撰文| 吴坤谚

编辑| 吴先之

在科技圈，命名往往承载着野心与战略目标。

从8月代表扎根的“蕨”，到12月象征被子植物始祖、开启多样化繁衍的“木兰”，钉钉CEO无招用植物演化史为钉钉AI 1.1版本定调。早先业内推测的“软硬一体”主基调没有变化，但钉钉于硬件层的新品并非手机、平板等个人设备，而是面向企业组织的专属硬件——DingTalk Real。

作为上一次发布会“next big thing”释出的彩蛋产品，DingTalk Real被定位为企业客户部署并使用Agent能力的物理载体与执行终端。

一个背景是，2023年微软发布Copilot之后，“助手”式产品形态便迅速成为AI to B的主流范式之一。这一模式下，AI被嵌入在Office、邮箱、表格、CRM之中，以智能插件形态存在，帮助企业客户最大限度提升单个知识工作者的效率。

除此之外，还有以Salesforce Einstein为代表的垂直SaaS应用与强调跑Tokens的MaaS，均强调自云端轻松获取AI能力。这样的落地形式显著降低了企业的理解门槛，也最大化复用了既有软件体系，大模型能力在调用中快速进化。

DingTalk Real以及其指向的Agent OS的发布，说明钉钉选择了另一个方向。这背后既存在差异化的市场考量，同时也是钉钉基于其服务的主流客户所做出的战略判断。

硬件=数据主权+安全合规？

上云还是自建IDC？这是云计算自兴起以来便摆在企业组织面前的现实问题。

这其中不乏客户嫌云贵，云厂商却觉得降价换规模血亏的成本博弈。但数据安全与合规，可能是更符合国内企业经营环境的要素。

OpenAI和微软都在拼命把一切推向云端，钉钉却“逆流而上”做硬件。这让企业在AI领域面临相似的选择。

对于相当一部分企业如金融机构、大型制造公司与医药公司而言，数据主权不是一道选择题，而是生死线。他们对“云端AI”有着天然的警惕，如数据归属、Agent执行可视化、能否在AI跑偏时及时纠错，这一心态贯穿其选择模型服务的始终。

从这个角度看，钉钉发力“软硬一体”，为Agent服务打造物理层面的“可控”执行终端，是根据“主流客户需求”做出的资源配置——钉钉的核心腹地是大型制造企业、政企机构。在这样的客户结构下，单纯复制“云端Copilot+SaaS插件”的路径，反而并不现实。

回看DingTalk Real的产品形态，本质上是为AI Agent在企业私有边界内签发的一张“合法准入证”。它提出的三个“Real”（真实身份、真实数据、真实时间），核心逻辑是让Agent在受控的硬件物理环境中运行。

相比看不见摸不着的云端AI，物理实体相对更能表现可控与安全。一个典型表现在于无招着重介绍的DingTalk Real的物理“紧急拔电”开关。看似“暴力”且原始的设计，反而在心理上击中了大型组织与政企客户的安全焦虑。

它向企业主传递了一个明确信号：AI不是脱缰的野马，人类依然拥有物理层面的终极控制权。这种“软硬一体”的战略，正是钉钉基于中国本土合规环境做出的务实选择。

理解了钉钉投身硬件的原因后，本次发布会上还有一个需要关注的系统级变化，是其发布的Agent OS与通用任务处理Agent“悟空”。

官方将之定义为“全球首个为AI打造的工作智能操作系统”，其通过MCP（模型上下文协议），将原本属于人的操作权限下放给了Agent。例如，对话式AI可以帮你写一份出差申请；而钉钉的Agent可以直接调取差旅接口比价、订票、并在OA系统完成审批。

MCP并非业内新事，Agent与模型能力的调用也并非钉钉独有。问题是，在这样的Agent工作流中，传统的监控并不适用。如很多步骤之间的调用流程、输入输出中间状态无法被传统日志、追踪工具捕捉，造成“黑箱执行”的现象。在推理过程与中间决策链尚无法被完整审计之前，幻觉黑箱都是AI在企业侧落地一大拦路虎，MCP也是一样的道理。

传统代码开发中，输入A，必然得到B，Vibe Coding（氛围编程）的出现彻底改变了这一逻辑。《重构》作者、软件工程师马丁·弗勒便有发出过警告，AI正在将我们带入充满不确定性的“概率迷雾”。不少把多智能体跑起来的组织，可能都会遇见因某个Agent因接收上一个环节传递的错误数据而出现整体故障的现象。

了解了这一前提，我们便能理解为何钉钉敢于提出Agent OS——硬件部署保障了AI与相关数据在物理层面的可控，企业组织才给Agent开放更多权限，让Agent开始渗透进组织流程，而非表面上的内容、代码生成。

以钉钉开放悟空调用的日程、审批、听记等偏基础的原子能力看，即便有了物理载体，钉钉在借AI渗透组织流程的步调也不激进。但可以肯定的是，无招回归后的钉钉，其战略路径已经足够明晰。

“确定性”博弈

2023年，阿里方面便提出让AI渗透进千行百业的口号。不似to C消费市场一般，AI可以似润物小雨般悄然渗透用户的对话框，B端市场相对更残酷。

企业组织不会为了“智能”买单，他们只为“低成本的确定性结果”买单。举一个相对极端的案例，工业制造中以ppm为衡量良品率的重要指标，即每百万单位中的缺陷数量——高精度的场景与需求让精确建模长期把持工业智能的主流，大模型仅被应用于以巡检为代表的流程优化环节。

沿着这一逻辑，钉钉本次集成进Agent OS的垂直场景Agent，如“AI印”和“AI差旅”，其核心卖点不是能力多强或多智能，而是“不出错”。

以AI印为例，在设计印刷领域，一个文字排版的微小幻觉可能导致巨额的废品损失。AI难免出错，钉钉的做法则是在底层模型基础上增加“相关人工处理的支持”。

AI差旅与AI招聘的逻辑相对更简单，前者仅需识别比对机酒价格并获取预定的授权，即可完成自动预定与后续的报销流程；后者同样是结构化信息的“输入-输出”，企业客户提出的需求被拆解为Tokens，Agent根据这些信息搜索全网简历并按权限走完确认时间这样的后续流程。

总体来看，钉钉将Agent能力细化进极为细分的场景，以原子形式嵌入到具体的业务流中并取代企业之前耗时费力的流程。这样的组织流程优化，与钉钉最早以常规OA切入协同有异曲同工的意味——事情简单没关系，能办好不出错，让老板省心才是硬道理。

Top-Down管理工具起家的钉钉，正在以相似的步调奔跑在AI to B的道路上。

发布会上，无招表示“8月份的1.0版本是AI钉钉的第一步，今天我们可以宣布钉钉彻底变了，转型为AI操作系统。”纵使终局还处于模糊，但随着DingTalk Real持续渗透，企业越来越多业务流程在钉钉的Agent协议上跑，他们的迁移成本将变得不可承受。

需要注意的是，这套逻辑的跑通还面临着现实挑战。

操作系统的成败取决于开发者，Agent OS的进化需要钉钉重走一遍当年的PaaS道路。在以Tokens而非订阅的商业模式下，如何打造一个让第三方开发者活跃的平台生态；另一个挑战来自于成本侧，软硬一体于钉钉而言是比过去更重的供应链管理和重资产投入，于企业用户而言则是一道前置性的成本门槛。

放眼全球，钉钉的路径具有鲜明的“本地特色”。相比于知识工作者，其更乐意从极度下沉、复杂且高风险的业务场景中，把AI一点点揉进流程。保障商业交付能力的Agent，或将成为钉钉客户企业所需要的高效、可信的数字员工。

因此，我们需要跳出技术视角去观察AI钉钉1.1版本的变化——其为中国市场提供了一套务实的、本土化的落地模板。在AI to B的战场上，最后的赢家不一定是大模型跑分最高的那个，而是那个能让AI在车间、在政府办公室、在差旅流程中安稳“干活”的人。