Agent集體進化！騰訊谷歌們加碼，AI打工人要普及了？

最近我的 X 首頁有點奇怪，關于 Agent 的帖子明顯變多了，但和以前那種「某某模型評測」不一樣，大家好像不再關心這個模型答題答得有多好，更在意一件更現實的事，哪個 Agent 能幫我把手頭這件事做完？

在剛剛結束的 5 月，「怪事」多了起來。5月20日，騰訊推出了叫「馬維斯」（Marvis）的東西，官方定位是「操作系統層級 AI 助手」，Windows、macOS、安卓三端同步上線，內置 6 個 7×24 小時在線的專項 Agent，每個負責一塊：文件、瀏覽器、應用、搜索、計算機操控，裝機即用。第二天，OpenAI 在 5 月 21 日宣布 ChatGPT 以 add-in 形式接進 Microsoft PowerPoint，免費用戶和 Business 訂閱者都能用，在 PowerPoint 里開個側邊欄，用自然語言生成或修改 PPT。

而在同一周，Google 在 I/O 2026 上推出了 Gemini Spark，一個可以 24 小時持續跑的個人 Agent，運行在 Google Cloud 專屬虛擬機上，能讀你的郵件、改你的文檔、通過 Chrome 操作網頁，你甚至不需要盯著它，這些活都能干完。

（圖源：雷科技制圖）

這就不難理解為何風向轉得如此之快了，在一大堆 AI 工具的轟炸之下，多數普通人已經不那么在意一個新的大模型能答對多少數學題，反倒是對 Agent 能干什么活更有興趣。

把 Agent 變「牛馬」，AI 要給打工人打工？

先說 ChatGPT for PowerPoint，加了 add-in 之后，PowerPoint 右邊會出現一個 ChatGPT 側邊欄，告訴它「做一份面向投資人的產品演示，從上周 Outlook 里找項目進展」，它會拉數據、生成內容、排好版，全程不離開 PowerPoint。能連 Gmail、Outlook、SharePoint，也就是說它在嘗試「幫你整合信息」，不只是「幫你生成」。

實際用下來，生成一份結構完整的初稿速度快，開會前臨時要一份 PPT 的場景基本夠用。OpenAI 自己也坦誠，復雜的模板處理和字體排版暫時還不支持。雷科技此前也專門針對這個插件做了詳細的體驗報告，感興趣的朋友可以點擊查閱。

（圖源：雷科技制圖）

說實在的，像這類 AI 工具插件，并不罕見，本質上它們還是在一個專項的場景里提供幫助，甚至目前還都不太成熟。但騰訊推出的馬維斯不一樣，它是一個網狀式 Agent 智能體合集，一個主 Agent 在上面統籌任務，下面調度 File、Computer、App、Browser、Search 這些專項 Agent 并行執行，把系統、文件、應用、算力、跨端控制都納進同一個中間層。你告訴它「幫我找上周 PM 發給我的那個 Agent 架構圖 PPT，文件名忘了，保存在桌面」，它會掃文件內容、做語義理解，而不是在文件夾里按關鍵詞搜索。

（圖源：雷科技制圖）

實際上手試了幾個場景，比如最開始我們讓它拉個復盤會需要準備的材料。馬維斯的回答先做會前準備表，再給 90 分鐘議程，順序符合實際工作流，還把會前動作拆成了可分配的任務：運營拉線索質量數據、產品匯總客戶反饋、銷售整理賣點問題，每項都有負責人和預期產出。它很聰明的點在于，會把「賣點不清楚」翻譯成「整理客戶原話和具體場景」，這很實用。

再比如把一份 Word 經營簡報和一張 Excel 明細表同時上傳，讓它找銷售額、毛利、地區排名，以及有沒有明顯異常。它調用了 File Agent，把兩份文件跨表串聯起來，給出了銷售額 2,357,512、毛利 836,257、華南地區最高，還把重復客戶電話、空負責人、零數量售后單、異常大單這幾類問題都列出來了。

當然，等待時間比較長還是不太能忽視的。簡單的開場問答大約要 30 秒，不是瞬時；文件分析的話，從提交到最終結果大約 6 分鐘，而且中間過程的顆粒度不夠細，你能看到 File Agent 在處理，但不知道它讀到哪里、還要多久。對于「我手上有材料、開會前想快速掃一遍」的場景，6 分鐘還是可以接受的。

（圖源：雷科技制圖）

不過呢，馬維斯最近能成功出圈，我認為還是和他的設計有關。在側邊欄我們可以看到一個叫「辦公室」的頁面，打開是一個白色 3D 辦公室場景，Marvis、App Agent、Browser Agent 像幾個員工坐在各自的工位上，右側展示今日任務完成數、Token 消耗和進行中的任務。它用有趣的動畫，直觀地把 Agent 與 Agent 之間是如何協作、如何分配任務的過程展現出來，相比起枯燥乏味的工具，「AI 牛馬」的形象太深入人心了。

不管深度如何，從在 PowerPoint 里幫你一鍵出稿，到在整臺電腦上幫你調文件、開會議、掃異常，它們都指向同一個方向：AI 正在從一個回答問題的工具，變成一個坐在工位上處理雜活的同事，區別只是這個同事是干雜活，還是干專精的活。

騰訊OpenAI谷歌們拼盡全力爭奪「AI 工位」

這一輪搶位置的熱度，很大程度上是 OpenClaw 燒起來的。

OpenClaw 的前身叫 Clawdbot，奧地利獨立開發者 Peter Steinberger 在 2025 年 11 月做出來的，開源、可以跑在本地。起初沒有多少人注意，直到 2026 年 1 月幾個視頻傳開，比如「AI 自主買車」「30 分鐘完成代碼遷移」，開發者圈子一下子炸了。Clawdbot 兩次因商標問題改名，最終定名 OpenClaw，從第一個版本到 GitHub Stars 破 25 萬，只用了大約 60 天，速度比 React 十年積累的還快。創始人隨后在 2 月加入了 OpenAI，繼續做 Agent 方向。

OpenClaw 之所以能爆，不只是因為它新鮮，而是它第一次讓普通用戶真實感受到「AI 在幫我干活」是什么感覺，而不是「AI 在幫我回答問題」。它能讀本地文件、操作應用、調用瀏覽器、執行多步驟任務，靠一套叫 ClawHub 的技能注冊表把 LLM 和真實工具連起來。這套架構證明了一件事，那就是把 AI 變成一個真的在電腦上干活的角色，這件事技術上是可以做到的，而且用戶愿意用。

（圖源：雷科技制圖）

OpenAI 最開始推出 Codex 的時候，它還只是一個比較單純的 AI 代碼工具，給開發者寫代碼、修 bug、提 PR 用的。但從 2025 年 5 月到現在，Codex 悄悄變成了另一個東西——它能操作電腦、運行內置瀏覽器、處理圖片、跨工具執行任務，還加入了「Goal Mode」，也就是你說一個目標和成功標準，讓它自己持續跑，知道任務完成。

這個變化不是 OpenAI 一開始就規劃好的產品路線，一個足夠能干的 Agent，只要在某一個場景里證明了自己，就會自然地往相鄰任務擴張。編程之后是代碼調試，調試之后是項目管理，項目管理之后是操作瀏覽器、處理文件、理解上下文等等。

這也是為什么騰訊要從操作系統層級切入，Google 要把 Gemini Spark 做成 24 小時不斷線的持續 Agent，微軟要在 PowerPoint 里推進 Agent Mode，而不是繼續升級那個已經夠用的聊天窗口。Gemini Spark 內置了對 Gmail、Google Docs、Sheets、Slides 的原生調用權限，本質上，他們都在搶一個位置——「AI 工位」。

（圖源：雷科技制圖）

「AI 工位」最核心的根本不是一臺裝了 AI 軟件的電腦，也不是桌面上多出來的一個聊天框。更準確地說，AI 工位是一種新的工作關系，當人把目標、材料、權限和驗收標準交出去，AI 就在文件、應用、瀏覽器、系統和云服務之間調度動作，人從執行者變成管理者、審核者和最后拍板的人。當然，這其實就是把 AI 當「牛馬」用。

AI 辦公加速迭代，普通人成最大受益者

AI 工位對普通人的意義，不是讓每個人突然擁有一個高大上的智能辦公室，而是把「我親自操作軟件」變成「我分配一件工作」。人不再需要記住材料放在哪個文件夾、哪個應用負責哪一步、輸出要復制到哪里，而是把目標說清楚，讓 AI 去找、去讀、去整理、去調用工具，最后把結果交回來，就像你在用馬維斯的時候，你可以看到哪個 Agent 被你調用，哪個 Agent 又去「摸魚」了。

這也是為什么它會比單點工具更適合普通人，也更是大廠們想要搶奪的入口。一個 PPT 插件再好，本質上還是幫你做一份 PPT；一個真正成熟的 AI 工位，除了完成這份 PPT，還會順便幫你準備好匯報的其他需求。這就是插件和 AI 工位的區別。

（圖源：雷科技制圖）

當然，目前來說，普通人會最先感受到AI 工位的副作用，比如 AI 要替你干活，就必須看見更多文件、拿到更多權限、理解更多上下文，以前你把一句話丟給聊天機器人，錯了大不了重問，現在把一串任務交給 Agent，錯的可能是文件、數據、日程、格式，甚至是一次對外發送。所以 AI 工位真正普及之前，用戶需要學會的不是更復雜的提示詞，而是更清楚地定義目標、限制邊界、檢查結果。

但至少，AI 工位把我們從「打工的牛馬」中解放出來，這就是它爆火的核心原因。