AI办公的另一条护城河是什么？

打开一个AI办公产品，输入“帮我做一份新能源汽车行业分析”，几十秒后，一份结构完整、排版精美的PPT就能出现在屏幕上。两年前，这足够让人惊艳。 但今天，如果它引用的数据已经过时、Excel里的数字与PPT对不上，或者生成之后还要花两个小时重新调整格式，那么它就要被打工人骂一顿。 这也是AI办公正在经历的变化。 尤其今年以来，这条赛道突然变得拥挤起来。腾讯将WorkBuddy和CodeBuddy团队进行整合并升级组织架构；阿里整合QoderWork、悟空、MuleRun，推出“千问办公”；字节、科大讯飞、用友等玩家也在持续加码。AI办公正在从一个散落在大模型周围的应用方向，变成大厂重新集结的生产力赛道。 背后的逻辑并不复杂：AI已经不缺“会生成内容”的能力，真正稀缺的，是“会完成工作”的能力。一份季度报告，往往需要翻几十份历史资料、处理几张Excel、查找行业数据、生成图表，再写进Word或PPT；过程中数据可能反复修改，结论也要随之调整。 真实工作不是一次Prompt，而是一串彼此咬合的动作。 当AI从聊天框走向工作流，竞争标准也随之变化：模型聪不聪明不是全部，AI能否理解工作上下文，能否调用用户自己的文件，能否在不同工具之间执行任务，最后交付一份真正可以使用的成果，开始决定AI办公产品的上限。 大厂重新集结，AI办公为什么突然变得拥挤？ 过去三年的AI应用呈现出一个明显的重心转移。2023年初，ChatGPT-4发布之后，第一波产品热潮围绕“对话”展开。写文案、做摘要、翻译、回答问题，大模型第一次把复杂的信息处理能力装进一个聊天框。 随后，AI开始进入PPT、表格、图片、视频等具体工具，试图解决更明确的问题。但工具越多，一个新的问题也越突出：用户并不想在十个AI工具之间来回搬运信息。于是，Agent成为新的关键词。 与聊天机器人相比，Agent真正改变的不是交互界面，而是人与软件之间的分工。过去是人操作软件完成任务；现在的方向，是人告诉AI目标，由AI拆解步骤、调用工具并交付结果。对于AI来说，这意味着从“给答案”走向“做事情”。 办公恰好是验证这种能力最直接的场景。 一方面，办公任务通常有明确目标。写完一份报告、完成一个模型、做出一套PPT，结果好不好相对容易判断；另一方面，效率提升可以被直接量化。AI少让一个分析师花两小时整理数据，它创造的价值远比“陪用户聊十分钟”更容易感知。 这也解释了为什么大厂最近密集调整AI办公的产品和组织布局。大家争夺的已经不只是一个AI工具的入口，而是AI进入真实生产流程的位置。 在这场战争中，其实百度入局的时间很早。2023年，百度文库进行大模型重构，从资料平台升级为“一站式AI内容和创作平台”，推出智能PPT等能力；2024年，百度文库与百度网盘进一步融合，实现了公域内容和用户授权的私域文件的打通，用户可以在文库、网盘等多并行使用相关能力。这两个动作放在今天看，意义比当时更清楚。 当AI只能生成一段文字时，数据存在哪里并没有那么重要；但当AI需要完成一项复杂任务，它必须知道“你之前做过什么”。比如一个市场人员要做季度复盘，AI需要的不只是网上能搜到的行业资料，还包括上季度的PPT、过去几个月的投放Excel、会议纪要以及公司内部模板。这些散落在文件夹和网盘里的资料，才是真实工作的上下文。 随后的演进更直接。在2025年，文库网盘又在AI办公领域，推出了通用智能体GenFlow，在一年迭代了4个版本。它不再只是把AI嵌进PPT、Word或表格，而是开始让Office Agent等不同Agent协同工作，一句话可以拆解并执行PPT、Excel、Word乃至海报、视频、网页等不同全模态任务。百度此前铺开的内容、文件和工具体系，也由此逐渐被装进同一条工作流里。 AI办公因此出现了一个有趣的变化：模型能力不断向上走，竞争却越来越向下扎——从模型，扎进文件、数据和工作流。 AI办公比拼“真干活”的护城河是什么？ AI办公究竟做到什么程度，才算真正好用？ 近期一组数据提供了一个观察切口。国家工业信息安全发展研究中心发布的《Office Agent工作流测评报告》中，百度文库评分登顶。前者更接近能力测试，后者更接近真实用户选择。 有意思的是，此次测评并没有只考“谁写得更好”。它考察的是Office Agent的完整工作流执行能力，包括流程协作、内容生成、视觉呈现和全链路体验。这更像让AI参加一场真实的办公室考试：不是单独考Word，也不是只考Excel公式，而是给它一项工作，看它能不能从头做到尾。 这恰恰是过去很多AI工具容易卡住的地方——单点能力不错，一旦任务跨越多个软件，工作流就断了。百度文库的思路，是让Word、PPT、Excel三类Agent并行协同。从素材搜集、数据整理、报告撰写，到材料制作和在线修改，一条指令可以串起多个环节；不同格式文件之间的核心数据、图表参数和观点也尽可能保持统一。 除了协同之外，数据底座是百度登顶评分的重要因素。 当全行业都在盯着AI办公的模型参数、Agent能力卷得头破血流时，大家都忽略了一个问题： 没有数据的积累，模型只能停留在“看起来能用”的层面。 在AI办公还停留在“聊天生成”的阶段时，内容和文件的价值并不显眼——反正都是写一段文字、做一页PPT，有没有现成数据打底，差别似乎只在效率高低。 但当赛道集体进入Agent时代， 竞争的核心从“生成内容”转向“完成任务”，数据的权重就立刻被拉满了。 一个能真正干活的Agent，不能只靠通用模型能力空转，它既要懂行业常识、有专业框架，也要懂用户的具体情况、能调用过往的工作积累，前者是公域知识，后者是私域文件，缺了任何一个，都只能停留在“看起来能用”的层面。 百度恰恰是攥住了这两端的玩家。百度文库十几年沉淀下来的18亿+海量文档，构成了国内最完整的公域办公知识池之一，从行业报告、方案模板到专业文献、数据资料，几乎覆盖了普通办公场景里所有需要的公共知识素材。 这种资产的壁垒从来不在于数字本身，而在于它的形成逻辑—— 它不是靠补贴烧出来的流量池，也不是靠爬虫扒来的内容库，而是十几年用户生态、版权运营、内容沉淀共同堆出来的结果。 后来者哪怕投入同等规模的资金，也买不回这十几年的时间差，更买不走已经形成的用户上传与内容消费习惯。 更值得注意的是，这两套资产并非孤立存在，而是形成了相互强化的协同效应。 公域知识给Agent托住专业底线，让输出内容不会偏离行业常识与专业规范；私域文件给Agent注入个性化灵魂，让最终成果不会沦为千篇一律的通用模板。 两者叠加之后，AI办公的体验就从“用户喂资料、AI出初稿”，变成了“用户提需求、AI自己找资料、调数据、出成品”。 这大概也是百度这条路最容易被低估的原因——它的护城河不在明面上的功能演示里，而在水面之下十几年积累的内容与文件里。当行业还在比谁的AI“说得更漂亮”的时候，百度已经靠着手里的数据底座，往“干得更靠谱”的方向，走出了别人很难复制的一步。 AI办公开始争夺任务交付权 当通用办公这套链路逐渐跑通，下一个问题自然出现：更复杂、更专业的工作，AI能不能接过去？ 8月14日的百度AI Day上，这个问题摆到了台前。会上，百度文库和网盘联合推出的通用智