AI+Office,2025 这一年

我爱免费

作者：微信文章

@付子豪（Sio FU）

AI+Office产品经理，不断探索底层模型能力，专注应用层创造产品

从 Deepseek 火遍海内外，一体机脱销；到 Openclaw 席卷全球，Mac mini卖爆，这一年又即将结束了。AI+Office 在这一年中又有怎样的变化？

一整年的观察和实践，一些思考。

01结构同质的 AI 生产力工具

不同的 Canvas 定义不同的 AI 生产力工具

如果你仔细观察 2025 年的 AI 生产力产品，会发现一个明显的现象---似乎都长成同一个样子：一个 Chat 框 + 一个 Canvas + 一个 Toolbar。无论是写作、代码、设计，还是数据分析，界面形态高度趋同。Chat 是入口，Canvas 是生产空间，Toolbar 是自由控制。



自 ChatGPT 出现以来，Chat 形态真正称得上真正的创新，我认为只有一次---推理过程的显性化。当 Deepseek 通过 Thinking 展示中间推理路径时，用户第一次看见模型不是直接给答案，而是在“思考”，黑盒被撬开了一条缝。这并非功能增强，而是信任结构的改变。这一次 Chat 流的创新，叠加模型能力与智能质价比的提升，足以让产品迅速破圈。此后，Thinking 几乎成为标配。

AI 工具之间的分化，不再发生在对话框里，而发生在生成之后的那块空间。无限画布、可执行 Code 环境、结构化表格界面、嵌入式工作流……不同的 Canvas 定义了不同的 AI 产品形态。

当越来越多产品的样子类似，AI 在其中到底是什么？
02AI 生产力工具的起点

在 AGI 来临之前，我认为 AI的定位是两种杠杆
Naval 曾经说过普通人可以使用的三大杠杆：劳动力杠杆；资本杠杆；代码/媒体杠杆（无需许可，复制的编辑成本为零的产品杠杆）

回过头来看 AI 生产力工具的起点，据我的观察，目前大多数 AI 工具产品的起点，大致可以分为两类：智能化杠杆和劳动力杠杆

当然最终成功的产品，往往两种能力兼具。但起点不同，决定了目标用户是谁，也决定了增长路径与推广策略。



将 AI 作为“智能化杠杆”

这类产品的核心价值在于能力跃迁。它帮助用户做到原本做不到的事情，或者把 10 分能力迅速拉升到 70 分。用户通常对该领域并不熟悉，甚至几乎一无所知。代表场景包括 Vibe Coding、Design Agent 等。

这类产品的特征是：智能能力的“溢出感”极强，天然带来惊喜。但与此同时，用户必须学习如何驾驭智能，本身存在一定门槛。

以 Vibe Coding 为例：

第一次生成可运行程序时，用户的核心动机不是效率，而是打破能力边界。一个从未写过代码的人，居然可以做出可执行产品。这种跃迁带来的第一反应，是分享---“我居然也可以”。变“牛逼”，需要被看到。但当类似水准的作品接连出现，“牛逼”变成了常态，外界的点赞开始递减。衡量价值的标准随之回归现实体系---能否变现？

于是，用户关注点从“曝光”转向“收益”。如果产品能够在热情高峰期帮助用户完成变现，便会形成无敌正循环；如果无法嵌入真实价值体系，热情很快会被消耗，用户也会自然离开。

智能化杠杆，本质上是在放大能力上限，同时也在透支激情。

将 AI 作为“劳动力杠杆”

另一类产品并不改变能力边界，而是压缩时间成本。它帮助用户完成原本需要大量时间或者需要分心投入的工作。用户对 Workflow 非常熟悉，AI 看上去只是嵌入既有 SOP。典型产品包括 Notetaking、智能外呼，Cursor（maybe）等。

这类产品的特点是：产出结果高度可预期，且用户可以随时 Double Check。初期的感受往往只是“更方便”，并不震撼。但随着智能能力逐渐外露，价值开始积累。

以 Notetaking 为例：

用户的心态也在变化---从“省劲”，到“省心”。最初，AI 只是帮他做一些重复动作。转录、整理、归纳，都是时间层面的优化。但当 AI 开始自动提取 todo、根据声音判断任务的负责人、安排后续流程，它不再只是减少动作，而是在减少决策。“省劲”解决的是时间问题。“省心”解决的是判断成本。用户从反复校对会议纪要，到默认其准确性；从手动确认任务分发，到允许 AI 直接执行。这种变化，并不仅仅是效率提升，而是决策权的部分让渡。

这类演进，是信任曲线的上升过程。如果能力持续深入业务场景，产品会变成基础设施；如果无法融入恰当的工作流，产品也会自生自灭。

劳动力杠杆，本质上是在释放时间，同时制造依赖。
03不同时代打工人的视窗不同

如果把工作理解为“人类通过某个界面操控生产资料”
那每个时代，都有一个主视窗

PC 时代：文件即生产

彼时 Word、Excel、PPT 是打工人的三件套。它们本质上不是工具，而是三种数据容器和标准传输格式---文本、结构化数据、展示叙事。彼时工作围绕文件展开，思考围绕文件组织。

在那个时代，硬件是生产资料的唯一主键。文件存储在本地，电脑在哪里，生产资料就在哪里，工作与设备强绑定。

Web 时代：从设备到账号

文件上云，协作成为默认。浏览器取代本地桌面成为主要入口。在线文档、表格、画板重塑了原有视窗的形态，从本地迁移到线上。

这个时代的主键不再是硬件，变成了账号。多数账号是邮箱，方便好记。只要登录，就能调取全部工作内容。生产开始从“设备绑定”转向“身份绑定”。

Mobile 时代：信息流成为生产线

IM 与会议成为主界面，工作不再从打开文件开始，而是从一条消息开始。信息流的响应速度，直接决定决策效率。

越来越多人仅通过手机完成工作。IM 账号成为新的主键。账号注销，数据资产归组织所有。生产的组织方式，从个人编辑走向群体协同。

AI 时代仍然有定义视窗的机会

随着底层能力变化，视窗从未是固定的。有的界面被弱化，有的被重塑，有的被取代。今天来看 Word 可能会弱化，表格依然存在，PPT 可能换一种形态，Vibe Coding、Notetaking 这样的新形态会加入。

无论会留下哪些视窗，有一件事可以确定--- AI 时代的视窗，必须是上下文连续的。

举个简单的例子：在一次会议中，甲方明确提出主题色为绿色、禁用红色。如果你在另一个 PPT 工具中将红色改为绿色，对 AI 来说，那只是一次颜色替换。但真正的“原因”，存在于另一款 Notetaking 产品里。当上下文被割裂，AI 只能理解操作，无法理解意图。AI 时代的视窗，不能只是展示内容的地方，而是承载完整语境的空间。这也意味着，All-in-one 的逻辑几乎是必然的。

这也衍生出 AI 时代的主键

在 PC 时代，主键是硬件，彼时诞生了 Intel 等伟大公司；在 Web 时代，主键是邮箱账号，用 Google 可以登录一切；在 Mobile 时代，主键是 IM 账号，办公软件的巨头也做了微信小程序。

AI 时代的唯一主键会是什么？我认为是 API Key，并非某一个单一模型的 API Key，而是模型网关的 API Key（Long Openrouter）。在 AGI 来临之前，不同模型公司仍在各自押注方向。模型能力天然存在偏差。在什么任务上调用什么模型，如何在 Latency、Cost、Accuracy 之间取得平衡，这就是应用层真正的价值。甚至可以这么说，应用公司的核心资产，是 Model Router。
04产品调参即审美

Vibe coding is new product management
Training and tunning is new coding
PM 的 Taste，不再只体现在设计稿上。它更体现在 Acc-Latency-Cost-Safety的平衡

市场常说：Taste is all you need。但在 AI 产品里，Taste 至少包含两层：第一层，是产品设计层---界面怎么组织，交互如何引导，用户如何感知智能。第二层，是产品内核层---在什么场景下优先准确率？什么时候牺牲一点 Latency？是否为了成本做模型切换？安全边界如何设定？这两层并不是分离的。

它们都源自同一个问题---目标用户核心需求是什么，场景是什么。



在同样一个场景里：

有人认为 500ms 的延迟不可接受；有人宁愿多等一秒，也要降低成本。

有人把安全放在首位；有人愿意承担更激进的风险换体验。

没有标准答案，这就是 Taste 的体现。

在 AI 时代，调参不再只是工程细节，更是产品判断。你如何在准确率、延迟、成本与安全之间取舍，决定了你的产品调性。
05面向未来的 AI 能力做产品

做 AI 产品，有两个问题必须反复问自己：
如果 LLM 变强，我的产品会不会变强？
未来三个月基础模型什么方向的能力会变强？

面向未来能力做产品，本质上是在押注能力曲线，提前准备好那个未来的时间点 AI 需要的东西。在今天来看，我更看好两个方向：原子化工具 和 端到端数据。



准备好原子化工具，赌 Agentic 能力的提升

如果模型的 Agentic 能力持续增强，它对工具的使用能力一定会超越人类。问题不在于“要不要给工具”，而在于---工具应该被拆解到什么粒度？真正原子化的能力在哪里？如何在 “For AI” 与 “For Human” 之间找到平衡？

AI in PPT 的演进，是一个很好的观察窗口。

2023 年，大多数产品仍停留在模板搜索 + 内容填充的阶段。AI 只是把 Template 变成 Draft。2024 年，Gamma 将版式、布局、信息图等高频能力原子化，交由 AI 调度，效果明显提升。2025 年，Nanobanana Pro 展示了“直出 PPT”的可能性，像素成为更细粒度的控制单位。再到 Claude 作为插件进入 PowerPoint，Code 成为最终的原子能力。

结合最近大火的 Openclaw，我逐渐觉得：Code 可能才是最原子化的工具。

甚至更进一步---当 Code 能力持续提升，它就具备了创造工具的能力。工具的终点，不是被调用，而是被生成。

准备好端到端数据，赌 Analytic 能力的提升

如果模型的 Analytic 能力持续增强，它会越来越擅长从历史数据中模拟现实逻辑，这意味着产品需要理解数据流。当然在数据流中：

数据在哪个节点需要被记录？记录到什么粒度？哪些数据真正具有长期价值？

仍然需要思考，当然这一切思考的起点逐渐会偏向如何服务好 AI 。

端到端的数据，不只是存档，而是未来模型 Self-learning 的基础。当模型能力逐渐遇到瓶颈，应用的差异将来自于数据的闭环。当然，这个数据需要是 AI Friendly 的。
06好产品✖️好分发

以商业结果为目标来 Build 产品

如果我们同意两件事：

第一，AI 作为智能化杠杆和劳动力杠杆都成立；

第二，模型能力会持续增强；

那么一个趋势几乎不可避免--- Build 会变得越来越容易。能力上限被拉高，时间成本被压缩，模型价格不断下降。在一定需求范围内，供给必然过剩。



当人人都能做产品，功能实现不再是门槛，产品之间会迅速趋同，Feature 的差距会被抹平，体验的差距会被快速追赶。未来你能做到什么，更多取决于你“看到什么”，以及你愿意承担多少成本。而不是你能不能做出来。

今天，很多 AI 工具公司仍在努力解决一个问题：如何帮助用户更快、更好地 Build。但当 Build 本身成为基础能力，真正决定商业结果的，就不再是 Build，而是---分发。

分发效率，直接决定 ROI，当供给过剩时，注意力才是稀缺资源。沉醉于 Build Great Product，却忽视 Distribution，往往意味着产品还没被看见，就已经被替代。当然分发也会很快 AI 化，留住用户的可能不是 AI 而是爱。

请现在就开始和你的用户做朋友吧，也许只有这样才会在这个差异被快速抹平的时代留下真正的信任。
07AI Insights From Sio
📊OpenAI 内部 Data Agent 最佳实践🎡Chat UI 是 AI 的最优解么？🔍To Be A Real PM - 产品管理的第一性原理🔭万字长文！From 2015：AI 革命---通往超级智能之路 (上）
🧠AI+Office，2024 这一年🤖Building Effective Agents💡AI+Office，2023 这一年。
欢迎大家后台私信我关注我的小红书&Twitter：@SioFU_AI交流 #AI ，#AI产品经理，#DataAgent这个鼻子几乎像一根指挥棒，引导着你的视线。在出现错误状态时，它会解体然后重新组合。
※Mistakes&Opinions my own, and not of my employer.※

欢迎转发，评论，讨论，请点击“在看”和“赞”，戳我试试吧