作 者：沉舟

来 源：正和岛（ID：zhenghedao）

2026年，企业AI正处在一个微妙的分水岭。

Gartner数据显示，目前仅有16%的企业将Agentic AI部署至生产环境，较2025年的9%仅提升7个百分点。MIT Media Lab的报告更直观地揭示投入与产出的失衡：在企业规模化涌入生成式AI、累计砸下300亿到400亿美元的资金池后，有高达95%的组织在财务上没有看到实质性回报。

试点遍地开花，规模化落地寥寥无几。

问题出在哪儿？

不是模型不够强。Gartner高级研究总监孙鑫的判断一针见血：“当下企业AI的瓶颈，早已不是模型能力，而是上下文能力。”

全球巨头押注“上下文”

年初，开源AI智能体OpenClaw的爆火是一个信号。

它证明了AI真的可以“干活”。从操作文件、浏览器、代码编辑器，到完成整理文档、处理邮件、安排日程。人们第一次看到AI展现出“数字员工”的潜力。

但真正跑起来后，一个瓶颈变得肉眼可见：

Agent一旦进入真实工作场景，上下文就撑不住了。

工业AI公司Cognite的CTO最近公开发表了一个论断：“工业AI通常不是死在模型层，而是死在车间里。”

在消费级AI里，“上下文”是历史对话。但在企业AI里，事情复杂得多。一个温度传感器读数是否正常，取决于它连接的是压缩机入口还是出口、型号年份、最近维修记录，而这些信息分散在三个不同的系统里。当AI进入业务，就只能读到一个个孤立的片段，无法理解“这家企业是怎么运作的”。

2026年世界人工智能大会（WAIC）期间，制造业AI落地也达成了类似的“反直觉”共识：制约智能化升级的核心瓶颈，从来不是模型参数，而是数据能不能被读懂。

放眼全球，“上下文”早已成为AI竞争的新焦点。

图源：视觉中国

今年上半年，五家全球企业软件巨头在五场不同的发布会上，说了同一件事。

微软在2026年Build开发者大会上明确提出，企业AI的核心挑战已从模型能力转向数据上下文。Fabric IQ被定位为一个“推理与上下文层”。

西门子在Automate2026上也展示了对工业AI的核心洞察：问题不在于缺乏数据，而在于缺乏上下文。公司将Xcelerator产品组合定位为工业价值链的上下文执行层。

SAP在SAPPHIRE（蓝宝石）大会上指出，大语言模型本身不是差异化因素。真正重要的是AI能不能识别正确的业务实体、访问合适的数据。它的Knowledge Graph就是那个“基础上下文层”。

Snowflake则在年度峰会上发布了Horizon Context，这是一套语义与元数据管理功能，旨在为企业AI和商业智能（BI）创建一个通用的上下文层。而Snowflake此次峰会的主题，就是：“Intelligence alone is not enough.”（仅有智能是不够的。）

Adobe也升级了旗下AI广告创作平台GenStudio的Brand Intelligence，让AI不仅学习品牌规范，还持续吸收评审反馈、审批记录，本质上也是在学习创意的“上下文”。

这5家公司来自不同的赛道：软件、工业、企业管理系统、数据平台、创意工具。但它们的判断惊人地一致：AI的下半场，在于谁能把上下文变成真正的“护城河”和“生产力”。

业内把这场竞争叫作“Harness竞争”。

Agent=Model+Harness。大模型是“发动机”，Harness是“整车”。如今模型已经很难拉开距离，谁能帮AI搭一个更好的“工作环境”（即Harness），谁就赢得下半场的入场券。

汽车行业：上下文最复杂的战场

需要注意的是，当AI试图进入汽车这条数万家企业相互咬合的产业链时，它需要读懂的上下文，已经远不止一家公司内部的流程和知识。更包括上下游之间流动的需求、进度、变更和交付物。

飞书CEO谢欣在9月3日的AI生产力大会上指出：“企业里的绝大多数任务并不发生在孤立的工具中，而是贯穿文档、消息、会议、表格、流程和人与人的协作。当Agent进入企业，工作方式将从‘人使用软件’转向‘人和Agent在同一个工作环境里共同完成任务’。”

但要在整条产业链上实现这种协同，仍有一些关键的断点需要打通。

图源：飞书AI生产力大会现场，飞书CEO谢欣演讲

在汽车行业，研发、供应链和用户反馈这三个环节，一直是整链响应的核心压力点。

研发端，当前一款车的开发周期已经从传统的三四年压缩到12至18个月。软件可以通过云端快速迭代，但硬件的开发节奏很难同步跟上——验证、测试、模具、产线调试，每一步都需要时间。

供应链端，一款车涉及数百家供应商、上万个零部件，信息传递有时仍靠邮件和Excel。一个环节的信息滞后，就可能影响整体进度。

用户端，多数情况下，一线车主与销售、售后的沟通仍停留在微信等社交平台上，要一层层传回研发端，中间的流转链条依然不短。

这些问题的本质，都指向同一条线索：跨组织、跨环节、跨部门的信息、判断和行动，能否连成一条不间断的流程。

作为制造业皇冠上的明珠，汽车被公认为是上下游链条最长、参与主体最多、对确定性要求最高的领域。它一头连着钢铁、化工、电子、软件，一头连着终端消费；一辆纯电车的核心零部件超过1万个，混动最多可达1.8万个；从研发到售后，全流程产生海量高价值数据。

而汽车行业本身，还在进化。

上汽集团创新研究开发总院院长王从鹤在同一个讲台上表示，汽车正从代步工具加速进化为“超级移动智能空间”，并向具身智能体演进。“研发组织、协同模式和产业关系也将随之重构。”

他认为，AI提升个人效率只是起点，未来竞争的关键在于推动研发从“人的经验驱动”走向“流程驱动人”。

图源：飞书AI生产力大会现场，上汽集团创新研究开发总院院长王从鹤演讲

所谓“流程驱动人”，就是不再依赖某个人去追进度、催交付、盯变更，而是让流程本身带着任务走。人只需要在关键节点做判断，流程会告诉你“下一步该做什么”“什么时候该完成”“哪里卡住了”。

如果这个判断成立，那汽车行业需要的就不仅仅是“给每个人配一个AI助手”，而是一套能让流程在整条产业链上跑通的底座。

从国家政策层面看，这件事也已经不只是企业层面的探索。2026年初，工信部等四部门印发的《汽车行业数字化转型实施方案》，核心逻辑是“链主引领、链式转型”——让大企业带着上下游中小企业一起完成数字化升级。

政策层面已经在思考“整链提效”这件事，方向已经很明确了。

飞书：让整条产业链跑在同一个底座上

圣经里有一个古老的故事。人类想造一座通天的塔，神变乱了他们的语言，让他们彼此听不懂对方在说什么。塔就停工了。

今天的汽车企业，某种程度上也在造一座塔。

“语言”不通，“塔”就造不起来。

而飞书正在做的，就是帮汽车产业链重建一套可落地的“语言底座”。

2026年年中，上汽与联电决定打通一个研发项目，摆在他们面前的是187个主流程节点，它们分属两家公司，涉及7个不同角色。过去，这些节点之间的信息传递靠邮件、电话、会议，项目经理的工作不是管理项目，是追问进度、找人签字、核对版本。

飞书做的不是替换上汽原有的研发系统，而是用飞书项目作为底座，在系统之上加了一层“跨租户直连”，把原本需要人盯的线下流程节点、评审记录和任务关联都搬到了线上。

供应商在自己的系统里填写进度，上汽这边的流程自动更新；设计需求变更，任务直接穿透到联电的具体承接人；交付物提交后自动归档，谁在什么时候改了什么，全程可追溯。

效果是具体的：全部计划排期从一到两小时缩短到五分钟，一次产品更改的评估周期从4到6周压到2到4周。

图源：视觉中国

能做到这件事，不是偶然。早在2023年谢欣就提出过一个判断：企业要拥抱AI时代，首先要打好数字化的基础，让企业实现“AI Ready”。

过去7年，飞书一直在做同一件事：让企业的流程、知识、协同都长在同一个平台上。

也正是因为这个，车企才愿意把最核心的业务跑在上面。

2025年中国上市车企市值TOP10，已有9家企业的集团、研究院、新能源品牌或相关业务主体使用飞书；TOP30新能源车企中，超过七成使用飞书。

它们选飞书，也不止是因为协同办公的能力，还因为这个底座能让上下游对齐。

当协同的流程被打通之后，AI自然就嵌在了这条已经跑通的流程上。

上下文的执行者：豆包工作

当Agent越来越强，一个追问不禁产生：“我们还需要协同办公软件吗？”

谢欣的回答是，需求并没有消失。

比如飞书里几个最基础的功能：消息、视频会议、日历。在AI时代，“人还有沟通的需求、管理时间的需求、协同的需求”，但实现需求的方式发生了改变。

以前开视频会议，是人跟人开会。现在开视频会议，可以让Agent加入进来一起开，有问题可以问它，它可以帮你总结。

以前在群里被老板问到一个问题，不知道怎么回答。现在可以让群里的Agent回答，它自带这个群所有上下文，以及你个人的所有信息和知识，帮你生成回答。

“我们依然需要协同办公，我们同时需要Agent。区别是，协同办公软件要同时给人和Agent使用。两个产品要打通。”谢欣说。

图源：飞书AI生产力大会现场

事实上，协同办公软件和Agent本就不是相悖的关系，而是协同进步。

8月25日推出的豆包工作，自带一个“天然优势”：它不需要你重新教它一遍“我是谁、我在做什么、我需要什么”。用飞书账号登录的瞬间，豆包工作就已经知道你是谁、在哪个部门、负责什么项目、能看什么数据、权限范围内能调用什么工具。

这种“天生就懂”的能力，正在改变团队的工作方式。

第一，它天然理解你的组织和工作上下文。

过去，我们在工作场合用AI的典型路径是：打开聊天框、输入问题、等待回复。每次都要重新描述背景。现在，写周报不用再翻群聊、翻会议纪要、翻邮件……豆包工作直接读取飞书里已有的上下文，自动汇总、提炼，生成一份周报草稿。不止于此，你跟它说一句“准备下周见x总的PPT”，它能自动调取客户档案、过往沟通记录，直接生成初稿，不需要一大段介绍“x总是谁”“之前聊过什么”“他关心什么”。

第二，团队经验和方法论留下来了。

过去，一个人走了，经验就跟着走了；一个项目结束，方法论就留在少数人脑子里。豆包工作改变了这件事。它和用户一起工作的过程，本身就是沉淀知识的过程。好的工作方法、判断逻辑、处理流程，可以通过豆包工作变成可复用、可传承的“团队技能”，而不是跟着某个人一起离开。下次遇到类似问题，不需要重新摸索，直接调用。

第三，AI不会越权。

企业最怕给AI的权限“给少了干不了活，给多了又不敢”。豆包工作不新建一套权限体系，直接继承飞书既有的权限体系。用户能看什么、能调什么，豆包工作只能在同样的范围内操作。个人数据和企业数据相互隔离。AI干活，不出权限圈。

事实上，在对Agent友好这件事上，飞书已经处于领先地位。在GitHub社区，截至2026年8月末，飞书CLI约1.7万star，是企业微信（3.0k）的约5.6倍、钉钉（2.9k）的约5.9倍，开发者们将其作为Agent接入工作流的首选平台，没有之一。

而这背后，是飞书过去7年积累的结果。

飞书天然把聊天、文档、会议、知识库、多维表格、项目和审批放在同一套组织身份、权限和协作体系里。这个结构让Agent的接入变得异常简单：不需要逐一对接ERP、MES、PLM等不同系统，只需要接入飞书一次，就能在同一套组织身份和权限体系下，跨业务域地操作数据和执行任务。

所以飞书+豆包工作，本质是把“上下文”和“执行力”合在了一起。

当上下文有了执行者，工作方式就从“人用软件”变成了“人和Agent在同一个工作环境里共同完成任务”。这或许是AI时代企业组织效率提升的底层逻辑。

总结

这或许才是中国企业在AI时代的新能力：不是单点效率的极致，而是整条产业链协同的速度。

飞书和豆包工作，正在这个过程中，扮演一个“连接者”的角色——连接人、连接Agent、连接系统和产业链。

汽车行业是第一个被验证的样本。当一家车企和它的几百家供应商跑在同一个流程底座上，其逻辑可以复制到任何复杂产业链：消费电子、具身智能、智能驾驶、AI硬件……

如果Gartner的判断是对的，到2028年，80%的企业AI软件工具将内置上下文工程能力。那飞书过去7年做的事情，就不仅仅是一个产品的进化史。

它是中国企业为AI时代准备的一份底稿。

当一个组织真正按照“信息怎么流最顺畅、决策怎么做最快速”的方式去搭建，AI的能力才有可能被充分释放。这才是AI时代组织方式升级的本质——不是模型更强了，是上下文被真正用起来了。

排版| 相与

审校| 丘秋主编| 夏昆