飞书负责人谢欣，现在要向豆包负责人赵祺汇报了。
7 月 30 日，一篇报道援引字节内部邮件称，字节把飞书产品团队和豆包产品团队整合成新的豆包产品团队，飞书负责人谢欣向豆包负责人赵祺汇报；与此同时，飞书的 GTM 团队与火山引擎团队合并。[1]
产品归豆包，商业化归火山引擎。
字节这次调整，首先改变的是飞书作为一款独立 SaaS 的位置。
飞书下一阶段的价值，不是继续和钉钉、企业微信争夺多少办公软件席位，而是给豆包提供一个企业级的 harness。
豆包负责理解和规划，飞书提供工作的现场。
只有豆包模型而没有飞书，它就是一个很会聊天的人；有了 harness，它才有办公室、工牌、权限卡、工具和工作记录，才可能在一个组织里持续干活。
模型本身只负责理解和规划，harness 决定它能看见什么、能调用什么、以谁的身份做事，哪些动作需要人批准，结果最后写回哪里，出了问题又应该找谁。
飞书恰好有这些东西。它有组织架构，知道谁属于哪个团队；有文档、表格、群聊和会议，知道公司过去讨论过什么；有日历、任务和审批，知道事情应该交给谁；还有权限、分享、版本和操作记录，至少可以让企业知道 AI 看过什么、改过什么。[2][3]
飞书里的豆包已经可以从文档、搜索、群聊和会议等入口发起任务，再把结果交给团队继续评审和编辑，这就不再是一个问答产品了。[4]
SaaS 真正会变薄的是界面、培训以及一部分实施交付，但是企业数据、权限和流程不会凭空消失。过去 SaaS 卖的是员工席位，未来卖的可能是 Agent 在组织里的行动空间。
飞书不是被豆包加了一个 AI 功能，而是被豆包吃进去了，这也意味着 AI 的应用方向也就更清楚了。
如果把 AI 的作用压缩成两个字，就是提效。真正的分水岭不是用户属于 C 端还是 B 端，而是 AI 到底在帮人消费信息，还是在替人完成工作。
消费型 AI 最大的提效就是搜索和意图入口（注意：意图入口和搜索是两个概念）。以前用户打开搜索框，先把问题拆成关键词，再从一堆链接里自己找答案；现在可以直接说出想完成什么，模型替他完成检索、整理和表达。
角色扮演、陪伴、虚拟人格当然也是 AI 的应用方向，但目前没有跑出同等的商业势能。它们能占用用户时间，可以一直聊下去，用户却未必愿意为每一次推理支付足够高的价格。
工作型 AI 可以直接交付准确可用的结果，典型打标是 Claude Code 和 Codex。
前者提升的是信息获取和情绪消费，后者交付的是代码、报告、表格、方案以及一项真正完成的任务。
目前真正有收入信号的 AI 产品，几乎都属于后者。
腾讯在 2026 年一季度业绩材料里称，效率 AI 智能体方案已经初见成效，并认为 WorkBuddy 是中国使用最广的效率 AI 智能体服务。[5] WorkBuddy 官方页面宣称：用户下达任务，AI 自己拆解步骤、调用工具，Agent 最后交付一个可以验收的结果。[6]
Claude Code 让 AI 参与软件研发。Anthropic 披露，Claude Code 在公开发布约半年后达到 10 亿美元年化运行收入。[7]
Codex 则从写代码继续扩展到报告、表格、研究、数据分析和工作流自动化。OpenAI 披露，Codex 每周活跃用户已经超过 500 万，非开发者约占用户的 20%。[8]
工作型 AI 的价值更容易被算出来。一个工程师少花了多少时间，一个运营一天能多做多少份方案，一个客服团队能不能用更少的人处理更多请求，一个研发团队能不能更快交付版本，这些都可以对应到工资、外包、交付周期和收入。
工作型 AI 更容易赚钱，原因也很简单：工作结果有明确的买单人，也有明确的 ROI。角色扮演 Agent 可以让人聊几个小时，但它没有直接减少一张工单、交付一段代码或完成一份报告。
在方向明确之前很多尝试都是拿着锤子找钉子，觉得需要把一切都重做一遍，现在看，AI 的应用方向其实已经清楚了。消费侧是搜索和意图入口，工作侧是代码、报告、表格、方案以及一项真正完成的任务。
从这个角度看，飞书并入豆包不是一次从容的产品升级，而是一次组织层面的应激反应：先把模型、工作现场和商业化链路接起来，至于这条链最后能不能赚到足够的钱，后面再算。
很多人会把泡沫理解成“应用还没找到，所以估值可能是假的”。但对 AI 来说，更危险的阶段恰恰是应用被找到了。
搜索能带来多少广告和交易，代码工具能收多少订阅，企业少花多少人力成本，数据中心还要再投多少钱，这些东西终于可以放到同一张表里。
钱可以被算出来，所以泡沫才进入新高潮。资本有了把少数成功产品外推成整个行业无限增长的理由，估值可以继续往上走，资本开支也可以继续往上加。
当然，这里的“泡沫”不只包括高估值和大额资本开支，也包括这种被成功产品逼出来的应激反应：大公司先把组织、产品、渠道和算力补齐，再等待收入证明这些投入是对的。
问题在于，算得出来不等于收得回来。
我以前写过《GPT 只会让互联网行业更不值得卷》，里面有一个判断：生产力提升不等于需求扩大，更不等于所有从业者都能获得增量收益。
一个工程师原来三天写完的代码，现在一天写完了，不代表市场上就多出两天的需求；一个运营原来一天做三份方案，现在可以做十份，也不代表公司就会因此多买七份方案。
AI 可以让供给变得更多，能解决生产效率的问题，但供给变多以后，谁来购买这些新增产出，是另一个问题。
当然企业也可以选择让一个工程师干原来三个工程师的活，然后裁掉另外两个工程师，但是我实在是想不出来这样对于我们整个社会会有什么好处。
这一轮 AI 还有一个同互联网时代的显著差别——边际成本。互联网平台把基础设施搭好之后，新增一个用户、新提供一次服务，边际成本通常比较低，规模越大，固定成本越容易摊薄。
生成式 AI 则是在每一次推理时持续消耗算力、电力、网络和设备折旧。
模型越被使用，收入会增长，账单也会增长。AI 当然也有规模效应，模型会变便宜，芯片会变快，数据中心利用率会提高，但规模扩大并不会自动让商业模式变轻。
国际能源署估计，大型科技公司 2025 年资本开支已经超过 4000 亿美元，2026 年还可能增加约 75%。这不是纯 AI 应用的投入，但它说明数据中心和算力建设已经大到需要资本市场持续相信回报。[9]
企业采用 AI 也不等于企业已经从 AI 赚到钱。麦肯锡 2025 年的调查显示，88% 的受访组织已经在至少一个业务职能定期使用 AI，但只有 39% 报告了企业层面的 EBIT 影响。[10]
所以，泡沫的危险不在于没有应用，而在于应用已经找到，资本却还在按照无限增长给它估值。
从现在开始，AI 的账其实可以算了。
收入是多少，毛利是多少，一次推理要花多少成本，服务器和机房投入多少，设备多久折旧，融资成本多少，客户付的钱需要多久才能把这些投入收回来，这些都可以放进同一张表里。
飞书并入豆包，正说明字节已经在寻找这张表的答案。豆包负责把能力推向用户，飞书负责把能力放进真实的工作现场。
以前资本市场给 AI 买的是想象力，接下来要买的是每一份报告、每一段代码、每一次客服交付和每一个被省掉的人力小时。
飞书并入豆包最终暴露出来的，不是飞书被淘汰，而是 AI 已经走过“有没有应用”的阶段：应用有了，钱也算得出来了，市场上已经出现的收入信号又逼着大厂立刻做出组织反应，所以泡沫才会来到新高潮。接下来，资本市场终于要问，赚到的钱够不够把模型、电力、芯片和机房一起养活。
参考文献
[1] 飞书分拆，豆包更强了｜ZAKER 新闻搜狐号
https://m.sohu.com/a/1056633357_120321309
[2] 豆包企业版是什么？详解核心价值、主要功能、使用场景与价格策略｜飞书官网
https://www.feishu.cn/content/article/7664559035831635186
[3] Agent Harnesses｜Microsoft Learn
https://learn.microsoft.com/en-us/agent-framework/agents/harness
[4] 飞书里的豆包如何支持团队协作？AI 成果的分享与继续编辑｜飞书官网
https://www.feishu.cn/content/article/7665677162996878267
[5] 腾讯公布二零二六年第一季业绩｜腾讯控股
[6] WorkBuddy｜腾讯云
https://cloud.tencent.com/product/workbuddy
[7] Anthropic acquires Bun as Claude Code reaches USD 1B milestone｜Anthropic
https://www.anthropic.com/news/anthropic-acquires-bun-as-claude-code-reaches-usd1b-milestone
[8] Codex is becoming a productivity tool for everyone｜OpenAI
https://openai.com/index/codex-for-knowledge-work
[9] Key Questions on Energy and AI｜International Energy Agency
https://iea.org/reports/key-questions-on-energy-and-ai/executive-summary
[10] The state of AI in 2025: Agents, innovation, and transformation｜McKinsey
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
精选评论