当智能体走出屏幕，它通往生活的每一个接口，都是一个新的入口。
作者｜行之
编辑｜孟雯
做Agent的厂商越来越多，一个共同的问题摆在所有人面前：模型能力越来越强，智能体接下来该“长”在哪？
李景秋给出的答案超出了PC和手机的范围，她分享了一组数据：移动端接近30%的交互来自语音，有些开发者甚至长期用手机和搭子开发小游戏、写小说，而不打开电脑。“用户的使用方式比我们预想得更丰富。”办公AI处理的多是长程复杂任务，语音往往比手工输入更自然，这也是百度搭子发布智能硬件API的原因之一，把能力从电脑和手机，进一步延展到音箱、智能屏这样的家庭和轻办公设备上。今年办公 Agent 的竞争愈发激烈，百度搭子选择打出“开放”牌：既在内部打通应用，也通过开放平台连接外部合作伙伴，引入多模型矩阵进行按需调度且承诺不抽佣，将智能体的触角延伸至更广阔多元的场景中。
在百度智能云超级智能体大会结束后，百度搭子产品架构师李景秋接受了奇点研究社等多家媒体的采访，话题从智能硬件延伸到企业落地、性能优化和商业化探索。
Q:搭子接入硬件后，Agent 会发生怎样的变化？希望通过硬件实现哪些功能？李景秋：我们做硬件的契机来自于小度音箱的合作，今年上半年开始对接。上一代智能硬件更多满足 Chatbot 式的信息查询，例如查询天气、获取穿衣建议，用户对智能体的需求还不强。随着 Agent 能力增强，智能硬件开始呈现出不同特性。第一，复杂任务的规划能力更强。第二，设备可以由被动响应转向主动执行，例如主动安排家庭事务，提醒孩子完成作业、提醒老人按时体检，让家庭服务从被动响应转向主动规划。第三，智能硬件可以更自然地连接工作和家庭场景。例如家长还未下班时，可以提前安排孩子放学后的作业、喝水、练习题和课程提醒，由设备在相应时间执行。过去，这些任务主要依靠家长提前想好，再通过微信等方式交给家人执行。有了家庭智能硬件后，可以提前制定一周的计划，由音箱主动播报并收集反馈；孩子完成作业后可一键发给家长，搭子还能检查作业，从而形成跨场景的家庭服务闭环。通过 Harness，PC 办公、家庭音箱和生活服务可以打通。小度团队已经用百度搭子联动超能小度和智能屏进行家庭规划，设备以更轻松的方式提醒孩子，也比家长直接催促更容易被接受。我们在与小度及因时机器人科技餐饮连锁具身智能硬件的合作中，持续验证和打磨面向智能硬件的 API。经过多个案例的实践，我们将这套能力标准化开放，使更多硬件终端能够接入 Harness。统一账号打通不同终端后，Agent 可以获得办公、生活和娱乐等更完整的上下文与记忆，并结合用户偏好和习惯提供更合适的服务。李景秋：不只限于音箱。小度智能屏、闺蜜机等设备都支持由百度搭子提供能力的超能小度；我们也向具身智能企业提供硬件 API，例如用多模态能力搭建点餐机器人。猫王等厂商还有录音卡等办公硬件，可在采访时实时记录、总结，并生成图片和视频，便于对外传播。Q：在家庭场景中，是否计划与更多智能家居设备结合，例如通过语音控制空调、灯光或窗帘？李景秋：有这样的规划。很多智能音箱已经能够连接窗帘、空调等设备，再结合多模态智能的底层调度引擎，就可以拓展智能家居场景。Q：目前很多大厂都在做 Agent，百度搭子有哪些明显的差异化？李景秋：办公 Agent 主要看效果和生态。效果方面，百度较早布局办公智能，今年 3 月底推出 Harness，曾在 PinchBench 智能体榜单和 Deep Research 榜单中位居首位。在深度研究、文案创作、复杂逻辑推理、计算和代码生成等任务上，Harness 具有一定优势，可以在多种办公场景中端到端完成复杂任务。生态方面，各家都在打通集团内部业务。百度搭子已连接百度搜索、百科、网盘、秒哒、百度伐谋、灵医、法行宝、Hogee等应用，覆盖无代码开发、营销洞察、法律和健康医疗等场景。百度搭子在内部充当一个入口，集成百度多年沉淀的 ToC、ToB 应用。部分应用可以 Skill 的形式接入并被调度，这是相对轻量的连接方式。近期，很多应用已采用工作台模式。例如用户在百度搭子中提出开发文艺风酒店官网的需求，系统会调度秒哒工作台，在右侧生成应用，并支持实时编辑和发布。用户还可以在主对话中继续修改功能模块和页面风格，例如把文艺风改为炫酷风，工作台会立即完成调整，从而提高人机协同的体验和效率。与胜算的数据分析能力打通后，用户无需编写 SQL，就能在右侧查看和编辑门店营业额等分析结果。百度搭子既在内部打通应用，也通过开放平台连接外部合作伙伴，面向更多垂直行业提供服务。发布开放平台后，我们希望更多伙伴与搭子一起进入更专业、更垂直的领域，服务终端企业客户。Q:除AI办公和养老外，百度搭子未来还会探索哪些场景？目前与哪些行业的结合较多？李景秋：搭子是通用智能体，可以应用于多个行业。目前，搭子已在金融、制造、泛科技、手机、汽车和泰康养老等场景落地。未来会继续拓展智能硬件、连锁零售和教育等领域，也希望与大湾区及更多行业伙伴开展合作。目前行业分布比较分散。泛科技最多，其次包括金融、制造、教育和政务。科技企业的信息化基础较好；今年也有不少制造企业开始深入应用办公智能产品。Q:详细介绍下百度搭子在金融行业的应用和特殊案例？李景秋：金融合作主要有两类场景：一是结合已有的金融垂直解决方案，形成金融套件，并在百度搭子的通用智能体框架中落地；二是利用搭子在深度研究和信息检索方面的能力，满足金融企业内部的办公提效需求。Q:当前经济环境下，企业对 AI 办公和智能体的投入产出是否受到影响？企业仍在积极投入吗？李景秋：企业比我们想象得更靠前。过去企业会关注购买搭子后能否节省人力，现在有些企业已经开始细化统计，例如测算一项任务中人工与 Agent 的工作比例。企业希望量化 Agent 的价值，再据此确定应投入的资源和预算。企业对 Agent 的应用已从去年的先引入、广泛试用，转向今年的精细化管理。管理者会评估人工和 Agent 各自的价值：依据标准化 SOP、可由 Agent 完成决策的任务，自动化空间较大；需要主观判断和创造力的任务，则由 Agent 辅助人工作业。企业最终关注的是人机如何协同，以及 Agent 在流程中能发挥什么作用。Q:企业和机构重视数据不出域，也希望员工技能沉淀为组织资产。百度搭子如何满足这些需求？企业客户通常最重视哪些方面？李景秋：数据不出域是企业非常关心的问题。百度搭子支持三种企业部署方案：公有云、公有云 VPC 和纯私有化，数据管控依次更严格。与此同时，从去年到今年，算力紧缺也是企业不能忽视的现实问题。部分企业希望全部计算都在本地完成，但本地机器资源有限。VPC 方案可以调度云上算力，同时对对话日志、生成文件、执行轨迹等数据进行隔离和加密存储，确保外部无法访问。我们还会提供混合云等折中方案，在使用云上算力的同时保障企业内部数据安全，并通过多层机制提升整体安全性。权限管理分为两部分：一是功能权限，控制谁可以使用哪些功能；二是 Skill 和专业套件权限，对不同技能和套件的使用范围进行细粒度管控。安全策略还包括可追溯和可审计。Agent深入日常工作后，每一步执行操作、执行者和具体过程都需要留痕并具备可观测性。我们也重视Skill和Agent的安全。大量Skill进入市场后，可能存在描述与实际能力不符、窃取个人数据等风险。用户在搭子中使用非官方 Skill 时，平台会先进行安全检测并生成报告；若发现高风险，会提示不建议安装和使用。百度长期积累的云安全能力可以为此提供支持。总体上，我们从数据链路、VPC与防火墙、细粒度权限、可追溯可观测和 Skill 安全等方面构建多层安全机制，让企业使用办公智能体时更加放心。Q：百度搭子不追求一次上线大量套件，而是充分打磨。套件的筛选标准是什么？提报方案与实际上线的比例如何？李景秋：专业套件的难点不在数量，而在质量。每个套件都要在效果和性能上满足专业用户的需求。企业提交 Skill 或专业套件后，我们会进行基础安全检测、效果验证和稳定性测试，确认上线后的使用效果有明确保障，达到标准后才会上线平台。Q:评测分数较高的产品在实际应用中可能仍有落差，百度搭子是否遇到过类似问题？李景秋：会有。我们每周进行横向评测，并按任务复杂度分为 L0、L1、L2。复杂度取决于需要调度的 Skill 和工具数量。行业在 L0、L1 任务上的差距不大，但 L2 复杂任务仍有明显差异。搭子重点提升跨多个应用和工具的长程任务效果，持续优化模型、Harness 链路、工具选择、环境感知、自我验证、自我纠错和执行环节。李景秋：我们大约每周发布四五个版本。近期，PPT 增加了更多模板，视觉排版、审美和专业度有所提升；应用开发速度更快，HTML 排版更精美，并结合秒搭工作台改善了整体体验。金融套件扩充了权威数据源，并增加持仓分析、桑基图等专业视图，提升结果呈现的专业度；设计套件也优化了原型图、科技类官网等场景的审美和功能。不同类型的效果都在持续快速迭代。Q:百度搭子上线以来增长较快。哪些产品决策最关键？在用户需求洞察方面有哪些经验？李景秋：两个重要决策分别是从 PC 办公拓展到移动办公，以及从通用办公升级到专业办公。PC 与移动端无缝协同，可以让职场用户在不同场景中连续完成任务，更符合真实工作习惯。例如销售人员可以在路上查询客户信息、准备沟通重点、了解产品最新特性并生成见客户的 PPT；登录 PC 后，可以直接继续查看和编辑移动端的内容，无需通过微信等方式反复传输文件。这种跨端协同带动了双端用户增长。专业办公不只是查资料、写报告、做数据分析或生成 Office 文档，还需要理解具体行业和场景，对专业知识提出更高要求。以自媒体套件为例，直接参与设计的不是产品研发团队，而是我们访谈的大量 KOL 和博主。我们记录他们使用 AI 和 Agent 时的真实 Query 和痛点。例如，不同内容平台的违禁词不同，这是脱离行业场景很难发现的问题。博主还希望系统能够学习账号过去的发布风格，而不是生成千篇一律的内容。这需要打通不同社交平台，学习账号数据和表达风格。为解决这类专业需求，我们逐步推出由专业创作者参与开发的场景套件。从移动办公和专业套件两方面推进后，用户规模都有明显增长。需求洞察主要来自三方面：调研个人专业群体；通过百度智能云销售体系接触各行业企业客户；持续进行内部横向评测，检查产品效果是否改善、在行业中是否保持领先。我们综合这些信息确定产品迭代重点。Q:智能体是否需要进入硬件，以弥补纯软件形态的不足？在语音交互、语音妙记和Vibe Coding等场景中，你们有哪些思考？李景秋：用户的使用方式比我们预想得更丰富。例如，有些开发者长期用手机和百度搭子开发小游戏、写小说，而不打开电脑。这说明用户希望更自由地使用Agent，不必随时携带电脑。移动端数据显示，接近30%的交互来自语音。办公 AI 往往处理长程任务，指令内容较复杂，语音比手工输入更自然。例如，用户可能要求系统查找飞书文档和上周待办，统一整理后发送到邮箱。这样的任务包含多个步骤，语音输入更方便。此次发布智能硬件API，是从 PC、手机进一步拓展到轻办公设备和家庭服务设备。用户可在家庭或通勤场景中通过语音发出任务，由搭子的 Harness 在后台执行，并在完成后返回结果。Q:多人同时说话、说话人切换语言时，AI 可能难以及时识别。实测中是否遇到过类似问题？有哪些优化方案？李景秋：一部分要依靠硬件区分音色等特征；另一部分由Harness结合输入信息判断Query的发出者，并通过思考和反思机制提高区分度。与过去多人共同和一个语音AI交互相比，会议总结中的说话人区分会更灵活。一位企业客户曾上传近两小时的多人会议录音，要求搭子生成会议纪要和待办。系统能够识别双方角色、讨论事项和任务分工，生成的纪要基本可以直接发给客户，并通过企微向同事下发待办。随着Harness持续升级，这类长录音场景的效果还会改善。李景秋：近期重点是缩短耗时。移动办公或 PC 办公场景中，用户可以接受 Agent 用 10 分钟完成原本需要人工数小时的任务，期间可以处理其他事情，最后验收结果。但智能硬件强调即时交互，几秒没有反馈就可能让用户认为设备卡住。Harness 不如 Chatbot 快，部分原因是用户的上下文会持续积累。随着对话、问题和个人记忆数据增加，复杂任务需要更多思考时间。我们正在平衡效果与性能，在要求及时反馈的场景中更快交付结果。Q:效果与性能的瓶颈主要来自算力还是架构？如何看待耗时与智能之间的关系？李景秋：模型和Harness都会影响耗时。我们要在效果不下降的前提下缩短响应时间。与上月相比，本月首字响应时间缩短约24.4%，端到端整体耗时缩短约56.6%。虽然优化速度较快，终端硬件场景仍需要更快反馈。Q:这种优化是系统性的，而不是单独优化架构或补充算力？李景秋：对。优化不是线性的，需要针对不同 Query 分析问题：有时是模型调度次数过多，有时是链路需要优化。例如只发现文字和边框重叠时，没有必要从头重写，只需调整局部细节。端到端链路仍有较大的全局优化空间。Q:百度搭子对 AI 芯片的需求如何？国产芯片能否实现部分替代？李景秋：百度有自研的昆仑芯，搭子目前在云端算力中已经使用昆仑芯，基本可以实现 100% 国产化，但芯片选择还要结合具体任务。我们也在探索 AIGC 场景，有些简单任务可以调用 PC 本机算力，从而减少Token或积分消耗，为用户提供更经济的方案。Q:使用小模型可以提高响应速度并降低Token消耗，百度搭子是否采用了类似方案？李景秋：有。我们的模型体系是多模型矩阵，会根据各环节和 Query 的复杂程度，灵活调度轻量模型或更大的模型。Q:百度既有小度等自有硬件，又向其他硬件伙伴开放能力，如何回应既当裁判员又当运动员的质疑？李景秋：从搭子的视角看，与小度、猫王及其他硬件厂商的合作方案没有区别。小度为我们提供了充分的内部打磨和验证环境，使硬件 API 在开放前能够确认实际效果。能力开放后，各家使用的标准相同，不存在差异化待遇。Q:后续如何考虑商业化？是收取 API 调用费、会员订阅费，还是依靠云资源收入？平台是否抽佣？李景秋：主要收入来自云资源、API收费和会员订阅，不收中间佣金。第三方 MCP、Skill套件可以上架搭子平台。当用户任务需要更细分的第三方能力时，我们会将任务路由过去，并协助完成权限和接口对接，但不会从中收取佣金。李景秋：目前轻量模型以开源模型为主。我们会选用市面上较新的轻量模型，并针对部分简单任务集成多个模型。Q:这意味着产品保持开放，不会只使用自研模型，对吗？李景秋：对。办公产品需要保持开放，不会只使用单一模型或自研模型。Q:如何看待百度搭子与飞书等其他办公产品之间的关系？李景秋：今年办公智能行业更加开放。百度搭子企业版支持飞书和钉钉账号登录，也集成企微、钉钉、飞书等主流ToB产品。第三方办公应用可以通过套件、Skill 或连接器上架，帮助用户打通其他办公产品中的数据和应用，更好地执行任务。SaaS厂商可以把自身能力以Agent可调度的方式开放，使产品既能供真人使用，也能供Agent调用。Agent厂商则根据客户需求接入优质能力。双方一方开放、一方接入，可以自然形成合作。Q:百度内部既有搭子，也有更偏个人使用的库库AI。内部如何划分这两款 Agent 产品？Q:百度搭子与 AI 硬件厂商合作时，双方的能力边界是什么？硬件厂商是否只需做好硬件，软件能力由搭子提供？Q：合作中，百度搭子必须掌握哪些能力？哪些能力可以向硬件厂商开放？李景秋：我们明确开放Harness，以及按需提供的生态应用，例如教育类 Skill套件。不同硬件仍有各自的特点和优势，厂商可以将自身硬件Skill与搭子的Agent API 结合并进行配置，使同一套Harness Agent API在不同硬件上发挥不同效果。接入标准不是固定不变的，硬件厂商可以自行定制。李景秋：硬件厂商可以用较低成本获得跨应用执行能力较强的通用智能引擎，减少自行研发投入，并提高终端硬件处理不同任务时的泛化能力。 
