从WorkBuddy到DSWork，企业AI的价值正在重新定义

摘要：从腾讯WorkBuddy、豆包工作到千问办公，企业AI正在从对话工具走向任务执行平台。过去需要专门开发的许多功能，如今正在成为标准化产品的一部分。当AI能力越来越容易获得，企业还需要定制化方案吗？答案或许不在于谁的功能更多，而在于谁能以更合适的成本和方式，让AI真正适应企业的业务需求。

过去，一家企业想要引入AI，往往需要先解决模型部署、知识库搭建、Agent开发和业务系统连接等技术问题。即使只是实现一些基础的智能办公功能，也可能需要专业团队参与开发。

但现在，情况正在发生变化。随着大模型和Agent技术不断成熟，越来越多的AI能力被整合进标准化产品。企业不仅可以利用AI生成内容、分析资料，还可以让AI操作工具、执行任务，甚至参与完整的工作流程。

技术能力正在变得越来越容易获得，但企业的问题并不会因此自动得到解决。

---

一、AI能力正在趋同，企业需要的却不只是功能

近期，腾讯、字节跳动和阿里巴巴相继推出面向工作场景的AI产品，反映出企业AI市场正在发生的变化。

腾讯 WorkBuddy 强调通过自然语言驱动任务执行，能够组织工作步骤、处理文件、调用工具，并通过技能扩展和多Agent协同完成复杂任务。

字节跳动的 豆包工作 则进一步结合飞书办公生态，将任务规划、资料搜索、内容生成和团队协作连接起来，让AI不仅能够生成工作成果，还能参与日常办公流程。

阿里巴巴的 千问办公 更加关注企业上下文，通过连接企业文档、会议、群聊及业务信息，让Agent能够理解企业内部知识和工作背景，从而更好地参与业务。

虽然这些产品各有侧重，但发展方向已经越来越清晰：AI正在从回答问题走向执行工作，知识检索、文件处理、工具调用、Agent协作等能力，也逐渐成为企业AI平台的基础功能。过去需要专门开发的许多功能，如今通过成熟产品就能实现。

但AI功能的标准化，并不意味着企业需求的标准化。大厂产品依托成熟的办公生态，在日常办公和团队协作方面具有明显优势；而制造、工程等行业的企业，往往还涉及专业软件、内部业务系统、特殊工作流程和更严格的数据安全要求。

因此，当AI基础能力越来越相似，企业选择产品时，关注的就不再只是功能是否齐全，还包括部署成本、数据安全、系统兼容性、定制灵活性和实际落地能力。

AI产品的竞争，正在从“能不能做”，转向“是否适合、成本如何，以及能否真正落地”。

▲ 三大产品各有侧重，但方向趋同：从回答问题走向执行工作

---

二、DSWork：让AI适应企业，而不是让企业适应产品

基于这样的市场变化，大神科技推出了 DSWork，一款面向岗位、专业和业务流程的可定制AI工作平台。

从通用能力来看，DSWork与市场上主流的AI工作产品并没有本质区别。它同样能够通过自然语言理解任务，分析文件、整理数据、生成文档、制作演示材料，并调用工具执行工作。

DSWork将会话、文件、模型、工具、任务执行和成果管理组织到统一的工作空间，并通过岗位助手、Skills、MCP等机制，扩展不同任务所需的能力。

我们并不认为，单纯拥有这些功能，就足以构成长期的竞争优势。

DSWork更关注的是：如何让成熟的AI能力，以更灵活、更经济的方式进入企业实际业务。

首先是部署方式。

对于数据安全要求较高的企业，DSWork可以根据实际环境规划私有化部署方案，结合企业现有算力、模型选择和系统条件进行配置。

相比采用固定的产品和部署组合，这种方式能够为企业提供更多选择，并在部分场景下形成成本优势。具体的部署成本仍需根据算力规模、使用人数、模型要求及运维条件进行评估。

其次是业务适配能力。

大厂产品在自身办公生态中具有天然优势，而DSWork更加注重对不同工作环境的适应。企业可以根据实际需求选择模型、配置岗位助手、扩展专业技能，并通过接口连接已有的业务系统。

例如，在常规办公场景中，DSWork可以承担资料整理、报告编写、数据分析和内容生产等任务；在工程技术场景中，则可以根据工具接入条件，扩展CAD图纸处理、设备参数分析和三维展示等专业能力。

对于采购、项目管理等业务，还可以结合企业资料和工作规则，进一步扩展报价对照、进度整理、成本分析等应用。

这些能力并不意味着所有行业功能都已预置，而是可以在通用AI平台的基础上，通过配置、工具连接和必要的定制开发逐步实现。

我们的思路不是重新开发一套完全不同的AI技术，而是充分利用成熟的模型、Agent和工具能力，将更多精力放在企业实际需要的部署方式、专业场景和业务流程上。

通用能力尽量标准化，特殊需求通过灵活扩展解决，让企业不必为已有技术重复投入，也不必为了使用AI而大幅改变原有工作方式。

▲ DSWork：部署方式更灵活，业务适配更贴合实际场景

---

三、真正的业务落地，仍然需要专业经验

当然，产品具备灵活性，并不意味着企业的问题就能自动解决。

例如，一家工程企业希望利用AI提高报价效率。表面上看，只需要识别客户需求、提取技术参数，再生成报价文件。但实际业务中，还涉及不同产品的计价规则、历史经验、参数校验以及异常情况的处理方式。

如果这些规则没有得到有效整理，即使AI能够快速生成一份报价单，也未必能够直接用于实际业务。

这类问题的难点，往往不在于模型能否生成内容，而在于如何将企业已有的知识、规则和工作流程转化为AI能够正确执行的任务。

在过去的AI定制开发项目中，大神科技积累了一些相关经验。

● 化工工程报价：项目需要处理非标准化需求、复杂参数和分散的历史经验。解决方案不仅涉及资料识别，还包括业务规则判断、参数补全、异常提示和人工确认。

● 汽车销售培训考核：AI需要结合对话、视频和具体考核规则，对销售人员的表现进行评价，并通过结构化评分和人工复核机制保障考核结果的可用性。

● 工业智能控制：AI应用则需要结合设备运行数据、专业知识和安全要求，不能仅依靠通用对话能力完成任务。

这些项目属于大神科技既有的AI定制开发与交付实践，并非全部基于DSWork实施。但它们让我们更加清楚地认识到，企业AI真正困难的部分，往往不是调用模型，而是理解业务、建立规则、连接系统，并让最终成果满足实际使用要求。

这也是DSWork产品设计的重要出发点。

我们希望把可以标准化的能力沉淀到产品中，让企业不必重复建设基础功能；对于无法完全标准化的业务需求，则通过配置、扩展和必要的定制开发来解决。

成熟的产品能力负责降低技术门槛，实际的业务经验负责缩短技术与应用之间的距离。

二者结合，才能让AI从功能演示逐渐走向真实的业务使用。

▲ 三个案例：难的不是调用模型，而是理解业务、建立规则、连接系统

---

四、AI技术的门槛在降低，解决问题的能力却不会自动产生

从腾讯WorkBuddy、豆包工作到千问办公，我们可以看到，企业AI正在快速走向成熟。过去需要单独开发的许多能力，正在成为企业触手可及的基础工具。

这对企业和AI服务商来说，都是一次重要变化。

对于企业而言，不必再为所有AI功能从零开始建设，而是可以优先选择成熟产品，再根据数据安全、系统环境和业务需求决定是否需要进一步配置和扩展。

对于AI服务商而言，单纯提供模型调用、知识库搭建或Agent开发等通用能力，正在变得越来越难以形成差异化优势。

真正值得投入的，是如何理解企业的问题、选择合适的技术组合、控制实施成本，并让AI在实际工作中持续发挥作用。

如果企业只是希望提高文档处理和日常协作效率，标准化产品可能已经足够；如果涉及复杂的专业工具、内部业务系统或严格的数据安全要求，则可能需要更加灵活的部署与定制方案。

这并不是标准化与定制化之间的对立，而是企业根据实际需求作出的不同选择。

DSWork希望提供的，正是这样一种选择：以成熟的AI通用能力为基础，结合灵活部署、专业扩展和业务交付经验，让企业能够以更适合自身条件的方式使用AI。

▲ 对企业与服务商：真正拉开差距的，是把技术用到真正需要解决的问题上

技术能力会越来越容易获得，客户问题却不会因此自动得到解决。

当AI逐渐成为企业触手可及的基础能力，真正拉开差距的，或许不再是谁拥有更多功能，而是谁能够以更合适的成本和方式，把技术应用到真正需要解决的问题上。

“AI的价值，最终不在于它能做多少事，而在于它为企业解决了多少实际问题。