360的奥德赛时刻：又一家公司冲进AI办公

从智脑到纳米Work，360为什么反复押注AI？

撰文 | 李嘉星

编辑 | 张薇

图片来源 | Pexels

7月28日，北京国家会议中心，360发布了纳米Work，将其定位为新一代企业智能体工作平台。周鸿祎说，AI要从回答问题走向完成任务。

我的第一反应其实是疑惑。腾讯有企业微信，阿里有钉钉，字节有飞书，都已经半只脚站在办公场景里。而360最为人熟知的，仍是杀毒软件、浏览器和终端安全服务。一个缺少办公生态的安全公司，为什么也要做纳米Work？

不得不承认，AI办公助手已经火起来了。腾讯将资源向WorkBuddy倾斜，7月底推出安卓、iOS和鸿蒙端。同期，据媒体报道，字节将飞书，TRAE，扣子并入豆包，将推出“豆包工作”。8月3日，阿里将QoderWork、MuleRun和悟空整合为千问办公，并开启公测；8月中旬，据媒体报道，百度也将dodo相关研发和资源并入百度搭子，并将文库、网盘的通用智能体改名为库库AI。

纳米Work并不是360第一次做AI。更准确地说，在AI产品形态的几次关键变化中，几乎都能看到360产品的影子。大模型成为新入口时，它推出360智脑；AI搜索兴起后，又做了纳米AI搜索；当复杂任务开始需要多个智能体协作，360推出纳米AI和智能体蜂群；OpenClaw和“龙虾”类产品走红后，360又尝试把Agent装进电脑，让它真正调用工具。现在，纳米Work试图接住这些曾经分散的产品和能力。

这一次，360进一步把重心转向企业版。8月17日，纳米Work企业版合作伙伴招商启动会召开，200多家渠道伙伴在线参加。产品发布不到一个月，360已经开始为它寻找进入外部企业的路径。

从360智脑、AI搜索到纳米Work，360一次次改变产品形态。我们想探讨的是，一个以安全起家的公司，为什么会一次又一次把自己推回AI赛道？

安全品牌，为什么要做AI？

故事要从梁志辉为AI搜索写下的一封“请战书”说起。

梁志辉目前是360AI产品的总负责人。

2023年春，国内“百模大战”刚刚打响，几乎每家公司都想证明自己有模型。360也不例外。相关团队当时只有二三十人，却同时推出了360智脑和AI数字员工。前者是模型线，后者是产品线，两条线几乎同时推进。

然而，梁志辉意识到一个问题：大模型最先改变的，很可能就是搜索和浏览器。

那封“请战书”也是在这个时候写下的。他提出打通360原有的组织边界，把搜索产品团队调进来，再做一套专门给AI使用的搜索引擎。

AI先撞上了360的旧生意。

过去，人要学习怎样使用搜索。想了解北京的小学入学政策，先把问题拆成关键词，再打开几个网页，判断哪一条是今年的规定。AI出现后，用户不愿意再做这些工作。他们说出完整的问题，希望机器直接找到教委网站，排除过时内容，再给出一个确定的答案。

给人使用的搜索引擎，可以把一排链接摆出来。给AI使用的搜索引擎则不能只做到这些。它要识别来源是否可信、信息是否过期，还要把一句含糊的话拆成多次检索。梁志辉说，过去一个问题搜一次，到了AI搜索，可能要搜三四次。

所以，那封“请战书”首先改变的是组织。原有的搜索库和排序规则被重新调整，搜索产品团队也被调入项目。

但产品还在改，用户又往前走了一步。

梁志辉发现，搜索框里开始出现越来越多软件开发问题。用户并不想学习一段代码，而是要求AI直接做出网页、Dashboard或小工具。“大家用AI不再把它当成一个提建议的东西，”他说，“他可能就是要生成一个工具、做一个网页。”

到这里，搜索已经不够用了。用户输入的内容从关键词变成完整问题，最后又变成任务。搜索能找到资料、整理信息，却不能替用户打开软件、修改文件，再沿着结果继续工作。

360此前已经做过一些准备。360智脑解决模型从哪里来，AI数字员工尝试了对模型的简单应用。纳米AI和智能体蜂群让不同模型、不同智能体开始分工。它们没有直接变成今天的纳米Work，有的甚至已经被搁置，但都在把AI从一个万能聊天框推向具体工作。

通用Agent和“龙虾”类产品的持续走红，补上了最后一块拼图。模型不再只是回答问题，它开始拥有浏览器、终端和一台电脑，可以自己寻找工具，把任务继续做下去。

但当时的“龙虾”更接近极客工具。用户需要自己安装环境、配置软件，理解Agent如何调用浏览器和终端。对360来说，新的问题不只是Agent能不能跑，而是普通人能不能使用。

梁志辉2010年加入360后，做过补丁分发和双核浏览器。他认为，360早期最擅长的一件事，是把复杂技术做成“边远小山区小卖部老板都会用的东西”。“我们做产品，总是希望，第一，装得容易；第二，运行得容易。”梁志辉说。用户不必理解补丁如何分发、浏览器如何切换内核。背后的技术可以很复杂，留给用户的最好只有一个按钮。

要把“龙虾”从极客工具变成普通人的产品，360首先要回答一个具体问题：Agent究竟应该运行在哪里？这个问题后来成为纳米Work最重要的产品选择之一。

另一个关键因素，是作为360的CEO，周鸿祎一直在亲自推动这件事。据梁志辉介绍，360后来将“All in Agent”确立为公司主基调，周鸿祎也会亲自下场开发Agent。

周鸿祎亲自演示安全龙虾

制作纳米大片时，周鸿祎曾花两个月研究一套被称为“空间引擎”的方法：剧本只写了一座宫殿，模型还要继续推演宫灯放在哪里、窗户朝向哪里、人物怎样站立、场景属于哪个朝代、光线应该怎样落下来。团队后来又沿着他的方案重新体验和优化。梁志辉还提到，周鸿祎有一次为了业务连续三天参与Agent研发，“不仅是讨论和设计，有时候自己还会写”。

360内部的不少高管本来就是技术出身，这就会形成一种不同的决策习惯：管理者更愿意亲自试验，也更能容忍一项尚不成熟的技术。至少在梁志辉的讲述中，Agent在360并不只是一项由业务部门负责的新产品，它逐渐变成了一项由管理层直接介入的公司工程。

与其说360突然进入AI办公，不如说AI一步步把它推出了原来的搜索边界。纳米Work是这场应战目前抵达的位置：搜索负责找到信息，Agent继续使用工具，把任务做下去。

AI的权限比员工大

在360，一名测试人员看不了代码，他的Agent却能。

据梁志辉介绍，测试人员过去没有读取代码库的权限。为了让AI替他做单元测试和质量检测，团队允许他的Agent在一台受控服务器上读取、分析代码，甚至提交修改。

为什么一个人不能做的事，可以交给代表他工作的AI？

答案藏在任务里。把一段报错复制进聊天框，AI只能根据有限的信息猜测。要真正完成测试，它需要进入代码库。AI做的事情越完整，需要接触的公司信息就越多。

这套做法不能先在外部客户那里试。360决定先拿自己试。

周鸿祎带头在360内部试用纳米Work

据梁志辉介绍，纳米Work先在公司内部铺开。员工得到Agent，Agent也开始获得进入公司的身份。但它很快撞上了一堵墙。

企业信息安全部门平时负责“建墙”：代码库、邮件、OA和财务系统彼此隔开，每个人只能进入与岗位相关的区域。纳米Work要真正工作，团队首先要解决的却是怎样有控制地“拆墙”。在一家安全公司里，这件事尤其敏感。

普通Agent甚至没有进门的工牌。它不与企业ID相连，不能说明自己代表谁，也无法沿用员工已有的授权。360给Agent配了一张“身份证”，再与域账号打通。它访问内部系统时，需要带着具体员工的登录身份；内网里未经审核的Skill也不能直接使用。

有了身份，新的问题是该给它多少权限。

QA案例给出了360内部的一种答案：人的权限按照岗位划分，Agent还要根据它接到的任务获得额外权限。但这种权限不是一次性放开。读取代码、提交修改和正式发布被拆成不同的权限节点。Agent可以在受控环境里完成前面的工作，最后仍由人确认。

纳米Work上线早期问题较多，这套办法先被用来修理它自己。

团队建了一个内部群，最初由一名实习生处理反馈。他身边还有一个“纳米Work医生”。因为Agent和出现故障的环境都运行在虚拟机里，“医生”可以直接检查环境，协助处理问题。

后来，它开始巡检环境、定位故障，再把问题交给对应的开发人员。有些Bug也会由机器人修复并提交，人确认后再发布。

“我们尝试让真正的智能体上岗。”梁志辉说。AI上岗以后，360内部的管理方式也开始变化。

360内部每天有Token榜，系统可以分析消耗最高的人拿AI做了什么，这些工作痕迹还可以由AI整理成周报。管理者可以据此了解工作进展，再围绕具体问题具体追问。

过去，管理者等员工重新讲一遍做了什么。现在，他们开始直接询问工作留下的数据。

更多可见性也带来了新的边界。企业版尝试让工作对话默认共享，但员工可以选择私有。梁志辉强调，分析对象是企业版纳米Work中的交互，并非员工个人电脑上的全部活动。即便如此，谁可以看见工作过程、谁能够调用这些记录，仍需要明确规则。

360最初只是想让AI多干一些活，后来逐渐发现，仅有能力还不够。要让它真正进入工作流程，还得给它身份、系统入口和一套新的授权方式。当不同Agent开始协同，公司还要重新考虑经验如何流动、管理者能看见什么。

把AI搬到云端，不只是为了更快

用户让Agent做一份PPT，它不一定马上开始写。

它可能先寻找PPT生成工具，再处理软件依赖与版本冲突。用户要的是一份PPT，Agent却先做起了电脑运维。

梁志辉认为，这是Agent产品里一个经常被忽略的问题。“模型大家也都能以几乎同等价格拿到”，Agent框架的差异也在缩小，“但今天一个Agent想更好地工作，你会发现Runtime更重要。”

Runtime是Agent真正干活的环境。梁志辉把它比作一辆车的底盘：发动机相同，车开起来怎么样，还要看底盘如何调校。“比如你现在生成一个PPT，Agent大概要下20个依赖，这些依赖可能是PPT生成工具、调研工具、分析工具。很多Token不是花在生成上，而是花在配置环境上。”

360最初也选择了本地。

团队在Windows系统里装入一个虚拟机，让Agent在隔离环境中运行。但梁志辉说：“后来发现这套方案太重了。对用户来说，要下载几个GB的东西，而且很多用户电脑条件不好。”

于是，团队开始把Agent的执行环境搬到云上。过程并不顺利。“放到云上又要解决很多云上会遇到的问题”，梁志辉说。网络不通、软件安装不顺畅，不同Agent能否稳定运行，都变成了360需要处理的运维问题。

复杂性没有消失，只是从用户一侧转移到了360。

纳米Work把这套环境称为“云端办公室”。常用软件、开源工具和Skill被提前放进云端，Agent接到任务后，不必每次重新下载和配置。梁志辉给出的内部口径是，云端环境预置了约2万个依赖；他还称，在部分本地Agent的初始使用阶段，相当一部分Token会耗费在下载、安装和配置软件上。

“这些事情我们在云端提前帮你做。”梁志辉说，“原来这些东西可能会在你机器上装几百个开源软件，现在都放在云上。”

这才是云端给纳米Work带来的第一种速度：它不是让模型思考得更快，而是让Agent少花时间准备开工。运行环境被统一后，同一套工具不必在每一台电脑上重复安装，产品团队也可以集中处理兼容、更新和故障。

第二种速度来自任务不再被一台电脑绑住。

“很多人会吐槽，用Claude Code时笔记本一关就不跑了。”梁志辉说。销售、市场等岗位不会一直坐在电脑前，Agent接到的任务却在变长。执行放到云端后，人可以在电脑上布置任务，离开办公室后用手机查看，任务不会因为合上笔记本而跟着停止。

梁志辉把这种关系说得很直接：“我们把所有耗电的事情放到云端，本地就是一个遥控器。手机可以遥控，电脑也可以遥控。”

不过，真实办公仍然离不开本地文件和企业内网。纳米Work又补了一座“桥”，让云端Agent在获得授权后调用本地文件。“相当于大脑在云端，手脚可以在笔记本上。”梁志辉说。

云端并非在所有情况下都比本地快。网络可能延迟，复杂任务仍要等待，维护环境也会增加算力成本。它解决的是另一种浪费：软件不必反复安装，任务不因关机中断，用户也不用先把电脑改造成一间Agent机房。

360把本地电脑承担的复杂性搬到了云上，也把一部分原本由用户承担的成本留给了自己。云端办公室能否成为优势，最后不只取决于它装了多少工具，而在于节省下来的人力时间是否足以覆盖持续运行的算力账单。

这笔账，个人用户未必会认真计算，企业一定会。

企业版才是下一个目标

企业要算的，不只是AI完成一次任务能省多少时间。

一份PPT即使快了几个小时，下一名员工仍可能从头上传资料。这样的效率只发生了一次，这笔账便没有想象中好看。

纳米Work把下一步指向企业版，试图让这种只发生一次的效率留在组织里。它最先增加的不是一个更强的Agent，而是“团队”。

访谈中，梁志辉点开企业版左侧的“团队”，360的组织树随即展开。他沿着组织树进入一个部门，又点开一名员工。企业版与360的组织架构相连，员工可以公开自己做过的项目。

纳米Work企业版的团队页面。部门可以配置公共智能体。图片来源：受访者演示。

个人版解决的是一个人怎样把任务交给AI。企业版要处理另一件事：一个人做出的结果，怎样被公司里的其他人继续使用。

这套组织关系不需要企业重新录入。据梁志辉介绍，纳米Work可以通过飞书、钉钉等平台导入公司已有的通讯录。部门也能留下公共智能体。商业化部门做出的文案专家，其他部门有需要时可以直接调用。AI能力因此不必跟着制作者留在原岗位。

接着，梁志辉打开一个名为“Work TO B销售材料”的项目。

纳米Work企业版的项目页。同一项目中的成员可以沿用项目资料。图片来源：受访者演示。

不同于首页的个人知识库，这里的内容只服务于这个项目。据梁志辉介绍，这项设计是为了让参与者面对同一个问题时，不必各自重新准备背景资料。

做PPT曾经让他意识到这种差别。

在个人版里，梁志辉可以让AI做出一份不错的PPT。文件交给同事后，对方却不知道它引用了什么，也看不见梁志辉当时怎样向AI交代任务。“他不知道我当时是什么样的逻辑去做出来的。”梁志辉说。

文件交出去了，方法没有。

企业项目试图补上这一段。梁志辉做完PPT后，另一名同事可以进入同一个项目，沿用此前留下的上下文继续写串词。两个人不必再在聊天软件里来回传资料，也不用分别向AI解释这场活动是什么。

员工不必从一开始就公开每次尝试。据梁志辉介绍，任务可以先在个人空间完成，确认值得复用后，再移入团队项目。

共享由此变成一个主动动作。员工先为自己工作，再决定哪些方法值得留给团队。

项目还不是终点。梁志辉随后演示，一段效果好的任务可以让AI总结成Skill。Skill在这里不是一个新按钮，而是一种能够再次调用的工作方法。下次遇到类似任务，其他人不必重新摸索。

梁志辉特意区分了项目与Skill。“项目是一堆任务，它就是一个文件夹。”项目保存一项工作的连续过程，Skill只提取其中已经验证过的办法。并非所有项目都能自动变成标准流程，团队仍要判断哪一段真正值得复用。

对于更稳定的协作，团队还可以把流程固定下来。梁志辉打开多智能体工作流，几名专家按既定顺序接力。临时项目里偶然跑通的办法，开始有机会变成重复执行的流程。

纳米Work的多智能体工作流演示。图片来源：受访者演示。

个人办公助手可以替一个人节省时间，企业版想把这段时间继续放大：一个人做对一次，下一名员工不再从头开始。

它也对应着更现实的商业选择。梁志辉说，360不准备和免费产品争夺DAU，“免费的这场仗不跟”。云端Agent的运行成本更高，只有进入价值足够明确的工作，企业才可能认真计算投入换回了什么。

如果同一种工作仍要由每名员工从头做一遍，云端只会带来更高的账单；只有方法能够被继续使用，成本才有可能被摊薄。

界面之外仍有实施工作。企业要连接自己的系统，员工也要改变使用习惯。360把对应的额外服务称为FDE，提供这些服务的是获得ADE证书的智能体专家，它们负责把产品送进公司的最后一段路。

企业真正要交出去的，不只是一批文件，而是工作发生的过程。纳米Work接下来要验证的，是公司是否愿意让这个过程持续留在一套Agent系统里。

你会愿意让AI进入公司的真实工作流程吗？

欢迎在评论区分享你的看法~