今年夏天，国内AI行业出现了一个很有意思的景象。

过去两年，大厂发布会最爱讲参数、榜单和上下文长度。到了2026年，产品经理们突然换了一套词：Work、Buddy、Mate、Desk。

名字听起来都很谦逊，野心却一个比一个大。

它们不想再做聊天框里的“老师”，而是想住进你的电脑：读文件、开浏览器、跑代码、整理表格、写报告、做PPT，最好再替你把周报发出去。

易观分析统计，2026年6月，国内17款桌面端AI原生办公智能体合计访问量已突破6000万次，WorkBuddy居首，TRAE IDE和QoderWork也进入第一梯队。[1]半年前还带着极客气息的产品，正在被腾讯、字节、阿里、百度、Kimi和MiniMax集体改造成“办公室新物种”。

图1｜2026年6月国内桌面AI办公智能体市场概览（袁振绘制）

这轮产品进步确实快。文件读写、网页操作、定时任务、并行智能体、Skills和MCP，已经从少数产品的卖点变成了入场券。拿一个装着几十份PDF、Excel和会议纪要的文件夹交给AI，它们大多已经能自己拆任务，最后吐出Word、表格和演示文稿。

但一个尴尬也越来越明显：国内桌面智能体已经会干活了，还不太会“交稿绘制”。

尤其是图片和PPT。文字逻辑可能有八十分，打开成品却常常只剩六十分。图片像素材库随机抓来的，PPT像一个很努力的实习生在深夜两点排出来的。

更大的问题在另一头。桌面智能体最想进入的地方，是银行、制造集团、运营商和大型互联网公司；这些公司的电脑，却恰恰最不欢迎一个能够读写文件、调用终端、控制浏览器的新软件。

桌面智能体的第一场战争，是谁更会干活。

第二场战争，是谁能合理地穿过大公司的IT部门。

从聊天框到电脑权限

桌面智能体并不是一个全新的概念。真正的变化，是AI终于从“给答案”走到了“拿权限”。

2025年3月，Manus把通用智能体推到大众面前。它把任务放进一台云端电脑，自主搜索、安装工具、生成网页和文档。行业第一次大规模看到：模型不必亲自完成每一步，只要会规划、调用工具和检查结果，也能交付一项复杂工作。

到了2026年，OpenClaw式的本地代理热潮又补上了另一块拼图。云端智能体擅长调用互联网资源，本地智能体则能碰到用户真正的工作现场：桌面上的合同、下载文件夹里的报表、浏览器里已经登录的业务系统。

国内厂商很快收敛出一套相似的产品结构：

底层是大模型，负责理解、规划和工具调用；中间是Agent运行框架，负责拆任务、管权限、调度Skills；最上面才是用户看到的Work产品，负责接文件、展示过程、预览和交付成果。

图2｜桌面智能体的三层系统（袁振绘制）

因此，Kimi K3和Kimi Work不是同一个东西。K3是模型和Agent能力底座，Kimi Work才是住在电脑里的桌面工作台。DeepSeek、GLM、MiniMax和混元也可能成为别家智能体的底座，它们更像发动机，不是整辆车。

把这三层分清，国内这场混战就容易看懂了。

图3｜2025—2026年国内桌面智能体关键节点（袁振绘制）

七路玩家，七种出身

1.WorkBuddy：腾讯先把“全家桶”搬了过来

WorkBuddy在2026年3月4日正式发布，起点是CodeBuddy团队积累的Agent框架。它的优势不是某一个模型，而是腾讯式的整合能力。

用户可以切换混元、GLM、Kimi、MiniMax、DeepSeek等模型，也能读写本地文件、运行命令、操作网页、安装Skills。微信、企微、QQ和小程序又给了它远程下任务的入口。6月推出团队项目、资产库和企业能力后，它已经从个人工具变成了一个小型协作平台；7月又补上内置PPT插件和腾讯文档深度集成。[2]

这套打法的好处是均衡。研究、数据、文档、代码、自动化都能做，模型不合适还可以换。短板也来自“什么都做”：链路越长，稳定性、权限弹窗、历史恢复和产物一致性越难管。它很像一座迅速扩建的商场，店铺越来越全，电梯和消防通道还在边营业边改。

2.TRAE Work：编程能力最强，也最想走出程序员圈

用户口中的“Tree”，准确名称是TRAE。

TRAE最早的身份是AI编程工具。2026年5月，SOLO完成桌面、网页和移动端扩张；6月9日，SOLO正式升级为TRAE Work，产品被拆成Work和Code两种模式，同时保留更专业的TRAE IDE。[3]

编程出身给了它明显优势：项目管理、代码执行、网页应用生成、调试和多任务并行，是很多纯办公产品补课最慢的部分。对于产品经理、创业者和运营人员，TRAE Work最有吸引力的场景，不一定是写一份Word，而是把一份需求直接做成能运行的网页或小工具。

它的问题也很典型。编程工作流天然强调文件树、环境、版本和可运行结果，普通白领更关心的却是“这页PPT能不能拿去开会”。TRAE在6月加入Design Mode，说明它已经意识到：能生成一个网页，不等于能做好一张图；能写出PPT文件，也不等于理解演示。

3.Kimi Work：最强的牌在模型层

Kimi Work在2026年6月3日开启Beta。它把Kimi Code的本地执行能力搬给知识工作者，可以读写本地文件、操作浏览器、跑定时任务，还能调用Agent Swarm并行处理长任务。

Kimi真正的差异化在模型层。1月发布的K2.5把多智能体和Office交付放进同一套能力里，4月的K2.6把并行规模扩大到最多300个子智能体和4000多次工具调用；7月27日开放权重的K3，又成为Kimi对话、Agent和集群的新底座。[5]

因此，Kimi Work最适合资料密度高、研究链条长的工作：几十份报告的归纳、多来源检索、批量分析和长文写作。它的弱点是产品还年轻，本地文件、浏览器、插件和超长任务同时运行时，稳定性与成本都要继续磨。K3再强，也不会自动把一份结构正确的PPT变成审美正确的PPT。

4.QoderWork：阿里把专业岗位做成插件

QoderWork在2026年2月12日开始公开测试，由编程智能体向日常办公扩张。它能操作本地文件、浏览器和桌面应用，也支持Skills、MCP与连接器。

阿里这条路线最值得注意的，不是“也能做报告”，而是把法律、投行、咨询、财务、产品等岗位的方法论封装成Plugins。5月推出的Custom Desk，又把设计、PPT和写作拆成独立工作台。

这比在通用聊天框里塞几十个按钮更接近专业软件。它的难点同样明显：专业插件需要持续维护，企业也会追问数据究竟在本地处理到哪一步。Qoder官方文档写得很清楚，文件操作可以在本地完成，但为了让模型理解内容，相关文本仍可能发送给模型服务商。“本地运行”不等于“数据绝不出机”。

5.DuMate：百度的优势不在桌面，而在资料入口

百度在2026年3月推出DuMate。它能读写Excel、整理文件、生成PPT和操作浏览器，功能表看上去与同行差异不大。

DuMate真正有机会建立壁垒的地方，是百度搜索、网盘、文库和GenFlow形成的资料链。桌面智能体最费时间的步骤往往不是写，而是找到、读懂并整理足够多的材料。百度如果能把这些数据入口打通，DuMate会更像一个资料型办公室助手。

问题是，数据入口不等于成品质量。它还需要证明自己在长任务稳定性、专业Skills和最终交付上有清晰优势，否则很容易变成“百度也有一个”。

6.MiniMax Mavis：最像一支多媒体制作队

MiniMax Agent在2026年5月升级为Mavis，并加入Agent Teams，让多个不同角色的智能体在桌面端并行工作。

MiniMax的长处是多模态家底。文字、语音、音乐、视频和图像模型都在自己的产品体系里，因此它做内容创作、视频和多媒体项目时，比只会调用外部生图接口的办公智能体更顺手。

但这也让它的定位更分散。Mavis、MiniMax Agent和面向创作者的Hub各自都很有想象力，企业用户却更需要一个稳定的入口、统一的权限和明确的交付标准。创意能力强，不等于企业办公链路成熟。

图4｜七款主流产品的公开能力侧重（袁振绘制）

7.WPS AI：不是通用智能体，却最懂最后一公里

WPS AI不能随意接管整台电脑，也不该被硬塞进通用桌面智能体的同一张榜单。它的价值恰好在于边界更窄：文字、表格、演示和PDF。

这条窄路反而离用户的最终成果最近。它知道PPT母版、版式、字体、图表和Office文件兼容性，也有企业权限、云文档和网页版基础。通用智能体擅长从零到六十分，WPS更有机会把六十分改到八十分。

未来更可能出现的组合，不是WPS消灭桌面智能体，而是通用Agent负责研究和执行，WPS负责把结果变成能修改、能协作、能进会议室的正式文件。

图片和PPT

为什么成了共同短板

文档和表格是“结构正确”就能用，图片和PPT却需要“审美正确”。

一份报告可以靠标题、正文和数据构成；一页演示还要判断信息层级、视觉重心、留白、图文关系、品牌规范和现场讲述节奏。生图又多了一层：风格要统一，人物和产品要稳定，图片还得适合版面，而不是单张看起来漂亮。

通用智能体目前最常见的做法，是先写内容，再调用模板、代码库或外部模型拼装成品。这能解决“有没有”，很难稳定解决“好不好”。厂商最近的更新本身就是证据：Qoder增加Slides Desk和Design Desk，TRAE增加Design Mode，WorkBuddy增加PPT插件，WPS升级演示Agent。大家都在给通用Agent补专门的视觉工作台。

所以，国内桌面智能体与顶尖产品的差距，已经不只在模型智力，而在工具链和评估标准。

写代码可以跑测试，做表格可以核对公式，PPT却没有一个简单的“通过”按钮。它需要版式引擎、素材库、品牌资产、可编辑组件和视觉评审模型一起工作。谁先把这套链路做成基础设施，谁才可能拿走办公室里最显眼的那块屏幕。

真正的大市场

在那些装不了客户端的电脑里

桌面智能体天然喜欢个人电脑，因为本地文件和登录状态都在那里。

但中国最有价值的数据，往往不在个人电脑，而在大型企业的ERP、CRM、OA、合同库、客服系统、研发平台和数据仓库里。那里有真实订单、供应链、客户关系和几十年积累下来的流程。

问题是，大公司的办公电脑通常有软件白名单、终端管控、数据防泄漏和严格的升级流程。一个能读文件、跑命令、控制浏览器、安装Skills的客户端，在个人用户眼里叫效率工具，在安全部门眼里则是一组需要逐项解释的高权限能力。

让几千名员工各自下载桌面智能体，再分别授权文件夹、配置模型和连接器，几乎是最难通过审批的推广方式。

网页版因此不是桌面版的缩水替代，而是进入大型企业的第二张门票。

员工打开浏览器即可使用，IT部门统一控制账号、模型、权限和数据源；任务在企业云或私有云沙箱运行，操作有日志，高风险动作需要审批，结果再写回企业网盘、WPS、腾讯文档或业务系统。客户端负责个人电脑里的深度执行，网页版负责组织内部的大规模分发。

TRAE Work已经同时做桌面、网页和移动端；WorkBuddy开始提供云端Runtime和分享链接；Qoder也把Cloud Agents列入产品体系。这些动作说明，大厂已经摸到了门把手，只是还没有把企业级网页版做成统一主战场。

要真正进大公司，网页版还得补齐五样东西：单点登录和组织架构、细粒度权限、完整审计、私有化或专属云部署，以及对企业数据源的原生连接。

只有一个网页聊天框不够。企业需要的是一座有门禁、有监控、能追责的云端办公室。

谁能拿到办公室的下一张工牌

国内桌面智能体已经跑完了最初的一段路。

WorkBuddy赢在产品矩阵和腾讯生态，TRAE Work赢在代码与应用生成，Kimi的王牌在K3和Agent集群，QoderWork擅长专业插件与岗位工作台，DuMate有搜索和内容入口，MiniMax偏多模态创作，WPS守着Office交付的最后一公里。

现在没有绝对赢家。大家都能做很多事，也都还有明显短板。

下一阶段的竞争不会只是再加十个Skills，或者把子智能体从100个增加到300个。个人用户会比较哪一家少报错、少返工、PPT更好看；企业用户则会问另一套问题：谁能接进我的数据，谁允许我管住权限，谁能留下审计记录，谁出了问题可以追责。

这也是我最想给大厂的一条建议：

做桌面智能体，一定要同时做真正的网页版。

桌面端让AI碰到个人文件，网页版让AI碰到组织数据。前者决定产品能不能惊艳一个人，后者决定它能不能服务十万人。

中国不缺会写周报的AI。真正值钱的，是那个能在一家大公司的制度、权限和数据里，把工作安全做完的AI。

桌面决定它会不会干活。

网页决定它能不能上班。

参考资料

[1]易观分析：《2026年二季度中国办公智能体平台市场洞察》，2026年7月。

[2]WorkBuddy：《更新日志》《WorkBuddy简介》，2026年。

[3]TRAE Team,“Introducing TRAE Work,”2026-06-09。

[5]Kimi：《Kimi Agent发展历程》，2026年。"