当前位置:首页 > AI资讯 > 正文

AI 办公三个月 2097 万次访问:留存才是问题

约 3103 字 · 预计阅读 8 分钟
一句话总结:腾讯 WorkBuddy 发布三个月后单月 2097 万次 PC 端访问,字节"豆包工作"一周 10 万家企业申请,阿里把三款 Agent 整合成"千问办公";但按单次 0.156 元算,中度使用的用户每月算力成本就接近订阅价。

这一轮 AI 办公的广告打得离谱。机场、地铁、电梯,到处都是。

数据也确实好看:腾讯 WorkBuddy 发布三个月后,单月 2097 万次 PC 端访问;字节"豆包工作"上线一周,超 10 万家企业申请内测;阿里把 QoderWork、悟空、MuleRun 三款产品整合成"千问办公"。

但访问量是分子,不是全部。

AI 办公三个月做到 2097 万次 PC 访问

2097 万次/月,折下来每天约 70 万次。

这个量级说明两件事:一是分发能力强(腾讯的渠道摆在那),二是尝鲜意愿高。

但"访问"这个指标有个致命的模糊:它不区分"用了一次就再也没回来"和"每天用十次"。三个月做到 7000 万累计访问,可能是 100 万人各用 70 次,也可能是 700 万人各用 10 次。前者是产品,后者是广告。

三家打法的差别

腾讯是产品先行:WorkBuddy 走的是"通用办公助手",接入微信、文档、会议这些自有场景。

字节是流量先行:豆包工作靠 C 端流量和企业内测名单铺开。

阿里是整合先行:把散着的三款 Agent 合成一个入口,先解决"用户不知道用哪个"的问题。

三家都在做同一件事:把 agent 塞进已有的办公流程。区别只在塞进哪个流程、用什么方式塞。

访问量不等于留存

这是我最想提醒的一点。

办公软件有个特点:用户会同时装三五个,但每天只开一个。 谁成为那个"每天开一个",取决于它能不能接住用户最高频的那件事——写周报、查数据、约会议、还是整理邮件。

访问量统计不到这个,留存才统计得到。而目前三家公开的都是前者的近亲指标:访问、申请、内测名额。

申请 10 万家企业,和 10 万家企业每天在用,中间隔着一条很长的沟。

AI 办公的成本结构:每次交互都花钱

这是比留存更硬的问题。

传统 SaaS 的边际成本接近零:多一个用户,多占一点存储和带宽,几乎不增加成本。所以订阅制能跑通,毛利 70% 以上。

AI 办公不是。每敲一次字、每跑一个任务,都要付一次推理费。

按一个中等任务算:20K 输入、2K 输出,用上周那家 6/18 元每百万 token 的价格:

20K × 6/1M + 2K × 18/1M = 0.12 + 0.036 = 0.156 元

单次一毛五分多,听着不贵。乘上频次就不一样了:

使用强度 每天次数 每月算力成本
轻度5 次约 23 元
中度20 次约 94 元
重度50 次约 234 元

AI 办公三个月 2097 万次访问:留存才是问题

图 1:按 0.156 元/次、每月 30 天计算,不含缓存优惠与批量折扣

办公软件的主流订阅价是每月 30 到 100 元。也就是说:中度使用的用户,算力成本就已经吃掉了整份订阅费,重度用户是亏的。

这就是为什么每家的第一件事都是推"缓存命中"和"小模型路由"——不是技术炫技,是毛利保卫战。缓存命中价通常是输入价的 1/20,能把单次成本压到几分钱;简单任务用小模型,成本再降一个量级。

不做这两件事,用户越多亏越多。

关于 AI 办公的五个问题

2097 万次访问是什么水平? 单月量级不小,但要和"日活"区分。访问次数高可能来自少数高频用户。

企业内测申请 10 万代表什么? 代表采购意愿,不代表使用。企业 IT 部门申请试用是低成本动作。

为什么三家都要做? 因为办公是唯一"高频、刚需、数据在自己手上"的场景,也是唯一能自然接入 Agent 的入口。

能赚钱吗? 能,但毛利率结构会和 SaaS 完全不同。参考云计算的路径:先亏规模,再靠自研芯片和调度效率把毛利拉回来。

对普通用户有什么影响? 短期是补贴战,价格会很低甚至免费;中期会分层——简单任务免费,复杂任务收费。

结语

这一轮 AI 办公的竞争,表面看是产品和渠道,实际是成本曲线的竞争。

谁的缓存命中率高、谁的小模型路由准、谁能把一次交互的成本压到几分钱,谁就能在订阅价不涨的前提下活得久。

访问量决定开局,成本结构决定能不能打完全场。

参考资料

目录导航
  • AI 办公三个月做到 2097 万次 PC 访问
  • 三家打法的差别
  • 访问量不等于留存
  • AI 办公的成本结构:每次交互都花钱
  • 关于 AI 办公的五个问题
  • 结语
    • 参考资料
  • 相关文章:

  • Kimi Hosted Agents 的三个设计,我照着写了一版,发现一个洞
  • 照着 HExA 写个最小版:加 20% 探索,收敛反而慢了一倍多
  • Agent 的命令执行靠不靠谱:我用 20 条命令测了一次
  • 同一个模型自问自答有用吗:写代码测 Role-Agent 的收益
  • PenguinHarness:把 Agent 拆成文件,我写了个最小版
  • 跨任务保持上下文:和 message threads 不是一回事
  • Computer Use 的通过率怎么算:三层条件,一个判定器
  • 上下文压缩三种策略实测:省到 100 token,就得接受会漏
  • 发表评论

    ◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。