用豆包工作跑完466次融资统计后，我发现具身智能哪些公司不能投
把最麻烦的活丢给AI试试
最近豆包推出了“豆包工作”，官方说法是能围绕用户目标自主拆解任务、调用工具、持续推进复杂流程。民间更直白：豆包有Agent了。
过去一年，“Agent”这个词已经被说烂了。能联网搜索叫Agent，能点浏览器也叫Agent。很多Demo看着惊艳，但一放进真实工作流就露馅——任务稍微复杂点，人还是得全程盯着，随时准备救场。
这次我没从“写周报”“总结PDF”这种简单任务开始，而是直接把三个最容易翻车的真实项目扔给了豆包工作：
- 统计2026年1–8月中国具身智能一级市场融资情况（最终整理出466次记录），并基于数据写行业报告、做可视化，再筛出15家“不能投”的公司；
- 为一款AI眼镜设计一套8张宣传海报，之后又让它根据新做的市场研究重新调整卖点；
- 让“HR招聘助手”分析具身智能行业薪酬趋势，再把结果交给“虚拟PPT专家”生成汇报材料。
三轮下来，有两个明显变化。
第一，电脑终于被解放了。以前跑复杂Agent任务，电脑不能关机、不能断网、人也不能走远——可能随时要确认权限或打断进程。胡彦斌曾在社交平台吐槽“vibe coding”时连买咖啡都得端着电脑，这类场景并不夸张。
而豆包工作的“云电脑”功能让任务在后台持续运行，即使关机也不中断。“多端同步”则允许用户随时用手机查看进度、追加指令或修改方向。真正做到了24小时让AI打工，人不用当监工。
第二，不用额外装APP。现在让用户下载新应用越来越难。QuestMobile《中国互联网发展年鉴(2025-2026)》显示，2025年9月全网人均使用APP数量为29.4个，比前一年仅增加0.9个。每多一个注册、多一次身份告知，都是转化漏斗里的流失点。
豆包工作直接内嵌在豆包APP里。如果你手机或电脑上已有豆包，点开就能用，没有额外门槛。再加上它打通了飞书，能直接读取群聊、文档、日程等组织上下文，过去积累的对话记忆也能无缝复用。
更重要的是，它不是一堆零散功能的堆砌，而是真能以“完成一项工作”为单位，自发组织AI能力。
466次融资统计，把脏活接走
第一个任务：统计2026年前8个月国内具身智能企业的一级市场融资。
做过产业研究的人都知道，这类活表面简单——搜新闻、填表格、重复操作。但实际干起来，全是琐碎细节里的“脏活”。比如一笔融资，有的报道只提领投方，有的却把前几轮投资方混在一起说；同一轮融资被十几家媒体重复报道，金额口径还不统一：“数亿元”和“数千万美元”来回切换……
每个问题单独看都不大，三五分钟能解决。但几百笔堆在一起，就成了极其耗神、让人怀疑时间价值的工程。
为了防止翻车，我一开始写了非常详细的Prompt，明确要求调用“市场热点分析”“一级市场公司评估”“文档”“可视化”等Skill。豆包工作内置了大量办公场景技能，覆盖范围很广，还在持续更新。
任务启动后，我原以为要反复补指令。结果过程出乎意料地顺畅。它能精准定位可信信源，自主搜索、追踪来源、整理信息，并写入文档；需要图形界面操作时，也会借助云电脑执行。过程中还会实时汇报节点进度，用户可随时打断或调整。
大约15到20分钟，结果出来了：466次融资数据全部按指令分类，还附带一份行业研究报告，包含分析研判和图表。
最难得的是对“幻觉”的控制。每处数据都标注了来源和日期；缺少公开信息的字段直接留空；存在口径冲突的数据会单独标明，不会强行编造。
如果人工来做，这至少是一个投资经理带实习生一周的工作量。豆包工作不到20分钟就完成了。
而且我不用像教实习生那样一步步指导：先去哪找资料、怎么判别信源、用什么软件制表、分析哪些指标……这次我只说了最终目标，它就像个专业社畜一样，自主拆解任务、连续执行。
上强度：哪些公司不能投？
有了第一轮的成功，第二轮我开始挖坑。
Prompt写得异常简单：“从VC视角看，这466家公司里，哪15家不能投，为什么？”
这个任务的难点在于，融资统计本质是信息搜集，而“能不能投”需要把主观判断拆成可量化的分析框架：团队背景、技术壁垒、赛道竞争、融资节奏、估值合理性、商业化确定性、资本结构、产品同质化程度……
熟悉投资的人知道，这不好下结论。既要结合当前具身智能市场的冷热状况，也要匹配机构自身的风险偏好。有时结果甚至“反常识”——大众眼中的明星项目，未必是投资人眼中的好标的。这就是我埋的坑。
我没有给任何判断标准，只是用最像老板的口气下达任务，看它会不会掉进去。
结果让我意外又惊喜的，不是它选了哪家公司，而是它主动把结果分成两档：A档“硬性回避”，B档“选择性回避”。这个结构我没要求，它自己补充的。
在真实职场中，领导的要求往往模糊不清，只给个大方向。能否在指令之外理解真实意图，主动补充信息结构，以目标为导向交付，而不是“踢一下动一下”，正是区分普通员工和优秀员工的关键。
具体名单我就不放了，但它的判断标准中，有七成我直接认同；剩下三成并非反对，只是我对那些公司了解不多，还需人类进一步验证。
值得一提的是，它没因为某家企业是“明星项目”就回避将其列入名单——至于具体是谁，大家可以自己去问豆包工作。
两个任务下来，我的感受是：豆包工作的Agent能力已远超“实习生”水平，用得好完全可以达到从业者平均水平以上。
过去研究员要花几周做资料搜集、框架搭建、初步筛查……现在这些完全可以先交给Agent跑一遍，人类只需把时间花在最值钱的地方：检查假设、挑战结论、做最终判断。
AI开始“找同事”
第三项任务换了个方向：做海报。
Prompt很简单：“给我出一套8张的AI眼镜海报，字要大，要震撼，要高级，要时尚。”
但这里有个陷阱。如果跟人类设计师说“一套8张海报”，对方明白是指同一款产品的8个不同卖点。而多数AI工具会误解为“8款不同眼镜”或“同一张图的8个微调版本”，翻车率极高。
豆包工作不仅准确理解了“一套”的含义，8张海报在主体、文字、视觉风格上保持高度统一，还主动附上了整套设计逻辑和每张对应的传播重点——连设计师最烦的“讲讲你的设计理念”环节都替你做了。
但这还不够。我又开了个新任务，让它研究AI眼镜市场、用户需求和消费痛点，写成文档。拿到研究结果后，我回到海报任务，让它根据新发现的用户痛点重新调整卖点方向。
它一键搞定了。
这其实非常接近真实工作流：Brief不会一成不变，市场团队会补充调研，产品会改卖点，老板可能直接甩来一份报告，要求你自行判断如何调整方向，再与设计反复沟通。上班的大量时间，其实消耗在跨部门的信息搬运和对齐上。
如果AI只能在一个对话框里干活，它终究只是个厉害的工具。但当它能在不同任务间“跨群聊”共享信息、推进协作，甚至主动“找同事”，那它才真能帮你干活。
豆包工作内置了“伙伴对话”功能，用户可选择不同专业方向的Agent，在同一个群里协同分析、拆任务、交付成果。
我试过让“HR招聘助手”研究2026年6–8月具身智能行业的人才薪酬变化，同时@“虚拟PPT专家”准备生成汇报PPT。结果不出所料：PPT排版美观、数据呈现清晰；薪酬数据也来自正确的公开招聘平台。
作为普通员工，这个功能和主对话框体验差别不大，我还没开发出更复杂的玩法。但换个角度想，“伙伴对话”最适合的可能是“一人公司”。
过去所谓“一人公司”，多少依赖外包解决法务、财务等问题。如果AI生产力继续往前推，未来可能出现“1个人类老板+20个虚拟员工”的公司形态。创业者真正要面对的问题，或许会变成：你会不会管理Agent？
工作，正在成为AI交付的基本单位
作为这一轮AI产品的重度用户，我试过国内外大量Agent工具。坦白说，很多Demo好看，但真上班还是得自己来。它们解决的是单点动作——查资料、写文章、做PPT、操作浏览器。AI的单项能力越来越强，但要把它们串进真实工作流，依然靠人。
豆包工作让我感受到的变化，是另一种产品逻辑：“项目”正在成为AI交付的基本单位。
用户给的是目标，思考的是方向；具体由Agent负责拆任务、找资料、调用技能、操作电脑、生成文件，必要时再找其他Agent协作，最终交付一份可直接使用的结果。
云电脑、多端同步、Skill库、伙伴对话……这些功能放在这个逻辑下就都串起来了。
真正的工作可能跑几个小时，人不可能一直守在电脑前；复杂任务本就很少由单一能力完成；跨群聊、跨技能、跨数据源、跨上下文沟通，本就是日常工作的常态。
豆包工作最大的亮点，不是“又多了几个功能”，而是它真正开始以“完成一项工作”为单位，自发组织AI能力，以交付为导向。
AI办公，确实“卷”到了下一阶段。
