消费电子观察 — 智能手机、影音穿戴、智能家居与消费电子供应链资讯与深度分析

<figure><img src="https://img.huxiucdn.com/article/content/2026/08/28/115147729296.png?imageView2/1/w/1440/h/810/|imageMogr2/strip/interlace/1/quality/85/format/png" /></figure>办公AI的胜负，在于能不能把活干完。我们正处于一个 AI 工具的大爆炸时代。过去两三年，AI 产品经历了一轮快速分化演进：针对资料搜索、会议转录、文档、编程、图像、视频等不同任务，大量独立的 AI 工具涌现。<blockquote>仅 Hugging Face 上公开的 AI 模型就已超过 300 万个，与此同时，生成式 AI app 的总下载量在 2025 年超过 40 亿次。短短四年内，AI 从少数大模型的能力涌现，扩展成了庞大的应用生态。</blockquote> 繁荣之下，潮流正在转变。整个 AI 行业，尤其是巨头们，开始反过来收缩战线，将那些分散的 AI 工具、能力，重新聚合到少数入口。8 月 25 日，字节跳动正式推出「豆包工作」——一个面向办公场景的统一AI入口，TRAE、扣子的产品团队也在同期并入豆包体系。自创业之初，字节一直以「App 工厂」著称，最善于拉长战线，靠快速孵化、多线并行，丰富产品矩阵来寻求增长。这套打法在移动互联网时代被反复验证有效，也被行业效仿。直到大模型时代，规则变了。AI 的发展，不再依赖明星产品的单点突破，而更多是一套需要持续进化的基础设施。AI 的入口，需要收敛2022 年末，ChatGPT 发布后，聊天机器人迅速成为了大模型 AI 最标准的产品范式。它简单、直接，对话式的互动逻辑没有任何理解门槛，AI 因此毫无阻力地渗透进大众市场，仅两个月，ChatGPT 就拥有了 1 亿用户，是互联网历史上增长最快的产品。但随着模型能力增长，应用场景的深入，Chatbot 的问题也开始暴露：AI 的能力很强很泛化，单纯像聊天一样输入 prompt，并不能充分挖掘大模型的深层能力。这导致大部分 AI App 在用户增长、时长渗透和商业模式上都很快遇到了瓶颈。在工作场景，AI 的能力也相对分散，需要用户自己承担编排的工作，在不同产品间复制信息、上传文件、解释背景，不断迁移上下文，来实现工作流的连贯。<blockquote>最终，头部公司决定把工具重新装回核心入口：OpenAI 把 Codex 并入了 ChatGPT，谷歌把NotebookLM并入Gemini。它们都从独立的AI工具，变成了各家核心AI系统里的「能力模块」。</blockquote>驱动这一改变的核心因素，是 AI 开始真正「干活」了。和 Chatbot 阶段不同，用户不再需要给出一连串具体指令，而是可以设置一个目标，AI 会自动判断要搜索什么资料、读取哪些文件，调用工具、修改结果——尤其是新的工程组织形式 Harness 出现之后，大模型的不同能力被组织到一起，共用一套入口和上下文。AI 产品的竞争模式因此改变：不再只看谁的模型回答更好，而是看谁能把模型的能力组织起来，做好一件完整的工作。从过去每个垂直场景的「产品之争」，变成了覆盖一整套工作流的「系统之争」。而系统之争说到底，拼的是底层模型的能力、成本、效率。当模型的训练、研究越来越依赖巨大的算力、数据，即便对大厂来说，也必须集中资源。这一趋势可以一路追溯到 2023 年，ChatGPT 推出后，谷歌立刻将旗下并行的两个研究机构 Google Brain 和 DeepMind 合并，并将 Gemini 的研发放到了新的统一部门之下。到应用层，逻辑也是一样的。如果说模型能力是 Agent 的「发动机」，那么入口、上下文、工具和执行环境，就是围绕发动机搭建起来的整套系统。除了行业背景，市场端的信号也在要求厂商收缩战线。<blockquote>进入大模型时代 4 年，AI 市场越来越呈现出明显的「马太效应」特征。少数深度用户，消耗了大量的 token，他们是一群需求非常明确的 B 端用户，而不是偶尔和 AI 闲聊一句的普通人。要解决这部分深度用户的需求，就必须让数据的反馈循环，能在一个系统里形成回路。</blockquote>这就是为什么几乎每家大厂都在收缩战线。「散装」的 AI 产品或许可以跑出漂亮的早期用户增长，但如果不能挖掘用户深层、长期的需求，那就意味着 AI 产品的价值密度会被稀释，甚至在竞争中被甩下车。所以并不只是字节在这么做，腾讯、阿里、OpenAI、Anthropic 都在这么做。收缩战线，尝试穿透少部分的专业用户，并不是某一家公司的战略偏好，而是整个行业的共同处境。拆解「豆包工作」，里面是什么？AI 产品从「分」走向「合」已是行业趋势，对字节来说，最大的问题在于，为什么是「豆包工作」？答案的一半，藏在动作的顺序里：先是7 月底，飞书产品团队并入豆包，之后豆包被定位为公司级「主干」业务。8 月 24 日，TRAE 和扣子团队也并入豆包体系，一天后，「豆包工作」正式发布。<figure><img height="597" src="https://img.huxiucdn.com/article/content/2026/08/28/105028872492.png" width="1000" /></figure>豆包工作页面示意图发布前一周，豆包还密集上线了一批新功能，包括远程控制电脑、云电脑、侧边工作台……并上架了超过 200 个技能和连接器，都是为「豆包工作」铺路。等产品正式发布时，它已经能够围绕任务进行自主拆解、工具调用和流程执行，覆盖方案撰写、会议纪要、数据分析、PPT 和表格处理等办公任务。字节之所以选择豆包作为入口，在于它早已占据 C 端用户心智，过去两年，豆包几乎成为了大众语境里 AI 助手的代名词，能够触达最广阔的用户群，也沉淀了基础的用户行为，包括资料搜索、内容生成、文件处理等。豆包的短板是「上下文」。有入口之后，Agentic AI 还需要知道用户在做什么，这是今天 AI 最重要，也最容易被忽略的能力。<blockquote>比如一个刚接手项目的负责人，想让 AI 快速理清手头事务的来龙去脉，三个月前那场会推翻了什么结论、方案改到第几版了、谁拍板换了方向。AI 的推理能力足够，但那些关键的上下文信息，往往在公司的文档、会议和审批流程里，而不是对话框里。</blockquote>AI 要深入工作场景，就必须获取用户的工作上下文。这也是飞书在这次整合中扮演的最重要角色，发布 7 年时间，飞书拥有国内最积极拥抱线上协作的一批组织，文档、会议、知识库、审批早已融入进企业协作体系，形成了天然数字化的「上下文」。<figure><img height="750" src="https://img.huxiucdn.com/article/content/2026/08/28/105445770593.gif" width="1000" /></figure>用飞书账号登录豆包工作，能生成有真实内容支撑的项目进展如果说豆包和飞书已经形成了一套初步闭环的 Agentic AI 办公系统，扣子和 TRAE Work 的并入，则给这套系统提供了更大的未来想象空间。<blockquote>除了拥有入口、上下文之外，AI 还需要知道用户的目标，真实工作不会是一步到位的。一份行业报告可能需要先检索资料，再筛选信息、清洗数据、跑分析，最后形成图表、写成报告、排版成 PPT。这些任务单独都不复杂，但它们之间存在先后关系。AI 需要把很多件小事串成完整的工作流。</blockquote>这是扣子过去几年重点训练、验证的能力。从 Agent、技能市场和工作流出发，让用户能够把多个模型、工具、步骤组织到一起，这种经验和企业已有的流程和经验结合，就能实现效率的乘数倍增。这也将大概率成为豆包工作后续的迭代重点。最后还有执行，这是 TRAE 擅长的能力。它从 AI 编程工具起步，已验证了长链条任务的全流程执行能力：从规划、编码，到测试、交付……这套能力可以被延伸到文档、数据分析等通用办公场景。与此同时，这次整合中一个值得注意的取舍是：TRAE Work 的通用办公能力并入豆包，而 IDE 和 CLI 等专业编程能力继续保留为豆包旗下的编程产品线。豆包工作把能够泛化的通用场景收归主干，同时让那些专业纵深领域保持独立生长。拆开「豆包工作」可以发现，通过豆包与飞书的整合，它打通了AI的入口和上下文闭环；同时，依赖扣子和TRAE的并入，「豆包工作」未来还将在工作流编排、流程执行等方面拥有足够的迭代优势。合起来看，字节要做的是AI办公的完整闭环：从哪开始，知道什么，怎么去做，如何完成。这种拼法对字节来说其实并不陌生。字节过去的中台战略，本质上也是在做类似的事情：把有规模效应、能够跨业务复用的能力集中起来，一次建设，多处使用。所谓 AI 业务的「主干化」，与其说是字节突然换了一套方法，不如说是这套方法在 AI 时代的延伸。「豆包工作」会好用吗？整合后的「豆包工作」，改变发生在两端：一头通过豆包，把 C 端用户从聊天带向办公；另一头通过飞书，用大模型能力驱动用户已有的工作流。「豆包工作」就是这个汇合点。用户可以通过飞书账号登录，并在授权范围内使用企业文档、会议纪要、知识库等上下文。这里的产品逻辑非常清晰： AI不再要求人把自己的工作重新讲一遍，而是直接进入工作正在发生的地方。过去，字节的产品矩阵更像工具集合，聊天、文件、Coding、Agent 各自分散，用户想把它们串成一件完整的工作，就得在不同入口间搬运上下文。入口收拢之后，工作流第一次可以在一个系统里闭环。对用户来说，「豆包工作」的价值是具体的：比如周五下班前的周报——过去要翻群聊、找纪要、对进度，凑齐素材就要半天；现在 Agent 可以直接调用工作记录把这一周的进展、卡点和待办整理成稿，员工只做最后的判断、取舍。聚合之后，模型能力的每一次迭代，都可能带来整体体验的一次性升级，进一步减少用户的适应负担。将视野扩大到行业，AI 办公的竞争正在从过去的工具之争，变成完整的系统之争。用户需要一个能直接交付任务的办公 Agent。当然，「能交付」只是办公 Agent 的入场券，接下来的差距在于：谁能越交付越好。大模型的迭代依赖一个循环：用的人越多，回流的真实工作数据和反馈就越多，模型越懂工作场景，也就越好用。而这个循环要转起来，所有使用必须发生在同一个系统里——这正是这次整合更深一层的意义。这套打法字节并不陌生：今日头条和抖音就是这么转起来的，只不过这一次，被喂养的对象从内容引擎换成了大模型。如果说过去字节生产的是App，那么现在它尝试生产的，是「智能」本身。结尾如果说字节在移动互联网时代的成功，是通过 App 掌握了流量入口，那么到 AI 时代，它需要触达的东西就不再只是入口。而是场景、数据、模型、Agent 和工作流。说到底，「豆包工作」也不只是一款新产品，而是字节把分散的AI产品能力重新组织成一套系统的开始。「App工厂」这个标签，跟了字节将近十年。如今它被亲手收了起来。工厂考验的是速度，即多快能找到下一个爆款；主干考验的是时间——多少年才能等到它足够粗。

字节AI生产力，何以收进一个主干？

📌 概要