AI办公榜大洗牌:3235万月活断层第一,巨头抢的不再是模型

源自40位全网作者

07:54

这个10月,AI办公的玩法突然换了。先看账本:据QuestMobile今年9月统计,腾讯WorkBuddy多端月活做到3235万,办公Agent品类第一,是第二名的3倍还多,季度环比增速647.1%。另一边也没闲着:阿里"千问办公"把三款产品捏在一起8月3日公测,上线一个月用户破3000万。字节"豆包工作"也已上桌,科大讯飞则在10月22日的1024开发者节上发布了办公Agent"星帆WinWork"。桌面端榜单同步洗牌——易观统计里,WorkBuddy月访问量8534万断层第一,千问办公(4655万)和豆包工作(3039万)分列二三。前十争的,不再是谁的编程工具更强,而是大厂谁握着入口。镜相工作室微博职场Bonus微博36氪

AI办公榜大洗牌:3235万月活断层第一,巨头抢的不再是模型

这是在卷模型吗?恰恰不是。10月28日的腾讯全球数字生态大会上,腾讯云CTO王慧星摊了牌:WorkBuddy自今年3月上线累计处理90亿次用户任务请求,Token消耗涨了50倍,腾讯云训练场景每天创建沙箱1400万次。目前其企业版已落地50多个行业,覆盖中国企业500强中的一半。知乎21世纪经济报道

当天发布的企业版,加的是开放平台、企业级安全方案、可观测中心和托管智能体——没一样是"更聪明"。知乎

AI办公榜大洗牌:3235万月活断层第一,巨头抢的不再是模型

腾讯云副总裁刘毅话说得很直:现在只盯任务完成率和隐性错误率两项指标。前者是"活干完没有",后者是"干错了会不会偷偷不说"。他还预告,2027年的重点是"主动型Agent":自己去盯邮件、企微消息和周期汇报。知乎

AI办公榜大洗牌:3235万月活断层第一,巨头抢的不再是模型

那么,打工人呢?先泼盆冷水:麦肯锡8月调研显示,80%的人承认AI提高了个人效率,只有37%认为它真让企业利润动了。腾讯云自己也判断,约九成企业还没规模化用Agent。替代焦虑,不必提前透支。职场Bonus知乎

但真实变化已经在发生:10月14日,企业微信(覆盖1400万+企业组织)与WorkBuddy完成双向互通,用户不用下载任何新App就能用。B站上刚上线的WorkBuddy保姆级教程,简介写得直白——“这可能是B站最全的WorkBuddy免费教程”,评论区里最热闹的动作就是三连求资料。打工人缺的不是AI的大叙事,是一份能从头到尾用得上的说明书。镜相工作室哔哩哔哩

AI办公榜大洗牌:3235万月活断层第一,巨头抢的不再是模型

这一轮AI办公的分水岭,不在模型,在入口和权限。谁家"AI同事"会出现在你工位上、公司敢给它开多大权限,比下周又发了什么新模型,更值得你盯紧。

内容由AI生成

精选参考来源

1. 【#WorkBuddy给腾讯带来了什么#?】目前,腾讯已在“AI办公大战”中取得先机,根据QuestMobile发布的2026年9月办公类Agent用户数据,WorkBuddy以合计月活3235.3万人稳居榜单首位,季度环比增长647.1%,领先于同赛道的字节跳动“豆包工作”以及阿里巴巴“千问办公”两大对手。据腾讯披露,WorkBuddy自今年3月初上线以来,已迭代100多个重大版本,累计完成90亿次用户任务请求,词元(Token)消耗较上线初期增长50倍。其企业版已落地50多个行业,覆盖中国企业500强中的50%。汤道生表示,WorkBuddy目前的商业化更多是从支撑产品与服务发展的角度出发,而非设定具体数字目标要求团队完成。“今天WorkBuddy的商业化,主要是在企业侧,在满足企业在安全层面、可观测、可管理的一些需求。”差点下马的WorkBuddy,给腾讯带来了什么?(@21世纪经济报道 记者:彭新)

2. 绿泡泡反攻,AI办公突围,腾讯被低估了

3. AI办公的分水岭,已不在模型“聪明度”

4. 10月22日,科大讯飞在北京举办2026全球1024开发者节主论坛,发布端云一体讯飞星火X2.6、SparkAudio 1.0、星火具身多模交互技术和讯飞星帆WinWork。作为“人工智能国家队”,科大讯飞把发布会上关于AI实际应用的讨论落在三个问题上:安全性与极致性价比、AI从数字世界走向业务场景、从个人提效到组织提效。科大讯飞此次发布方案所解决的问题,从四个分账本入手,帮企业真正压下应用AI的成本线:一是训练账,压下研发投入。国产芯片的显存和带宽有限,长程任务和短程任务混在一起训,效率容易被拖住。科大讯飞的做法是把长短程任务自动分解,再用联合调度把国产算力的多种机制调动起来。发布会披露,长程任务训练效率提升约4倍,飞星二号万卡训练2000B、256K长度数据的时间由4.5个月缩到1.2个月。训练跑得快,意味着相同算力条件下企业一年可以多迭代几轮,固定的设备和基础设施投入被更多轮次摊薄。二是推理账,压下运营消耗。长上下文推理的难处,一半在答得对不对,另一半在数据放不放得下、算得快不快。科大讯飞一边做基于国产异构算力的分布式推理,一边推出面向全国产设备的四层KVCache,把缓存复用效率提上来;优化后,国产芯片推理效率提升4.5倍,KVCache命中率从63%升到95.7%。通俗地说,更多请求可以直接复用已经算过的部分,不必每次从头处理,同一套算力因此能承载更多任务,每次调用的单价随之降下来。三是调度账,压下“本可以不花的钱”。企业实践中,并非所有任务都值得调用云端高规格模型,查日程、整理文档这类轻量任务如果都送上云,调用成本、数据出端和响应时延都会增加;复杂推理、专业分析和跨系统任务,则需要更强的云端模型或端云协同。星火X2.6的端云一体协同架构,由端侧模型先判断任务在本地办、交云端办,还是两边协同办;按复杂度和敏感度将任务分档,企业就不必为每一项需求都支付最高规格的模型成本。四是长期账,压下未来风险成本。单次训练和单次调用之外,企业还要看长期部署稳不稳、技术路线会不会被锁死。星火X2.6沿全栈自主可控路线,用全国产算力完成训练,实现代码能力和智能体能力突破,支持百万Token上下文,并上线国产万卡推理集群。国产算力的应用边界因此得以从推理环节向长上下文训练延伸,为训练、推理和部署提供了更多选择,也降低了对单一硬件生态的依赖。🌹

5. WorkBuddy断层第一:腾讯拿下办公AI,百度掉队

6. 腾讯云三位高管交底WorkBuddy:模型竞争、Agent安全与AI办公终局

7. 【WorkBuddy使用教程】已付费!允许白嫖!目前B站最全最细的WorkBuddy零基础保姆级教程,AI智能体自动化实战|7天从入门到精通!(附完整资料)

0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章