文 | 产业家，作者 | 皮爷 吴坤谚
"（他们）现在 title 是企业效率顾问，可以卖豆包企业版 "，一位 OPC 告诉产业家。他近日收到了飞书助手的营销推送，页面显示，该套餐包含豆包企业版与飞书领航版，集成了飞书套件与豆包企业版的 AI 助手功能。
沟通中，销售向这位 OPC 着重介绍了豆包企业版的功能与落地案例，包括 Seedream 生图、Seedance 生视频以及 Agent 操作浏览器抓取内容生成看板等。主打生产力工具的豆包企业版，开始依托字节的全部 TO B 触角正式走向台前。
这是最近办公 AI 入口战的一角。
7 月 30 日，字节发起组织调整，飞书、豆包、火山引擎进行了不同程度的分拆融合，飞书产品团队并入豆包，市场销售团队并入火山引擎；在这个架构调整的一周前，阿里也全面整合了 QoderWork、悟空、MuleRun 三款 Agent 产品，推出新产品 " 千问办公 "。
把时间线再往前拉，据《晚点》报道，腾讯 " 新太子 "WorkBuddy 日活跃用户数平均达百万量级。在腾讯内部，WorkBuddy 的相关会议马化腾 " 逢场必参加 "。
AI 办公，成为基模之外，各大互联网厂商在 AI 时代的第二个战略共识。
关于这场入口之争，底层逻辑不难理解。于市场需求而言，不论是 C 端人群的 AI 生产力需求，还是企业客户涌现的 AI TO B 确定性付费意愿，固有的钉钉、飞书、企微等入口都很难做到绝对满足。谁能用新入口率先占领用户心智，谁就能在一定阶段内率先接住前端足够明确的 AI 需求，实现 " 产品—模型 " 的飞轮运转，和 Token 的商业价值转化。
换言之，这是一个兼顾 AGI 和 AI 商业模型的必打之仗。那么，到底什么会决定这场仗的份额走向？或者说，WorkBuddy、千问办公、豆包企业版需要做对、做全什么才能成为最后的赢家？
过去 5 年在 TO C 战场上，模型能力基本决定产品身位，研发投入和各家卡量是胜负手。但在 AI TO B（注：C 端生产力用户为小 B 用户，统称 TO B）的这个战场，模型、产品只是入场券，真正决定输赢的还有场景、生态以及整个商业体系。
这是一场全军之战。
新入口背后，各家要的到底是什么？
首先回答第一个问题：在入口背后，各家本质争夺的到底是什么？
客观来看，在 AI 大模型浪潮爆发的这几年时间里，很少见到如此整齐一致的组织动作，其中还涉及到两款大厂核心产品钉钉和飞书。两者采取的模式几近相似，产品并入 AI 厂牌产品，市场、销售正式划归到云事业部。
这种一致性地调整背后，折射出的恰是这次入口之争背后的两个关键指标：智能和商业（Token 经济）。
先来看智能。在今年的腾讯 AI 产业应用大会上，首次线下亮相、并真正把腾讯混元拉到国内第一梯队的姚顺雨，曾这样阐述过他对模型进化的理解——在现在的模型进化中，一个重要的机制就是 " 产品—模型 " 的 Co-design 设计。
通俗来说，就是模型的进化方向和评测标准越接近前端产品侧的真实用户需求，模型的进化就越有价值。因此，在他主导的重新训练混元大模型的过程中，模型研发团队甚至会优先去和元宝等前端产品团队一起解决用户需求。
C 端的逻辑同样适用于 B 端。不论是钉钉还是飞书，本质来说在过去多年双方都构建了一个足够特殊的场域——和企业足够近，甚至就在企业之中的场景。在这两款产品上，每天都有数以千万次的真实 TO B 需求涌入，以钉钉 / 飞书为处理器，最终输出用户需要的结果。
合并之后，这些都会悄然转化为千问办公、豆包企业版的既有场景，基于这些已经在运转的 AI TO B 闭环，一方面其可以从产品层面优化自身的智能体验，比如通过理解更多真实上下文进而构建出更多专业的 AI 助理，比如 skills 调用通路，比如 MCP 生态等等。
另一方面，Co-design 将会迎来足够有价值的更新。即相较于 C 端需求的多样性和无目的性，B 端场景的需求往往更高质量，且自带标准和评测体系，这种高质量的 " 需求—生成 " 链路将会进一步经由 WorkBuddy、千问办公、豆包企业版辐射到混元、千问、豆包 seed 等模型层，实现模型侧智能的高质量进化，加速 AGI。
其次，商业。如果说智能对应的是字节、阿里、腾讯对于 AGI 在模型和产品侧的追求，那么商业则可以说是这次组织调整的最直接目的，这也就是业内一直谈的 "Token 经济 "。
关于 Token 经济，很多人的误区是卖 Token 本身，卡量或者说能代理的卡量越多，其利润就会越高。答案是否定的，或者说是不全面的，以上是对 Token 代理商，也就是 OpenRouter 的估值解释。
对互联网大厂而言，Token 经济的真正理解是，在直售和模型 coding plan 之外（当前利润率低），其更核心的模式是通过把底层 Token 进行不同程度的应用层的加工，如自有产品消耗、生态层面消耗，通过把 Token 转化为可使用的 AI 产品和形式，一方面实现基于 Token 成本的产品式定价，另一方面让更多的 Token 消耗发生在自己的业务边界内。
于是也就有了文章开篇那一幕。即在这次钉钉、飞书的市场销售调整背后，其对应的一个大厂的核心目的是，要把之前战略上喊出的 "Tokens 战略 " 落到实处，把全部 TO B 触角，也就是 " 云 + 协同平台 " 收归一处，真正承担一个共同的指标：基于新的 AI 产品卖 Token（附加）。
一些行业相关人士告诉产业家，这次钉钉、飞书组织调整的第一步就是调销售体系，之前大家只能卖自己业务线的产品，现在 " 什么都可以卖 "，销售的 KPI、产品的定价都开始慢慢转向 Token 消耗。" 这种调整对销售整体是利好的，这意味着可以卖全部产品了。" 他告诉我们。
对企业的 AI 商业体系，利好也更是必然。以飞书为例，其 2025 年的营收超 30 亿元；有媒体报道称，2026 年以来，飞书新增客户中超过九成同步采购飞书 AI 产品；同样的数据也更出现在悟空身上，陈宇森表示，悟空还将持续运营一段时间，因为 " 仍有大量企业使用钉钉悟空的 AI 能力 "。
能预想到的是，当把飞书、钉钉上这些有足够明确 AI 需求的企业放到全部字节、阿里 AI 体系内，其客单价和 Token 消耗势必迎来指数级上涨。
这是目前 AI 射程内为数不多能看到正向商业闭环的方向。所有人必须尽全力。
怎么打，才能赢下这张仗？
目的明确了，兵力如何？或者说怎么才能在这场战争中拔得头筹？
在过去几十年的软件发展过程中，不论是 WPS 还是钉钉、飞书，以及一众 SaaS 企业，在生产力这个赛道上其实一直缺乏一个明确的指标：所有产品是基于订阅制收费，因为产品是标品，使用的好坏与否取决于个人和定制化服务。
但在 Token 经济模式下，一个新的产品标准开始出现：效果。换言之，谁能实现用户的真正需求，达到用户要求，AI 产品的使用频次和深度就会越高，与之对应的 Token 消耗量就会增加。
那么，如何做到 " 效果 "？
首先，一个字节、阿里、腾讯都无法避开的因素是模型能力。这个在过去 5 年时间一直被各家视为最核心战略的要素仍然是决定 " 效果 " 的重要因素，与之对应的产品能力是足够长且可理解的上下文、是否快速的反应能力（推理）等，比如 WorkBuddy 在破圈中一个业内的好评价恰是 " 其反应速度足够快 "，决定反应速度的一方面是用于此的卡量，另一方面是模型本身的推理能力。
就当下的 AI 办公产品的战略定位和模型能力来看，这个层面各家很难拉开差距。
但模型不是制胜要素的全部，或者说模型的最直观表现是通用型任务。而涉及到真正产业场景的任务，真正决定效果的是 " 体系 "。
具体来看，" 体系 " 包括企业自有体系和外部体系。
企业自有体系对应的是其内嵌到产品底层的不同产业场景的上下文积累，这些积累一方面体现在主对话框交互对不同产业任务的执行，比如营销文案生成、客户管理数据、零售数据分析等等，另一方面体现在主页面之外的被同样放到台前的专家和 coding 能力，前者为大厂基于自身积累沉淀出的部分场景封装而成，对应赛道的企业和用户可以直接复用；后者则是 coding 对不同场景任务的开发理解。
外部体系则对应的是生态。尽管目前 AI 办公入口战仍只聚焦在第一阶段，但生态侧的建设长期来看将会成为决定 AI 办公入口价值的重要因素，即大厂需要设计对应的 Agent 生态体系，这个生态体系对应的是对更多专业场景需求的满足，通过吸纳在不同深度产业场景，如能源、工业、零售等赛道垂直 Agent 企业，进而实现对 TO B 需求 " 效果 " 的更完美满足。
实际上，关于生态体系，各家的动作也可见一斑。比如钉钉、飞书之所以被纳入千问、豆包体系，在场景之外的一个重要考量也恰是前两者本身就具备足够全的软件生态，这些软件生态如今伴随着各个软件厂商的进化，也更在悄然进化为 AI 生态，成为千问和豆包的外延触角；此外，WorkBuddy 也更通过 " 套件 " 的方式吸纳来自各个方向的 Agent 伙伴，一起做大 Token 消耗的蛋糕。
" ‘效果’是能看得见差距的地方，但这是场内一部分。这些之外，TO B 上最重要的权限、安全等设计在 AI 办公产品上都必须是标配，否则连很多企业的入场机会你都拿不到，更别谈去做‘效果’了。"一位国内头部 SaaS 企业负责人告诉产业家。
他认为，飞书、钉钉融入千问、豆包的意图也恰是让 TO B 客户有更好的信任基础，加速千问办公和豆包企业版的冷启动速度。
AI 生产力时代，全面打响
实际上，从 AI 的供需模型来看，WorkBuddy、千问办公、豆包企业版的推出，在满足各家大厂对于自身 AI 智能和现阶段商业价值的前提下，其也更在吹响一个新的号角：AI 生产力时代，正全面来临。
" 大厂做出成熟应用，还有两三年的窗口 "，早些时候，AI 营销公司芯耀智创创始人王迅曾对产业家做出这一判断。
最近，随着千问办公、WorkBuddy 和豆包企业版相继加码，通用 Agent 已经将能力伸向内容、营销与浏览器操作。再次被问到判断是否发生变化时，王迅回答：" 其实还是没什么变化。"
这份笃定并非来自对技术进步的忽视。他承认，数字人、生文、生图等具体的 AI 营销产品，未来很容易受到大厂模型能力提升与通用 Agent 的冲击。他甚至判断，应用层迟早会被少数产品收拢。
只是从一开始，他便没有把公司放在应用层。他认为，软件只是整个交付中的一小部分。企业真正购买的不是数字人、文案生成或者视频工具，而是如何选择渠道、生产内容、获得客户并完成成交的一套方案。
因此，王迅所说的 " 两三年窗口 "，并不单纯指大厂做出同类功能还需要多久。更准确地说，这是留给垂直服务商的一段产品化窗口，即在通用能力继续扩张之前，将行业经验整理为工作流，把人工服务沉淀为可以重复交付的服务能力。
即随着模型、工具调用能力持续提升，简单的功能封装会不断被模型学习，在 AI 产品上进行表达。在这一层面上，Coding 便不再只是一项服务开发者的垂直能力，而开始成为通用 Agent 的底层执行器，开始从前台的高价值场景，逐渐沉入 AI 办公产品的能力底座。
比如前文提到被千问办公整合的 QoderWork，提供的便是 Coding 执行底座。这关乎如何识别用户真正需要的技能、专家，再用这些反馈改善调度效果，形成最基本的产品飞轮。
一位 SaaS 行业人士告诉我们。" 上一个软件时代的数据模型主要服务于表单、报表和固定流程，Agent 需要的则是数据背后的业务含义 "。即尽管数据是 AI Agent 进化的养料，但前提是 AI 能够读懂、理解数据。企业积累了数据，不等于积累了 AI 可以直接使用的上下文。
这也恰是国内目前大部分 SaaS 企业，或者说 Agent 原生企业所瞄准的方向——把过去多年的 know-how 转化为对应场景的上下文环境，以 FDE 的形式帮助企业完成 AI 落地的最后一公里。
比如如今王迅的团队为大型客户提供陪跑服务，月费约十万元：第一个月由自己的团队手动帮客户跑通流程、拿到具体的增长结果；第二个月把验证过的方法封装成标准化工作流；第三个月交付给客户自己的团队使用。
这种 " 效果交付 " 的逻辑也恰对前端流量入口有新的要求。如果说传统 ISV 更看重平台带来的分发与集成效率，那么新时代的 Agent 公司则是会权衡更多因素，如平台提供的流量是否足以补偿客户关系、任务数据，甚至享有全新的定价权。
对 WorkBuddy、千问办公、豆包企业版这三家而言，其不仅要做好自身 " 产品—模型 " 的 Co-design 设计，也更要做好基于生态体系的 Co-design 体系设定，打造新的流量聚合、Agent 分发机制和基于 Token 的全新定价体系。
只有这样，其才能真正跑通从 AI 生产力入口到 AI 生产力平台的路径，从自身的 AI 商业闭环走向整个产业的 AI 商业闭环。
AI 生产力时代，更准确来说以 Token 为原点的生产力时代，又向前迈了一步。
