5%用户烧掉一半算力，Agent撞上生产力分水岭

艾克斯观察

16人浏览 · 2026-09-08 16:00:18

艾克斯观察 · 2026-09-08 16:00:18 发布

TL;DR（核心结论）

一份“不完全”的厂商报告。 网易有道的开源桌面 Agent「有道龙虾」（LobsterAI）9 月发布用户行为报告，自称用户突破 100 万，数据全部来自自家产品埋点。
报告质量：能当个案，不能当普查。 单一产品样本、发布方即数据方、关键口径缺失、媒体转述已经打架（IT 行业 34% vs 38.9%）。
但假设数据成立，它泄露五个信号： 用户对模型没有忠诚度 / AI 开始值夜班 / 交付物从文档变成网页 / 生产力出现分水岭 / 终局在独立软件与 IM 基座之间。
最扎眼的一组数： 前 5% 用户烧掉 53.5% 算力。它同时解释了“重度使用为真”和“100 万用户为何撑不起一个产品”。
报告没给的五个数，比给出的更值得追问。 独立的 Agent 用户研究目前仍是真空。

一、导语：一份自称“不完全”的厂商报告

网易有道的开源桌面 Agent「有道龙虾」，9 月发布了一份《中国办公Agent用户行为不完全报告》，自称用户规模在 8 月突破 100 万。

它的出身卡在一个特殊时点：2026 年 2 月 OpenClaw 引爆桌面 Agent 概念，它是那波热潮里国内大厂跟进、很快上线并开源的产品之一。半年过去，热潮退了大半，这份报告反倒把自家用户“最不体面”的结构摊了出来：前 5% 用户烧掉一半算力，近六成算力在下班后消耗。

报告是厂商自述，数据来自单一产品埋点，当不了行业普查。但假设数据成立，里面藏着的五个信号，可能比大多数热闹的行业稿都更接近桌面 Agent 的真相。我们来先拆它的硬伤，再逐条读信号。

二、先拆包装：这份报告能信几分

结论先行：作为网易有道自家产品的使用数据，大体可信；但要作为“中国办公 Agent 用户画像”的行业证据，是不可信的。 它是一次诚实的厂商自述，不是第三方行业普查。

理由有五条：

样本单一。 数据 100% 来自一个产品：开源、桌面端、用户偏技术。报告自己的数据就有偏颇：泛编程与调试类任务占 38.5%，IT 行业贡献 38.9%。这不是“办公全员”的样本，是“技术圈重度玩家”的样本。

发布方即数据方。 数据出自自家产品埋点，报告同时承担营销职能，没有第三方复核。任何“我的用户很爱我”的结论，都自带立场。

关键口径缺失。 “100 万用户”是累计下载、注册还是月活？付费用户绝对数多少、占比多少？统计窗口是哪段时间？去重逻辑是什么？报告没披露，只给了占比但不给基数。这恰好是后面“百万用户存疑”的根源。

转述已经有失真。 同一份报告，我发现媒体转写版写“IT/软件开发行业 34%”，官方长图是 38.9%；分享成果类型，转写版写网页 69.1%，官方长图是 66%。转载都对不上，说明原始数据缺乏一个唯一权威出口。

政策包装滤镜。 在网易科技官网上的通稿按北京、上海、广州等城市拆稿，各挂一段当地智能体政策，把产品数据包装成“区域 AI 实力”的公关修辞。转发时，它会被当成行业新闻。

也说一句公道话：报告敢在标题里放“不完全”三个字，敢把“5% 用户烧掉一半算力”这种对自己不体面的结构公开，比市面上多数“白皮书”诚实。它的分寸感可能是这份报告最可信的部分。

三、转折：别把报告当结论，当线索

质疑归质疑。 上面的硬伤针对的是“它能不能代表行业”，不影响“它的数据是否真实反映了自家用户”。

下面五个信号，建立在同一个前提上：假设数据成立。 每一条都只是一家之言，但五条合起来，指向一些比数据本身更大的变化。

四、信号一：用户对模型没有忠诚度，缓存才是护城河

用户对大模型的忠诚度，约等于对输入法的忠诚度——谁便宜、谁好用，就用谁。

报告里有两张榜单，大多数人只看了第一张：

**调用份额榜：**DeepSeek V4 Flash 占 52.2%，视觉版 vision-exp 占 23.3%，Pro 占 10.3%。DeepSeek 系合计 85.8%。
尝鲜榜（被忽略的那张）： 新模型上线 72 小时内，渗透率冲到 49.7%。也就是说，一半活跃用户会在三天内换掉手里的模型试新的。

第二张榜才是新闻。用户不是“选了一个模型然后忠诚”，而是“谁出了新的就试谁，谁跑同样的活更便宜就用谁”。换模型以天为单位。

为什么便宜这么重要？报告的缓存机制给出了答案：96.8% 的内容只被读取一次即被复用，按官方口径，同一任务费用可降约 80%（重复读取部分按原价 10%-25% 计）。这意味着模型竞争的战场，正在从“单次调用价”移到“缓存命中率”。谁在跑真实工作负载时更省，谁就留在用户的默认位。

对 Agent 产品方，这条还有一层反向含义（报告没直接说）：桌面 Agent 大量任务是后台长任务，低成本、高缓存命中是刚需，不是偏好。产品方选模型，会被成本结构绑架。这解释了 DeepSeek 系的高份额，也预告了模型厂商的新打法：与其赌品牌忠诚，不如挤进 Agent 生态，拼缓存与工具链。

五、信号二：AI 在替你值夜班

AI 没有上下班，但它的使用高峰跟着人的疲惫走——因为排班和验收，仍然是人干的。

三组时间数据：

59.8% 的 token 消耗发生在非办公时间：晚间 34.3%，周末 25.6%，凌晨 0 点还有 3.7%。
周末活跃用户数只有工作日的 63%，但人均日消耗比工作日高 28%。人少，活更多。
12.2% 的任务无人值守（定时任务 9.6% + 后台自主）。一条定时指令，顶 64 次调用；同样的活手动做，人均要操作 10.6 次。

把这些拼起来，画面不是“打工人深夜加班”，而是“人下班，Agent 上岗”。用户把任务排成定时器，周五晚上跑，周一验收。协作形态从“人机对话”变成“人排班、机执行”的异步批处理。

这里有个容易被忽略的分界：“无人值守”不等于“AI 自主决策”。 12.2% 背后，是有人在下班前把任务拆好、排好、设好验收标准。活是机器干的，班是人排的。

两个层面的含义：

劳动层： 效率红利归谁，取决于“排班权 + 验收权”在谁手里。谁设计了这条无人值守流程，成果就该记在谁头上。这一点对职场人尤其重要：别让你的 AI 替你加班，成果却记在别人账上。
商业层： 如果用户为“把活完整交出去”付费，那么真正成立的商业形态不是“聊天的软件”，而是“无人值守的执行体”。付费用户的数据也指向这一点：付费用户的活跃天数只是免费用户的 3 倍，消耗却是 6.2 倍。他们买的不是更多时长，是闭环干活。

六、信号三：编程平民化，交付物革命

AI 正在重新定义“做完一件事”：交付物从“给人看的文档”，变成“能直接打开的活物”。

先看任务结构。泛编程与调试类任务占 38.5%，遥遥领先于文档（10.1%）和表格（8.8%）。报告原话里有一句更关键：很多不会编程的人，也在通过编程的办法解决问题。

再看成果形态。用户分享的成果里，网页占 66%，Markdown 占 12%，传统 Office 文档只占 8%（官方口径）。

两组合起来读，因果链就通了：

编程平民化（底座）→ 人人都在造工具 → 交付物跟着变。

为什么是网页？因为网页是 Agent 能“完整交付”的少数格式：能跑、能点、能交互。文档是给人看的，网页是拿来用的。当产出物从 Word 变成能直接打开的东西，验收标准也跟着变：光问“写得对不对”不够了，还得看“跑不跑得通”。

落在个人身上，信号很具体：AI 时代值得学的不是语法，是“把需求拆成步骤，再变成能打开的东西”的能力。对企业的提醒是，验收方式要跟着升级：文档文化会被“产物文化”稀释。

七、信号四：生产力分水岭——为什么“100 万用户”撑不起一个产品

办公 Agent 不会像移动互联网 App 那样普惠。它先把红利给了能定义工作流的那 5%，而一个靠 5% 重度用户撑着的产品，掉队是数学上的必然。

这一节把前面几组数据接到一个疑问上：100 万用户撑得起一个商业产品吗？ 顺带回答“到底谁在用”。

先看头部效应：

前 20% 用户耗掉 87.4% 的算力。
其中前 5%，占 53.5%。
月任务量排前 5% 的用户（P95），任务量是中位用户的 15 倍。报告附注：OpenAI 企业口径的参照是 6 倍。

再看断层。贡献任务最多的两类人（IT 行业 38.9%、泛编程 38.5%）说明，当前的重度用户高度集中在技术圈。技术人用命令行把重复劳动自动化时，行政、财务、HR 里的大多数人，还卡在“不知道该怎么给 AI 下第一条指令”的门槛外。报告描绘的“通用办公智能化”，目前是技术圈的狂欢，不是全员渗透。

两组数据放到一起，“百万用户之谜”就解开了：

100 万用户（即便为真）× 前 5% 重度 ≈ 5 万个真正闭环干活的人。 剩下 95% 是尝鲜者：装了、试了、然后低频使用。如果商业化要靠订阅或算力变现，这 5 万人就是几乎全部的收入来源。一个活跃画像如此之窄的产品，社区热度回落、传播推不动，是结构决定的，不是运营失误。（按报告数据推演）

那 95% 的尝鲜者，缺的不是更聪明的模型，而是模板化的工作流：把 prompt 门槛藏进预设流程，让一个财务可以直接点“生成本月费用分析”，而不是先学会描述需求。

这对产品方的商业化设计也是直接提醒：按 token 计费，惩罚的是那 5% 的重度用户；按席位/任务流订阅，才匹配“闭环干活”的真实付费意愿。计费方式，决定了 80% 的人能不能从“聊天玩梗”跨到“闭环干活”。

八、信号五：终局之争——独立软件，还是 IM 基座

IM 入口 17.9% 不是边角料。它预告了办公 Agent 的终局之争：独立软件，还是长在钉钉、企业微信里。

报告里有一条容易被忽略的数据：微信、钉钉等聊天窗口已成为第二入口，占 17.9%。用户开始习惯“在聊天框里发条消息，让 Agent 去干活”，而不是先打开一个软件。

这条数据的指向很微妙：

支持“IM 基座论”： 如果干活入口正在迁移到聊天框，那 Agent 为什么还要是独立软件？钉钉、企业微信、飞书都在把 Agent 内嵌进协同基座（公开信息），它们有现成的用户、组织关系和分发位。
支持“独立软件论”： IM 里的 Agent 够不到本地文件、终端和完整工具链。报告里 12.2% 的无人值守、38.5% 的编程类任务，恰恰发生在“真干活”的桌面端。聊天框适合指挥，不适合执行。

再往远推一步（推断，非定论）：办公 Agent 可能像 PC 时代的浏览器：独立存在，但入口被生态分走一半。 独立软件押注“不绑定协作生态”，IM 基座押注“工作流本来就长在我这里”。两者现在都有短板，谁先补上对方的短板，谁拿到下一轮。

落到企业选型，判断标准只有一条：你的工作流长在哪？长在协同工具内部（审批、流程、群消息），IM 基座里的 Agent 更顺手；长在本地产物（文档、报表、本地数据），独立桌面端才是干活的地方。别被“装机量”话术带偏。

九、回到“100 万用户”：四个系数，读穿任何厂商的用户数

看厂商报告的用户数，别只看一个数字，先乘四个系数：活跃系数、头部系数、留存系数、付费系数。

用这份报告练手。官方说 100 万，报告没给活跃口径，我们只能估：

活跃系数： 100 万是累计还是月活，未知（口径缺失）。
头部系数： 即便 100 万为真，前 5% ≈ 5 万重度用户。媒体说的“百万用户”，真实体量感要除 20。
留存系数： 周末活跃只有工作日 63%，报告没给次月留存，未知。
付费系数： 只给“付费=免费消耗 6.2 倍”，不给付费人数占比，未知。

这套读法不只适用于这份报告。任何厂商喊“百万用户”“千万用户”时，都可以先除一遍头部系数，再问三个问题：累计还是活跃？谁在用？他们付不付费？

热度退潮期发布的报告，反而少了一层粉饰的动机。OpenClaw 热潮半年后，还能有一份产品愿意把自己用户最不体面的结构摊开，本身就说明这个赛道开始沉淀了。潮水退去时交出的成绩单，通常比涨潮时的口号可信。

真正让人不安的，不是这份报告的数据，而是：它几乎是当前市面上唯一一份公开的、产品级的 Agent 用户行为数据。 一个年中被资本和媒体反复翻炒的赛道，半年后连一份可交叉核对的第三方用户研究都找不到。研究真空，才是比“百万用户”更大的问题。

FAQ

Q1：有道龙虾（LobsterAI）是什么？
A：网易有道推出的开源桌面 Agent，2026 年 2 月上线并于当月开源，基于 OpenClaw 生态，是国内大厂较早开源的桌面 Agent 之一。本文提及的报告即由其发布。（厂商产品背景，非推荐）

Q2：这份报告在哪里看？
A：报告本体是长图文，出自有道龙虾官方公众号 9 月 7 日推文（链接见参考来源）；文字版见网易科技网站的网易智能官方通稿。

Q3：“100 万用户”能信吗？
A：是厂商自述口径，累计/活跃、去重方式均未披露。即便为真，按报告自己的头部效应（前 5% 占 53.5% 算力）折算，重度闭环用户约 5 万量级，与“百万”的体感差距很大。

Q4：AI 真的在替人值夜班吗？
A：报告数据显示 59.8% 的算力消耗在非办公时间、12.2% 任务无人值守。更准确的说法是“人排班、机执行”：任务是人预先定时的，不是 AI 自主决策。

Q5：办公 Agent 会被钉钉、企业微信取代吗？
A：两种终局正在竞争：IM 基座有入口和分发，独立桌面端有完整工具链。17.9% 的 IM 第二入口是伏笔，但 IM 里的 Agent 够不到本地文件。判断标准看你企业的工作流长在哪。

参考来源

报告原文（官方）：《中国办公Agent用户行为不完全报告》，有道龙虾（LobsterAI）官方公众号，2026-09-07，https://mp.weixin.qq.com/s/Tp744o80FPQNqcaJVVGOKQ
官方通稿：网易智能，2026-09-07，https://www.163.com/tech/article/L67KBPN100099504.html