主题
00-02 · 大厂在 AI 时代的办公体系
我们不是闭门造车。我们要做的事，全球各家大厂都在做，且都已经把"AI 内化进每个工种"作为公司战略。这一节让你看清当下的真实图景，明白我们身处的赛道究竟有多卷、多大、多确定。
一、为什么要看大厂
大厂的标配，就是行业的下限。
如果一家世界级公司每个员工都在用 AI Copilot、Agent、Skills，那 5 年内整个行业的"普通水准"会被这条线锚定。
我们公司的目标 不只是追上大厂下限，而是把大厂的下限当起点，把"无人监管流水"做到大厂还没做到的高度。
二、五大阵营，五种打法
1. 微软（Microsoft）—— 把 AI 拧进生产力套件
| 维度 | 内容 |
|---|---|
| 核心产品 | Microsoft 365 Copilot：Word、Excel、PowerPoint、Outlook、Teams 全线集成 |
| 工程侧 | GitHub Copilot（代码补全）+ GitHub Copilot Workspace / Spark（Agent 模式） |
| 战略 | "Copilot Stack"：把 AI 内嵌到企业现有工作流，Office 是入口 |
| 内部使用 | 微软自身员工的 PR 提交里，40% 以上代码由 Copilot 生成 |
对我们的启发：
- AI 不是新建个工具，而是 嵌进现有工作流。我们的 Skills / MCP 也按这个原则设计。
- 大厂内部已经把"AI 写多少代码"当作 KPI。我们在公司内部要更激进。
2. Google —— Gemini for Workspace + 极致云原生
| 维度 | 内容 |
|---|---|
| 核心产品 | Gemini for Workspace：Gmail、Docs、Sheets、Meet 全线 AI 化 |
| 工程侧 | Gemini CLI + Vertex AI Agent Builder + A2A（Agent-to-Agent 协议） |
| 上下文优势 | Gemini 3 系列 100 万-200 万 token 上下文，能一次吞整本代码库 |
| 战略 | 用 Google Cloud + 多模态 + 长上下文做 企业级 Agent 基础设施 |
对我们的启发：
- "长上下文" 改变了 Agent 的设计：从"管理短记忆"变成"直接吞整本仓库"。
- A2A 协议预示 Agent 之间会越来越像微服务，未来你做的不是 Agent，是 Agent 集群。
3. Anthropic —— Claude + Skills + MCP，"做工具，不做平台"
| 维度 | 内容 |
|---|---|
| 核心产品 | Claude.ai / Claude Code / Claude API |
| 关键贡献 | MCP（Model Context Protocol）+ Agent Skills 两套开放规范 |
| 内部办公 | 公司内部大量使用 Claude Code 进行研发，并把成熟 Skill 开源到 anthropics/skills |
| 战略 | 不绑生态，做"AI 时代的协议层"，用 MCP / Skills 占领开发者心智 |
对我们的启发：
- 公司选 Claude Code + MCP + Skills 作为主线，不是因为 Anthropic 大，而是因为 它的协议是开放的、跨厂商的。
- "把方法论沉淀成 Skill" 这件事是 Anthropic 自己内部就在做的，我们只是把它在公司层面体系化。
4. OpenAI —— GPT-5 + Codex CLI + Operator
| 维度 | 内容 |
|---|---|
| 核心产品 | ChatGPT + Codex CLI（终端 AI 编码）+ Operator（浏览器 Agent） |
| 战略 | 模型 + 应用 + Agent 三栖。GPT-5 系列推理强，Codex 用于代码工作流 |
| 注意 | 受美国出口管制影响，部分企业级功能国内访问门槛高 |
对我们的启发：
- Codex CLI 与 Claude Code 之间的"双 AI 协同"是公司常用打法，详见 01-04 Codex CLI。
- Operator 这种"浏览器自动化 Agent" 的形态值得长期关注 —— 我们的 Lead Generation 流水线本质上就是 Operator 思路。
5. 国内大厂 —— 字节、阿里、腾讯、DeepSeek
| 厂商 | 核心打法 |
|---|---|
| 字节跳动 | Coze（流程类 Agent 平台）+ 豆包模型 + AI 全员投入 |
| 阿里 | 通义千问 + 阿里云百炼 + 钉钉 AI 助理 |
| 腾讯 | 元宝 + 混元 + 微信生态 AI 化 |
| DeepSeek | 极致性价比的开源/闭源模型，国内开发者首选基础底座之一 |
对我们的启发：
- 国内 To B 市场，很多客户更接受国产模型（合规 / 成本）。所以公司在做产品时要 模型抽象层 —— OpenAI / Claude / DeepSeek 都能切。
- 字节的 Coze 代表"流程类 Agent"路线，我们公司选的是 Hello-Agents 的"AI 原生 Agent"路线，原因详见 02-核心方法论/01-什么是Agent.md。
三、大厂办公体系的 5 个共同特征
不管阵营怎么分，所有头部公司的 AI 办公体系都共享 5 个特征：
特征 1：AI 进了所有工种，不只是工程师
- 销售有 Copilot 写邮件 / 总结会议 / 抓客户信号
- HR 有 Copilot 筛简历 / 写 JD / 训练 Agent 面试
- 法务有 Copilot 审合同 / 跟踪条款变更
- 设计师有 AI 出图 / 走视觉系统
特征 2：AI 是基础设施，不是工具
- 不是"给你装个 ChatGPT 就完事"
- 是 公司账号统一管理 + Skill 沉淀 + 内部 MCP 接所有内部系统
- 数据治理 + 权限 + 审计 + 成本，全套企业级
特征 3：组织结构压扁
- AI 替代了大量"中层执行"工种
- 留下来的：设计者（出 brief、做架构）+ 判断者（review、决策）+ 沉淀者（写 Skill、做模板）
- 6 个人的小队 = 过去 30 个人的产出
特征 4：评估体系更新
- 不再考核 "你写了多少代码"
- 考核 "你的 AI 集群产出了多少业务价值"
- 考核 "你沉淀了多少可被组织复用的资产"
特征 5：每个人都是产品经理
- 因为执行已经被 AI 接管，每个员工要 会定义问题、会挑战需求、会做产品判断
- 这就是为什么我们要求 未来股东 都得有 PM 思维，不只是工程思维
四、放在我们公司的具象映射
我们公司比照大厂体系的对应版本：
| 大厂版本 | 我们的版本 |
|---|---|
| Microsoft Copilot Stack | Windsurf + Claude Code + 公司星火插件 |
| GitHub Copilot Workspace | Cascade Agent + Claude Code + Hermes |
| Anthropic Skills | qdy-skills 内部仓库 + 公司命名约定 |
| MCP 内部接入 | 公司私有 MCP servers（数据库、CRM、Vault 等） |
| 大厂内部"全员 AI" | 我们要求 每位股东第一个月 就跑通 AI 工作流 |
| 大厂的 Agent 平台 | 我们的 Lead Gen / Future Opportunity / Course Site Builder |
结论：我们做的事，方向上和全球最强的几家公司完全一致；规模上比他们小、起步晚，但 决策灵活、组织小、执行快，所以我们能在他们看不上的细分场景里做出 L3 无人监管流水线。
五、给未来股东的 1 个具体动作
第一个月内，至少完整体验过下面 3 套大厂办公工具中的 1 套（公司可报销公开试用）：
- Microsoft 365 Copilot（个人订阅或试用版）
- Google Workspace Gemini（个人 Workspace + Gemini 订阅）
- Anthropic Claude Pro / Max（公司默认订阅，必须用）
体验完之后，写一份 1500 字左右的对比笔记到你的 Vault 30-References/big-tech-ai-office.md，回答：
- 它们各解决了什么我们公司也会遇到的问题？
- 它们没解决的、我们公司可以填补的空白是什么？
- 我能从它们身上偷哪三个设计方案，搬进我自己的工作流？
这是你作为股东，第一次对公司战略负责 的小练习。
六、参考资料
- 📚 GitHub Copilot Workspace
- 📚 Microsoft 365 Copilot 官方
- 📚 Google Gemini for Workspace
- 📚 Anthropic 官方 Skills 仓库
- 📚 A2A 协议（Google 提出）
- 📚 大厂围剿 Cursor / AI 编程格局生变（钛媒体）
继续 → 03 · AI 时代的速度