研报速递
我把重点分成两部分：先整理报告里的事实和数据，再单独写我的判断。这样能分清哪些是沙利文和头豹的结论，哪些是我的解读。
先给三句话总结：
桌面AI智能体正在从“会回答”走向“可执行”；
模型决定能力上限，Harness决定工程下限；
个人市场看易用和价格，企业市场真正卡在数据边界、权限治理和安全审计。
这份报告讲什么
报告里的“桌面AI智能体”，指运行在用户电脑上的AI助手。它不只是回答问题，还能读取屏幕、文件和应用上下文，操作本地文件、调用工具、跨应用执行任务。
报告把人机协作分成三段：Embedding阶段，AI增强信息；Copilot阶段，人和AI协作；Agent阶段，AI拆解任务、选择工具并推进执行。简单说，就是从“帮我查”到“帮我做”，再到“按目标自己推进”。
报告还梳理了几个时间点：2024年10月，Anthropic的Computer Use开启测试；2026年，OpenClaw在GitHub获得超过37万星标；同年，Claude Cowork、腾讯WorkBuddy、阿里QwenWork等产品密集发布。来源：沙利文、头豹研究院《2026年全球桌面AI智能体市场研究报告》，2026年8月。下同。
桌面Agent的运行闭环
用户给出目标：整理文件、填表、查数据、生成报告、处理审批
↓
Agent感知与规划
识别意图｜读取屏幕/文件/应用状态｜拆解任务｜选择工具
↓
Harness执行与约束
工具调用｜知识检索｜权限判断｜沙箱执行｜日志记录｜失败重试
↓
结果校验与人工复核
检查文件、数据、系统状态和业务结果；高风险动作保留人工确认
市场：增速很高，但真正的钱在企业
报告给出的市场预测很激进：全球桌面智能体市场规模预计从2024年的12.5亿美元，增长到2030年的298亿美元，复合年增长率约70%。B端采购占比也会从2024年的38%，提升到2030年的65%。
市场规模与B端占比
报告预计复合年增长率约70%。金融、制造、互联网和专业服务是前四大落地行业，合计占比约70%。
资料来源：沙利文、头豹研究院《2026年全球桌面AI智能体市场研究报告》。2030年为报告预测值，图表为作者重绘。
用户画像里有个反差：技术类岗位占比38.8%，仍是核心用户；行政、人力岗位合计26.2%，市场、销售运营岗位15.5%。需求已经开始从技术团队往外扩散，但还没真正变成全员工具。
企业管理层渗透率只有6.9%。报告把原因指向ROI可视化和低门槛编排不足。通俗说，一线员工可能已经觉得有用，但管理层还需要看到省了多少时间、少错了多少单、带来了多少业务结果。
核心变量不是模型，而是Harness
这是整份报告里我认为最关键的部分。报告把Harness定义为模型之外的整套系统：系统提示词、工具调用、文件系统、沙箱环境、编排逻辑、反馈回路、权限边界。
可以把模型理解成CPU，把Harness理解成操作系统。模型负责推理和生成，Harness负责记忆、工具、观测、执行接口和安全边界。没有这些，模型能力再强，也只能做一次问答。
报告引用TerminalBench 2.0的数据：同一个模型，基线Harness得分52.8%，替换Harness后66.5%，再加自动优化器后到76.4%。模型没变，能力差距主要由外围工程拉开。
Harness五大支柱
工具：文件读写、Shell执行、API调用、浏览器操控、数据库查询。
知识：产品文档、架构决策、风格指南、合规要求，按需加载并持续沉淀。
观测：读取执行结果、错误日志、浏览器状态、系统变化，形成反馈闭环。
执行接口：把决策变成CLI命令、API调用、UI交互和跨应用操作。
权限：沙箱隔离、审批流、信任分级，决定Agent能做什么、不能做什么。
我的判断是：企业选型时不能只问“接的是哪个模型”。同样的模型，配上不同的工具、知识、观测和权限体系，结果会完全不同。
场景：高频的容易，值钱的难
报告列出了八个高频场景。前几个很好理解：重复性高、规则明确、输出标准化。真正有长期价值的跨系统协同，当前使用率反而最低。
Top 8高频使用场景
资料来源：沙利文、头豹研究院报告中的企业用户调研。图表为作者重绘。
报告还给出一个经验判断：简单、规则明确的任务，成功率超过85%；涉及多系统交互的复杂任务，成功率在60%到70%之间。
所以试点顺序很重要。先做文档、表格、归档、纪要这类能被人工复核的任务；跨系统写入、审批、支付和核心业务操作，要等权限、日志和回滚机制都跟上。
安全：Agent的风险不是说错话，而是做错事
报告安全部分的判断很直接：Agent一旦拥有文件、Shell和支付权限，提示注入就不再是“说错话”，而是“做错事”。权限越大，被劫持后的破坏面越大。
报告列了四类主要风险：
提示注入
恶意文档、工单或网页里藏指令，覆盖系统提示，让Agent执行原计划之外的动作。
越权与远程代码执行
Agent被授予过多权限后，一旦被注入，就可能从“回答错误”升级为任意执行。
供应链投毒
恶意插件、技能包、依赖包或模型文件，借Agent的执行链路进入企业环境。
失控消耗
递归循环、超长输出或错误重试，可能造成成本爆炸，也就是报告说的“Denial-of-Wallet”。
报告给出的防御原则也很清楚：默认不信任，验证后才授权。具体包括最小权限、沙箱隔离、人工确认、密钥不落盘明文、输入消毒、输出校验、审计日志、熔断机制和供应链SBOM。
这些不是合规文档里的装饰项。只要Agent能写文件、执行命令或连接业务系统，它们就应该进入上线前的检查清单。
榜单：两个指数，不是采购排名
报告后半部分给了多张榜单，但它的评价逻辑不是只看模型能力，而是把“产品技术领先”和“用户落地实效”放在一起看。这一点比单纯排名更有参考价值。
按报告披露，中国企业级桌面智能体榜单包括：WorkBuddy、QwenWork（千问办公）、商汤小浣熊、DuMate（百度搭子）、TraeWork、金山灵犀、豆包工作。全球开源桌面智能体榜单包括：OpenClaw、AutoGPT、DeepSeek、Dify、browser-use、Gemini CLI、OpenHands。
我的读法：榜单只能说明这些产品在本阶段被报告纳入观察，不能直接当作采购结论。企业还是要看自己的系统环境、数据边界、权限治理和真实任务成功率。
如果要试点，先看这三件事
以下不是报告原文，而是我结合这份报告和企业落地经验给的建议。
第一，先选一个岗位每天重复做的事，不要一上来就做跨部门大流程。文档、表格、纪要、归档，都是更容易验证的起点。
第二，用真实业务数据跑，不用演示数据。看运行记录里的耗时、错误率、人工修改量和成本，而不是只看最终输出像不像样。
第三，把数据边界、Agent身份、审批流和回滚机制放在前面。尤其涉及CRM、ERP、财务、合同和客户数据时，能力演示再好，也要先回答“数据会不会出域、错了能不能回滚”。
也要保留几个疑问
这份报告对市场空间的预测比较乐观，70%的复合增长率依赖于企业采纳速度和成本下降；厂商榜单主要反映报告设定的评价周期，不代表长期竞争力；桌面Agent的安全案例增长很快，但不同企业环境差异很大，落地前仍需要用自己的数据和工作流验证。
你所在的企业开始试用桌面AI智能体了吗？卡在场景选择、系统打通，还是数据安全和成本核算？欢迎留言交流。想索要报告，可以留言。
参考资料：沙利文、头豹研究院《2026年全球桌面AI智能体市场研究报告》，2026年8月。文中数据均引自该报告，图表为作者根据报告内容重绘。
本文为行业观点解读，不构成任何产品推荐或背书；报告版权归弗若斯特沙利文咨询（中国）和头豹研究院所有，原文请通过官方渠道获取。
发表评论
发表评论: