文章核心观点 - 豆包工作向团队订阅版和企业订阅版客户开放第三方模型，首批接入Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash三款模型，功能上线后默认开启，企业无需另外向模型厂商采购，调用第三方模型消耗的Token按用量从企业账户已有的AI点数中扣除 [2] - 豆包工作在开放第三方模型上相比其他办公Agent产品姗姗来迟，此前豆包工作中第三方模型从用户可选列表消失，仅剩自研豆包大模型可被调用 [3] - 同一天同属豆包体系的AI产品扣子宣布将下线企业版服务，企业标准版、企业旗舰版将于2026年11月30日停止接受新客户购买，通过火山引擎购买的旧个人进阶版、旧企业版及旧团队版将在2026年12月31日全面下线 [1][6] - 面向B端提供更多样的模型选择是近乎必然的一步，不同厂商模型能力各有偏重，Agent平台只提供一家模型无异于让用户来适应产品 [3] - 不同厂商模型价格不同，价差通常对应能力差，企业办公场景并非所有任务都需要高质量模型，根据不同岗位任务复杂程度定向配置不同档位模型，能帮助企业更精细地管理Token成本 [4] - 企业消耗Token的速度在变快，为Token留出的预算也在变大，价格依旧是企业采购时最关注的要素之一，部分中小企业更偏向寻求"量大管饱"的方案，高价模型常常遇冷 [4] 豆包工作产品更新 - 10月29日，豆包工作向团队订阅版和企业订阅版客户开放第三方模型，首批接入Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash等三款模型 [2] - 该功能上线后默认开启，企业无需另外向模型厂商采购，调用第三方模型消耗的Token将按用量从企业账户已有的AI点数中扣除 [2] - 此次更新后B端用户新增三个模型选项，管理员可以按成员、部门、群组或全员划定谁能使用哪个模型 [3] - 企业还能配置模型可被调用的场景，包括豆包电脑端、豆包工作电脑端、豆包移动端、豆包网页端、飞书内豆包工作 [3] - 关于新增第三方模型的原因及后续是否会在个人版中增加第三方模型，豆包工作向经济观察报表示暂不回应 [3] - 豆包工作于8月25日上线，融合了字节旗下多款Agent产品的基因，如TRAE Work、扣子、飞书Aily工作助手等 [3] - 整合推出豆包工作以前，上述产品均向用户提供第三方模型选择，用户还可以自行填入接口信息，调用已在字节之外渠道付费过的模型服务 [3] 行业竞争格局 - 腾讯WorkBuddy自上线第一天起就支持用户在DeepSeek、GLM、Kimi、MiniMax和自研的混元等模型间切换 [5] - 阿里巴巴旗下千问办公8月中旬曾上线GLM 5.3和DeepSeek V4 Pro两款第三方模型，随后版本更新，模型选择器中不再公开外部模型名称，改为模糊的档位描述 [5] - 在豆包工作开放支持第三方模型的同一天，小米MiMo Desktop给会员新增了七款第三方模型，除与豆包工作一致的三个模型系列外，还多了阿里旗下的千问大模型系列，个人版、团队版用户均可调用 [5] - 小米MiMo Desktop的会员权益升级公告写明产品将对新增的第三方模型"标注消耗倍率"，用户可按需选择，但豆包工作的公告中关于三款新增模型消耗"AI点数"的倍率平台并未说明 [6] 模型定价与成本 - 三款新增模型厂商定价差异较大，以输出价格（每百万Token）为例：Kimi K3.1 Pro为68元，智谱GLM 5.3为28元，DeepSeek V4.1 Flash空闲时段4元、高峰时段8元 [6] - 一位模型代理人士表示，近两个月向她咨询业务的客户越来越多，新拓客户主要分布在新一线城市和二线城市 [4] - 部分中小企业来咨询时并不在意方案里包含的模型是什么、适合干什么，更偏向于寻求"量大管饱"的方案，追问预算内提供的Token量够不够用 [4] 扣子企业版下线 - 同属豆包体系、字节旗下AI应用开发平台扣子发布《扣子企业版下线公告》 [6] - 企业标准版、企业旗舰版将于2026年11月30日停止接受新客户购买 [6] - 通过火山引擎购买的旧个人进阶版、旧企业版及旧团队版将在2026年12月31日全面下线 [6] - 扣子将企业版下线原因表述为"推进企业级服务的产品整合升级" [7]

文章核心观点 - AI个体提效与企业整体收益之间存在落差，局部工具提效不会自动汇聚为组织收益，关键在于让生产关系适配新生产力 [3][4] - AI原生组织以AI为核心生产力，围绕其执行能力重新设计业务与运行方式，人转向聚焦目标、创造、价值判断、协调与责任兜底 [6] - 组织变革需从“个体到组织、从辅助到自主”两个方向突破，企业可从高频重复任务切入逐步扩散 [22] - AI原生并非初创企业专利，传统企业同样可以转型；长期看AI原生组织将成为市场主流 [43][44] AI原生组织十大特征 - 业务层特征①AI倍增器：把AI作为业务核心要素，加快业务创新及规模化，放大组织创造和交付价值的能力 [6] - 组织层特征②任务为中心：按任务灵活进行人机混合编队，组织层级尽量扁平 [8] - 组织层特征③数字生产力：AI超越单纯工具，成为可独立完成任务并交付成果的生产力 [9] - 组织层特征④人机互补：凡事优先用AI处理，人力聚焦于AI不擅长和高价值的工作 [10] - 流程层特征⑤人在环上：AI自主执行为主，人负责监测和必要时介入调整 [12] - 流程层特征⑥并行迭代：任务可由AI多路并行快速执行与收束，流程能敏捷调整优化 [13] - 系统层特征⑦组织记忆：工作内容和经验可编码存取，持续沉淀为可复用的组织资产 [15] - 系统层特征⑧共享上下文：相同任务中人员和AI共享上下文内容，实现人机实时对齐与高效协作 [16] - 系统层特征⑨自进化系统：系统能自主学习和迭代升级，越用能力越强 [17] - 治理层特征⑩运行即治理：对AI动态分级授权和管理，实现AI运行全程的可视可控 [19] 行业数据与趋势 - OpenAI于2026年9月披露，使用量前10%的企业每活跃用户输出Token是中间10%企业的8.3倍，而1月仅为2.6倍，AI使用强度差距大幅增加 [3] - 麦肯锡2026年调查显示，80%受访者表示AI提高了个人工作效率，但仅37%表示AI改善了所在企业的息税前利润（EBIT），比例与2025年基本持平 [3] - OpenAI发布《企业的未来》探讨AI作为助手、团队成员或协调层改变组织分工；Anthropic发布AI原生创业手册，提出以智能体工作流支撑日常运营 [3] 企业实践案例 - 多邻国2025年宣布AI优先战略，将生成式AI与共享内容系统结合，2025年4月上线148门新课程使课程总量增加一倍以上；最初100门课程开发约用12年，新课程从开发到上线不到一年，7种热门非英语语言课程向使用28种界面语言的用户开放 [7] - Moderna于2025年将HR与IT合并为“人员与数字技术”部门，到2026年AI智能体已在供应链、IT、HR等领域承担信息整合、协调和部分常规决策，并出现侧重工作流设计与编排的新角色 [11] - Stripe开发无人值守编码智能体Minions，2026年2月披露每周已有超过1300个完全由Minions生成的代码变更经审核后合并，开发由逐项执行转向多任务并行推进 [14] - Morgan Stanley部署对账智能体系统FIXR，2026年6月披露单个账簿对账时间由最长6小时缩短至2—3小时，约100名财务人员每周合计节省约1500小时 [18] - 微软2026年重构《负责任AI标准》，将风险管理贯穿AI开发与使用全过程，上线前评估风险、运行中管控智能体身份与工具权限，相关管理体系已通过ISO认证并接受第三方审核 [20] 企业级智能体部署路径 - WorkBuddy总结五阶模型：试用（种子用户跑出可信结果）、推广（小范围到全员）、沉淀（经验与上下文形成可复用数字资产）、连接（智能体连接企业软件系统）、自治（全天候持续运行、安全可控） [22] - WorkBuddy企业版四大功能升级：开放（融合企业微信及腾讯办公生态、兼容第三方IM与企业系统、接入主流模型）[23]、安全（全链路防护覆盖身份治理、权限管控、执行防护、数据安全与全流程审计，采用AICC机密计算）[23]、可观测（上线可观测中心，掌握Token用量与成本）[23]、可托管（WMA将任务执行能力搬到云端，支持7×24小时数字助理）[24] - 腾讯内部基于WMA搭建的经营服务智能体“磐石小O”已接入ERP系统300多个业务接口，每次操作继承员工身份与权限并保留审计记录 [24] 腾讯HR实践 - 腾讯HR的AI变革已从单点应用走向企业级能力建设，孵化数千个应用，并开始改变专业团队与一线的协作分工 [27] - 建设HRClaw平台提供HR数据、知识和技术服务，支持应用发布、管理与共享，与WorkBuddy结合将数据接入、身份认证和部署能力交给一线调用 [29] - 治理先行：此前约两至三年的数字化建设统一数据定义和统计口径，实现分级分类权限设定，接入覆盖上百张宽表、数千个字段，权限控制细化到行、列乃至单元格级 [30][31] - 系统集成：将部署、取数、存储和组件能力封装为AI可调用的技能与接口，WorkBuddy负责理解需求、生成代码和调用工具，HRClaw提供业务数据与运行条件 [32] - 业务创新：平台已孵化3500多个应用，CSIG新员工管理系统已有上千名新人实际使用 [33] - 流程优化：业务人员可直接与AI共创，交付过程变为边生成、边预览、边调整，测试插件可扫描代码、模拟页面操作并交由AI修复，形成局部自动测试与修复闭环 [34][35] - 成果沉淀：应用及源码回到统一平台，通过应用市场支持发现使用，通过版本管理、回滚和转交支持持续维护，创造者开放源码后其他员工可下载修改并部署自己的版本 [36] - 分工重构：数据团队原先每月承接约10—15个看板需求，后此类需求几乎不再进入原有流程，团队转向数据治理和质量建设，同期数据请求量约为上年的三至四倍 [37] - 渐进转型：绩效考核等主干流程已有局部尝试，从主干系统中提炼可调用能力，在统一规则下支持一线灵活组合 [38] 行业思辨与展望 - AI原生不由出生决定而由思维和方法决定，Netflix从DVD租赁转型在线视频、三星从农产品出口转型电子制造、Nokia从木浆工厂转型手机制造商均为历史参照 [43] - 电气化参照：用电已不构成企业优势而是现代生产基本条件，AI可能从竞争优势变成竞争门槛，仍依赖旧生产方式的企业可能无法提供有竞争力的产品和服务 [44] - 短中期大部分传统企业可能处于整体AI增强、局部AI原生的状态，AI原生不等于取消岗位和层级；Klarna扩大AI客服后因服务质量问题又补充人工客服 [45] - Anthropic的Claude Code团队已将AI编程作为默认方式，人员随任务流动，仍有经理支持任务团队，产品经理、设计师和安全专家承担关键判断 [45]