模型够聪明了，为什么AI智能体还是办不成事？

Anthropic 最近发布了一套 Model Hardware Standard，试图给 AI 智能体建立与硬件沟通的通用语言。接入这套标准后，显微镜、机械臂这些不同厂商、不同接口的设备，可以被 AI 智能体发现、理解和调用。

这件事指向了 AI 行业正在发生的一次变化。过去一年，竞争主要围绕模型的推理、生成和多模态能力展开；如今，AI 智能体开始走出聊天窗口，进入实验室、工厂和企业现场。行业的问题随之向下移动：模型已经足够聪明之后，谁来连接工具、硬件、数据和任务？

9 月 2 日，腾讯 WorkBuddy 宣布面向更多伙伴开放合作。通达信、广发证券、北大法宝、腾讯 SSV 教师助手、微盟、北森、云帐房、帆软等应用与软件伙伴进入生态；Plaud、Rokid、影石、优篮子、科大讯飞、安克、猛玛、京造等硬件伙伴，也共同构成了 WorkBuddy 的生态版图。

一款 AI 产品为什么要同时连接专业软件、行业服务和多种硬件？这份名单勾勒出的，其实是 AI 智能体即将面对的完整工作现场：专业软件提供行业知识和业务动作，智能硬件提供声音、图像与移动中的现场信息，AI 智能体则要把它们组织成一条可以持续推进的任务链。

会答题之后，AI 得学会把事办完

过去一年，AI 办公产品已经能写、能搜、能总结，也能处理越来越复杂的内容。但真实工作依然分散在不同软件、不同设备和不同账号体系里。用户获得 AI 的建议之后，往往还要自己完成信息搬运、工具切换和流程衔接。

以一名投资经理准备行业调研为例。他需要回看此前的研究笔记和会议纪要，调取市场数据、公司公告和行业信息；会议结束后，还要整理核心判断、列出待验证问题、分派后续任务，最终沉淀为一份研究报告。

其中每一步都有相应工具：会议内容可能留在录音设备里，市场信息来自专业金融服务，资料散落在本地文件和企业知识库中，协作又发生在文档、邮件和即时通信软件里。AI 可以帮助生成一份摘要，却未必知道用户此前研究过什么、这次讨论解决了哪些问题、哪些结论还需要继续验证。

这正是 AI 智能体从「回答问题」走向「完成工作」时遇到的主要障碍。腾讯 WorkBuddy 开放生态负责人林佐露在发布会上也谈到，AI 智能体「能做事」这道坎已经跨过去了。真正的挑战是，让它在任何设备、任何系统、任何场景里都不中断。

AI 智能体操作系统到底管什么

AI 智能体要承担复杂任务，需要拥有连续的上下文。它要记住用户已经做过什么，理解任务进行到哪一步，判断该调用哪项工具，也要清楚哪些数据可以读取、哪些操作需要确认。记忆、任务状态、工具连接、身份权限、数据和产物，构成了 AI 智能体工作所需的基本环境。

早期 PC 也经历过类似阶段。在操作系统和统一接口成熟之前，软件之间难以顺畅交换信息，用户自己充当不同工具之间的连接器。如今，应用、设备与 AI 智能体之间的割裂，让这种摩擦以新的形式出现。

所谓 AI 智能体操作系统，解决的就是这层问题。传统操作系统管理文件、窗口和应用，AI 智能体操作系统还需要管理任务、记忆、工具和权限。模型提供理解与推理能力，这套系统决定模型能看到多少工作现场，又能把任务推进多远。

上线半年内，WorkBuddy 完成超 50 个版本迭代，落地政务、教育、零售、金融、传媒、出行等 50 多个行业。据腾讯 2026 年 Q1 财报披露，以日活跃账户数计，WorkBuddy 已成为中国最受欢迎的效率 AI 智能体服务；第三方机构易观的数据显示，6 月 PC 端单月访问量超 2000 万，保持市场第一。

当一些 AI 办公产品还在验证单一场景时，WorkBuddy 已经积累了足够多样的真实任务类型，这是它试图做操作系统的前提——操作系统从来不是为单一应用设计的。

从 Buddy 应用到智能硬件，一条工作链如何接起来

WorkBuddy 的开放生态，首先是在补齐 AI 智能体的「手」和「眼」。

通达信、广发证券、北大法宝、微盟、北森、云帐房、帆软等应用与软件伙伴，分别连接金融、法律、商家经营、人力资源、财税和数据分析等专业场景。它们带来的价值，除了应用入口，还有 AI 智能体完成专业任务时需要的行业知识、业务数据和可执行工具。

以金融投研为例。通达信把自身 30 年的专业投研能力封装进 WorkBuddy，用户一句话提问，分钟级就能输出结构化、可追溯的研报级内容。这套应用内置