在把不同产品路线纳入同一套资源和企业服务体系。腾讯的优势不是让某一个模型独占入口，而是把办公智能体、云端能力和企业交付连接起来。

阿里解决的是“内部赛马之后如何集中，并把Agent能力接入企业经营”。QoderWork、悟空和MuleRun分别代表不同类型的探索，继续各自发展可以保留创新，却也会造成资源分散、品牌分裂和企业客户选择困难。千问办公与钉钉连接，实际上是在把多个产品能力收敛成一个企业办公叙事。

字节解决的是“豆包如何从C端入口进入B端工作流”。豆包拥有个人用户和模型心智，企业付费却需要数据、权限、协作和责任体系。飞书提供企业组织和工作流，火山引擎提供企业销售和云服务。豆包与飞书的整合，正是在补齐从模型能力到企业交付之间缺失的那一段。

因此，四家公司是在布局同一个位置：成为用户和企业把任务交给AI之后，最先进入、最久停留、最能留下结果的那一层。

四、真正的高位竞争：从模型入口到平台控制层

前面四个动作共同指向一个更高层的变化：用户看到的是一个AI应用，企业真正依赖的却是应用背后的平台控制层。它位于用户和模型之间，决定任务从哪里发起、调用哪些数据、使用哪个模型、允许执行什么动作、结果如何验收，以及最终按什么方式计费。

这也解释了为什么平台控制层会成为新的竞争高位。四家公司当前的动作，是把模型或Agent与原有入口、组织、企业数据和工作流重新连起来。模型在这里不再只是一个独立产品，而是嵌入平台完成任务的能力。

它与互联网时代的电商平台、移动互联网时代的视频平台有着相似之处：平台未必生产商品或内容，却掌握用户需求、分发规则、交易关系和反馈数据。

AI时代的平台也未必训练模型，却可以掌握任务入口、工具调用、组织权限和成果验收。在部分场景中，模型会趋向可替换的底层供给；平台则可能成为更高一层的需求组织者和价值分配者。

但“接入很多模型”本身不是壁垒，一个只负责聚合模型的界面很容易被复制。真正有控制力的平台，必须继续掌握任务上下文、身份权限、工作流、执行记录和结果反馈。换句话说，平台可以对模型保持开放，却不能对工作流和结果保持空洞。

这会带来四个正在发生并将继续深化的变化：

第一，入口的价值从“打开应用”升级为“发起任务”。谁掌握用户的任务、身份和上下文，谁就掌握了AI能力的分发控制台。

第二，数据壁垒从“拥有多少数据”转向“能否把数据变成可执行的上下文”。企业文档、会议、审批和客户记录本身并不自动产生价值，只有当AI能在授权范围内读取、判断、执行并留下结果时，数据才真正形成壁垒。

第三，软件公司的边界被重新划分。办公软件、云服务、模型公司、协同平台和行业应用之间的差别正在变小，竞争对手也不再局限于同品类产品，而可能是一个拥有更强模型调度能力和更深工作流的云平台。

第四，价值计算和定价讨论会沿着平台控制层上移。席位费仍然重要，但调用量、任务次数、执行结果和业务成果都会影响合同结构。谁拥有入口，谁能看到任务；谁拥有工作流，谁能记录执行；谁掌握验收标准，谁就更有可能定义什么算价值、什么应该收费。7月的组织整合，争取的正是未来市场的话语权和价值计算权。

五、企业用户：以后买的不是一个工具，而是一套AI工作系统

对于企业用户来说，最大的变化不是多了几个AI功能，而是AI已经进入原本由员工、软件和流程共同组成的工作系统。企业今天需要评估的，不只是哪个模型效果更好，还包括应该把自己的AI工作层建立在谁的平台上，以及是否保留足够的选择权和迁移能力。

AI能不能接入已有的文档、审批、CRM（客户关系管理）、客服和研发系统，并且不破坏原有权限？
平台能不能根据不同任务调用不同模型，企业能不能知道模型、数据和工具分别被怎样使用？
任务执行出了错误，谁能暂停、回滚、复核和追责？
供应商掌握了多少数据、工作流和结果，企业是否会被平台锁定？
项目成功的标准是什么，是节省工时、完成任务，还是带来可验证的经营结果？

企业AI项目的最小闭环，不应该只是“问题—模型—答案”，而应该是“问题—数据—模型—动作—结果—验证”。缺少结果和验证，企业只能知道AI做了多少，却不知道它究竟带来了什么；缺少权限和审计，企业甚至无法放心把任务交给AI。

更实际的做法是：先选择三类高频、可衡量、责任边界清晰的工作流程；在选择模型之前先定义交付标准和人工复核点；把企业身份、权限、数据和流程沉淀在自己的工作层中，不要把全部能力绑定在某一个模型品牌上。企业不一定要自己训练最强模型，但必须掌握自己的任务入口和结果标准。

六、个人用户：从“使用软件”转向“调度AI完成任务”

个人用户其实已经在经历软件形态的变化。AI已经嵌入文档、表格、会议、浏览器、代码和内容创作工具。

以OPC（一人公司）为例，个人借助AI模型、智能体（Agent）和一组软件工具，开始承担过去需要小团队才能完成的研究、开发、内容生产、客户服务和交付。下一步不再是等待一个无所不能的AI，而是把已经出现的辅助能力进一步扩展为持续执行，个人也将从使用软件转向调度一套由AI驱动的工作系统。

但这并不意味着界面会消失。涉及信任、判断、审阅和责任的环节，仍然需要人参与。更可能成为常态的分工是：人负责目标、选择、授权和确认，智能体（Agent）负责搜索、整理、执行和反馈。

这会改变个人能力结构。重复性的操作判断——选什么工具、走什么流程、怎样把任务做完——正在被AI快速吸收；战略判断——什么值得做、不做什么、为谁做、承担什么风险——目前仍然更抗自动化，但边界也在移动。

个人还要警惕平台依赖：如果所有知识、任务记录和客户关系都沉淀在某个平台里，个人的能力可能随着平台规则变化而被重新定价。

因此，个人需要建立自己的“AI工作层”：保留可迁移的资料和方法，明确每项任务的目标、边界和验收标准，记录关键决策及其依据，并持续验证结果。

未来更稀缺的不是“会不会用某个工具”，而是能不能把问题定义清楚、把AI调度起来、把结果交付出去，并让自己的判断被看见、被信任。

七、下一阶段的竞争：从合流走向平台主导

接下来，行业的关键是：谁能把模型、入口、工作流和结果组织成一套可持续运行的平台。

模型和软件的分工会进一步分化与重组：模型更接近可调用的基础设施，软件平台负责组织需求、连接数据、调度工具、管理权限并交付结果。真正的差异是能否深入任务流程并形成稳定的工作闭环。
平台竞争正在从“谁有最强模型”上移到“谁掌握模型之上的需求入口”。正在出现的一条竞争路径是：平台不必只绑定一个模型，而是让用户和企业在同一入口选择、切换和组合不同模型；模型在部分场景中成为可替换的底层能力，平台则掌握流量、任务上下文、权限、工具调用和结果反馈。平台可以对模型保持开放，但必须牢牢掌握工作流和验收标准。
模型公司和软件公司的边界会继续模糊，产品、云、销售和企业服务会被重新编排。企业未必需要自己训练最强模型，却会越来越重视谁能提供稳定的身份体系、数据边界、模型调度和责任机制。
定价会长期处于混合状态：席位提供组织关系，用量反映资源消耗，任务结果对齐执行效果，业务成果则要求更强的验证和归因。谁定义“完成”，谁就拥有一部分定价权；谁能让成果被验证，谁就更接近市场规则的制定者。

行业真正缺少的，不只是更强的模型，还是一套大家认可的成果验证机制。什么叫完成，什么叫解决，什么叫有效，谁来判断，谁来承担责任——这些问题正在从产品体验问题，变成平台治理和商业规则问题。

所以，7月的四次整合不是一个月度新闻的结束，而是平台控制层重组的开场。最终留下来的，不一定是模型最强的公司，而可能是最能把智能、数据、权限、流程和结果组织起来的公司；真正占据高位的，也不一定是训练模型最多的公司，而可能是最能组织需求、调度供给并定义价值的公司。

对企业来说，今天要建设的不是一个孤立的AI项目，而是拥有入口、权限、数据和验收标准的AI工作层；对个人来说，要练习的也不只是如何使用工具，而是如何定义问题、调度AI、保留可迁移的能力、验证结果，并让自己的判断被看见、被信任、被定价。

当模型越来越像基础设施，真正稀缺的就不再是一个好答案，而是谁有权提出问题、组织任务，并决定什么结果值得被采用。