通用Agent的另一種解法

文：王智遠 | ID:Z201440

過去一年，AI辦公賽道最火的那些產品，核心能力都圍繞著同一件事：從零生成。

你給它一個提示詞，它就能寫出文章；描述一下主題，它就能做出PPT，核心賣點都是「你說，我做」。

不管是Manus、Genspark，還是各家大廠的Copilot、開源社區的OpenClaw，大家都在往這個方向發力。

01

資本也跟著往這個方向傾斜，Meta曾愿意花20億美金收購Manus，Genspark，整個團隊20個人，上線45天ARR就沖到了3600萬美金，B輪融了2.75億美金，估值達到12.5億。

4月27日那天，發改委正式叫停了Meta對Manus的收購；也是同一天，百度個人超級智能事業群PSIG完成了獨立后的首次公開亮相，還發布了通用智能體GenFlow 4.0。

同一天發生兩件事，指向一個行業命題的不同側面。

我跟PSIG團隊交流時，聽到一個挺有意思的數字：用戶真正需要從零開始做內容的場景，大概只占所有使用場景的20%。

這個數字值得停下來想一想。剩下那80%是什么？是用戶手里已經有東西了。

比如：

上個季度的方案，需要更新數據做成新版本；現場拍的幾百張照片，得篩選、修圖、配文案，最后打包交付；還有那些舊PPT的風格迭代馮。

這些場景有個共同特點：用戶手里有原料，需要AI幫他加工、組合、轉化。說白了就是「再創作」。

要是這個判斷沒錯，對整個AI辦公行業的影響就很大。

不管Manus和Genspark做得多好，它們解決的也只是20%的問題；調用別人的模型，幫用戶從零生成結果，既沒有自己的底層模型，也沒有用戶的私域數據和編輯器。

朱嘯虎說過「所有AI應用都是套殼應用」，這話雖然說得有點絕對，但指出的問題很真實。

Agent編排能力確實能值12億美金、20億美金，可一旦這種編排能力被開源框架拉平，大家的差異就只剩下工具多少、速度快慢了。這種優勢，很容易能被別人追上來的。

而那80%的「再創作」市場，AI要想做好，第一步就得拿到用戶的素材。

那素材都在哪呢？

在用戶網盤、文庫的知識庫里，也在大家十幾年積累下來的文件夾、照片、視頻和文檔里。

我在文庫網盤活動現場，聽到百度集團副總裁及個人超級智能事業群（PSIG）總裁王穎說過一個觀點，很有啟發。

她說，把Agent搬到數據里，比把數據搬到Agent里更現實。

這話的意思是，與其讓用戶把自己的數據上傳到各種AI工具里處理，不如讓Agent直接去數據所在的地方干活。

對絕大多數團隊來說，數據都分散在各種工具里，知識沒法統一管理和沉淀，還存在不小的安全風險，讓Agent走到數據身邊，不僅路徑更短，也更貼合實際需求。

而百度網盤，剛好是「數據所在的地方」，有10億用戶，還存著大家十幾年的各類文件。

PSIG的起點，除在Agent框架上發力，還扎根在數據底座上；從這個視角看，它從一開始就和Manus那些產品不在同一個賽道上。

02

問題是，一開始不一樣，那這個底座從什么時候開始打的？

說個有意思的事，2023年，文庫做了一個當時看起來跟AI沒什么直接關系的決定：把編輯器拆了。

是把整個編輯器全拆成了組件化的樣子。不管文字塊、圖表，還是排版格式、圖片位置，每一個元素都做成了能單獨調用的模塊。

我查了一下，那時行業里還在討論「上下文工程」，harness engineering這個詞要到2026年初才火起來。

文庫團隊當時的想法很樸素：

如果AI未來要替用戶干活，它就得能直接操作編輯器里面的東西；這個判斷現在看，好像是理所當然的事，但放在三年前，真不容易做出來。

拆編輯器，相當于把一個已經跑了很多年、用戶都習慣了的產品，底層全部重寫一遍，風險特別大，而且短期內根本看不到收益。

可沒想到，三年后的今天，這一步效果就出來了。

就說GenFlow 4.0的Office Agent，現在能做到的程度真挺驚艷；做PPT不用依賴模板，專業模式能模仿咨詢公司那種復雜的排版，創意模式還能把景點的真實照片，融進有風格的頁面里。

Excel更方便、Word也有亮點，等等。

問題就出在編輯器的架構上，傳統辦公編輯器，不管是桌面版還是在線版，都是一個封閉的整體。

AI能做的，是在外面生成一個新文件，然后，扔給編輯器去顯示；至于要修改里面的某一頁、某一個單元格、某一段文字，AI根本碰不到，只能靠用戶自己手動改。

這個問題，全世界都存在。

我大概捋了一下，Microsoft Copilot面對的就是這個困境。Office的編輯器太重了，Word、PPT、Excel各自獨立，架構沉淀了幾十年。

微軟能做的，在旁邊加一個AI助手，幫你起草內容、總結要點，可編輯器本身的底層邏輯，當初就不是為了AI調用設計的。

用戶用起來的感覺，就是「旁邊多了個幫手」。

Notion走了另一條路，它天生是模塊化的產品，跟AI結合起來更自然；但Notion的問題在另一邊：用戶的文件不在它那兒。

你的照片、視頻、以前的文檔、項目素材，這些東西Notion都碰不到，它只能幫你整理已經存在Notion里的筆記，別的就做不了了。

Kimi也差不多，對話能力很強，但用戶數據資產不在它那兒，每次用時，都得重新上傳文件、重新跟它說背景信息，特別麻煩。

而PSIG的位置，剛好卡在一個很特別的交叉點上。

編輯器拆成了組件，數據存在網盤里，知識在文庫的圖譜里，這三樣東西都在同一個體系里，放眼全球，能同時做到這三點的玩家，確實沒幾個。

也正是有了基礎，那80%的再創作場景，才有了落地的可能。

說白了，AI能拿到素材、看懂素材、還能在素材上直接操作，每一步，都離不開三年前文庫拆編輯器那個決定。

03

不光決定做得早，百度也在真金白銀下了重注。

今年1月，百度做了次組織調整，把文庫和網盤合并，成立了一個獨立的事業群，叫個人超級智能事業群，英文縮寫是PSIG。

負責人是王穎，身兼百度集團副總裁，直接向李彥宏匯報，現在百度一共有四個事業群，PSIG是最新的一個。

我查了幾個數字，湊在一起看特別有門道：

GenFlow月活已經過了1億，每個月交付的任務有2億次，而且文庫付費訂單里，有80%都是因為AI才付費的。

這個比例能說明一個關鍵問題：用戶現在對文庫的付費認知，已經從原來的「找文檔」變成了「用AI」，這個轉變早就完成了。

還有個細節，團隊空間灰度上線才三周，有1萬多個組織注冊，全是3到10人的小團隊，而且壓根沒做任何推廣，我還了解到，虛機資源一上線就被搶空。

這些數字單看，也就是普通的產品指標，放在一起就不一樣了：這個事業群能成立，靠實打實的數據驗證。

我覺得，現在整個AI行業還在為商業模式發愁的時候，PSIG可能是少數幾個，已經跑通「AI原生收入」的團隊。

現在行業里常見的AI賺錢模式，也就那么幾種。

比如：

賣token、賣API調用，本質上是賣算力，很容易陷入價格戰，被卷得沒利潤。

靠廣告變現，跟傳統互聯網玩法沒區別；那些先燒錢拉用戶、再想怎么變現的，現在投資人也沒那么多耐心了，錢越來越難拿。

PSIG模式不一樣，它天生是訂閱制的產品；文庫和網盤的會員體系已經運轉很多年了，用戶早就有付費習慣。

AI能力加進去之后，是讓原來的會員變得更值，用戶更愿意續期。

更關鍵的是收費邏輯，我了解到，PSIG后續還會推出更多付費方式，比如：按完成的任務來計費，用多少付多少，更靈活。

交流時，王穎說過一句話：我們賣的是附加值，不是水電煤。

這個定位，讓PSIG的商業模式和行業里大多數AI公司都不一樣，它不依賴云廠商的token分銷，也不用靠燒錢拉用戶，完全是自供血的狀態，而且這份利潤，來自用戶直接為AI能力買單。

我問過王穎，團隊里現在最缺什么，她的回答很直接：

特別好的人，聰明、理解力強，還得行動力強的人；我又問她有沒有壓力，她的話很實在，我們現在做的，是不辜負組織資源和用戶信任。

把這兩句話放一起，就能感受到他們的狀態：踏踏實實地把事情做好、兌現承諾。

04

可兌現這幾個字，落到一個有10億用戶的老產品上，遠比說起來復雜，王穎也很清楚，她在交流時提到過一個詞：創新者的窘境。

這個詞說的問題很具體：

文庫和網盤加起來服務著這么大體量的用戶，大家對這兩個產品的印象早就定死了，一個用來找文檔，一個用來存文件。

現在要把它們改成AI工作臺，用戶一下子未必能接受，甚至可能被嚇到。

PSIG做法是分開處理，網盤這邊，王穎態度很明確：安全是用戶用網盤的核心需求，這個底線絕對不能動。

用戶把最要緊的東西都存在這兒，就是網盤最值錢的資產；要是這份信任被傷了，不管加多少AI功能，都挽不回來。

所以，網盤變化會特別慎重，PC端大改版預計之后會上線，到時候會更突出AI的主交互，整體節奏就是一步一步來，不著急。

文庫這邊就激進多了，原因也很簡單，數據已經說明了用戶心智的變化，用戶早就把文庫當成AI產品在用了；既然用戶自己都主動接受了，產品自然可以大膽跟上。

我了解到，文庫首頁改版早就做完了，整個首頁都會改成智能體的交互界面，跟現在比完全是兩個樣子。但直到現在，還沒上線。

我特意問了原因，答案挺出乎我意料的：

等GenFlow的能力再強一點，因為要是新首頁上線了，用戶點進來，發現AI能力跟不上這個交互，反而會適得其反，不如再等等。

這個細節真的值得多琢磨琢磨，現在行業里大多數公司都是先上線搶聲量，體驗不夠再慢慢迭代；PSIG反過來了，先把能力做扎實，再讓用戶看到。

這種克制，在現在的AI行業里真的不多見。

海外市場就快多了，文庫海外版Orient沒什么歷史包袱，上線之后用戶漲得很快；多語言字幕、AI相機、AI筆記這些功能，直接就給到海外用戶，大家接受度也很高。

而且現在用戶已經破百萬了，海外用戶的付費意愿明顯更強，中東、南美、東南亞這幾個區域，跑得尤其快。

把這三條線放在一起看，就能看出很清晰的節奏：

海外沒包袱就先沖，文庫有數據驗證了就敢改，網盤用戶心智最重就穩著來。分場景、分節奏地推進。

交流時還有一個邏輯，我覺得特別值得跟大家說說，王穎提到一個觀察：

用戶做視頻類內容的流程，起點和終點其實都是網盤；拍完素材，先存到網盤里；然后用各種工具加工、剪輯、拼接；做完之后，再存回網盤。

要發出去的時候，還是從網盤走，大文件傳輸這事兒，網盤做得最好。

她當時說：「起點終點都是我，中間的橋梁做好，讓它不走就行了。」

這話聽著簡單，背后是一個很扎實的增長飛輪：

用戶數據本來就存在網盤里，AI的加工能力在GenFlow上，加工完的結果，又會重新沉淀回網盤。每用一次，這個循環就強化一次。

這跟Manus那類產品的邏輯，完全不一樣。

Manus用戶，每做一個任務，數據和結果都散在各處，不會自動沉淀下來，成為下一次任務的基礎。

PSIG的飛輪是自動轉的，用得越多，數據越全，AI就越懂你，做出來的東西也就越合心意。

這也是為什么我覺得，從零做一個新的AI產品，可能很快就能做起來；要把一個有10億用戶的老產品，改成一個全新的東西，這件事要慢得多，也難得多。

難就難在，你不能為了創新，把用戶十幾年的信任給弄丟了，可也正是這份信任，讓PSIG站在了一個別人根本到不了的位置上。

Manus用一年做到ARR一個億，4月27日被一紙禁令歸零；文庫和網盤攢了十幾年，同一天，剛剛開始。