我对AI办公的理解，分为三层。第一层，Office三件套；文档、表格、PPT，加上生成和编辑，通用 Agent 的基座。

有了三件套，再带上技能和记忆，Agent能进公司干活了。但进了公司，光会做文档不够，得碰得到业务系统，这就到了第二层，连接层。

MCP、CLI，把 CRM、ERP系统串起来，Agent 才能在系统之间来回搬信息，处理企业级的活儿。

这一层各家都在积极做，本质一个Chat自带手脚进了不同组织，你可以管这叫数据穿墙。

真正分层的，是连接的质量。举个例子：

我每天下午4点港股收盘，都会去跑收盘数据，绝大部分AI办公跑不出来。为啥呢？

接口是接了，数据不到位，有延迟，要么调动不了；这是产品体验链接层的第一个分水岭。

再往上一层，第三层，垂类交付。

金融客户、做研报的人，表面上要一份 PPT、文章，实际上，背后要调动的工具和 Agent 完全不一样。

我每次查瑞银、摩根大通报告，有的 AI 办公他做了云端search，能直接搜到外媒原文，有的连云端搜索都没有，这是检索能力的差异。

更细的，即便都接了 CLI，拿到数据也不一样。

这么说吧，比如国内：

通达信把三十年金融数据封装成接口，卖给各家 Agent，但 L2 十档行情因为合规限制还不能远程调，这就是数据授权的生意，愿不愿意给你用。

这一层没有统一答案，金融一套，教育一套，法律又一套，每个赛道差异的核心还是数据，跟通用上下文关系不大。

还有一层跟基础模型有关。

做研报这种大交付，一个模型要读财报、研究报告，非常吃上下文；目前256K上下文撑不住，我觉得 1M 很重要，这只是我的体感。

基模关键有两点：

一，Agent 调度，接下一个任务后，能不能快速并行地分给子 Agent 处理；二，推理，能不能严格遵守指令、不跑偏地把活干了，还不浪费 Token。

我目前用基模，比较多的是Qwen3.8 -max、Kimi k3、智谱GM 5.3；这几个哪个性价比最高？个人认为千问，其次是智谱；调动我用Deepseek V4 flash。

所以，AI 办公最后拼什么：垂类、数据、基模；以及ToB能够拿下多少客户？

Agent 编排、产品外皮都能做，复杂的是谁能把基模做好，快速进入企业把活干明白。

对了，还有一个是智能体；实际上，智能体是交付层与连接层中间可以做成loop循环的东西。

还有一点，AI办公ToB订阅付费可能不是一种最佳方式；大企业一旦布局，就要24小时轮流用偷啃，到时候，偷啃消耗像水电煤，离不开还瘾大。