来源：本原财经

2026年，AI最热闹的赛道无疑在办公领域。模型进化得越来越通用，大厂的竞争点进入深水区，演变为一场「软硬双线」的全域战争：个人Agent蹿红，AI硬件层出不穷。

从年初Anthropic推出Claude Cowork吹响个人Agent冲锋号，到年末Meta、阿里、字节密集落地智能硬件，头部厂商一边用软件Agent重构数字办公流，一边用硬件终端抢占物理世界的感知入口，产品迭代速度甚至快过职场人工作任务的更新节奏。

当AI办公正式从「对话工具」跨入「任务执行」阶段，行业的核心分歧也愈发清晰：软件形态的个人Agent，与形态多元的AI硬件，哪个赛道才拥有更长期的想象力？

让AI更像一个「人」

过去一年，AI Agent集体跳出聊天框，一头扎进真实业务现场，Agent的数量也在迅速膨胀。据IDC预计，活跃Agent的数量将从2025年的约2860万，快速攀升至2030年的22.16亿。

AI办公领域，经历去年的Manus和今年初OpenClaw两轮市场教育，用户兴趣被激活。大厂竞争的焦点也从争入口到真干活，再到近期出圈的能够帮你长期处理事务的「个人Agent」。

最早押注办公Agent的Anthropic，2026年1月推出面向知识工作者的Claude Cowork，可直接访问本地文件、调度子Agent并行处理任务、自主执行完整工作流。6月，OpenAI将Codex并入ChatGPT，同时推出Agent Plugins与Sites功能，把代码、文档、数据处理等Agent能力打包进用户已有的使用习惯中。

9月是全球个人Agent赛道的集中爆发期。Meta打响第一枪，发布的Muse直接成为年度现象级产品。仅13天，Meta便登顶美国苹果App Store免费应用榜，带动Meta当日股价上涨11.43%。

Muse打破了传统对话AI一问一答的交互范式，可持续记住用户的信息，理解用户的长期意图。在发布会现场，Muse展示了一个日常场景：用户在Instagram中收藏了一份食谱，Muse会结合家庭成员的饮食限制，整理菜单和购物清单，并继续处理相关事务。它在北美走红，也验证了个人Agent产品在C端消费市场的大众接受度。

Manus紧随其后推出个人Agent应用Cue。Cue为每个智能体配置了独立邮箱、手机号、钱包与算力终端，赋予其完整数字身份。它可以用户名义自主完成消息收发、预算内支付，独立把一件事从头执行到尾，还能代用户接听电话并自动生成通话摘要，进一步拓宽了Agent的权责边界与应用场景。

9月底，OpenAI“迄今规模最大的一届”开发者大会上，Sam Altman将压轴篇幅留给了Dots。OpenAI称Dots是“能够持续承担职责的智能体”，强调“always-on”，还提出了未来多个dot组成团队、协同工作的新方向。

一级市场的热度同步高涨。同月，仅14人的初创公司Instinct拿下10亿美元融资，估值突破百亿美元。Instinct采用短信和电话等方式交互，目前只支持邀请制体验产品。

海外厂商集体将个人Agent视作继搜索引擎、应用商店之后的下一代流量入口，国内大厂的布局也已全线铺开。

9月底，字节跳动被曝加速推进代号Spell的个人Agent项目，由豆包手机助手团队主导。腾讯元宝已有AI原生桌面智能体工作台WorkBuddy，“云端个人助理”LightVela和测试中的微信AI助手“小微”，近期也传出即将推出个人Agent产品的消息。

进入10月，蚂蚁旗下灵光开启新版本内测，重点加码个人任务执行能力。阿里千问则在此前就已明确宣布加速打造Personal Agent，13日官宣个人专属助理“千问Go！”，并在千问App上进行限时邀请测试。

创业公司中，前豆包高管齐俊元创立的Today AI也在9月24日开放下载，主打长期记忆、后台并行执行，被称为“中国版Muse”。

海内外科技巨头与初创公司全线入局，AI Agent正式从「对话工具」迈入「任务执行」阶段，从专注「任务」，转向专注「人」。

借AI硬件融入日常

大模型与Agent的进化让顶尖科学家都忍不住发出预警，但在真实世界中，陪伴在人身侧的终端大多还维持着旧模样。如果说个人Agent解决的是数字世界的任务执行，那AI硬件则是打通物理世界与数字世界的重要入口。

新形态的AI硬件层出不穷，在“所有硬件都值得用AI重做一遍”的号召下，AI眼镜、AI耳机、AI录音卡片、AI项链到AI戒指变化万千，不断刷新着人们对智能的认知边界。

硬件产品的核心功能，其实就是AI理解现实世界的“耳朵”与“眼睛”，为Agent提供更完整的用户上下文，补上Agent的“感知短板”，从而让技术真正融入到人类的日常之中。

海外大厂的AI硬件路线是底层算力和终端形态两手抓。

英特尔在2026年CES推出Core Ultra Series 3处理器，联合微软将Copilot+ PC推向更广泛的消费市场；微软联合英伟达推出搭载RTX Spark芯片的Windows笔记本，可在本地运行高性能AI模型。亚马逊推出首款以语音助手命名Alexa系列平板，将AI助手植入硬件系统；苹果发布HomeView智能家居中枢，主打家庭与轻办公场景的端侧AI体验。

国内大厂则更侧重办公场景的硬件落地，采集线下办公数据，补齐软件Agent的上下文短板。

以各家打得火热的轻量录音赛道为例。Plaud以一款卡片式AI纪要产品Plaud Note重燃录音设备大战，今年9月Plaud官宣与腾讯WorkBuddy达成深度合作，双方官方MCP接口互通，无缝接入工作流，让单次对话从“一份纪要”变成可复用的工作资产，后续还将推出联名款硬件 Plaud Note Pro。

巨头们也快速扎堆入场。阿里钉钉早在2025年就发布了首款AI录音硬件A1，今年9月，千问办公又推出升级版QwenNote A2，主打“转后即焚”的隐私特性。语音赛道老兵科大讯飞，也在今年9月推出自家AI录音卡，依托原生语音技术优势切入市场。字节飞书则联合安克创新，在年初推出“AI录音豆”，仅10克重量，以小巧形态适配日常面谈、会议等多场景。

今年AI硬件里更领风骚的还属AI眼镜，AI眼镜也是大厂军备竞赛的看点。Omdia数据显示，全球AI眼镜出货量从2023年的38万台、2024年的206万台攀升至2025年的870万台，2026年预计突破1500万台，是增速最快的消费电子品类之一。

垂直赛道中，Rokid、Xreal、雷鸟创新等厂商先后冲量，轮番放出出货量第一的战报，而互联网大厂的集体入局，正在把这条赛道从极客圈层推向大众市场。

阿里是国内大厂中布局最激进的一家。2026年3月，千问正式推出首款AI眼镜 G1，定位“随身智能超级助理”，全面接入千问大模型与办公生态。10月发布新一代千问AI眼镜N1和N1 Pro，其中N1 Pro支持心率、血氧等体征监测，进一步拓展感知维度。千问办公副总裁束骏亮表示：“硬件是上下文增量的收集入口，是连接数字世界和物理世界的桥梁”。

小米、百度也加入了战局，小米AI眼镜倾向第一视角拍摄和生活记录，百度主打翻译和随身AI助手，两者都不带屏幕显示。据天眼查资料，腾讯则通过WorkBuddy开放平台，与Rokid达成合作，联合发布了乐奇Rokid×WorkBuddy联名款AI眼镜。

这还只是硬件江湖的冰山一角。为抢占AI办公赛道，挖掘线下场景的高价值数据，补全纯大模型无法触达的物理世界数据，大厂的硬件布局已经延伸至视听穿戴的的全形态，入口之争已经全面打响。

短期看软件爆发，长期看硬件定终局

个人Agent和AI硬件是AI办公进化的两个阶段，但从独立赛道的增长空间、壁垒高度与兑现周期来看，想象力层级存在明显差异。

个人Agent的短期想象力无疑是确定的，增长斜率也最陡峭。

软件的边际成本趋近于零，分发效率极高，决定了个人Agent的规模化速度远快于硬件。用户体验上，Agent能力和基础大模型直接挂钩，产品进化速度以周甚至天为单位。

在商业化路径方面，个人Agent天然具备付费基础。Instinct创始人Noah Shinn透露，其年化交易规模已经超过10亿美元，按照3%到5%的抽佣比例计算，对应年收入可达3000万到5000万美元之间。

个人Agent有望真正成为人们日常的“工作生活搭子”。其发展瓶颈也很明确，面临商业落地、社会合规与信任层面的难题。

首先，能力越强，判断力就越重要。回答、思考与做事之间度的把握，决定了个人Agent是在替人省时间，还是制造新工作。

且国内主流APP把社交、支付、购物、出行等打包进了超级应用里，操作已经十分便捷，它们均构建了独立的围墙花园，微信、淘宝、抖音、美团等头部平台数据不互通、权限不开放，直接制约了Agent的能力上限。

这意味着个人Agent无法实现真正的跨平台全场景执行，权责边界与自主执行深度仍局限在“辅助工具”层面，尚未实现真正意义上的“独立办事”。

至于隐私那道坎，Muse9月刚刚翻了车，被曝出近19万条用户对话记录遭到泄露，最终被迫紧急收紧数据权限、补充全流程授权提示。

相比个人Agent，AI硬件采集的线下语音、场景、体征等数据，是纯软件Agent 永远无法获取的专属资源，长期价值壁垒更高。

但它同样存在研发、供应链、渠道成本高，迭代周期长，产品“吃灰率”高，单一品类同质化严重、天花板有限的问题，需要跨越用户习惯培养与供应链成熟的周期，证明足够的刚性价值。

模型解决“上下文如何被理解”的问题，Agent解决“上下文如何被执行”问题，硬件解决“上下文还能从哪来”的问题，三者共同沉淀为一体化的智能生态。

AI掀起的产业浪潮早已声贯全行业，无人置身事外。

从一问一答的对话工具到自主推进的执行主体，从纯数字的线上场景到虚实融合的办公场景全覆盖。这场变革不仅在重构生产力的底层逻辑，也在重新定义人与智能的协作边界。