70岁摄影师的100TB困境
老万今年70岁，在长白山拍了半辈子野生动物。红外相机、野外监控设备24小时运转，十几年下来，硬盘里攒了超过100TB的视频素材。
拍摄从来不是最累的活。真正让他头疼的是筛选，红外相机拍下的画面和监控回传的影像，都得靠人眼一帧一帧地看。动物什么时候出现、停留多久、是什么物种，全凭肉眼从海量画面里捞出来。
他没有编程经验，没有技术团队，甚至算不上熟练的电脑用户。但他用一句日常语言，把这件事交给了百度搭子。
任务被拆成视频识别、片段提取、分类归档、日志生成几步，从数小时素材里筛出动物出现的画面，再按他的工作习惯整理成记录。老万没写一行代码，没配一个参数。
这个故事很容易被读成“AI让办公更轻松”。但如果只看到这一层，就低估了它真正指向的问题。
办公，只是AI最先验证价值的场景，而非终点。老万并不关心AI有多聪明，他只关心这活能不能干好。这恰恰暴露了之前AI最真实的短板：行业已经不缺“能做到”的AI，缺的是“能做好”的AI。
“做到”和“做好”之间，隔着三个必须回答的追问：AI能不能可靠地交付，而不只是演示？企业能不能只接入一个AI，就把通用任务、专业任务与企业特有的任务串联起来，而不只是服务于企业内的个体？AI能不能走进更多专业场景，而不只是停在“通用”？
第一个问题：
AI能不能可靠地交付，而不只是演示
“做到”早已不是门槛。
生成一段文案、跑通一个demo、回答一个像样的问题，今天几乎所有主流模型都能交差。演示环节里，AI永远光鲜输入清晰、环境干净、任务单一，结果自然漂亮。但一旦离开聚光灯，进入真实工作流，“做到”和“做好”之间的裂缝就暴露无遗。
这里还有一个行业里心照不宣的现实：“演示通过、落地成功率低”，是过去一年企业AI项目里被提起最多的一句话。这不是某一家的难题，是整个行业的天花板。
当一件事需要跑几小时甚至几天，多数模型会跑偏、会变形、会在中途忘记自己最初要干什么。这不是聪明不聪明的问题，是稳不稳的问题。
百度搭子的底气，恰恰押在这个“稳”字上。
它内置的Harness智能引擎，负责支撑任务的理解、规划、行动、反馈和优化，让AI在执行长达数小时甚至数天的任务时，保持路径不偏、动作不变形。同时，基于百度搜索AI API和搜索Agent的技术积累，它在信息检索场景下准确度更高、幻觉更少，这一点对“做好”至关重要，因为一个跑得再顺的任务，只要事实是错的，交付就是负的。
一个人用AI把活干漂亮，和一家公司用AI把活干漂亮，是两件完全不同的事。前者靠的是工具的锋利，后者靠的是系统的可靠。当AI从一个人的桌面，走进一家公司的流程，它面对的就不再是单一任务，而是权限、数据、协作、合规交织的复杂网络。
通用能力验证了“做好”的第一步，但它不是终点。真正的问题才刚刚开始。
第二个问题：
AI能不能进入一家公司产生效率复利
个人效率有一个残酷的宿命：如果不被沉淀，它就只是散落的个体红利。
一个员工用AI把周报写快了，另一个员工用AI把数据整理顺了，这些收益真实存在，却无法叠加。人一走，方法就散；人一换，经验就断。企业真正想要的，从来不是让某个人变快，而是让整个组织变强。这就把问题从“工具好不好用”，推到了“能力能不能沉淀”。
百度搭子企业版的落点，正在这里。
它并非只是“给企业加一个AI工具”，而是“让AI进入企业既有的业务体系”。
这两者的差别，决定了AI是外挂，还是器官。外挂可以随时拔掉换成另外一家，器官则长在身体里，可以深度融合产生 1+1＜2的效果自然生长。百度搭子的项目空间、项目记忆、分享接力，让团队共享任务上下文、工作方法和项目经验，AI从服务个人，走向协助团队；企业版移动端则让员工随时调用企业系统、发起和接续任务。入口的增加只是表象，真正的变化是：智能体开始深入团队协作，把个人的一次成功，变成组织可复用的能力。
而且从市场数据来看，百度搭子企业版已经证明了自己的行业领导地位。
2026年9月深圳超级智能体大会披露：百度搭子整体用户规模环比9倍；交付物需求环比4.3倍；专家套件使用量环比7.3倍；同步升级企业版多人协作、移动端、智能体开发平台，开放Agent API/Skill/连接器，支持公有云、VPC、私有化。
更关键的是“任务分层”。
9月20日，在超级智能体大会深圳站上，百度搭子产品架构师李景秋围绕“极致交付，连接专业，共创企业生产力”，介绍百度搭子面向企业的产品升级及生态进展。百度基于过去三年的企业落地经验，把企业任务切成三块：20%是日常运营，30%是专业领域，50%是决定经营的核心任务。真正决定企业生死的，是那50%的核心任务，而它恰恰最难被通用工具覆盖。
日常运营交给百度搭子企业版，专业领域交给专业智能体和专家套件，核心任务则通过百度搭子开发平台，由企业构建自己的定制智能体。接入百度搭子，本质上是接入通用、专业、定制三类智能体的协同能力，企业内部只需一个入口就可以覆盖所有任务，不再需要更多入口造成效率低下和上下文不衔接的问题，重新组织人与AI协同工作的流程。
咱们看一个案例：福建蓝海黑石新材料科技公司落地AI，是百度搭子真实融入分层最具有代表性的案例之一。这家新材料企业的CIO张明杰说得很清楚：他们要解决的不是“要不要用AI”，而是如何让AI真正进入业务。在采购分析场景里，SAP、WMS、PLM负责记录业务事实，百度搭子负责理解业务问题、融合内部数据和外部行情，输出趋势判断和采购建议，把原本数天的人工分析压缩成一份可核验的决策报告。评分规则、计算逻辑、文档生成方法、专业人员经验，被沉淀为可重复调用的企业能力。
这才是“AI进入公司”的真正意义，只有当AI真正融入企业做到“可沉淀、可重复、可改造”，形成AI组织能力优势，才能实现AI效率复利，成为领跑者。
不过，当企业通过“搭子”搭好了AI工作平台，不代表就能解决所有专业问题，如法律、金融、医疗这些容错率极低的专业领域，AI能否帮他们进入这些场景？
第三个问题：
AI能不能进入更多专业场景
没有一家企业能独立覆盖所有专业场景。这不是能力问题，是数学问题，专业领域的Know-how分散在无数行业、机构和个人手里，任何单一玩家都够不着全部。通用智能体的能力半径，最终由生态决定。
百度搭子的答案，是把边界打开。
开发平台开放三类能力：智能体配置、工具和技能配置、智能体运行。企业可以按自己的业务需求构建智能体，并让它进入核心业务。平台与百度搭子共享技术底座，采用三层Harness和三层记忆架构，企业开发的智能体可随技术升级持续更新。这意味着企业不必从零造轮子，而是站在一个持续进化的底座上做定制。
共创计划则用利益结构换生态繁荣。生态伙伴带来行业Know-how、专业数据和服务能力，百度搭子提供用户入口、场景分发和商业转化支持。最值得注意的一条是“不抽佣”，它把平台和伙伴的关系，从分蛋糕改成了一起把蛋糕做大。机制设计比口号更能说明诚意。
专业Skill和套件，是把行业隐性经验变成可调用能力。目前百度搭子已形成13+专业套件，覆盖法律、金融、汽车、政务、教育和营销。法律诉讼套件由百度搭子与法行宝共建，接入1.8亿真实案例和300万法律法规，引用可追溯，还有真人律师参与共建。营销洞察套件则覆盖舆情监测、竞品追踪、市场机会洞察，从下达任务到生成报告用时10分钟。这些套件的价值不在功能多，而在于它们把“老师傅的手感”翻译成了机器能执行的流程。
硬件接入，是让能力走出屏幕。通过标准化API，硬件伙伴可以把百度搭子的能力嵌进自己的设备。猫王音响是个典型：双方对接仅用一周半，而2024年完成同样的工作需要两个多月。目前百度搭子已在猫王落地文件管理、数据分析、资讯推送三大办公场景，下一步计划把智能体能力接入猫王硬件，推动设备从“带麦硬件”向“会办事的终端”演进。
四个抓手指向同一件事，通用智能体的竞争，早已不是单点能力的比拼，而是谁能把更多专业能力、更多真实场景、更多合作伙伴，组织进同一个可运行的网络。
办公桌之外，答案在需求深处
回到老万。
他不需要理解什么是Harness引擎，也不需要知道什么是三类智能体协同。他只知道，那100TB素材终于有人替他看完了，而且看得比他准、比他快。这就是“能做好”最朴素的样子，不是AI多聪明，而是它真的把事办成了。
企业需要的，从来不只是一个更聪明的模型，而是一个能把事办完、办好，并且能被整个组织反复调用的执行者。参数有多高、演示有多漂亮都是次要的；能不能落进具体业务、能不能稳定交付，才是真正的分水岭。
过去，行业习惯用模型参数和榜单来衡量AI。但当任务从一次问答，变成长达数小时甚至数天的连续交付，被考验的东西就变了：需求扎得够不够深，供给铺得够不够广，伙伴愿不愿意长期共建，底层的技术能力能不能撑住长跑。
这也意味着，接下来的竞争会很残酷。那些只会拼参数、刷榜单，却拿不出稳定交付能力的模型公司，会发现自己的优势迅速贬值，在一个开始比“能不能把事办好”的市场里，缺乏相关竞争力的玩家，被淘汰的速度可能比想象中更快。
老万那100TB素材，只是这场竞争的一个切面。他这样的个人工作室之外，还有更庞大的需求：外贸公司的跟单、中小工厂的排产、连锁店的巡店报表、代账公司的票据归档、装修公司的报价和工期，这些中小企业通常没有庞大的技术团队和外包服务人员，但每天都有一堆专业事务掺杂着非标杂事压在老板和几个骨干身上。通用工具做不好，外包出去又贵又慢，他们也需要被AI接住，从繁琐复杂的日常工作中解放出来。
智能体的下半场，完成度比惊艳度更重要，AI商业化落地的答案不在发布会的PPT里，而在无数中小企业非标需求的最深处。
- END -
