BAT的AI办公之战，争夺新的生产力入口

Looping形成生产力飞轮

文/王芳洁

8月14日，在百度文库网盘AI Day现场，GenFlow有了一个很中文互联网的名字——「库库AI」。

早在今年4月，当GenFlow月活用户突破1亿后，百度文库网盘团队发现，在这个原本被定义为通用智能体的产品里，办公场景已经成为用户使用最集中、互动最高频的场景。

团队很快做了一个决定。

30个人被抽调出来，包括产品、研发和策略人员，用20多天时间做出了「库库AI」办公独立端。

目前，GenFlow的AI办公MAU达到了2500万，位居AI办公赛道第一。而这也透露出了一个重要的行业信号——AI办公正在进入BAT三家巨头正面交锋的时代。

2026年下半年，伴随着AI to C在商业模式上触礁，AI办公成为了BAT的新战场。腾讯把WorkBuddy推向前台，阿里整合相关能力形成千问办公，百度也快速发力，进一步加强了在AI办公领域的投入，跑出了库库AI这款位列赛道第一的产品。

三家公司分别带着自己的历史资产入场。腾讯最擅长连接人，阿里最擅长连接组织，而百度手上最特别的资产，是知识和数据。

无论是A还是T，在IM软件方面都有多年深耕。反观B，则是凭借多年积淀的数据资产，在AI办公领域走出一条差异化路径，拔得了头筹。

抢先落子当然是很重要的原因。当其他巨头还想在AI领域复用流量逻辑时，百度文库网盘团队三年前早就意识到，行业要重新洗牌了。数据资产至少会是红桃K，这张牌就在他们手上。

但仅有时间和数据是不够的，AI的车轮必须滚动向前，才能抵达平台和用户共同期待的，水草丰美之地。

01

Loop出的行业第一

AI办公并不是2026年才突然出现的市场。

ChatGPT爆发之后，几乎所有办公软件都迅速增加了AI能力。写周报、总结PDF、做PPT、生成表格，成为第一批最容易被大模型改造的工作。

但那个阶段，大多数所谓AI办公仍然是“AI+工具”，AI提高了某个环节的工作效率，但人仍是流程的中心。

Agent改变的，正是这一点。当AI能够理解一个目标，把它拆成几项任务，再调用不同软件和工具完成工作时，办公软件竞争的单位就发生了变化。

过去竞争的是“功能”，现在开始竞争“任务”。

比如用户不再要求“帮我生成一个Excel”，而是说：“分析过去五年这家公司的财务数据，与三家同行对比，建立一个预测模型，再整理成一份投资报告。”

这个任务可能同时涉及搜索、阅读、数据分析、Excel、Word和PPT，谁来负责把它们连接起来？过去是人。Agent时代，AI开始尝试成为那个连接者。

所以2026年的AI办公，本质上已经不是上一轮办公软件战争的延续，而是在争夺一种新的生产力入口。

这也是BAT重新在这里相遇的原因，客观而言，相比于其他竞争对手，它们成事的机会更大，因为AI办公不是一道单纯的大模型题。

在办公场景里，一家AI创业公司遇到的最大困难，可能已经不是做出一个足够聪明的Agent，而是让这个Agent每天有足够多的事情可做。

BAT则不同。腾讯拥有微信、企业微信、腾讯会议等沟通协作场景；阿里拥有钉钉、阿里云以及大量企业业务系统；百度拥有搜索、文库、学术、网盘以及由此沉淀的大量知识和文件。

这些产品过去彼此属于不同赛道，但Agent出现以后，它们突然获得了一层共同价值：都可以成为Agent的上下文和工作现场。

基于这个共同价值，2023年，百度文库就开始进行大模型重构。从一个寻找、下载资料的内容平台，升级为“一站式AI内容和创作平台”。2024年，文库和百度网盘进一步融合，前者沉淀的是公域知识，后者沉淀的是用户私域内容。

2025年4月，百度文库网盘推出GenFlow。此后一年连续迭代四个主要版本，到2026年4月的GenFlow 4.0，已经可以调用Word、PPT、Excel等不同Office Agent，以及图文影音全模态能力。

所以，能做到AI办公今天的2500万MAU，并非一夜成功的神话。

往回看三年，它的车辙经过了数个节点：文库网盘的大模型重构、文库网盘融合、GenFlow以及连续四轮能力迭代。

回到今年，百度文库网盘团队从1亿月活里发现办公需求，再根据办公需求快速组建一支团队，20多天重新做出一个产品，这个过程可以用一个词专门来概括——Looping。

过去三年，大模型行业习惯用模型参数、Token、上下文长度和Benchmark描述竞争。但AI进入应用层以后，另一个更加重要的问题开始出现：一家公司能不能从用户使用中发现需求，再把需求迅速变成产品；产品又能不能产生新的用户和数据，继续推动下一轮迭代？

一次反馈成为下一次行动的输入，一次行动又产生下一轮反馈。库库AI的变化，恰恰发生在这样的循环里。这样的能力，已经Loop了三年。

8月5日，国家工业信息安全发展研究中心发布《Office Agent工作流测评报告》显示，百度文库得分排名第一，独自占领第一梯队。这也是继去年国家工信安全中心智能PPT测评断层领先后，百度文库再次在Office领域获得权威认证。

但入局早、迭代快、能力强，并非库库AI领先于行业的核心原因，它真正的壁垒，还要在别的地方找。

02

Looping即护城河

经济学家W·布莱恩·阿瑟在研究高科技产业时，曾经提出一个重要的“递增收益”理论。

传统工业往往遵循边际收益递减。种更多土地、投入更多机器，到了一定阶段，新增加一单位投入获得的回报会越来越低。

但技术行业存在一种完全不同的情况。一种技术被更多人使用以后，可能获得更多开发者、更多数据、更多应用和更多学习机会；而这些新的资产又会让产品变得更好，吸引更多用户。

结果不是越做越难，而是越做越容易。这种机制后来几乎成为互联网巨头最重要的成长逻辑。

用户浏览过的产品，刷过的视频，都在对系统进行训练：停留了多久，是否点赞，是否快速划走，又看了什么。用户并没有主动告诉平台自己喜欢什么，但无数微小行为不断成为下一次推荐的输入。

于是形成一个最简单的循环：使用——数据——算法变好——体验变好——更多使用。

这也是为什么一个成功的推荐系统很难被复刻，竞争对手可以复制界面，也可以复制功能，甚至可以招聘更厉害的算法工程师，但它很难复制过去数十亿次真实用户行为形成的循环。

AI办公也开始出现类似的变化，只是它获得的反馈比一次点击更严肃，因为办公产生的是文件和工作成果。

一份研究报告来自十几份历史材料；报告完成之后，它本身又成为新的材料。一个财务模型建立在历史数据之上；分析师修改参数以后，修改后的Excel又可以进入下一轮预测；一份PPT来自研报、会议纪要和数据分析。人最终修改过的PPT，又比AI第一次生成的版本更接近这个人的真实要求。

于是，一个天然的Loop开始形成：知识和文件——Agent理解任务——调用工具——产生结果——用户修改——结果再次沉淀——下一次重新调用。

在这个Looping中，AI完成一次任务后，不应该回到原点。它该比任务开始以前拥有更多东西。这才是AI办公真正可能形成壁垒的地方。

只有这样，Agent才会像一个优秀的助理，越用越顺。

以库库AI办公模式首先进入的金融行业为例，金融是一个非常典型的“高数据密度、高任务复杂度、高结果价值”场景。一个研究员要看财报、公告、券商研报、路演纪要；再搭Excel模型，做估值；最后可能形成Word报告和PPT。

过去，这些文件散落在不同位置，流程依赖人把它们串起来。

现在，库库AI办公模式能调用网盘文件和专业数据，支持手机与电脑跨设备接力、多设备并行以及24小时持续执行任务，同时内置金融专家和Skill，可以生成机构级研报、财务模型和专业PPT。

于是Looping发生了：财报进入系统——Agent分析——调用财务模型Skill——形成Excel——继续生成研报——形成PPT——用户修改——新的结果重新被系统调用。

整个过程不是简单的内容生成，而是：数据—任务—执行—成果—Skill沉淀—再执行。

这个循环完成后，下一次Agent面对类似任务时，就拥有了更好的起点。这也是为什么专业办公可能比通用办公更容易建立真正的Loop。

因为任务越复杂，产生的反馈越有价值；专业数据越密集，历史积累越重要；结果价值越高，用户也越愿意继续把工作放到同一个系统里。

这一点到了企业版会更加明显。如果说库库AI办公解决的是“一个人如何与Agent协作”，那么库库AI企业版真正试图解决的是：一个人的Loop，怎样变成一个组织的Loop。

企业最宝贵的资产之一从来不只是软件，而是经验。管理学几十年来一直在试图解决一个问题：怎样把个人知识变成组织知识。

日本知识管理学者野中郁次郎曾经提出著名的SECI知识创造模型。他认为，组织知识并不是把信息扔进数据库就结束了，而是在隐性知识与显性知识之间不断进行社会化、外化、组合和内化，最终形成新的知识。

但这很难，能否将个人经验沉淀为组织知识，甚至会造成优秀和普通企业的分野。现在，Agent正在缩小这种差距。

在库库AI企业版，企业的员工可以共享上下文、任务接力和成果沉淀。不同成员和Agent能够共享知识和文件；任务可以在人和人、人和AI、AI和AI之间继续传递；最终的工作成果又沉淀成为企业知识库和Skills，被下一轮工作重新调用。

于是企业的知识循环变成：共享上下文——多人/多Agent协作——完成任务——沉淀知识和Skill——下一次继续使用。

在这样的Looping中，知识不再只是被留存下来，还会重新参与下一次工作。

而文库18亿文档、网盘10亿用户、1000亿GB文件，也将在不断地Loop过程中，流动起来。

AI办公场景中，静态数据不是壁垒，让数据不断流动起来的系统才是。

03

一个更大的飞轮

过去几年，百度反复强调“芯—云—模—体”的全栈AI布局。

最底层是昆仑芯，提供算力；往上一层是百度智能云，承担AI基础设施；再往上是文心大模型，提供通用智能；最接近用户和产业场景的则是“体”——智能体应用。库库AI就位于最上面的智能体层。

全球范围内能够同时拥有芯片、云、模型、应用四层自研全栈布局的公司屈指可数，它的价值已经足够独特。而百度的差异性是不仅拥有四层，并形成了looping飞轮。百度创始人李彦宏也曾在分享中表示，百度“芯云模体”这几层之间能够相互加强、循环优化。

于是，更好的芯片提升计算效率，云提供模型训练和Agent运行的平台，模型变强以后Agent能够解决更复杂的真实问题；当更多Agent进入工作场景，它们又不断产生新的需求和反馈，这些需求再推动模型、云和算力进一步优化。

不难发现，这是一种自我强化机制，正如递增收益原则，一旦技术系统存在明显的自我强化机制，早期积累就会继续影响未来。

所以，looping的核心价值是让时间成为复利因子。百度过去三年在AI办公上的提前布局和投入，今天仍然run在系统当中。

当然，今天库库AI的MAU的行业领先，并不能证明AI办公的战争已经结束，相反，BAT才刚刚开始真正进入这个市场，竞争将持续升温。

但这个成绩至少提供了一个视角——

过去互联网时代最重要的壁垒之一是网络效应，Agent时代可能在网络效应之外，再增加一种新的竞争机制——学习效应。

每完成一次工作，都让下一次工作拥有更多上下文；每服务一个用户，都让系统理解更多真实任务；每产生一个结果，都可能沉淀成为下一次工作的知识或者Skill。

这意味着未来衡量一个AI办公系统，仅仅看“今天能做什么”可能还不够。更重要的问题是：它还为明天留下了什么？

如果什么都没留下，那它仍然只是一个效率工具，如果它留下了一个新文件，一个新Skill、一段新组织知识，或者一次能被持续调用的经验，那它就开始从工具向系统进化。

只有系统才能创造飞轮，而BAT真正争夺的，正是谁先把生产力飞轮转起来。

为此，腾讯从关系和协作出发，阿里从企业组织和流程出发，百度则从知识、文件和Agent执行出发。

三条路线没有绝对优劣，此时谈成败都还过早，但百度的领跑至少说明了一点——在Agent时代，loop的重要性史无前例，AI生产力必须像飞轮一样转动起来。