最近一段时间，AI办公领域成为阿里、字节、腾讯等科技巨头竞争最为激烈的赛道，大模型的发展也进入了Agent博弈的深水阶段。
各大公司持续整合旗下产品与团队，集中力量、聚焦方向的同时，如何在对话框之外获取更多真实的办公现场信息，并将其转化为大模型能够理解的“上下文”（Context），成为了决定胜负的关键因素。这也促使各方不约而同地将注意力投向录音卡片、AI耳机、智能眼镜等硬件领域，展开生态层面的较量。
腾讯率先行动，今年9月，腾讯WorkBuddy宣布其开放平台正式上线，首批引入超过百家生态合作伙伴，将WorkBuddy接入Plaud、乐奇Rokid、影石等数十种硬件设备中。
腾讯WorkBuddy开放生态负责人林佐露向《中国企业家》等媒体表示，WorkBuddy可通过随身设备发起任务，但硬件仅仅是调用Agent任务的载体。更为关键的是，当模型能力与行业场景的连接达到一定深度后，如何提升模型对复杂上下文信息的理解能力，从而将最佳的生产力成果交付给用户和企业伙伴，才是核心所在。
9月22日，在“2026云栖大会”上，千问办公发布了AI Agent硬件产品QwenNote A2。该设备支持通过语音一键调动千问办公完成各类工作任务，并能将线下沟通的录音纪要沉淀到千问办公体系中。
10月13日，阿里千问又推出了三款硬件新品：AI眼镜N1、N1 Pro以及AI耳夹式耳机。在叠加国家补贴和限时优惠后，AI眼镜N1起售价为2218元，N1 Pro起售价为2600元，耳机起售价为1099元。据悉，N1 Pro具备心率、血氧、皮肤温度等体征实时监测功能。
千问办公副总裁、产研负责人束骏亮向《中国企业家》等媒体指出，硬件是上下文增量收集的入口，是连接数字世界与物理世界的桥梁，通过硬件能够沉淀大量上下文信息。
今年8月25日发布的“豆包工作”尚未公布明确的自研硬件规划，但字节体系内已积累了丰富的AI硬件协同实践经验：豆包耳机、豆包手机，以及飞书在今年1月联合安克创新推出的AI录音豆，共同构成了字节的硬件矩阵。
一位投资人向《中国企业家》表示：“豆包Token爆发的路径之一，就是下沉到华强北等市场，借助陪伴类AI硬件等渠道，使其迅速成为消耗Token最多的厂商。但弊端在于陪伴类AI硬件‘吃灰率’过高，多数硬件在一周后，闲置率就能达到70%，一个月后更是上升到90%。”
办公硬件则有望突破这一困境。“办公属于效率工具，产出可以量化为成本，是实实在在的刚性需求，使用频率也会随着业务需求持续提升。”上述投资人说道。
抢占更多硬件入口，其价值是多维度的：既可以拓展多元的真实用户场景，也能获得模型落地一线的直接反馈，同时还能持续拉动Token消耗。
当然，布局硬件并不意味着互联网大厂要亲自下场包办硬件研发与生产。移动互联网时代的经验早已表明，互联网企业很难做好硬件制造的全链条。行业也已形成清晰共识：硬件厂商负责产品研发与生产制造；互联网巨头输出大模型、软件生态，并协助渠道拓展。各方各司其职，各自获利。
录音卡大战
录音是一个传统赛道，曾长期被科大讯飞、索尼等传统玩家占据。但近两年，它频繁受到大公司和创业公司的关注，成为AI办公领域竞争最为激烈的硬件场景，价格战、渠道战频发。
Plaud重新点燃了录音设备大战。该公司成立于2023年，2025年9月进入中国市场，其推出的卡片式AI纪要产品Plaud Note在全球爆火，支持多模型AI转写及摘要功能。公司累计硬件销量达到200万台，软件ARR（年度经常性收入）超过1亿美元。
今年9月，Plaud宣布了在中国市场的首个Agent合作方——与腾讯WorkBuddy合作。除了能力互通外，双方还将推出Plaud Note Pro的WorkBuddy联名款。
大厂的同类产品也密集亮相：钉钉于2025年8月发布A1录音硬件，定价799元，内置64G存储；飞书联合安克创新，于2026年1月推出AI录音豆，8GB版本售价899元；科大讯飞也在今年9月推出了自家的AI录音卡，16GB版本定价999元。
到了今年9月，千问办公推出了A1的升级版QwenNote A2，售价1199元。除了录音和AI纪要功能外，A2主打“无痕”功能，录音转写前会经过加密传输至云端，每次转写都“转后即焚”，仅保留文字和纪要。
摄影：闫俊文
当前各家的硬件比拼仍停留在看得见的显性参数上：麦克风阵列数量、机身重量、存储大小、终端售价。对于普通消费者而言，参数与价格直观可感；而大模型带来的转写、理解、总结能力，只有实际使用后才能体会其优劣。
为什么录音卡片会成为AI办公最大的场景入口呢？
一位AI硬件创业者表示，AI办公场景的硬件，如录音卡片等，本质上是手机功能的延伸。“第一，有些会议场景不允许带手机，或者用手机录音时，来电会打断，因此需要专业硬件。第二，手机适合近景场景，而Plaud配备了2个MEMS（微型机电系统）麦克风和1个骨传导麦克风，可以收集更多人的声音，也解决了手机录音的痛点。”
在企业侧，录音硬件正在嵌入业务流程。一位SaaS产品负责人告诉《中国企业家》：在一线销售拜访客户时，他们已要求员工配置录音设备，以便CEO直接读取客户一线信息，无需层层过滤。部分企业高层开会时使用的数据图表，也已是大模型从数千份销售录音文稿中提炼汇总而来。
大模型虽然能处理越来越密集的文本信息，但其能处理的上下文长度仍存在天花板。这意味着对企业而言，排列上下文信息的优先级，选择哪些、摒弃哪些，变得至关重要。
千问办公副总裁、产研负责人束骏亮表示：只要模型上下文、注意力不是无限的，上下文管理就永远具有极高价值。如何从海量原始数据中筛选出与问题强相关的信息，并构建合理的数据组织结构，将是企业AI落地的核心命题。
创业者：焦虑、获客与站队
录音卡只是冰山一角。为了抢占AI办公赛道，大厂的布局已延伸至多形态硬件：面向视觉感知的AI眼镜、听觉输入的AI耳机、可穿戴手环，以及企业端AI驾驶舱，硬件入口的战争已全面铺开。
《中国企业家》获悉，蚂蚁集团旗下的阿福App团队正计划推出硬件产品，形态可能包括手表、手环等。另有AI产品团队正在模仿“豆包”，下沉至华强北等中低端硬件市场，争夺陪伴硬件市场。
各大巨头的入局让身处行业的创业者感到焦虑。从业者表示，目前AI硬件市场整体呈现出外热内冷的态势：表面上热闹，但泡沫已在挤压中。
投融资的冷却是最明确的信号。AI硬件从业者张海涛表示，有投资方告诉他们，在2026年前10个月，上会的硬件公司有70家，但过会的只有10家。“2024年、2025年，有头部AI硬件公司拿到了两三亿元的融资，但跑了一两年后，交不出成果，也无法获得退出的机会。”
这让一些创业者不得不抓紧互联网大厂抛出的橄榄枝。无论是千问办公、WorkBuddy还是豆包，与巨头联手，还能获得流量或渠道分发的优势。
但新的矛盾也随之而来：缺少足够的出货规模，企业就拿不到供应链成本优势。
AI硬件究竟是真实刚需，还是构想出来的理想产品？
张海涛说，整个行业陷入了迷惑：AI硬件到底是消费者的刚需，还是创业者的理想产品？以陪伴AI产品为例，中国可能有上百个品牌，但真正销量超过10万台的不会超过10家。
此外，他注意到，AI硬件的获客成本非常高，例如某AI眼镜的平均获客成本是200元，这包括流量成本和线下广告成本。
整个智能硬件行业需要新的破局思路。林佐露表示：WorkBuddy团队相信模型会不断提升，硬件未来会成为一个很重要的Agent外设。但她也坦承：“生态不能被计划，关键是回到源头，这个产品是否设计得足够好。能不能推动（智能硬件产品的爆发），我们没有那么大能量。”
打开企业上下文的“隐性知识”
归根结底，巨头们争相将Agent装进耳机、录音卡、眼镜里，表面上是硬件入口之争，底层仍是一场上下文之争。未来，Agent的能力增长将越来越不依赖于模型参数的束缚，更多转向对组织信息——也就是Context的理解。
对个人用户来说，Agent的终极目标是“人在哪，工作在哪，Agent就在哪”。对企业而言，Context的含义更为庞大。
阿里巴巴集团副总裁、千问办公CEO陈宇森如此定义企业上下文：企业过去积累的文档、会议数据、群聊，以及沉淀在企业每一个角落、过去被称为“隐性知识”的东西，都可以被连接起来，进入企业上下文。
物理世界的上下文争夺战甚至已烧到海外。据媒体报道，OpenAI计划推出一款便携式、无屏幕的智能音箱，这将成为该公司首款面向消费者的硬件产品。该设备可以调用ChatGPT的全部能力，完成人性化迭代，与用户建立情感连接。
巨头的逻辑闭环很美好：硬件解决“上下文从哪来”的问题，模型解决“上下文如何被理解”的问题，生态解决“上下文如何被规模化分发”的问题。
但对更大范围的普通用户而言，当手机已经能录音、能翻译、调用大模型时，多买一个硬件的必要性是什么？从这个意义上说，硬件大战的决定权不在腾讯、阿里或字节手中，而在每个消费者决心下单的那一刻。
本文来自微信公众号 “中国企业家杂志”（ID：iceo-com-cn），作者：闫俊文，36氪经授权发布。