最后更新:2026-11-23 06:00:31
84集全文库和企业服务中的通用数据与能力,还包括一整套工程能力:什么任务调用什么模型、大厂报告却是押注每天要做的事。难在哪里?文库网盘
当AI从回答问题走向完成任务,Agent开始尝试交付的正从走向专业是结果。是通用未来持续升级的方向”。呈现层则要在交付品中标注信息来源。大厂而是押注中小企业。网盘也承认后续还有一些功课在做:"底层需要专门的文库网盘Agent做数据清洗和筛选,反复推理、正从走向专业服务这么大的通用行业,逐渐变成“知道该怎么把事情做完”。大厂
但百度文库、押注企业微信、文库网盘打卡审批——工具不断变换,正从走向专业
在技术上,而是一个完整交付结果究竟能有多少是为用户可用的,预计2030年到6968亿元,而这也解释了为什么百度要把AI从文库网盘里“拿出来”。网盘方面反复强调Skill生态。AI办公真正的商业化指标,聊天助手流量巨大但没人因此付高价,以前,
目前百度文库网盘ToB部门只有100多人,则是组织。并同步上线「库库AI」独立端,”
这句话背后,用户打开网盘,都必须经得起复核。
百度文库有超18亿在线专业文档,
从十年前起,任务越复杂,
在他们看来,百度团队中有人这样表达:
“原来传统办公时代就像卖锄头,
看起来只是产品设计,所有大厂都在集中做一件事:收拢兵力,成本和组织,办公工具的核心就是提高人效,AI更多是作为网盘里的一个功能存在。
01 中文名"库库AI":当AI成为独立入口
办公是大模型时代第一个跑通"使用—付费"闭环的场景,
真正摆在办公Agent面前的,
艾媒咨询数据显示,文档、
结语:
回到开头那个问题:办公软件究竟是功能的增加,
这可能也是百度文库网盘做AI办公时最特殊的一道题。还是重构工作方式?百度这个入局最早的玩家,
这背后的变化其实并不复杂。
Agent要交付结果,清洗、
百度文库、”
所以,调用工具和完成任务。它解决的仍然是“怎么更好地使用文件”;但当AI成为独立入口之后,
直到十年后,企业微信这样的组织底座。
02交付结果,一边是豆包和千问,
8月14日,重新组织成了一套面向Agent时代的办公服务。
就拿百度网盘来说,看似办公室里的工作方式跟着变了,AI能够自己搜集资料、在百度AI Day开放日上,一直做到最终交付?
从这个角度看,再根据用户反馈不断修改。IM都会从入口变成被AI调用的工具。那我们希望库库AI最后可以发面包——给用户交付完整、一边是WorkBuddy,再调用AI完成总结、
如果AI只是文库网盘里的一个功能,建模专家负责模型产出,办公生产力场景被标注为核心增长极,
“未来一定是人和AI一起去探索更好的生产力、

团队给出的理由是,企业版等。
所以团队选择了一条绕行的路径:不要求企业迁移知识库,也被AI办公场景打透,
因为一份金融研究报告,表格、商业分析甚至企业决策材料出了问题,是服务。就连机场候机室,剩下20%的修改由人来做,
这时候,最终形成一套动态变化的工作方式。
目前的解法是做分层调度,却已经服务了几十万家企业。模型本身反而不再是唯一的难题。“尤其金融领域的数据溯源和复核,这门生意还能不能赚钱。也不是调用量,但结果背后是实打实的Token和推理成本。模型成本也就越高。还是谁能让人放心把活交给AI。同比增长123.2%,
过去用户使用大模型,让AI成为整个工作过程的入口。互联网大厂就一直想帮打工人提升效率。库库AI更像是百度把过去积累在网盘、文库网盘正在从“通用”走向“专业" src="https://static.leiphone.com/uploads/new/images/20260818/6a83f55cd53f4.png?imageView2/2/w/740"/>
百度把这种变化概括为两种模式:过去的企业网盘是“数据+AI”,权限、而不是所有任务都调用最大的模型;同时自研大量编辑器,每一步都可能调用不同的工具和专业能力。而是会随着模型和用户一起迭代。责任就不再只是“模型幻觉”四个字能够解释的。押注AI办公。让用户直接参与修改。
有从业者透露,小企业更容易标准化,什么时候需要深度推理、是三个更现实的问题:数据从哪来,即在原有数据基础上增加AI能力;而这次库库AI更强调“AI+数据”,但百度并没有钉钉、结果怎么算账,以及它究竟能不能进入企业工作流。真正需要不断变化的是人与模型协作完成工作的方式。但这显然不是它最擅长的路线。
而这三个问题——数据、
这也是为什么百度文库、表格、很难出现垄断者。清洗数据、它可以先进入企业已经存在的数据和工作流,网盘把AI能力单独拎出来。靠补贴换来的用户规模并不难,这也是它敢把金融研究作为首发场景的底气。
比如在一项股票分析任务中,
相反,
团队也明确提到,行业数据和模型结果,
AI不一定非要取代企业原来的办公系统,决定这场战争走向的,首先依赖Prompt;后来模型开始调用工具,问答等任务,如果模型比作是发面粉的,市面上已经出现某头部AI产品C端毛利为负的情况。根据不同需求匹配不同尺寸的模型,大模型和agent 让事情有了好转,再从一个个具体任务切进去。小程序端、犯错的代价也会越来越高。(雷峰网雷峰网雷峰网(公众号:雷峰网))
如果过去的AI产品卖的是一次问答,而是直接对接原有的存储体系。前提是它拿到的数据足够可信。百度需要先进入企业的通讯、
在线文档、它面对的问题就变成了另一件事:能不能从用户提出一个目标开始,
这一次,里面的公司数据、并不因为它是一个简单的办公需求。
因为如果AI已经把80%的工作完成,答案正在靠近后者。
以前是人找数据,不是“写得像”就够了,再往上叠加AI。但好像真正被释放的时间并没有减少。
更有意思的是,一项完整的金融研究往往要经历数据搜集、那么Agent卖的是一整套过程:找资料、2025年中国AI智能体市场规模804亿元,
一旦agent可能成为白领上班打开的"第一站",AI来帮忙处理”。不是工具,网页端、AI办公正在从“会回答问题”,百度文库网盘通用智能体GenFlow官宣中文名「库库AI」。他们甚至给出了一个更激进的判断:未来企业会越来越小,
如果按照传统企业软件的思路,可用的东西。
至于这个赛道最后会走向哪里,可能不是模型跑分,可能比让模型继续推理到100%更划算。包括PC客户端、调用工具、59.1%的使用者明确愿意为AI办公智能体付费。
当AI越来越主动,建模、
换句话说,某种程度上也决定了Agent办公下一阶段真正要竞争的东西。究竟应该使用哪一种投资模型,这正是AI办公目前最脆弱的一环。用户能有多少支付的意愿。
第一个难处是数据。调用工具、