社区

撰文 | 李信马

题图 | DoNews摄

9月2日，DoNews参加在深圳举办的腾讯WorkBuddy生态发布会时，仿佛误入了一场智能硬件的展览会，从耳机到眼镜，再到摄像头和笔记本，这些应用于物理世界的产品，在此处与办公AI进行了深度的融合。

图源：DoNews摄

当天WorkBuddy正式上线了开放平台，并首次披露了完整的开放生态战略。据了解，开放平台同时打通了硬件、应用与开发者三层生态的开放平台，引入超百家生态伙伴，并面向智能硬件、行业应用与开发者等开放底层Agent能力。

“Agent‘能做事’这道坎已经跨过去了。真正的挑战是，让它在任何设备、任何系统、任何场景里都不中断。要让用户真正拥有触手可及、不间断的Agent服务能力，就需要打通生态上下文，构建服务闭环。对开发者与各领域企业而言，行业的Know-How、场景数据、流程等都已经成熟，但Agent化门槛高、成本重的挑战仍在。”腾讯WorkBuddy开放生态负责人林佐露表示，“所以我们选择开放——把能力拆成硬件、行业应用、开发者三条路径，让每一个行业、每一位伙伴，都能把Buddy接进自己的场景。”

尤其引人注目的，是发布会上硬件厂商的集体亮相，包括Plaud、乐奇Rokid、影石、科大讯飞、安克、猛玛、京东京造等品牌。这是以往在Agent赛道没有出现的景象，也是我们即将看到的未来：办公AI正走出屏幕，进一步深入现实世界。

01、Agent的困境：不是不够聪明，是够不到现场

要理解硬件对于办公AI的意义，得先看清Agent当下真正的瓶颈所在。

过去几年，办公软件的进化逻辑是在原有工具上加一个AI按钮，比如文档里嵌一个写作助手，会议软件里加一个自动纪要，这种模式简单易操作，也能提效，但AI像是在现有工作流上打一个补丁，用户需要主动在页面上点击运行。

而一个真正的办公Agent，或者说我们期待的AI员工，能做到理解任务、拆解步骤、调用工具、交付结果，甚至主动跟进，它得感知到任务发生的现场——听见会议室里的讨论，看见眼前的文档和场景，接住用户随口抛出的一句指令。换句话说，Agent在软件界面里，感官只有键盘和鼠标；一旦进入现实世界，它就需要麦克风、摄像头、可穿戴设备来充当耳目。

腾讯云副总裁、CodeBuddy&WorkBuddy负责人刘毅在现场给出了一个直白的表述：“真正的生产力，从来不取决于一个工具有多强，而取决于它能连接多少能力、走进多少场景。”AI的能力再强，如果无法贴近用户的工作现场，就始终隔着一层“人把需求翻译给机器”的损耗。

在其他办公AI还将竞争的焦点放在卷模型、卷软件时，WorkBuddy将注意力转向用户发起任务的入口，而硬件，正是这场入口争夺战在物理世界的第一批据点。一个自然的问题是：既然硬件如此关键，为何之前行业里成体系的尝试并不算多？

DoNews认为，首先，能做这件事情的厂商需要强大的产品能力和AI能力，只有少数大厂才有底蕴，但让一家麦克风或眼镜厂商去做，既不现实也不经济。其次，是生态的碎片化，如果没有统一标准，就算接入硬件，账号、任务、记忆可能也无法跨端延续，不同品类、不同品牌的硬件可能也会产生冲突。最后，办公是严肃场景，对AI幻觉的容忍度极低，而硬件可以采集大量隐私信息，其安全边界与数据去向，也是用户心头的问题。

对于这些问题，WorkBuddy给出了自己的答案：围绕“听、看、记、聊、协”五类触点，厂商一次接入即可打通硬件、App、PC、Web多端，让账号、任务、记忆与产物在设备之间无缝流转——硬件厂商专注设备本身，行业伙伴注入场景与数据，Agent底座负责理解与执行。

正如WorkBuddy在PPT中所展示的，AI的第三个阶段，正是从屏幕走进硬件。

02、让Agent能够“听、看、记、聊、协”

我们来具体拆解下WorkBuddy的方法论，首先，是五类触点，在WorkBuddy的资料中没有具体的介绍，DoNews认为应该是：

1. 听——语音采集。代表性的硬件有录音卡片、麦克风、耳机等。

2. 看——视觉感知。代表性的硬件有智能眼镜、相机等。

3. 记——输入与控制。代表性的硬件有键鼠、键盘麦等。

4. 聊——交互与陪伴。代表性的硬件有桌面陪伴设备、智能音箱等。

5. 协——可能是方便随身协同的产品，比如平板或手机。

很明显，这个分类是按交互形式来划分的，同一类触点可以收集同类或者相似的数据。这样硬件负责采集数据与结果展示，复杂的理解与执行交给云端Agent，任务完成后再将结果回传设备。由此实现“同一个Buddy，不同硬件”，用户无论对着耳机说话、用眼镜拍照，还是在PC上打字，使用的都是同一个账号，任务、记忆与产物在设备间无缝流转，上下文不中断。

本质上，是给Agent搭起了一套“五官与四肢”。

当天展台处与“听”相关的产品占比较大，林佐露在采访中表示：“WorkBuddy作为一个智能体，受益于大语言模型的快速发展，能更好地理解人的一句话所表达的意图，然后去规划任务和调用工具，最后去执行。这样的基于语言的交互方式会让我们跟语音类的硬件的串联更友好。”

而优秀的硬件产品也会与智能体相得益彰，比如影石科技的负责人表示，他们的产品在办公室内有半径3到5米的拾音且带降噪，可以把有效信息输入给WorkBuddy。“一个智能体再优秀再强，你输出的信息一定要准确，输出的指令才应该是正确的。”该负责人说。

科大讯飞穿戴业务事业部总经理林会杰在采访中也表示，随身穿戴的设备比如耳机或者眼镜，实际是随身的AI入口，可以将用户在物理世界接收到的信息持续地通过端侧的模型进行“token化”，之后这些数据再通过WorkBuddy处理长程的复杂任务。“比如我开了一整天的会议，讲了很多内容，就可以通过耳机和眼镜记录，再让WorkBuddy帮我总结这一天我都做了哪些事情，哪些是比较重要的，让我的耳机和眼镜真正成为我的‘第二大脑’和AI的记忆外挂。”

从已接入的规模看，这套框架覆盖了十余个品类、超过30个品牌，首批9款联名硬件也在当天首发，其中多款是在各品类中首次接入Agent能力，这意味着WorkBuddy对部分硬件的接入已经推动了其产品形态的创新。“很多硬件终端希望可以成为WorkBuddy外设的输入，或者能在WorkBuddy上有一个cloud Agent，可以让终端的能力能够调用、能够管理、能够操作，这是这类伙伴我们看到的需求，这个需求被满足好的话，确实会让一些用户用得‘特别爽’。”林佐露说。

03、入口即未来：办公AI的下一站

把视角拉回产业全景，办公AI的演进脉络正变得清晰。

第一阶段是功能嵌入，在现有办公软件里加AI能力，比如各类写作、纪要助手；第二阶段是Agent化，AI从被动工具变成能自主拆解、执行任务的智能体，比如各类办公Agent平台；而第三阶段就是走进硬件，Agent通过硬件进入物理世界，成为真正“随身”的生产力。

对WorkBuddy来说，这也是一种“大势所趋”。正如林佐露所说：“我们看到很多硬件让用户的使用可以更随身，可以更便捷，WorkBuddy这样的产品被更高频地使用，其实是对我们的促进。我们相信硬件未来会是一个很重要的Agent的外设，所以我们在拥抱这样的趋势。”

当麦克风、眼镜、耳机都能成为Agent的入口，我们离“无处不在的办公伙伴”还有多远？答案，正写在这场硬仗的进程里。