?有界UnKnown原創(chuàng)

作者丨山茶

編輯｜錢江

回顧2025年，AI行業(yè)最重要的變化不是模型，而是Agent真正進入工作流。

11月，Nano Banana一經(jīng)發(fā)布就在創(chuàng)作工具賽道撕出一道缺口。它不是簡單地幫人做設(shè)計，而是重構(gòu)了設(shè)計師的工作方式，讓AI第一次具備可用的、規(guī)?；漠a(chǎn)出能力。

可以說，Nano Banana將所有設(shè)計相關(guān)的工作方式都改了一遍。同樣，國內(nèi)AI Agent也以迅雷之勢滲透進各行各業(yè)的辦公場景。寫一個文檔、做一套PPT、剪輯一個播客節(jié)目、整理數(shù)據(jù)報表——越來越多工作被Agent承接。

可以說，打工人的工作方式，這一年也被悄然改寫了一遍。

在海外，Microsoft Copilot、Google Gemini、Notion AI等多模態(tài)辦公與創(chuàng)作工具矩陣已成型；國內(nèi)廠商同樣不甘落后，百度文庫和網(wǎng)盤聯(lián)合推出的GenFlow3.0、金山的WPS.AI、阿里的千問和夸克、字節(jié)的扣子空間等紛紛入局，將寫文檔、做PPT、數(shù)據(jù)處理、圖像生成、自動化分發(fā)等整合成一站式多模態(tài)Agent系統(tǒng)。

但問題隨之浮現(xiàn)——當(dāng)AI觸手可及、無處不在時，用戶真正需要的Agent究竟是什么？是完全替代原有流程？還是在工作中主動設(shè)計方案？是自動化能力的疊加？還是創(chuàng)造力的擴張？

更關(guān)鍵的是，在所有大廠集體下場之后——誰會成為“中國的Nano Banana”，改造國人的工作方式？誰會真正定義下一代創(chuàng)作與辦公場景？

帶著這些問題，我們挑選了目前國內(nèi)5家主流大廠系A(chǔ)gent進行實測：百度GenFlow3.0、騰訊ima、金山WPS.AI、扣子空間、夸克。而通過5款產(chǎn)品測評后，我們發(fā)現(xiàn)3次代際分層正在出現(xiàn)：

1、有能力生產(chǎn)完整工作流；

2、有能力形成數(shù)據(jù)閉環(huán)；

3、有能力持續(xù)積累認知與記憶。

但目前僅兩家跨進第三階段，一個是GenFlow3.0，一個是扣子空間。

Agent的3個衡量標(biāo)準(zhǔn)

在回答問題之前，我們需要先理解：AI到底如何改變了當(dāng)下的生產(chǎn)和創(chuàng)作方式。

過去，無論是早期的Office，還是后來興起的各類SaaS創(chuàng)作平臺（如Canva等），其結(jié)構(gòu)本質(zhì)都很簡單——底層是編輯套件，上層是創(chuàng)作模板、素材和協(xié)同工具。

在這一階段，生產(chǎn)力的核心仍然是“人”，創(chuàng)作平臺更多只是“工具箱”。

ChatGPT問世后，微軟率先將AI能力整合進Office，開啟了傳統(tǒng)創(chuàng)作工具的第一次轉(zhuǎn)型。但早期Agent只能做文本處理、潤色、擴寫，內(nèi)容生成等，直到今年多模態(tài)模型成熟，Agent才開始深度介入創(chuàng)作全流程，并推動AI從單一工具，走向一站式“智能流水線”。

在這一背景下，Agent架構(gòu)也變得更復(fù)雜。基于我們對多款A(yù)gent產(chǎn)品的調(diào)研，目前的一站式Agent大致可以拆分為三個層級：

• 上層：交互與創(chuàng)作層——包括對話場景、智能體創(chuàng)作、協(xié)同編輯，是用戶直接接觸的界面；
• 中層：知識與記憶層——包括知識庫、素材庫、用戶記憶，是平臺保持一致性和上下文理解的核心；
• 底層：模型與工具層——大模型、多模態(tài)能力與工具調(diào)用，是整個系統(tǒng)的基礎(chǔ)動力。

這個三層結(jié)構(gòu)，正是支撐未來AI Agent從輔助走向主導(dǎo)的關(guān)鍵框架。

在這個全新的結(jié)構(gòu)下，有3個Agent的衡量標(biāo)準(zhǔn)非常重要：

首先是多模態(tài)一站式生成能力。AI應(yīng)用正從“一個工具解決一個問題”的單點時代，邁向“一個產(chǎn)品解決多類任務(wù)”的通用時代。正如Sam Altman近期訪談提到：“通常情況下，大多數(shù)用戶都希望擁有一款單一且高效的AI服務(wù)，能夠貫穿其整個生活軌跡并持續(xù)提供價值，所以ChatGPT需要不斷增加更多功能?！苯衲瓿?，Manus爆火也加速了這一趨勢，通用、多功能整合成為行業(yè)共識。

其次是知識庫打通程度。真正讓Agent之間拉開差距、形成壁壘的，不在于大模型，也不在prompt和工具，而在于它能在多大范圍調(diào)動數(shù)據(jù)。如果素材、語料、用戶偏好都能系統(tǒng)化沉淀成知識且跨素材調(diào)用、跨風(fēng)格理解、跨任務(wù)遷移，那每次創(chuàng)作就都能建立在可學(xué)習(xí)、可進化的知識結(jié)構(gòu)上，AI可以像人一樣，越做越好。

最后是人與AI的協(xié)作。這也是Agent與傳統(tǒng)AI工具最大的不同。傳統(tǒng)AI工具由人掌控，創(chuàng)作者意志可以直接貫徹到作品；Agent則是與人共同創(chuàng)作，AI是創(chuàng)作者的搭檔、助手、副駕駛。這也意味著，人類需要以更主動、全面的姿態(tài)介入到傳統(tǒng)的“AI黑盒”——人機協(xié)作編輯更加重要。

因此，我們可以對一款AI Agent是否具備競爭力做出科學(xué)的判斷，主要有以下三個核心判斷標(biāo)準(zhǔn)：

1、是否有足夠豐富的AI創(chuàng)作工具/Agent，能夠支持全模態(tài)、一站式的內(nèi)容生成；

2、是否有強大的知識庫，能夠沉淀知識和記憶，并將這些數(shù)據(jù)反哺到創(chuàng)作當(dāng)中；

3、是否有良好的人機協(xié)作框架，讓人與AI充分協(xié)作。

圍繞這些標(biāo)準(zhǔn)，我們對5家主流Agent進行了系統(tǒng)性測評，并把測試結(jié)果收斂整理，形成這張總覽圖：

產(chǎn)品實測：誰是中國的“Nano Banana”?

當(dāng)AI真正走進創(chuàng)作與辦公場景，決定體驗差異的第一道分水嶺，并不在于模型參數(shù)或算法能力，而在于——它到底能不能把一件事完整的做完。

衡量這一點的首要指標(biāo)，正是平臺功能的完備程度。下表展示了各平臺在創(chuàng)作深度與任務(wù)跨度上的支持情況：

從功能覆蓋度來看，GenFlow3.0是目前唯一具備全模態(tài)創(chuàng)作能力的平臺，基本覆蓋了主流AI創(chuàng)作平臺的所有核心能力；夸克與WPS位列第二梯隊，能夠支撐起絕大多數(shù)常見的創(chuàng)作與辦公場景。相比之下，扣子空間與ima在多模態(tài)能力、文檔工具鏈及專業(yè)功能上仍存在不同程度的缺口，整體產(chǎn)品形態(tài)尚處于持續(xù)完善的爬坡期。

然而，隨著各家AI的任務(wù)覆蓋面逐漸趨同，決定用戶體驗差異的第二道分水嶺已然出現(xiàn)：核心矛盾不再是AI“能不能生成”，而是人類“能不能隨時接管和修正”。

在這一維度上，決定協(xié)作深度的關(guān)鍵指標(biāo)，正是對Office體系的兼容程度：

測試結(jié)果顯示，各平臺在這一維度上的表現(xiàn)涇渭分明。除去本身就是辦公軟件的WPS占據(jù)主場優(yōu)勢外，GenFlow3.0是唯一實現(xiàn)“原生級兼容”的AI平臺：它不僅支持直接輸出Office格式，更打通了跨工具、跨設(shè)備的編輯鏈路，真正實現(xiàn)了從“AI生成”到“落地執(zhí)行”的閉環(huán)。

在交互設(shè)計上，GenFlow3.0采用了獨特的“雙模態(tài)編輯”策略：

輕量微調(diào)：生成文檔或PPT時，右側(cè)預(yù)覽窗支持對話式修改，無論是Excel高亮制定列、生成雷達圖，還是調(diào)整PPT格式，一句指令即可完成。

深度精修：若需復(fù)雜的排版，一鍵切換至“高級編輯”模式即可進入高度還原Office的專業(yè)界面，操作習(xí)慣與功能體驗幾乎無縫銜接。

相比之下，扣子空間、夸克和ima雖然也配備了預(yù)覽窗口及基礎(chǔ)的圖文編輯功能，但其內(nèi)核仍是“輕量級編輯器”，缺乏完整的Office工具套件支持，難以應(yīng)對深度的文檔處理需求。

除生成能力外，人與Agent的協(xié)作順暢度構(gòu)成了產(chǎn)品體驗的第三道分水嶺。這其中的核心命題在于：系統(tǒng)是否賦予了人類在執(zhí)行過程中隨時介入與調(diào)優(yōu)的權(quán)利。

真實的創(chuàng)作往往是非線性的——它是一個邊做邊想、隨著靈感涌現(xiàn)而不斷修正邏輯的動態(tài)演進過程。這種“螺旋式上升”的思維模式，才是人類工作的常態(tài)。

遺憾的是，目前大多數(shù)Agent仍沿用機械的“單向執(zhí)行”邏輯：一旦啟動便難以打斷，即便用戶中途發(fā)現(xiàn)方向跑偏，也只能被迫等待其執(zhí)行完畢后再推倒重來，造成了大量算力與時間的雙重浪費。

為了規(guī)避這種“過程黑盒”帶來的偏航風(fēng)險，主流產(chǎn)品普遍采取了折中的“前置確認”策略。例如GenFlow3.0、扣子空間、ima和夸克等，在生成PPT或長文檔前，都會強制先生成提綱與視覺風(fēng)格，待用戶“簽字畫押”后，才敢進入正式生成的環(huán)節(jié)。

當(dāng)然，“前置溝通”并非行業(yè)標(biāo)配。以WPS為代表的部分產(chǎn)品仍沿用傳統(tǒng)的指令邏輯：用戶下達需求后，AI便進入“黑盒執(zhí)行”狀態(tài)，直至直接輸出完整結(jié)果。

值得一提的是，GenFlow3.0在這次測試中展現(xiàn)出了最具差異化的交互形態(tài)。它不僅具備標(biāo)準(zhǔn)的“前置確認”流程，更首創(chuàng)了“斷點續(xù)寫”能力——即允許用戶在生成過程中隨時按下暫停鍵進行干預(yù)。

實測中，我們在撰寫年終總結(jié)時故意遺漏了關(guān)鍵信息，中途暫停并補充指令要求“著重強調(diào)全年業(yè)績亮點”。GenFlow3.0接收指令后，并未機械地推倒重來，而是不僅理解了新需求，還能“接得住”之前的進度，在原有邏輯流上無縫繼續(xù)生成。

這種“動態(tài)糾偏”能力，標(biāo)志著AI協(xié)作從“指令式”真正邁向了“交互式”。

至此，人機關(guān)系已發(fā)生質(zhì)變：AI不再是單純的輸出工具，而是進入了被管理、被糾偏、深度協(xié)作的“員工形態(tài)”。

但當(dāng)AI需要持續(xù)參與長鏈條任務(wù)，甚至面對用戶的反復(fù)打斷與修正時，一個底層技術(shù)命題隨之浮出水面：它憑什么能記得住上下文、接得住新指令、且越干越順手？

這就觸及到了AI的核心記憶中樞——知識庫。

如今，知識庫雖已成為Agent產(chǎn)品的標(biāo)配，但真正的體驗鴻溝在于：它究竟是一個死板的“倉庫”，還是一套自然流動的“知識引擎”。理想的知識體系，不應(yīng)成為用戶的額外負擔(dān)，而應(yīng)在閱讀、思考與創(chuàng)作的過程中無感沉淀、自然生長。

因此，評測的焦點不再是“有沒有”，而在“怎么存（知識獲?。迸c“怎么用（知識應(yīng)用）”這兩個關(guān)鍵閉環(huán)上。對此，我們對各家的表現(xiàn)進行了全景掃描：

在“知識獲取”這一環(huán)節(jié)，各家的生態(tài)基因決定了三種截然不同的護城河：

首先是ima，它的優(yōu)勢在于對騰訊生態(tài)內(nèi)容的深度整合。它不僅支持騰訊文檔的一鍵導(dǎo)入，更直接打通了微信公眾號文章的收藏鏈路。這意味著那些封閉在微信私域內(nèi)的高價值內(nèi)容，只有ima能將其便捷地轉(zhuǎn)化為可調(diào)用的知識資產(chǎn)。夸克的優(yōu)勢則建立在瀏覽器這一高頻入口上，通過截屏與劃詞，夸克可以將碎片化信息的收集門檻降至最低。

相比之下，GenFlow3.0的優(yōu)勢不僅僅是全，更在于“?！薄?/strong>依靠百度文庫和百度學(xué)術(shù)的龐大數(shù)據(jù)庫，它能獲取到海量別人搜不到的內(nèi)容——比如各行業(yè)專家上傳的專業(yè)文檔、公文模板、考試題庫以及深度的學(xué)術(shù)論文。這些通常需要付費或特定權(quán)限才能看到的獨家干貨，構(gòu)成了GenFlow3.0最硬核的知識底座。

此外，GenFlow3.0還構(gòu)建了一套獨特的“內(nèi)循環(huán)”機制：所有由AI生成的內(nèi)容，都可以一鍵回流至知識庫，在畫布中被自由拖拽、重組，并再次參與創(chuàng)作。知識不再只是被存放，而是在反復(fù)使用中持續(xù)增值，真正實現(xiàn)了隨取隨用、越用越強。

當(dāng)然，知識的獲取不是目的，讓獲取的知識為創(chuàng)作賦能才是目的。

當(dāng)我們將視角轉(zhuǎn)向“知識應(yīng)用”時，體驗的分水嶺隨之顯現(xiàn)：

夸克雖然在采集端表現(xiàn)出色，但目前存在明顯的“存儲-應(yīng)用”斷層——其收藏的內(nèi)容多以“書簽”形式存在，無法在創(chuàng)作中直接調(diào)用，這大大削弱了知識庫的實用價值。同樣，ima的知識庫底座雖然強大，但卻由于工具鏈過于單薄，能夠調(diào)用知識庫的場景寥寥無幾，導(dǎo)致沉淀的知識價值無法被充分發(fā)揮出來。

真正的閉環(huán)出現(xiàn)在GenFlow3.0和WPS身上。

WPS依托云盤打通了手機、電腦、平板及微信等全端文件，支持實時上傳與調(diào)用，構(gòu)建了“素材存儲-內(nèi)容創(chuàng)作”的標(biāo)準(zhǔn)閉環(huán)。

GenFlow3.0則構(gòu)建了更立體的“四重資料體系”：對外連接百度文庫、百度學(xué)術(shù)的專業(yè)知識，對內(nèi)通過百度網(wǎng)盤同步各端數(shù)據(jù)；同時還能自動備份你的查閱歷史和AI生成內(nèi)容，再加上自定義知識庫，同樣打通了“收、存、用”的完整閉環(huán)。相比WPS，GenFlow3.0勝在知識儲備更廣、應(yīng)用場景更寬。

淘汰賽正式開始！

很多人說2025年是AI應(yīng)用的元年，到了年底，AI應(yīng)用卻已經(jīng)邁入了下一階段。

一方面，單一的AI工具正在加速向一站式Agent創(chuàng)作平臺演進。另一方面，行業(yè)格局也在重排——大廠正迅速取代創(chuàng)業(yè)公司，成為這場競爭的真正主角。

這兩大變化相互疊加，清晰地勾勒出AI Agent的下一階段走向。

在此之前，Agent靠差異化生存——找到足夠細小的賽道就能立足；但在這之后，百川匯流，Agent正式進入正面戰(zhàn)爭。如果說過去是“晉級賽”，那現(xiàn)在接下來算是進入“淘汰賽”了。

淘汰賽的競爭是全方位的，這種全方位，不僅包含圖片、視頻、音頻、文字在內(nèi)的多模態(tài)模型；也包括流量和入口在內(nèi)的生態(tài)協(xié)同。這也是為什么大廠在這場游戲中逐漸占據(jù)優(yōu)勢的一個重要原因。

但問題也恰恰出現(xiàn)在這里，當(dāng)牌桌上只剩下大廠，大家同樣資源雄厚時，真正可以拉開差距的地方，顯然還是產(chǎn)品。

那么，AI時代Agent的終極形態(tài)應(yīng)該是什么樣？我不知道，但我可以確定的是：Agent的終極目標(biāo)，絕不是在一套固定流程里替用戶完成幾項固定任務(wù)。

它應(yīng)該成為一個“伙伴”，而不是“工具”；它也不應(yīng)該只服務(wù)于具體的工作場景，而是貫穿你生活與創(chuàng)作始終。

正如李飛飛所說，AI的最終使命，是成為人類應(yīng)對重大挑戰(zhàn)的得力伙伴，讓人類潛能得到更大的釋放，創(chuàng)造一個更美好的未來。

然而，這正是當(dāng)下許多產(chǎn)品面臨的最大挑戰(zhàn)——許多產(chǎn)品依然停留在流程化思維中，把創(chuàng)作理解為可預(yù)設(shè)的步驟。但顯然，如果AI只是按照流程行事，那它終究又會回到傳統(tǒng)SaaS的老路，失去應(yīng)有的創(chuàng)造力與可能性。

因此，未來Agent的核心賽點不再取決于單次的“生成驚艷度”，而在于它能否真正滲透進復(fù)雜的工作現(xiàn)場，并長期駐扎下來。

對絕大多數(shù)人而言，工作的本質(zhì)并非對話框里的閑聊，而是對文檔、PPT與表格的反復(fù)打磨。如果AI止步于一次性交付，無法進入這些深度編輯場景，那它終究只能是游離于核心工作流之外。

所以，我們認為真正的下一代Agent，必須重構(gòu)三大能力支柱：

• 全域收斂：能一站式調(diào)度圖文、數(shù)據(jù)與演示，將零散指令收斂為完整的工作流；
• 記憶復(fù)利：能沉淀你的偏好與歷史成果，讓每一次創(chuàng)作都站在過去積累的肩膀之上；
• 深度協(xié)同：必須允許人類隨時介入、打斷與修正，真正實現(xiàn)從“起草”到“交付”的閉環(huán)。

當(dāng)Agent具備了這些素質(zhì)，競爭便超越了模型接口的參數(shù)之爭，轉(zhuǎn)變?yōu)槿祟悊T工“長期協(xié)作伙伴”的生態(tài)位之爭。

在辦公和創(chuàng)作場景下，真正的中國版“Nano Banana”，不會誕生在某個炫技式的Demo中，而只會誕生在——那個你每天都離不開的，多模態(tài)創(chuàng)作的“超級員工”身上。

*文中配圖來源于網(wǎng)絡(luò)