2026年8月25日，字节跳动正式发布“豆包工作”。作为豆包面向生产力场景推出的Agent产品，其执行架构基于虚拟桌面技术实现人机并行操作，通过飞书生态深度整合——聊天记录、文档、会议纪要、日程作为上下文注入模型调用链路。技能商店、连接器、云电脑、手机远程指令，字节用一套覆盖文档、表格、PPT、图片、视频、应用的全链路执行体宣告入局企业级AI Agent赛道。

字节用不到一个月走完了飞书并入、TRAE/扣子整合、品牌独立三步棋。

但这条路的起点在2023年。 知道创宇AiPy同年开始内部研发，2025年4月开源——比2026年初引爆开发者社区的OpenClaw早了近一年。当字节还在整合TRAE和扣子时，AiPy已在GitHub上迭代两年多，企业版与网安专版2026年6月正式发布。

两条路线在“执行架构”层面存在根本差异。

一、字节的“生态调度”架构

豆包工作的技术路线可归类为“生态调度”：AI通过调用预置工具、API连接器、技能市场完成与飞书环境内数据交互。其核心能力基于飞书生态的上下文深度集成——企业消息、文档、会议、日程通过API注入模型调用链路，执行层面通过云端虚拟桌面完成。这种生态调度的优势在于上下文获取路径最短，缺点在于能力边界受限于预置工具的覆盖范围，遇到非标准化任务时需依赖技能市场的插件扩展。

字节的竞争优势在于飞书生态纵深的积累和40亿美元ARR（年化收入）带来的商业模型验证。

二、AiPy的“代码执行”架构

AiPy的技术路线是“动态代码生成”而非工具调用。其架构核心是LLM理解需求后直接生成Python代码并在本地沙箱中执行，能力边界由Python生态决定而非预置工具函数集。其执行范式是：自然语言输入→意图理解与任务规划→动态生成Python代码→本地沙箱执行→结果校验与交付。

从架构层面看，“代码执行”路线与传统Agent的区别在于：

• 能力扩展机制：传统Agent通过注册新工具函数扩展能力，AiPy通过调用Python生态中已有的第三方库实现新能力，无需等待预置工具开发

• 执行透明度：生成的代码为白盒，执行过程可审查可审计，而非黑盒API调用

• 调试路径：任务失败时返回完整错误栈而非抽象错误码，可像调试普通程序一样定位问题

• 数据主权：执行过程完全在本地完成，数据平面不经过云端

这一路线的技术验证发生在2025年底：Anthropic从MCP转向Programmatic Tool Calling，本质上就是在向“代码执行”方向靠拢。2026年5月，UIUC、Meta、Stanford联合发布的百页综述《Code as Agent Harness》正式将“Code is Agent”列为AI智能体的重要范式。

三、另一个维度：部署架构的分歧

字节豆包工作采用云端部署架构，数据面和控制面均经过字节基础设施，安全策略基于飞书权限体系。腾讯WorkBuddy和阿里千问办公同样采用云端SaaS模式。

AiPy的差异化在于全本地化部署：支持数据不出域、适配国产信创环境（海光CPU、银河麒麟、统信UOS）。2026年8月发布的AiPy Pro 2.0提供基于Landlock LSM路径级文件权限、eBPF L7网络过滤、eBPF execve命令白名单与参数级校验的四层纵深防护。企业版已在国铁集团、中核集团、招商局集团等央企落地应用。

Gartner 2026年企业AI落地报告显示，89%的大型集团已将私有部署作为AI落地的核心诉求。对于金融、政务、能源等要求数据物理边界自控的场景，全本地化部署是入场券而非加分项。

四、两种路线的适用边界

字节豆包和AiPy在“执行架构”和“部署架构”两个维度上形成了一套四象限映射关系：

• 生态调度+云端部署（字节豆包、WorkBuddy、千问办公）：适合标准化办公任务、SaaS生态深度集成场景

• 代码执行+本地部署（AiPy）：适合非标准化任务、数据主权刚性要求、信创合规场景

字节的优势在于飞书生态的上下文深度和商业模型的验证。AiPy的优势在于代码执行范式获得的行业验证（Anthropic PTC转向、UIUC/Meta/Stanford综述）和全本地化部署能力。

字节豆包入局了。AiPy已经跑了两年。窗口期和领先期的区别在于：前者拼的是组织效率和资本密度，后者拼的是架构方向和行业验证的不可逆性。当AI办公从“对话”走向“执行”的范式迁移完成时，执行层的安全可控与技术路线的行业验证将成为新的竞争维度——而这两项，都是需要时间积累的硬约束。