豆包工作，成为字节闭源路线的商业答案？

出品/未来科技界

作者/李彦

编辑/杨宇

8月25日，字节跳动正式发布面向个人、团队和企业的AI Agent产品“豆包工作”。与传统办公助手侧重内容生成不同，豆包工作试图进一步承接任务拆解、工具调用和结果交付，并通过飞书获取企业知识、组织权限及协作关系。

字节选择此时入场并不意外。相比通用问答，办公场景能够承接更复杂、更持续的模型调用，也拥有相对清晰的个人订阅和企业采购路径。据《晚点LatePost》报道，腾讯WorkBuddy的日活跃用户已稳定在百万量级。这一增长速度足以让其他大厂重新评估AI办公入口的战略价值以及“抢跑”的紧迫性。

阿里在8月初加入竞争行列，推出了与钉钉协同的“千问办公”。而字节在过去的一个月，陆续将飞书、TRAE、扣子等相关团队并入豆包，为统一AI办公入口铺路。

与强调开源和模型声量的国内厂商相比，字节向来偏爱将模型能力封装进具体产品，以产品为导向迈向商业链路的闭环。这条差异化路径背后，究竟隐藏着怎样的考量？

字节的闭源选择：流量、产品与商业化

想理解字节的选择，需要先看清榜单和开源在大模型竞争中的作用。

对模型公司而言，公开评测是建立技术信用最快的方式。数学、编程、推理等成绩可以帮助企业客户降低选择成本，也能吸引开发者、资本和媒体关注；开源则进一步降低使用门槛，让模型通过下载、部署和二次开发迅速扩大影响力。

阿里千问、智谱、MiniMax等大模型厂商走的就是一条相对典型的路线。比如截至2026年初，千问已经开源300余款模型，全球下载量超过6亿次，衍生模型达到17万个。庞大的开发者生态既强化了千问的技术品牌，也为阿里云百炼带来潜在客户。

而字节却是国内罕见偏爱闭源、也不爱“刷榜”的企业。即便Seed团队在2025年曾推出Seed-OSS系列开源模型，但这些动作始终没有成为豆包对外传播和商业扩张的主线。字节开放的更多是面向研究及开发者社区的特定模型，承担商业任务的豆包旗舰模型仍主要通过豆包产品和火山引擎API对外提供。

在「未来科技界」看来，字节跳动的选择基于以下三点考虑：

第一，字节不需要依靠开源完成早期获客。对缺少用户入口的模型公司而言，开源可以迅速触达开发者，再由开发者将模型带入更多应用；字节自身拥有抖音、剪映、番茄小说等产品，也具备成熟的分发和运营体系，可以直接将模型推向大众用户。开源所承担的渠道价值，对字节没有那么不可替代。

第二，字节的优势更多体现在场景和工程化能力上。模型评测主要衡量数学、编程和推理等标准化能力，却很难覆盖语音交互、内容创作、多模态生成及高并发服务等实际体验。豆包已经进入字节内部数十个业务场景，截至今年6月日均Token调用量达到180万亿。对字节而言，实际调用、运行稳定性和单位成本，比某一项榜单成绩更接近产品竞争力。

第三，闭源更符合字节对商业链条控制权的要求。主力模型通过豆包和火山引擎输出，字节可以统一掌握产品体验、迭代节奏、API定价和客户关系，并将使用反馈继续用于模型与产品优化。全面开放模型权重虽然有利于扩大开发者生态，也会削弱字节对部署方式和商业入口的控制。

因此，字节选择的是一条以自有产品完成分发、以规模调用验证能力、再通过闭源服务承接收入的路线。这条路径能够绕开开发者生态的漫长积累，却也把模型价值兑现的压力留给了字节自己：它必须持续找到足够高频、且能够形成付费的应用场景。

豆包工作，补上商业化的中间层

为了寻找一个高频且能够形成付费的AI应用场景，豆包工作理所当然被推到了台前。

凭借免费策略和字节成熟的分发体系，豆包无疑是AI对话产品竞争中的用户规模赢家。但通用问答的单次价值有限，个人用户也缺少稳定的付费习惯。即使调用量持续增长且推出付费策略，也不意味着收入能够大规模同步增加。

办公恰好提供了更清晰的价值尺度：一项任务节省多少时间、减少多少重复劳动、能否直接交付可用成果，都可以被企业纳入投入产出评估，也更容易形成个人订阅和企业采购。虚拟桌面和电脑操作能力，则让AI能够跨越不同软件持续执行。任务链条越长，模型与工具调用越深入，单个用户所能贡献的使用价值也越高。

所以从对话到办公，看似只是产品功能的延伸，实质上AI的价值单位从“单次生成”变为了“流程交付”。

所以，通用模型进入企业，首先要解决的并非生成能力，而是上下文问题。它需要知道用户属于哪个部门、能够读取哪些文件、项目经过了哪些讨论，以及任务完成后应当进入哪个协作流程。缺少这些信息，再强的模型也只能停留在通用助手层面。

飞书由此成为豆包工作进入企业的关键接口。用户通过飞书账号登录后，豆包工作可以在权限范围内读取聊天记录、文档、会议纪要、日程和企业知识，生成的内容也能重新沉淀回飞书，供团队编辑、分享和复用。飞书积累的组织关系、知识资产与权限体系，为豆包补上了理解企业的基础。

伴随着这一变化，飞书在字节AI体系中的战略角色也被重新定位。过去，飞书既承担协同办公产品的建设，也需要独立开拓企业客户；组织调整后，豆包开始成为统一的AI产品入口，飞书更多负责提供企业场景和协同环境。飞书原有产品，而是从“独立SaaS主体”转变为“AI Agent的场景基础设施与商业入口”，其十年积累的文档、会议、多维表格和组织管理能力，正在被重新组织为豆包进入企业的组件。

TRAE和扣子的加入，则进一步补齐了执行层与连接层。TRAE在桌面端Agent和电脑操作方面的积累，使豆包工作能够从内容生成走向跨软件执行；扣子的智能体开发框架、技能和连接器体系，则帮助其接入更多外部工具。至此，字节原本分散在多条业务线上的能力开始收拢：豆包负责理解与规划，飞书提供企业上下文，TRAE承担桌面执行，扣子负责工具连接。

这套组合的目的，是把豆包庞大的C端用户池导向价值更高的工作任务，并进一步进入团队和企业市场。现阶段的豆包工作更像是字节打通AI商业链条的一次关键验证。它试图补上豆包与火山引擎之间长期缺失的应用层：豆包获取用户，飞书与其他工具把需求转化为具体任务，由此产生的模型调用、云端运行和企业服务，最终交由火山引擎承接。

字节AI闭环，等待火山引擎兑现

豆包工作补上应用层后，火山引擎需要完成最后也是最关键的一步：把任务转化为收入。

过去两年，火山引擎以低价换取调用规模。更低的价格降低了企业试用大模型的门槛，也帮助字节提高基础设施利用率、积累大规模推理经验。但调用量只能证明需求存在，无法直接代表商业质量。当模型能力逐渐趋近，标准化API很容易陷入比价，企业也可以根据性能和成本切换供应商，低价获得的客户未必具备足够黏性。

豆包工作为火山引擎延伸企业服务链条提供了新的入口。当模型进入文档、会议、知识库和业务流程，企业采购的对象便从单次调用，延伸至智能体运行、权限管理、云端执行和协同办公等一整套服务。火山引擎也由模型能力的供应方，进一步向企业生产系统内部延伸。

飞书GTM团队并入火山引擎，正是为这条路径铺设商业通道。飞书长期接触企业管理者和业务部门，积累了SaaS销售与客户服务经验；火山引擎则更接近企业技术部门，掌握模型、算力和云基础设施。两支团队整合后，字节可以围绕同一客户统一销售飞书、豆包工作和火山引擎服务，将收入从按Token计费，拓展至账号订阅、平台服务和行业解决方案。

至此，字节的AI商业链条逐渐成形：豆包承接用户需求，飞书提供企业知识和组织权限，TRAE与扣子支持任务执行，火山引擎负责底层资源与商业交付。字节试图掌握的已经超出一笔模型调用，延伸至任务提出、数据调取、工作执行和企业付费的完整过程。

这也构成了闭源路线更深层的商业价值。模型、产品、企业场景和销售渠道被收拢在同一体系内，每增加一项工作任务，都可能同时带动AI订阅、模型调用与云服务收入。相比单独出售低价Token，一体化服务拥有更高客单价和更强客户黏性的可能。

不过，链条成形距离闭环成立仍有距离。企业是否愿意将内部数据和核心流程交给豆包，取决于准确率、安全性与系统兼容能力；长流程推理、电脑操作和多工具调用带来的成本，也远高于普通问答。若任务收入无法覆盖执行成本，调用规模越大，投入压力反而越重。

因此，豆包工作真正需要证明的，并不止于覆盖多少办公功能，而是能否让企业持续付费，并让每项任务创造的价值高于背后的模型与算力成本。这才是字节AI能否完成从卖Token 的低毛利管道，向卖高附加值Agent服务这一商业化跃迁的关键。