撰文 | 李嘉星
编辑 | 张薇
图片来源 | Pexels
7 月 28 日，北京国家会议中心，360 发布了纳米 Work，将其定位为新一代企业智能体工作平台。周鸿祎说，AI 要从回答问题走向完成任务。
我的第一反应其实是疑惑。腾讯有企业微信，阿里有钉钉，字节有飞书，都已经半只脚站在办公场景里。而 360 最为人熟知的，仍是杀毒软件、浏览器和终端安全服务。一个缺少办公生态的安全公司，为什么也要做纳米 Work？
不得不承认，AI 办公助手已经火起来了。腾讯将资源向 WorkBuddy 倾斜，7 月底推出安卓、iOS 和鸿蒙端。同期，据媒体报道，字节将飞书，TRAE，扣子并入豆包，将推出 " 豆包工作 "。8 月 3 日，阿里将 QoderWork、MuleRun 和悟空整合为千问办公，并开启公测；8 月中旬，据媒体报道，百度也将 dodo 相关研发和资源并入百度搭子，并将文库、网盘的通用智能体改名为库库 AI。
纳米 Work 并不是 360 第一次做 AI。更准确地说，在 AI 产品形态的几次关键变化中，几乎都能看到 360 产品的影子。大模型成为新入口时，它推出 360 智脑；AI 搜索兴起后，又做了纳米 AI 搜索；当复杂任务开始需要多个智能体协作，360 推出纳米 AI 和智能体蜂群；OpenClaw 和 " 龙虾 " 类产品走红后，360 又尝试把 Agent 装进电脑，让它真正调用工具。现在，纳米 Work 试图接住这些曾经分散的产品和能力。
这一次，360 进一步把重心转向企业版。8 月 17 日，纳米 Work 企业版合作伙伴招商启动会召开，200 多家渠道伙伴在线参加。产品发布不到一个月，360 已经开始为它寻找进入外部企业的路径。
从 360 智脑、AI 搜索到纳米 Work，360 一次次改变产品形态。我们想探讨的是，一个以安全起家的公司，为什么会一次又一次把自己推回 AI 赛道？
故事要从梁志辉为 AI 搜索写下的一封 " 请战书 " 说起。
梁志辉目前是 360AI 产品的总负责人。
2023 年春，国内 " 百模大战 " 刚刚打响，几乎每家公司都想证明自己有模型。360 也不例外。相关团队当时只有二三十人，却同时推出了 360 智脑和 AI 数字员工。前者是模型线，后者是产品线，两条线几乎同时推进。
然而，梁志辉意识到一个问题：大模型最先改变的，很可能就是搜索和浏览器。
那封 " 请战书 " 也是在这个时候写下的。他提出打通 360 原有的组织边界，把搜索产品团队调进来，再做一套专门给 AI 使用的搜索引擎。
AI 先撞上了 360 的旧生意。
过去，人要学习怎样使用搜索。想了解北京的小学入学政策，先把问题拆成关键词，再打开几个网页，判断哪一条是今年的规定。AI 出现后，用户不愿意再做这些工作。他们说出完整的问题，希望机器直接找到教委网站，排除过时内容，再给出一个确定的答案。
给人使用的搜索引擎，可以把一排链接摆出来。给 AI 使用的搜索引擎则不能只做到这些。它要识别来源是否可信、信息是否过期，还要把一句含糊的话拆成多次检索。梁志辉说，过去一个问题搜一次，到了 AI 搜索，可能要搜三四次。
所以，那封 " 请战书 " 首先改变的是组织。原有的搜索库和排序规则被重新调整，搜索产品团队也被调入项目。
但产品还在改，用户又往前走了一步。
梁志辉发现，搜索框里开始出现越来越多软件开发问题。用户并不想学习一段代码，而是要求 AI 直接做出网页、Dashboard 或小工具。" 大家用 AI 不再把它当成一个提建议的东西，" 他说，" 他可能就是要生成一个工具、做一个网页。"
到这里，搜索已经不够用了。用户输入的内容从关键词变成完整问题，最后又变成任务。搜索能找到资料、整理信息，却不能替用户打开软件、修改文件，再沿着结果继续工作。
360 此前已经做过一些准备。360 智脑解决模型从哪里来，AI 数字员工尝试了对模型的简单应用。纳米 AI 和智能体蜂群让不同模型、不同智能体开始分工。它们没有直接变成今天的纳米 Work，有的甚至已经被搁置，但都在把 AI 从一个万能聊天框推向具体工作。
通用 Agent 和 " 龙虾 " 类产品的持续走红，补上了最后一块拼图。模型不再只是回答问题，它开始拥有浏览器、终端和一台电脑，可以自己寻找工具，把任务继续做下去。
但当时的 " 龙虾 " 更接近极客工具。用户需要自己安装环境、配置软件，理解 Agent 如何调用浏览器和终端。对 360 来说，新的问题不只是 Agent 能不能跑，而是普通人能不能使用。
梁志辉 2010 年加入 360 后，做过补丁分发和双核浏览器。他认为，360 早期最擅长的一件事，是把复杂技术做成 " 边远小山区小卖部老板都会用的东西 "。" 我们做产品，总是希望，第一，装得容易；第二，运行得容易。" 梁志辉说。用户不必理解补丁如何分发、浏览器如何切换内核。背后的技术可以很复杂，留给用户的最好只有一个按钮。
要把 " 龙虾 " 从极客工具变成普通人的产品，360 首先要回答一个具体问题：Agent 究竟应该运行在哪里？这个问题后来成为纳米 Work 最重要的产品选择之一。
另一个关键因素，是作为 360 的 CEO，周鸿祎一直在亲自推动这件事。据梁志辉介绍，360 后来将 "All in Agent" 确立为公司主基调，周鸿祎也会亲自下场开发 Agent。
制作纳米大片时，周鸿祎曾花两个月研究一套被称为 " 空间引擎 " 的方法：剧本只写了一座宫殿，模型还要继续推演宫灯放在哪里、窗户朝向哪里、人物怎样站立、场景属于哪个朝代、光线应该怎样落下来。团队后来又沿着他的方案重新体验和优化。梁志辉还提到，周鸿祎有一次为了业务连续三天参与 Agent 研发，" 不仅是讨论和设计，有时候自己还会写 "。
360 内部的不少高管本来就是技术出身，这就会形成一种不同的决策习惯：管理者更愿意亲自试验，也更能容忍一项尚不成熟的技术。至少在梁志辉的讲述中，Agent 在 360 并不只是一项由业务部门负责的新产品，它逐渐变成了一项由管理层直接介入的公司工程。
与其说 360 突然进入 AI 办公，不如说 AI 一步步把它推出了原来的搜索边界。纳米 Work 是这场应战目前抵达的位置：搜索负责找到信息，Agent 继续使用工具，把任务做下去。
在 360，一名测试人员看不了代码，他的 Agent 却能。
据梁志辉介绍，测试人员过去没有读取代码库的权限。为了让 AI 替他做单元测试和质量检测，团队允许他的 Agent 在一台受控服务器上读取、分析代码，甚至提交修改。
为什么一个人不能做的事，可以交给代表他工作的 AI？
答案藏在任务里。把一段报错复制进聊天框，AI 只能根据有限的信息猜测。要真正完成测试，它需要进入代码库。AI 做的事情越完整，需要接触的公司信息就越多。
这套做法不能先在外部客户那里试。360 决定先拿自己试。
据梁志辉介绍，纳米 Work 先在公司内部铺开。员工得到 Agent，Agent 也开始获得进入公司的身份。但它很快撞上了一堵墙。
企业信息安全部门平时负责 " 建墙 "：代码库、邮件、OA 和财务系统彼此隔开，每个人只能进入与岗位相关的区域。纳米 Work 要真正工作，团队首先要解决的却是怎样有控制地 " 拆墙 "。在一家安全公司里，这件事尤其敏感。
普通 Agent 甚至没有进门的工牌。它不与企业 ID 相连，不能说明自己代表谁，也无法沿用员工已有的授权。360 给 Agent 配了一张 " 身份证 "，再与域账号打通。它访问内部系统时，需要带着具体员工的登录身份；内网里未经审核的 Skill 也不能直接使用。
有了身份，新的问题是该给它多少权限。
QA 案例给出了 360 内部的一种答案：人的权限按照岗位划分，Agent 还要根据它接到的任务获得额外权限。但这种权限不是一次性放开。读取代码、提交修改和正式发布被拆成不同的权限节点。Agent 可以在受控环境里完成前面的工作，最后仍由人确认。
纳米 Work 上线早期问题较多，这套办法先被用来修理它自己。
团队建了一个内部群，最初由一名实习生处理反馈。他身边还有一个 " 纳米 Work 医生 "。因为 Agent 和出现故障的环境都运行在虚拟机里，" 医生 " 可以直接检查环境，协助处理问题。
后来，它开始巡检环境、定位故障，再把问题交给对应的开发人员。有些 Bug 也会由机器人修复并提交，人确认后再发布。
" 我们尝试让真正的智能体上岗。" 梁志辉说。AI 上岗以后，360 内部的管理方式也开始变化。
360 内部每天有 Token 榜，系统可以分析消耗最高的人拿 AI 做了什么，这些工作痕迹还可以由 AI 整理成周报。管理者可以据此了解工作进展，再围绕具体问题具体追问。
过去，管理者等员工重新讲一遍做了什么。现在，他们开始直接询问工作留下的数据。
更多可见性也带来了新的边界。企业版尝试让工作对话默认共享，但员工可以选择私有。梁志辉强调，分析对象是企业版纳米 Work 中的交互，并非员工个人电脑上的全部活动。即便如此，谁可以看见工作过程、谁能够调用这些记录，仍需要明确规则。
360 最初只是想让 AI 多干一些活，后来逐渐发现，仅有能力还不够。要让它真正进入工作流程，还得给它身份、系统入口和一套新的授权方式。当不同 Agent 开始协同，公司还要重新考虑经验如何流动、管理者能看见什么。
用户让 Agent 做一份 PPT，它不一定马上开始写。
它可能先寻找 PPT 生成工具，再处理软件依赖与版本冲突。用户要的是一份 PPT，Agent 却先做起了电脑运维。
梁志辉认为，这是 Agent 产品里一个经常被忽略的问题。" 模型大家也都能以几乎同等价格拿到 "，Agent 框架的差异也在缩小，" 但今天一个 Agent 想更好地工作，你会发现 Runtime 更重要。"
Runtime 是 Agent 真正干活的环境。梁志辉把它比作一辆车的底盘：发动机相同，车开起来怎么样，还要看底盘如何调校。" 比如你现在生成一个 PPT，Agent 大概要下 20 个依赖，这些依赖可能是 PPT 生成工具、调研工具、分析工具。很多 Token 不是花在生成上，而是花在配置环境上。"
360 最初也选择了本地。
团队在 Windows 系统里装入一个虚拟机，让 Agent 在隔离环境中运行。但梁志辉说：" 后来发现这套方案太重了。对用户来说，要下载几个 GB 的东西，而且很多用户电脑条件不好。"
于是，团队开始把 Agent 的执行环境搬到云上。过程并不顺利。" 放到云上又要解决很多云上会遇到的问题 "，梁志辉说。网络不通、软件安装不顺畅，不同 Agent 能否稳定运行，都变成了 360 需要处理的运维问题。
复杂性没有消失，只是从用户一侧转移到了 360。
纳米 Work 把这套环境称为 " 云端办公室 "。常用软件、开源工具和 Skill 被提前放进云端，Agent 接到任务后，不必每次重新下载和配置。梁志辉给出的内部口径是，云端环境预置了约 2 万个依赖；他还称，在部分本地 Agent 的初始使用阶段，相当一部分 Token 会耗费在下载、安装和配置软件上。
" 这些事情我们在云端提前帮你做。" 梁志辉说，" 原来这些东西可能会在你机器上装几百个开源软件，现在都放在云上。"
这才是云端给纳米 Work 带来的第一种速度：它不是让模型思考得更快，而是让 Agent 少花时间准备开工。运行环境被统一后，同一套工具不必在每一台电脑上重复安装，产品团队也可以集中处理兼容、更新和故障。
第二种速度来自任务不再被一台电脑绑住。
" 很多人会吐槽，用 Claude Code 时笔记本一关就不跑了。" 梁志辉说。销售、市场等岗位不会一直坐在电脑前，Agent 接到的任务却在变长。执行放到云端后，人可以在电脑上布置任务，离开办公室后用手机查看，任务不会因为合上笔记本而跟着停止。
梁志辉把这种关系说得很直接：" 我们把所有耗电的事情放到云端，本地就是一个遥控器。手机可以遥控，电脑也可以遥控。"
不过，真实办公仍然离不开本地文件和企业内网。纳米 Work 又补了一座 " 桥 "，让云端 Agent 在获得授权后调用本地文件。" 相当于大脑在云端，手脚可以在笔记本上。" 梁志辉说。
云端并非在所有情况下都比本地快。网络可能延迟，复杂任务仍要等待，维护环境也会增加算力成本。它解决的是另一种浪费：软件不必反复安装，任务不因关机中断，用户也不用先把电脑改造成一间 Agent 机房。
360 把本地电脑承担的复杂性搬到了云上，也把一部分原本由用户承担的成本留给了自己。云端办公室能否成为优，最后不只取决于它装了多少工具，而在于节省下来的人力时间是否足以覆盖持续运行的算力账单。
这笔账，个人用户未必会认真计算，企业一定会。
企业要算的，不只是 AI 完成一次任务能省多少时间。
一份 PPT 即使快了几个小时，下一名员工仍可能从头上传资料。这样的效率只发生了一次，这笔账便没有想象中好看。
纳米 Work 把下一步指向企业版，试图让这种只发生一次的效率留在组织里。它最先增加的不是一个更强的 Agent，而是 " 团队 "。
访谈中，梁志辉点开企业版左侧的 " 团队 "，360 的组织树随即展开。他沿着组织树进入一个部门，又点开一名员工。企业版与 360 的组织架构相连，员工可以公开自己做过的项目。
个人版解决的是一个人怎样把任务交给 AI。企业版要处理另一件事：一个人做出的结果，怎样被公司里的其他人继续使用。
这套组织关系不需要企业重新录入。据梁志辉介绍，纳米 Work 可以通过飞书、钉钉等平台导入公司已有的通讯录。部门也能留下公共智能体。商业化部门做出的文案专家，其他部门有需要时可以直接调用。AI 能力因此不必跟着制作者留在原岗位。
接着，梁志辉打开一个名为 "Work TO B 销售材料 " 的项目。
不同于首页的个人知识库，这里的内容只服务于这个项目。据梁志辉介绍，这项设计是为了让参与者面对同一个问题时，不必各自重新准备背景资料。
做 PPT 曾经让他意识到这种差别。
在个人版里，梁志辉可以让 AI 做出一份不错的 PPT。文件交给同事后，对方却不知道它引用了什么，也看不见梁志辉当时怎样向 AI 交代任务。" 他不知道我当时是什么样的逻辑去做出来的。" 梁志辉说。
文件交出去了，方法没有。
企业项目试图补上这一段。梁志辉做完 PPT 后，另一名同事可以进入同一个项目，沿用此前留下的上下文继续写串词。两个人不必再在聊天软件里来回传资料，也不用分别向 AI 解释这场活动是什么。
员工不必从一开始就公开每次尝试。据梁志辉介绍，任务可以先在个人空间完成，确认值得复用后，再移入团队项目。
共享由此变成一个主动动作。员工先为自己工作，再决定哪些方法值得留给团队。
项目还不是终点。梁志辉随后演示，一段效果好的任务可以让 AI 总结成 Skill。Skill 在这里不是一个新按钮，而是一种能够再次调用的工作方法。下次遇到类似任务，其他人不必重新摸索。
梁志辉特意区分了项目与 Skill。" 项目是一堆任务，它就是一个文件夹。" 项目保存一项工作的连续过程，Skill 只提取其中已经验证过的办法。并非所有项目都能自动变成标准流程，团队仍要判断哪一段真正值得复用。
对于更稳定的协作，团队还可以把流程固定下来。梁志辉打开多智能体工作流，几名专家按既定顺序接力。临时项目里偶然跑通的办法，开始有机会变成重复执行的流程。
个人办公助手可以替一个人节省时间，企业版想把这段时间继续放大：一个人做对一次，下一名员工不再从头开始。
它也对应着更现实的商业选择。梁志辉说，360 不准备和免费产品争夺 DAU，" 免费的这场仗不跟 "。云端 Agent 的运行成本更高，只有进入价值足够明确的工作，企业才可能认真计算投入换回了什么。
如果同一种工作仍要由每名员工从头做一遍，云端只会带来更高的账单；只有方法能够被继续使用，成本才有可能被摊薄。
界面之外仍有实施工作。企业要连接自己的系统，员工也要改变使用习惯。360 把对应的额外服务称为 FDE，提供这些服务的是获得 ADE 证书的智能体专家，它们负责把产品送进公司的最后一段路。
企业真正要交出去的，不只是一批文件，而是工作发生的过程。纳米 Work 接下来要验证的，是公司是否愿意让这个过程持续留在一套 Agent 系统里。
欢迎在评论区分享你的看法 ~
