飛書的“養蝦”生意經

飛書的“養蝦”生意經

文章圖片

飛書的“養蝦”生意經

文章圖片


OpenClaw引發了“養蝦”熱 , 在開發者的用腳投票下 , 無論是本地、云端還是全托管部署 , 最后的終點都是接入飛書 。
3月19日 , 被OpenClaw“選中”的飛書 , 推出了自己的“龍蝦”一攬子計劃 。
飛書aily升級讓用戶能夠快速擁有屬于自己的、通曉上下文的Agent 。 該常駐聯系人列表的Agent伙伴 , 不僅原生理解用戶的全部工作上下文、內置覆蓋全辦公場景的原生技能 , 還支持用戶零門檻創建、更新各類業務技能 , 并能夠在真實工作中持續沉淀記憶、自主學習優化 。 此外 , 飛書aily專業版能以獨立Web端形式支撐更復雜的操作與信息呈現 。
面向工程師 , 飛書開源并升級官方OpenClaw插件 , 該插件支持OpenClaw以用戶身份操作云文檔、多維表格及日程 , 實現與飛書工作流的深度融合 。
目前 , 火山引擎、階躍星辰、Kimi、扣子、MiniMax、智譜等主流大模型與云服務廠商均已完成與飛書官方插件的對接 。



在這波熱度中 , 飛書成為了OpenClaw的前端之一 。 有開發者告訴我們 , “要讓AI能真正干活 , 你必須把它放在一個有上下文的地方” 。 一個能看到企業文檔 , 讀取多維表格和能理解項目進度的“工作現場” , 而這恰好是飛書過去幾年的積累 。
這些原本視為辦公副產品的數據 , 一夜之間 , 成為了Agent時代最稀缺的資源 。 于是 , 一場關于“住所”的爭奪開始了:手握入口的玩家想當“房東” , 沒有前端的玩家試圖成為公共“租客” 。
更為關鍵的是 , 如果不再需要獨立App , 飛書等產品成為Agent的默認前端 。 就意味著辦公軟件不再是工具 , 而是數字世界的操作系統 。
當AI開始真正參與人類工作 , 那個可以容納它的系統 , 或許比其本身更重要 。
做租客 , 還是房東?圍繞讓AI干活這件事 , 不同玩家各自卡住了位置 , 形成了一個相互依存又各有算盤的生態 。
OpenClaw作為一個Agent框架 , 本質上是大模型與數字應用之間的“手” 。 它本身不生產智能 , 而是將大模型的理解轉化成為具體的操作指令 , 并執行這些操作 , 其核心價值在于連接和執行 。
在這之上 , 云廠商承擔了OpenClaw的機房和分發渠道 , 為其提供算力支持、模型托管、API網關等服務;大模型廠商則作為OpenClaw的大腦和智商擔當存在 , 模型的性能直接決定了OpenClaw的聰明程度;飛書這類協同產品是“四肢”和“工作現場” , 用戶通過接入才能與OpenClaw對話 , 下達指令 , 接收結果 。
可以看到 , OpenClaw這回像膠水一樣把Agent的各個部分黏在了一起 。 過去 , 搞大模型的思路是造一個超級大腦 , 孵化應用讓用戶調用智能 。 結果現實是 , 除了少數頭部玩家 , 大多數App的打開率和留存率都不高 。
借著OpenClaw類產品入駐飛書、釘釘、企微 , 說明了一件事:用戶不會為了AI改變習慣 , 但AI可以主動適應并融入用戶已經存在的習慣 。

【飛書的“養蝦”生意經】

當Agent長在辦公軟件里 , 就不再只是一個需要想起才打開的App , 而是隨時響應、7x24小時在線的數字生產力 。
假設上面的模式可持續 , 具備“前端”屬性的飛書們 , 看到了機會 。 以前他們是工具平臺 , 而未來有可能有機會成為AI Agent的操作系統 。
以前用戶使用飛書是為了跟人協作 , 以后使用飛書還得靠Agent干活 。 當Kimi、MiniMax、智譜的Agent全在飛書里工作時 , 飛書就成了一個超級AI應用商店 。 用戶的粘性逐漸從人與人的協作 , 擴展到人與AI、AI與AI的協作 。
表面的共舞 , 掩蓋不了底下的暗流涌動 , 關于租客與房東的博弈由此展開 。
對于模型廠商來說 , 他們把飛書視為其OpenClaw類產品落地的通道 。 雖然KimiClaw、MaxClaw住在飛書里 , 但還是希望通過長期的交互 , 讓用戶建立起對自身的品牌認知和使用習慣 。 如果可以 , 由OpenClaw撬動的付費用戶還可以繼續延伸到其他功能和模型訂閱上 。
這大概是一種甜蜜的寄居 , 大模型廠商獲得了場景和數據 , 但也把一部分命運交到了“房東”手里 。 矛盾的焦點在于 , 用戶到底在跟飛書對話 , 還是在跟Kimi對話 。
飛書通往Agent基建的路徑中 , 無可避免地會將模型廠商視為被集成的應用 。 用戶通過飛書來調用模型或Agent , 切換成本幾乎為零 。 飛書能夠通過操作可以淡化用戶的感知 , 比如把背后Kimi一鍵切換為智譜 。 事實證明 , 能夠讓用戶產生忠誠感的是數字工作環境 , 而不是里面具體的Agent或模型 。
Kimi、MiniMax等公司在盡可能多地打通各家的入口 , 這回官方宣布完成與飛書插件對接就是印證 , 背后其實是在獲得租住權 。 但眾所周知 , 解釋權在房東 , 租房合同可以隨時被修改 。 以飛書為代表的房東 , 顯然不甘愿只換取點過路費 , 把涉及智能決策高價值的部分拱手相讓 。
于是 , 你會看到 , 飛書全Demo的發布會 , 就是把自家的“龍蝦”產品推到臺前 , 面向用戶、企業和開發者的選項一網打盡 。
既當裁判 , 又當選手的做法 , 讓那份本就不牢固的租房合同 , 變得更加微妙 。 畢竟 , 房東的自家店鋪 , 總是能優先選到最好的位置 。
被選中的飛書飛書們之所以能夠想要成為OpenClaw的前端 , 在于其具備了Agent時代最需要的三張牌:有記憶、能動手和在現場 。
這三張牌 , 每一張都是AI從“聊天玩具”進化為“數字員工”的必需品 , 而飛書恰好把它們湊到了一起 。
飛書里沉淀了企業最完整的數字記憶 , 從過去幾年的文檔、多維表格里的業務數據、審批流程里的決策記錄 , 到群里討論的來龍去脈 , 以上構成了一個機構化的工作知識庫 。
過去幾年的文檔、多維表格里的業務數據、日歷上的項目節點、審批流里的決策記錄、群里討論的來龍去脈——這些不是零散的聊天記錄 , 而是一個結構化的工作知識庫 。
AI需要上下文支持才能學習迭代 , 而協同辦公產品正好能提供充足的Context 。 比如 , 當OpenClaw們接入飛書后 , 經過授權 , 就能看到上周寫的產品需求文檔 , 能查到在團隊在群里討論的修改意見 。 它不再像初見面的陌生人一樣 , 而是一個帶著共同記憶的老同事 。
如果Agent只能說話 , 充其量也只是個“鍵盤俠” , 真正的數字員工 , 需要一雙能干活的“手” 。
飛書給Agent配備的手由三部分構成 , 首先是結構化的數據 , 例如飛書里的文檔不是一堆雜亂的文字 , 而是有層級、有標題、有目錄的結構化內容 。 多維表格也強化了有字段、有類型、有關系的結構化數據庫 。 這些結構化數據 , 讓Agent能夠實現精準理解和操作 。
飛書從誕生之初 , 就把自己定位為“可編程的辦公平臺” , 開放了數百個API接口 , 覆蓋消息、通訊錄、文檔、表格、日歷、審批等功能 。 OpenClaw一接進來 , 就等于獲得了一套完整的“遙控器” , 想執行需求就有API可調 。
飛書產品經理在發布會提到 , 過去在談論數字分身時 , 往往只是構建一個模仿用戶說話的聊天機器人 , 但由于缺乏權限和工具 , 無法實際執行任務 。
如今 , 新智能體被賦予了工具 , 可以完成許多實際操作 。 例如 , 用戶詢問其技能時 , 它能夠展示文檔處理、工具調用等多種能力 。 此外 , 智能體還支持后臺任務處理 , 當處理復雜事務時 , 用戶無需等待 , 可以繼續發送消息 。 智能體會在后臺并行工作 , 如同擁有一個“分身” 。
除了內置工具 , 智能體還具備學習新技能的能力 , 以適應不同用戶的個性化需求 。 演示中 , 用戶可以指示它搜索并安裝“飛書項目”的相關技能 。 后臺任務完成后 , 智能體不僅能夠查詢到 , 用戶近期的聊天記錄和要點 , 還能識別出最近的日程安排 , 并自動梳理邏輯、整理成書面化內容 , 體現了實時性和智能性 。



最后是細化的權限控制 。 企業敢放心讓Agent動手 , 前提是它只干本分之內的事情 。
以往在飛書或其他即時通訊平臺中 , OpenClaw僅作為入口存在 , 無法感知用戶的聊天上下文 , 除非用戶主動轉發消息或將其拉入群聊 。 而將Agent拉入群聊又會增加信息暴露的安全風險 。 相比之下 , 在獲得用戶授權的前提下 , 長在飛書里的“龍蝦”更符合企業安全性需求 。
OpenClaw的使用直接指向了工作效率場景 , 試想一下如果接入飛書等辦公軟件 , 用戶就得像以前一樣 , 專門打開一個獨立App , 輸入問題、等待回復、復制結果 , 再粘貼回工作窗口 。 一套流程下來 , 效率反而降低了 。
飛書所能提供的是工作的在場感 , Agent在其中 , 自然而然能感知到真實的工作節奏 。
飛書相關人士在現場就提到 , 如果所有工作都集中在飛書上 , 包括文檔、日程、任務等 , AI助手便能基于這些數據提供深度支持 。
例如 , aily可以讀取用戶日程安排 , 了解當天行程和忙碌程度;也能訪問在飛書上撰寫的文檔、創建的任務 , 以及會議生成的妙記 , 從而掌握各項工作的最新進展 。 借助這些信息 , AI能夠幫助我梳理昨日工作成果、規劃今日重點事項 , 甚至提前預判未來任務 , 生成合理的工作規劃 。
這三張牌 , 是飛書在做辦公軟件過程中 , 沿途攢下的資產 , 如今誤打誤撞成為了Agent時代的絕殺 。
Agent的三級火箭飛書還沒有到開香檳的時刻 , 釘釘和微信正從不同路徑對其形成擠壓 。
飛書AI的核心邏輯是“讓AI住進數據里” , 其能力建立在數據打通的基礎上 。 但這條路的前提是 , 企業愿意把所有數據交給飛書 。
而釘釘“悟空”走的是另一條路 , 先讓AI學規則 , 再動數據 。 它將釘釘11年積累的組織架構、權限體系、審批流程內置為AI的行為準則 。
如果說釘釘是在“安全”上卡位 , 微信就是在“入口”上封喉 。 騰訊直接將OpenClaw塞進微信 , 無異于釜底抽薪 。 微信是國民級應用 , 用戶全天在線 。 像平常一樣發消息 , 事情就被完成了 , 這種無感使用體驗 , 是任何企業辦公軟件都無法企及的 。
飛書在AI Agent時代的最大優勢 , 恰恰可能成為其最深的桎梏 。 所謂“有記憶、能動手、在現場” , 無一不建立在數據、流程和協作都在飛書的前提之上 。 換句話說 , 飛書的AI能力 , 本質是一場生態內的自洽 。
飛書AI的“記憶”能力 , 依賴于企業將核心數據存于飛書 。 這本身是一種雙向綁定:企業因AI的智能而更愿意把數據留在飛書 , 飛書因數據積累而讓AI更聰明 。 這種正向循環看似穩固 , 實則也在加深企業對單一平臺的依賴 , 形成事實上的數據鎖定 。
不過 , 這并不能掩蓋Agent , 即將在協同辦公賽道引發的革命 。
“三級火箭”理論 , 是一個經典的商業戰略模型 。 這個理論的核心邏輯是:通過第一級 , 高頻、低價、甚至免費的業務來獲取海量用戶 , 建立信任和依賴;然后通過第二級 , 中頻、中價的業務將用戶沉淀下來 , 并初步轉化;最后通過第三級 , 低頻、高價的業務實現真正的商業價值和利潤 。
用這個理論來看飛書和協同辦公軟件的未來 , 就變得非常清晰 。



第一級 , 從工具變成“數字同事” 。 讓AI無處不在 , 讓用戶習慣有事找AI 。 這一級依然可能是免費或極低成本的 , 核心是用高頻的交互搶占用戶心智和場景 。
第二級 , 從工具平臺蛻變為“AI操作系統” 。 企業的數據、流程都長在飛書上 , 企業可以創建專屬大模型、定制專屬飛書、訓練專屬豆包 , 也允許第三方Agent無縫接入 。 這一級的價值是讓企業離不開 , 飛書不再是一個可替換的軟件 , 而是企業運轉所依賴的AI工作環境 。
第三級 , 從“賣軟件”到“賣AI生產力” 。 飛書賭的是 , 當企業把核心數據和工作流都托付給它 , 當其成為業務增長本身不可或缺的引擎后 , 企業便會心甘情愿地買單 。 這級商業模式的拼圖 , 可能由運行額度收費、應用商店抽成、算力調度分成 , 甚至最終按企業節省的成本或創造的收入分成共同構成 。
如此看來 , Kimi、MiniMax等第三方模型廠商賺的是熱錢 , 而飛書們想賺的是穩錢 。
《平臺革命》提到 , “平臺是信息工廠 , 但不控制庫存 , 只提供作業場地;不直接控制生產 , 但培育一種質量控制的文化” 。
在Agent時代 , 飛書正在做的 , 就是重新定義作業場地 。 辦公軟件不再只是連接人與人的場所 , 更是連接人與AI、AI與數據以及AI與AI的工作現場 。
當AI開始真正融入物理和數字世界 , 每一次模型調用都會像水電一樣流過這些辦公軟件 。 飛書們爭奪的 , 早已不再是文檔協作市場 , 而是智能時代價值交換的場地 。

    推薦閱讀