当森林冠层逐渐闭合之时，新入场者难以在开阔地上笔直生长成参天大树，然而林间却非一片荒芜：某些植物将根系送入大树无法到达的深层土壤，某些则沿着既有的树干向上攀爬，借光线透过林间隙缝的机会，顽强地向上延伸。
当下的AI办公生态也在经历类似的重新洗牌过程。
9月初，腾讯推出WorkBuddy应用集成平台，现场展示了9款品牌定制设备，参与合作的企业涵盖Plaud、Rokid、影石、科大讯飞、安克、猛玛和京东京造等。同时，WorkBuddy已整合来自30多个品牌的十多个品类设备，包括智能眼镜、录音卡、麦克风、耳机等多种形态，这些硬件全部接入同一个Agent基础框架。
硬件在此扮演双重角色——既是使用入口，又是全新的信息采集端口。当公开互联网上的数据日趋饱和，Agent若要继续升级迭代，必须深入会议、沟通和现场协作领域，从实际操作中获取任务执行的过程信息和结果反馈。谁若能控制硬件接入点，就距离下一阶段所需的数据完整闭环更进一步。
几乎在同样的时间节点，元空智能与惠普举办了另一场产品发布活动，但方向截然不同。腾讯是让云端的Agent扩展到更多硬件终端，元空则采取相反思路——将自主研发的BOXER模型集成入个人电脑，使得数据与计算过程保留在本地。一方向外界扩张，争取办公入口、设备市场和企业软件系统资源；另一方则向机器内部掘进，寻找云服务商未能到达的位置。
这两场时间相近的发布会，把同一个根本性问题暴露了出来。
从去年开始，许多投资机构声称不再重点关注AI应用领域，这听起来自相矛盾，实际上体现了一种暂停与观望的立场。他们定期与AI应用创业团队保持接触，打听最新进展，归根结底是抱着侥幸心态——万一再现如Manus这样的黑马怎么办？
大型科技企业或模型研发厂家若有意愿，就足以吞占整个生态，这是毫无疑问的。最近两个年头里，法律类Agent、金融类Agent、医疗类Agent……「模型厂商缺少什么类型的数据，他们就推出什么类型的Agent」——某位全球知名科技公司的管理层评价道。
巨型企业铺开庞大的业务线，而AI办公无疑是兵家必争的战略高地。
一旦大企业垄断了AI办公空间的顶层生态，初创企业还能在何处站稳脚跟，又能借助什么向上发展？
当然，如果从现在起才切入AI应用创业领域，辉煌的窗口期大概已经关闭了。那些曾经依靠数月的冷启动就能获得百万级甚至千万级用户、年经常性收入飙升的时代，已成过往。但对于此前那一批AI应用企业而言，他们如何度过难关，成了一个现实问题。
我们采访了这个赛道的各类创业人士和资本方，试图梳理出在大企业压制之下，正在逐渐成形的两条存活之道。
业务阵线不断扩展：大企业的全面吞并战略
进入2026年，AI办公的较量已从「谁能打造更优秀的助手产品」演进为「谁能掌控更广泛的工作流程」。
海外的大型科技公司率先在各自的产品线中投入火力。
年初，Salesforce升级了Slackbot新版本，向企业端推送，赋予它可以读取工作的具体背景并激活Agentforce以及来自其他厂商的Agent能力；三月份，微软发布了Microsoft 365 Copilot Wave 3新版，通过Copilot Cowork来处理时间跨度更长、步骤更多的任务流程；四月时节，Google推出了Gemini Enterprise Agent Platform和Workspace Intelligence两款新品；紧接着OpenAI将Workspace Agents功能加入企业版ChatGPT，赋予Agent可接入Slack、定时执行和通过API调用的能力。
国内市场的动作在八月份急速加快。阿里整合了QoderWork、MuleRun和悟空三款产品，改组为千问办公这一统一平台，仅用一个月时间便接入众多AI模型产品以及企业微信、钉钉、飞书和Slack等应用工具，同步采用低价的标准版本来降低日常任务的计费成本。千问的个人用户端也同期上线了办公助手、定时处理和应用库功能，从C端和B端两个方向同步进入办公领域。
腾讯WorkBuddy在今年3月期间推出，到9月份实现了Buddy应用、专业服务、技能组件、系统连接器和硬件设备五个层级能力的全面开放，将30多家厂商的十多个品类硬件、开发者所有的软件和垂直领域的积累知识等接入了同一个底层框架。
这类融合并非一蹴而成，而是循序渐进的过程。过去三年来，AI搜索、AI幻灯片和各式单一工具大多先由创业企业进行试验验证；Manus展现出了Agent产生生产力效益的可能，OpenClaw更是将此类能力融入了业务流程。一旦市场确认了需求的存在，大企业紧跟着就会参与。
六七月左右，融入编码Agent能力来改进办公工作的商品井喷式上市，创业企业的创新很快就被大企业平台吸收成为一项功能选项。
这是平台公司反复上演过的剧本——大企业掌握AI基础模型、客户流量和办公环节的入口权，通用功能一旦被确认，就能以极小的边际成本实现广泛复制和分配。AI搜索和AI幻灯片已验证过这套逻辑，现在轮到任务型Agent。竞争的重心从某个独立产品是否好用，转移到谁能把握模型体系、企业业务背景、任务自动化流程和销售渠道这些战略要素。
常垒资本的主要负责人冯博的观点是，大企业的任务型Agent足以满足绝大多数普通用户的联网工作所需，AI幻灯片、AI办公文档这类细分工具，用户不必额外打开专门的应用来处理。
云服务平台上已经没有新创业公司的立足之地，但在终端侧仍然存在一块未被开拓的新区域。
冯博例举道，学术研究、信息创新、每日沉浸在数据表格中的数据人员、需要快速查询法律条款和审核合规性的法律部门等情形。
这类应用场景无法承受把企业数据和文件上传到开放互联网的模型里进行处理，这正是初创企业的生存空间。
除此以外，还有本机存储、企业内部网络系统：ERP管理软件、财会软件、流程管控软件、价格系统、文档系统等环境里，初创企业可以建设部署在公司网络内的Agent，与这类系统协作配合，协助用户整理整合文件、自动接入系统、植入到企业流程系统、并返回执行成果。
缝隙中求生：国内创业者的两条生存路线
「（在中国市场）整个AI办公领地，目前已被大企业瓜分了九成。」
这句话来自龙国东，他执掌着一款AI办公应用WinClaw。作为这个产业的浸润者，他眼睁睁看着初创公司的活动范围逐月压缩。剩余那一成的机会存在何处，成为了2026年夏季每位AI办公创业者都必须解答的问题。
WinClaw在今年2月公之于众，恰逢产业风口时期，用户增长远超最初预期：平均每天的装置数以千计甚至逾万，短期内就吸纳了数万活跃用户。到了5月18号，新版本发布上线，日活数量接近一万，流量峰值时每天的计算量高达百亿级。
再过四周，竞争对手现身。大企业各自推出自己版本的Claw类应用，首先夺走的是用户的眼球。也恰好在这个六月，龙国东做出了新的抉择：放弃打造跨越多种工作场景的通用工具，而是专注于对用户本地全量文件的扫描整理，自动建立个人的专属知识库。用他的说法，餐厅后厨并非只需主厨，还要有打下手的、切菜的、洗碗的，他的使命就是为大型模型做辅助工作、拆解任务。
逄大嵬执掌的元空智能正在推进一次转向，表面上跨度很大，但循着线索往深处找，其实有迹可循。
该企业的人才团队汇聚了来自北京大学科学智能中心的AI for Science研究小组。
2023年春天，企业首发了世界上第一款运用对话界面来处理Excel的工具ChatExcel，那是在Kimi和豆包还没出现的年代。
三年时光流转，公司目前的愿景已演变成以本地AI和一系列本地AI应用为中心，特别是面向科技研发的AI应用。为科研群体打造了算力设备和自主研发的本地化AI系统，在无网络的环境也能对文件信息进行处理分析，仅需一次性购买，无需继续按数据单位收费；为专业领域的Agent打造与实验室硬件的兼容接口，比如协助生命研究者制作蛋白分子模型，再往上延伸到湿式试验阶段，通过机械臂来进行自动化试验操作。
企业从运营之初就致力于数据驱动型的AI的研发工作，业务范畴沿着信息流向上下两个方向拓展。向下延伸，进入财会、科学研究等无法对外传输数据的领域，云服务商的手臂够不着，大企业也无能为力；向上拓展，布局本地AI部署实现，绕避开云端竞争的白热化。
逄大嵬给经历转型的元空所下的结论是：本地AI模型开发商，但交付产品并非单个模型，而是由模型、Agent和硬件组成的整体生产力体系，最核心的是真实场景的落地执行。
团队的基础来自两个方向；一端是北京大学实验室的学科积累，另一端是过去几年的实际产品体验。其在线产品日均处理数万个查询和实操任务，这不仅积累了泛泛的闲聊信息，而是积累了客户如何表达任务需求、Agent怎样调用各类功能、任务是否按要求完成这样的执行数据反馈。逄大嵬把这种历经用户「磨炼」积累的执行能力，视为元空相对于纯粹的AI模型公司的竞争优势。
小规模模型其效果是否会有损，是本地路线绕不开的一个问题。
元空的技术负责人宁鲲鹏表示，35B规模的模型已经「足够胜任」，这也是目前元空本地AI的参数容量，按他的表述，其性能甚至已超越一年有余前的GPT-4o。团队将原因分析为「计算效率」的提升：模型能力不再是严格按照参数量等比例提升，通过Agent生成的高品质任务数据和持续调优，较小的模型在特定职能范畴可以到达曾经大模型的程度。
这实际上也解释了本地方案之所以成立的底层逻辑：企业不是非要针对每一项工作都调用云端最强的AI系统，只要本机模型能用更经济的成本完成特定功能就足够了。
面向本地这一抉择，对元空而言同样出于客户诉求。随着模型容量的缩小，机械设备的运算能力在增强，而可用的公开网络内容日益枯竭，下一轮富有价值的信息更多来自于计算机、工厂、研究中心等真实场景产生的工作数据。同时，企业客户需要的通常也不是一个待训练的空白Agent框架，而是保证数据不流出企业、成本结构明晰、即插即用就能实行专业工作的完整方案。尤其是针对重点实验室的数据，甚至同一高校的差异实验室之间，数据流通受限，上传云端更是谈不上。
元空通过ChatExcel最初接触企业客户，逐步领会了这类企业用户的操作方式和交付预期。
为何模型研发厂家不直接涉足这个方向，逄大嵬不认为是某项专属技术的区别。他坦诚，大企业不存在技术无法实现的问题，差异更多体现在发展策略和收入方式上。把云端AI压缩集成到电脑，并不等价于构建真正为本地优化的模型；后者要求根据具体硬件条件调优算力与参数分布，建立围绕Agent输出成果的反馈数据轮回，并整体交付模型、应用软件和硬件系统。云端企业当然有能力进入，可问题是本地使用授权和专属布署与按计算量收费的运营逻辑并未完全一致。
真正的矛盾因此转化为：哪家公司乐意为特定行业、特定设备类型和特定工作模式持续做深耕。
一个在终端本地搭建知识库系统，一个从事本地模型研发。两位创业者阴差阳错地踏上了本地化方向。
这背后映射的是本地AI的快速演进，北京智源研究院在八月份发表的分析认为2026年是「本地AI规模部署的初年」。这个产业生态处于初期阶段，还未被任何企业垄断。在云服务竞争中被赶出来的创业公司，在这块土地上重新找到了位置。
整机生产方自身对这块地皮的理解，比创业者的表述更有说明力。惠普在华副总经理周信宏为企业AI实施列举了三道难题：数据遵循法规的风险、花费无法管控、实施效果难以保障，而他的看法是，「破局之法其实只有一种」，即本机专属化部署运营。他判断，世界范围内年度出货额约三十亿台PC，最终每台都会配置AI能力；与元空合作的本地AI一体机型在2025年启动试验期，已经有惠普的B端用户订购了上百套。
后摩智能首席执行官吴强曾向媒体表示，本地AI其实把AI从一种持续的支出转变为一种可预见的投资行为，为使用者和商业组织提供了全新的选择方式。将来的主流方案更有可能是「端和云的混合运作」，系统可以自主判别某项任务应该由本机还是云端来处理，在成本投入、处理效能和用户体验间寻求平衡。
数据保存在本地硬件上，企业和个人在使用过程中教会模型的行业规则、商业判断权留在自己身上；模型是一次性消费品，事后无需继续支付数据单位费用。
「积木式」活法：融入别人已有的平台工具
另一边的海外创业者做了完全相反的选择：把功能嵌入到企业既有的工具平台。依靠的是一个对外开放的大企业技术体系。
美国硅谷投资机构UpHonest Capital的研究主任王子持续跟进AI产业发展。她观察到一类美国AI办公工具采用了这样一种模式，即从客户已经使用的工具中衍生而出，客户不需要额外部署新的应用软件。
由前Meta员工创建的Viktor，把各个agent化身为「小镇住户」，通过产品整合能力接通客户的邮件通讯、日历规划、Slack工作沟通、WhatsApp即时通讯、Notion内容库等平台，既支持在Town自己的网站和客户端内使用，也支持通过邮件、Slack、WhatsApp等已有的通讯渠道来交互操作。
Poke隐藏在iMessage和Telegram之内，用户只需发信息给它，它就能替你处理邮件收发、改订会议、买飞机票这类事务。这家职员数量不过十多人的公司，在获得General Catalyst领导的1500万美元初期融资后，短短半年内估值跃升到三亿美元。然而，Poke所属的Interaction Company已在今年七月被AI编程公司Cognition并购，Poke暂时仍保持独立运营。
这类思路甚至延伸到了微软自己的生态之中。Genspark在2026年4月发布了Genspark for Microsoft Office，涵盖针对Word、Excel和PowerPoint三个软件的扩展插件，兼容Windows、Mac和在线版Office。客户装置扩展并批准账户授权后，可以在Office工具栏边栏处召唤Genspark功能，用来撰写文档内容、进行表单统计和生成演讲素材。
但从王子的角度评估，同样是插件模式的融合，Viktor、Town从事的是不同的效率应用之间的自动化流程管理，将分散在不同应用程序中的职能任务联系在一起；而Genspark等类似产品更多是生产效率工具，协助客户撰写Word文档、制作PowerPoint幻灯片。
这一类应用有一个公共的升级轨迹：从被动接收命令逐步向主动提供服务转变。Town的Agent一旦进入客户的办公软件，会最初观察客户平时怎么使用这类软件来处理工作，然后主动推荐自动化执行的方案。价格模式也随之演变。Viktor不以人数来计费，而是以工作部门为单位收费，一个部门缴费一次，部门内多少人使用都包含在内，除此之外还要再加上消费量计费。王子的分析是，此类公司争夺的是客户用于外包的预算，而并非购置办公工具的开支，其实质是替代了客户聘请员工的开销。
差别的本质根源于中美的SaaS工具体系的巨大差异。王子讲述，美国公司用的SaaS系统像组件拼装，Slack、Notion、Salesforce等各司其职，初始状态要靠用户自己拼组合，而且这个市场是开放生态：Notion自己开发AI功能，同样会向三方企业开放API接口，由于不开放用户就可能流失。企业购方也会对大厂的独占心存警惕，ERP系统时期的痛点让他们偏向配置多家供应商，也会抵触企业数据被单一大厂掌控。
而在中国市场，超大型平台应用垄断了天地。所有的办公流程都融合进飞书或钉钉这类工具里头，不存在跨平台的交集，这些平台又都掌握在大企业手里，第三方企业就自然没办法进入。
AI办公更高层面的玩法，是AI FDE（前沿部署工程师）这一概念：公司派工程师驻扎在客户企业，研究企业独特的业务操作和流程，然后借AI技术帮客户实行业务自动化改造。最初提供咨询指导，再把可复用的方案标准化后分销给更多企业。这个由Palantir首创的思路，在AI浪潮里被分拆给了众多创业企业。上半年度，美国涌现出好几家提供这类服务的企业融得了大笔资金。
「积木式」的生存需要建立新型的竞争防线。除却对业务流程有充分的掌握，更加关键的在于协调多套系统之间的相互整合的技巧，这是这类公司的竞争优势。
把中美两地的创业故事对列观看，实质上是同一问题的差别答卷。龙国东所说的剩余10%的机会，在中美两侧的位置各不相同。美国侧的出路是融入第三方工具，通过开放的SaaS系统做工作流组合拆分，赚的是替代企业人工成本的钱；中国侧的出路是突进大企业的边界范围之外，钻入本地和边缘计算，进入无法外泄数据的财务部、研究院和法律部。乐高遍布的区域催生了流程自动化的生意，超级应用垄断的天地只留给了边角旮旯里的创业者。
两条路上有个共识：活下去的方案，都是有意识地避免和大企业在同一领地的直面竞争。云端的通用办公功能，AI基础模型由大企业研制，应用入口也被大企业把控。
仅有的两类避难所：一类是大企业没意愿进入的，如ROI数字看不过去的本地知识库业务；一类是大企业无能为力的，如没有网络联接的工业生产厂和科研试验室。
边缘角落的生意未尝没有潜能。这类投注无法催生吞食全市场的巨头企业，但足够在产业链条中占据一个不那么容易被替代的位置。最贴近泥土的根须，往往最先感到春天的信号。至于长出的苗子会是什么模样，先长再说吧。
