1882年9月4日，爱迪生在纽约珍珠街电站正式送电。第一批被点亮的，不过400盏电灯。但爱迪生真正改变的，从来不只是“让400盏灯亮起来”，而是把发电、输电和用电变成了一套可以持续运行的基础设施。几十年后，空调、冰箱、洗衣机乃至计算机，才陆续建立在这套基础设施之上。
今年云栖大会上，阿里巴巴集团CEO吴泳铭提到一个很有意思的比喻：Agent时代，AI厂商就像当年的爱迪生，不能只卖“灯泡”，还要把“电”送到用户手里。换句话说，未来AI真正的价值，不只是模型会不会回答问题，而是Agent能不能真正进入工作，持续替人把事情做完。
这恰好也是今天AI办公正在经历的变化。过去一年，AI已经非常擅长帮助一个人提效。写材料、做PPT、总结会议、分析文件、查资料，这些事情越来越多可以交给AI完成。但当视角从“一个员工”切换到“一家公司”，情况就没那么乐观了。
个人提效的红利已经兑现，然而组织提效，却还没有产生更深远的影响。
AI学会帮人干活，但还没学会组织协作
云栖大会上，千问办公发布了QwenNote。它看起来像一台录音设备，但真正有意思的地方并不是录音，而是录完之后发生什么。
比如一场面试结束，用户只需要说一句：“分析刚刚面试的候选人，评估是否适合岗位，并同步给HR。”后面的事情可以由Agent继续完成：录音转写、候选人分析，再调用钉钉完成消息发送、待办创建。原本需要人在几个软件之间来回搬运的信息，开始由AI接手。
金山办公灵犀专业版、腾讯WorkBuddy也在往类似的方向走：AI不再只是一个回答问题的聊天窗口，而是开始进入写作、阅读、分析以及企业协作等具体工作场景。
然而，一个人使用AI，只需要解决“它能不能帮我干活”；一家企业使用AI，却要回答另一组问题：它知道什么？能调用什么？能代表谁？出了问题谁负责？
这也是为什么千问办公负责人在云栖大会上提到，个人办公效率已经有了非常明显的提升，但组织生产力并没有同步线性增长。原因并不复杂——Agent还没有真正深入企业的业务流程。
过去企业里的信息流转，大多靠人完成。一个员工开完会，把内容整理成纪要；再把纪要发给相关部门；相关部门查资料、做判断、报价、审批，最后再把结果交回来。
AI最先改变的是其中某一个环节，而真正的组织生产力，需要改变的是整条链路。
企业缺的不是数据，而是“上下文”
所以，AI进入企业之后遇到的第一个难题，并不是企业有没有数据。
大多数大公司恰恰不缺数据。飞书、钉钉、企业微信、OA、CRM、知识库、合同系统……几十年数字化建设下来，企业已经积累了海量信息。然而，一个Agent在完成一项任务时，面对海量的信息，到底应该管理信息的检索与调用，既保证准确度与效率，同时还要兼顾安全。这正是企业上下文正在变得重要的原因。
例如古茗把飞书文档、知识库、答疑群、培训日程等信息聚合起来，形成面向门店运营的知识空间，让近万名一线员工能够获取与当前任务相关的信息。
富立卡则把企业上下文进一步放进业务流程。销售每天可能面对300多条询盘，还要协调多个部门，于是企业设置了查询、报价、合同三个数字员工：查询负责匹配客户需求与产品，报价负责按照规则计算，合同负责生成并推动审批。这时候，AI已经不再是“帮销售写一封邮件”，而是在参与一条真实的业务链路。
这也是企业Agent和普通AI助手之间真正的差异。普通助手关注的是“我能帮你做什么”；企业Agent必须进一步知道“你是谁、你所在的部门是什么、这件事该调用什么信息、能做到哪一步”。
也就是说，Agent想真正进入组织，就不能只是一个账号，它得在组织里“有编制”。它需要身份、权限、职责、生命周期，也需要留下完整的执行记录。否则AI越能干，企业反而越不敢让它真正干活。
Token成为生产资料，AI办公不再是软件问题
还有一个容易被忽略的变化：当Agent开始替企业持续工作，AI办公的成本结构也会发生变化。
中国平安CTO王晓航在云栖大会上透露，中国平安每天Token使用量已经从约300亿增长到超过3000亿，而算力规模从800 PF提升到1500 PF。与此同时，单位算力的Token产出提升368%，单位Token成本下降76%。
这组数据当然不能直接复制到所有企业，但它至少说明了一件事情：当AI真正进入生产流程，Token已经越来越像一种新的生产资料。
这也解释了为什么阿里云最近反复强调AI基础设施。
阿里巴巴2026财年第一季度财报显示，AI云与算力服务收入达到484.37亿元，同比增长45%；同期资本开支达到677.68亿元，同比增长75%，主要投向AI基础设施。
过去企业买办公软件，算的是账号数、订阅费和服务器成本。未来企业大规模部署Agent，账本会复杂得多：模型调用、Token消耗、算力、存储、数据、安全，以及Agent执行任务的整体成本，都要算进去。
所以，AI办公真正进入企业生产环节之后，拼的已经不只是“谁家的模型更聪明”，而是谁能把模型、算力、数据、工具和企业上下文真正组织起来。
这也是阿里云提出“Agentic Cloud”的背景：模型负责推理和生成，Harness负责状态管理、工具调用和异常恢复，而Context则负责把企业数据转化成实时可用的上下文。
从这个角度看，AI办公正在发生一个很重要的变化——它正在从办公软件问题，变成企业生产系统问题。
真正的AI办公，还在等待组织接纳
走到这一步，AI办公其实已经不是“模型够不够聪明”的问题了。
企业首先要解决的是上下文，让Agent知道什么该知道、什么不该知道；其次是工作流，让AI不只是完成一个任务，而是能够沿着业务链条继续往下执行；再往后，则是权限和责任，明确Agent能够代表谁、做到哪一步，以及出了问题谁负责。
最后还有一笔越来越现实的账：成本。
如果Agent只是偶尔帮员工写一份材料，Token成本当然不是问题。但当一家企业让成千上万个Agent每天持续工作，成本就会从软件预算里的一个小数字，变成企业经营账本里必须认真计算的一项。
所以，AI办公的下一阶段，大概率不会只是再出现一个“更聪明的Copilot”，而是企业有没有能力建立一套新的AI工作系统：人负责目标和决策，Agent负责执行和协同，企业则负责提供上下文、权限和规则。
就像爱迪生点亮珍珠街电站之后，真正改变世界的并不是那400盏灯，而是围绕电建立起来的整个基础设施。
今天的AI办公其实也处在类似的阶段。当一天的会议结束之后，AI能够自动整理信息、找到相关人、调用系统、推进审批，甚至把一项工作一路做到结果交付，那个时候，我们才很难再把AI称作一个“办公助手”，因为它已经开始成为组织本身的一部分。
原创文章，作者：志斌，如若转载，请注明出处：http://www.damoai.com.cn/archives/19234
