Góc nhìn chủ quan về cuộc chiến Agent giữa ByteDance, Alibaba và Tencent

"Office Agents cũng cần một Melvin Chen"

Sau khi đánh giá khách quan cuộc chiến Agent giữa ByteDance, Alibaba và Tencent, chúng tôi tiếp tục chơi cờ 4D — lần này từ một góc nhìn thuần túy chủ quan về những con đường mà các Office Agent có thể đi.

Bước một: hình thái của Agent hội tụ thành một client cục bộ + khung chat + ứng dụng di động điều khiển máy tính của bạn.

Nghe có vẻ phức tạp. Hãy để tôi nói bằng ngôn ngữ đơn giản hơn: hãy sao chép Codex.

Bất cứ thứ gì Codex tung ra, mọi người đều tung ra. Không cần phải suy nghĩ.

Trước đó có người nói với tôi rằng giao diện IDE rất tuyệt vời, rằng Qoder nhắm vào người dùng năng suất cao và vòng lặp dữ liệu của nó có giá trị hơn Qwen Office.

Đó hoàn toàn là chuyện nhảm nhí. Chẳng có lập trình viên nào quanh tôi dùng IDE cả — tại sao bạn lại dùng IDE khi một khung chat đơn giản đến thế này?

Quả nhiên, bản cải tiến mới nhất của Qoder cũng đã chuyển sang dạng khung chat:

Cũng có một nhà đầu tư ngây thơ nào đó nói rằng có lẽ chúng ta nên ngừng đầu tư vào các công ty phần mềm chú trọng GUI. Gợi ý của tôi: từ giờ trở đi, ông ta nên bị giới hạn chỉ được làm việc với CLI. Codex bị cấm đối với ông ta.

Tất cả các bạn geek thích trải nghiệm sớm, đừng tỏ ra thượng đẳng với kiểu "tương lai của Agent là CLI" hay "Agent sẽ có cơ sở người dùng gấp mười lần nhân loại". Đó chỉ là kể chuyện thôi. Nếu AI muốn phục vụ đại chúng, nó phải là GUI.

Một khi hình thái sản phẩm hội tụ, tổ chức cũng phải hội tụ. Tencent, Alibaba và ByteDance đều cần hợp nhất thành một sản phẩm, một điểm truy cập duy nhất. Xianyu đã đề cập đến điều này rồi nên tôi sẽ không nhắc lại — tôi chỉ đưa ra một điểm:

Bạn có tưởng tượng được không, trong cuộc chiến quảng cáo dịp Tết, ByteDance đổ tiền vào Doubao Work trong khi Alibaba quảng bá Qoder và Qwen Office cùng lúc? Tôi phải dùng Agent nào để đặt trà sữa và săn lì xì đây?

Trừ khi, tất nhiên, bạn có thể tuyên bố sở hữu cả hai — khi đó thì không cần sáp nhập nữa.

Tất cả những gì tôi có thể nói là, tôi từng nghĩ việc Qoder ra mắt Qoder Work đồng nghĩa với việc chấp nhận sự sắp xếp của tổ chức và sáp nhập vào Qwen Office. Hóa ra đó lại là một nước đi "thí tốt giữ xe", được ăn cả ngã về không.

Qwen ra mắt muộn và bị Doubao san bằng — được thôi, còn có lý do để bào chữa. Nhưng Qwen Office ra mắt trước, có lợi thế về mô hình mà vẫn bị Doubao vượt mặt? Đó hoàn toàn là vấn đề của tổ chức.

Trong khi đó, ByteDance ở ngay bên cạnh trông như thể có thể đóng cửa cả Coze và Trae bất cứ lúc nào. Tuyên bố miễn trừ trách nhiệm: chúng tôi tuyệt đối không khuyến khích hành vi này. Nó hơi đáng sợ — một công ty mang phong cách thời Tần thực thụ.

Lộ trình cho chuyến đi đường bộ đến Đại Hưng An Lĩnh của chúng tôi được thực hiện bằng Qwen Office.

Bước hai: tích hợp phần cứng - phần mềm.

Một điều tôi luôn tin tưởng: phần cứng (ở giai đoạn này là thiết bị ghi âm) là điểm truy cập quan trọng cho các Office Agent.

Hãy nghĩ xem: khi đội ngũ kinh doanh của mỗi công ty bán Office Agent của họ, nếu họ bán kèm một thiết bị ghi âm, chẳng phải tỷ lệ gia hạn sẽ tăng gấp đôi sao? Nó cũng làm tăng chi phí cho các đối thủ cạnh tranh đang cố gắng lôi kéo khách hàng của bạn.

Và đối với tổ chức, việc cung cấp cho mọi người một thiết bị ghi âm đồng nghĩa với việc sử dụng Office Agent đi kèm thường xuyên hơn, cộng với việc tích lũy ngữ cảnh đầy đủ hơn.

Ngữ cảnh đó cuối cùng được sử dụng như thế nào? Không biết. Ít nhất, nếu công ty phá sản, bạn có thể bán dữ liệu cho các phòng thí nghiệm mô hình và lấy tiền đó làm trợ cấp thôi việc cho mọi người.

Tôi đã lập luận từ hôm qua rằng thiết bị ghi âm không phải là một thị trường độc lập ở Trung Quốc — nó là điểm truy cập cho các Office Agent. Việc Plaud thất bại tại thị trường Trung Quốc là điều tất yếu.

Trong khi đó, việc DingTalk và Lark bán thiết bị ghi âm với giá gần bằng giá vốn chính là xây dựng cơ sở hạ tầng. Chúng ta hiện đang ở kỷ nguyên cơ sở hạ tầng thiết bị ghi âm.

Tất nhiên, việc thống nhất thương hiệu nên được thực hiện sớm nhất có thể. Gợi ý của tôi: đổi tên hạt ghi âm của Lark thành hạt ghi âm Doubao, và thiết bị ghi âm của DingTalk thành thiết bị ghi âm Qwen.

Để tối đa hóa dữ liệu người dùng và khép kín vòng lặp ngữ cảnh người dùng, phần cứng phải là tự sở hữu và tự phát triển.

Vì vậy, hãy để tôi nói lại lần nữa — tôi chân thành khuyên WorkBuddy nên mua lại Plaud, càng sớm càng tốt. Hội nghị hệ sinh thái mở của WorkBuddy không để lại cho tôi chút ấn tượng nào. "Mọi thiết bị phần cứng đều có thể tích hợp" về cơ bản cũng tương đương với việc chẳng có gì tích hợp được cả.

Biến nó thành QQ Show thực sự có tiềm năng.

Còn về việc liệu có thứ gì khác ngoài thiết bị ghi âm — kính, đồng hồ, tai nghe, bàn phím Vibe Coding, thậm chí là điện thoại Doubao — có thể trở thành điểm truy cập hay không:

Tất cả những gì tôi có thể nói là, mọi thứ đều có cơ hội. Tất cả phụ thuộc vào việc gia đình phần cứng Thâm Quyến của chúng ta tìm ra PMF để các công ty lớn sao chép.

Bước ba: Office Agent + IM (nhắn tin tức thời) + ngữ cảnh doanh nghiệp tích lũy, bước vào kỷ nguyên làm việc cộng tác AI.

Sự đồng thuận của thị trường VC trong quý 2 là AI Workspace — ý tưởng là sự cộng tác giữa con người và AI, với tham vọng tiêu diệt DingTalk và Lark.

Coze và MuleRun rõ ràng đều nhận ra tính năng này là bắt buộc và vội vã tung ra các bản cập nhật tương tự. Nhưng cả hai đều thiếu ngữ cảnh doanh nghiệp, và tổ chức của họ lại có những kế hoạch khác cho họ.

Trong số các startup, Raft có lẽ đang làm tốt nhất — nhưng nó vẫn là một sở thích ngách.

Bây giờ mọi thứ đã khác. Lark và DingTalk đã trở thành nguồn dữ liệu đầu vào cho các Office Agent. Ở giai đoạn này, chức năng chính của chúng là dẫn lưu lượng truy cập đến các sản phẩm Agent, nhưng một khi mọi người đã quen với việc làm việc thông qua Agent, việc hai người cùng sử dụng một Agent để thực hiện cùng một nhiệm vụ sẽ trở nên rất tự nhiên.