AI Super App 的四种工作模式

研究对象：Super App 的 Chat、Cowork、Code、Autopilot 四个 Tab。
核心问题：每个场景服务谁、市场发展到哪一步、主要竞品是谁，以及四者应如何划清边界。

0. Executive Summary

四个 Tab 可以同时成立，但不能按模型、Local/Cloud、同步/异步来划分。最稳定的划分方式是用户最终购买的“完成契约”：

核心市场判断：

1. Chat 是最大、最高频、但最商品化的市场。 2026 年 5 月 Sensor Tower 的跨 Web/App True Audience 估算中，ChatGPT 约 46.4%、Gemini 27.7%、Claude 10.3%；ChatGPT 仍第一，但已不再过半。Sensor Tower、TechCrunch 对完整报告数据的转述
2. Cowork 是 Microsoft 结构性优势最强、近期变现路径最清楚的场景。 M365 Copilot 已超过 2,000 万付费席位，底层 M365 商业席位超过 4.5 亿；但两者产品边界不同，不能相除为 Cowork 渗透率。Microsoft FY26 Q3、FY26 Q2
3. Code 是四个场景中市场边界、频次和付费意愿最清楚的。 2026 年 1 月 JetBrains 对 1 万+专业开发者的调查显示：GitHub Copilot 工作采用率 29%，Cursor 与 Claude Code 均为 18%；而专业开发者中 90% 已在工作中经常使用某种 AI 工具。JetBrains
4. Autopilot 上行空间最大，但还不存在可信的统一市场份额。 Personal 与 Business Mission Autopilot 仍在产品定义期；边界明确的 Vertical Agent 已更早进入采购。Gartner 的 2026 CIO 与技术高管调查显示，17% 的受访组织已经部署 AI agents，64% 的受访技术高管计划在未来 24 个月部署 Agentic AI；部署意向不等于采购完成。Gartner
5. 最大的产品风险不是四个 Tab 太多，而是四个 Tab 都长成聊天框。 如果它们共享同一套 UI 心智，只差模型和运行时间，用户一定迷路；如果它们分别展示答案、成果、变更、Mission 状态，四者可以形成清楚的升级路径。

下面是作者的战略判断，不是第三方市场评分。判断标准分别是：品类是否已有稳定需求/采购、Microsoft 是否拥有难复制的分发与数据资产、未来 12–24 个月能否形成清晰收费结果。

1. 先把边界钉死：四个 Tab 是四种结果，不是四种技术

1.1 Chat：答案停留在对话里

• “这封邮件讲了什么？”
• “比较这三个方案。”
• “解释一下这个概念。”

结果被用户当场阅读、复制或用于决策，主要价值是低启动成本 + 快速消除不确定性。

1.2 Cowork：结果必须成为可持续存在的知识成果

• “把这批材料做成董事会 PPT。”
• “建立一个可用的预算模型。”
• “写一份可以发出去的项目 Proposal。”

分界不是任务耗时，而是结果是否需要保存、编辑、分享、演示或进入正式工作流。

1.3 Code：结果必须进入真实软件系统并被验证

• “修这个 Bug，跑完测试并开 PR。”
• “实现这个 Feature，更新测试和文档。”

只生成代码片段不算 Code 完成。真正的完成标准存在于 Repo、Build、Test、CI、Review 和 Production 中。

1.4 Autopilot：产品接管持续责任

• “确保下周出差都安排好，发生变化自动调整。”
• “每周监控销售漏斗，发现异常后联系 Owner，直到问题关闭。”

Long-running 只是后果，不是定义。 一个后台跑两小时并开 PR 的 Coding Agent 仍属于 Code；只有当系统需要等待事件、持续观察、重规划、升级并对外部状态负责时，才属于 Autopilot。

1.5 推荐路由规则

Need an answer?                 → Chat
Need a durable work product?   → Cowork
Need a verified repo change?   → Code
Need ongoing ownership?        → Autopilot

Local、Cloud、Browser、Shell、MCP、Memory、模型选择都是共享 Capability，不应决定 Tab。

2. “市场份额”应该怎么读

这四个市场没有一张共同的饼图。诚实的比较必须处在同一层：

不能混用的典型例子：

• ChatGPT 的 WAU 不能直接除以 Gemini 的 MAU；
• M365 Copilot 付费席位不能与 ChatGPT 消费者 MAU 算份额；
• M365 在办公套件中的份额不等于 Cowork 的份额；
• Agent Registry 中的 Agent 数不等于活跃 Agent，更不等于成功 Mission；
• 底层模型在 coding token 中的份额不等于 Claude Code、Codex 等产品份额。

2.1 当前最可靠的份额快照

3. Chat：面向“现在给我一个答案”的十亿级入口

3.1 主要用户群体

第一层：大众信息用户。 日常问答、建议、搜索、比较、翻译、生活决策。OpenAI 对消费者使用的研究中，2025 年中约 73% 消息属于非工作用途，Asking 占 49%；Practical Guidance、Seeking Information、Writing 合计约 78%。OpenAI《How People Use ChatGPT》

第二层：学生与年轻用户。 在自报年龄样本中，18–25 岁贡献约 46% 的消息量；这说明年轻人使用强度高，但该数字是消息份额，不是用户份额。同一研究

第三层：普通知识工作者。 超过四分之一美国劳动者、以及 45% 有研究生学历的劳动者报告在工作中使用 ChatGPT。OpenAI 工作采用报告

第四层：写作与沟通密集岗位。 Writing 约占工作消息的 40%–42%，其中约三分之二是修改、编辑或翻译已有文本，而非从零写作。OpenAI

因此 Chat 的核心 Persona 不是“Knowledge Worker”，而是：

任何此刻想知道、理解、比较或表达什么的人。

企业用户价值更高，但数量最大的仍是大众信息需求。

3.2 市场规模与份额

Sensor Tower 2026 报告给出了目前最接近可比用户份额的口径：跨 Web 和移动 App 去重的 True Audience。2026 年 5 月：

来源：Sensor Tower、TechCrunch。

公司官方数字可看分发天花板，但不可直接横比：OpenAI 2026 年 4 月披露 ChatGPT 9 亿 WAU；Google 2026 年 5 月披露 Gemini App 9 亿+ MAU；Microsoft FY26 Q1 披露第一方 Copilot 家族 1.5 亿+ MAU，但包含 Coding、安全、医疗等场景。OpenAI、Google、Microsoft

3.3 主要竞品

3.4 产品判断

Chat 必须保留，因为它是四个 Tab 的高频入口；但它本身不是护城河。Super App 的差异化不应是“另一个聊天框”，而应是：

最快进入、最懂当前 Microsoft 工作上下文，并能无损升级到 Cowork、Code 或 Autopilot 的答案入口。

建议指标：P50/P95 首字与完整答案延迟、首轮解决率、引用正确率、复制/发送率、放弃率、升级到其他 Tab 的成功率。

4. Cowork：把企业上下文变成可交付 Artifact

4.1 主要用户群体

优先级最高的不是“所有知识工作者”，而是 artifact-heavy professionals：

1. 咨询、金融、战略、商业分析：模型、报告、投资备忘录、客户 Deck；
2. 产品、市场、企业沟通与管理者：PRD、方案、QBR、经营复盘、领导汇报；
3. 财务与数据分析人员：Excel 建模、预算、预测、Dashboard；
4. 销售、运营、HR、法务：客户简报、RFP、合同审阅、招聘报告、月结；
5. SMB 业主和小团队：一个人跨营销、财务、销售和运营产出多类成果。

OpenAI 对约 100 家企业、9,000 名员工的研究显示，企业 AI 活跃用户平均每个工作日节省 40–60 分钟，数据科学、工程和沟通岗位为 60–80 分钟；使用任务种类更广的用户报告的时间收益显著更高。OpenAI Enterprise AI Report

4.2 市场规模与份额

没有可靠的 Cowork 独立市场份额。 厂商将 Chat、企业搜索、Artifact generation 和 Agent 混在订阅中。

最有用的公开代理指标是：

来源：Microsoft FY26 Q3、Alphabet Q4 2025、OpenAI、Google Workspace

用 2,000 万除以 4.5 亿得到的 4.4% 只能称为“跨期、跨产品范围的粗略存量比”，不能当作 attach rate、Cowork 渗透率或份额；分母还包含大量非目标或购买条件不同的席位。它唯一能证明的是 Microsoft 拥有庞大的底层分发盘，不能证明剩余空间都会转化。

Menlo Ventures 估计 2025 年横向企业 AI 应用支出约 84 亿美元，其中 Copilots 72 亿美元（86%）、Agent platforms 7.5 亿美元（10%）、Personal productivity 4.5 亿美元（5%）；分类有四舍五入误差。Menlo Ventures

4.3 主要竞品

4.4 产品判断

“会生成 PPT”已经不是护城河。真正的 Cowork 应该拥有：

企业上下文 + 多步执行 + 原生可编辑 Artifact + 审阅迭代闭环。

第一楔子应选高价值、重复、有清晰验收标准的 Artifact，例如 QBR Deck、预算模型、客户简报，而不是泛化的“帮我做知识工作”。

建议指标：Usable Artifact Rate、Time-to-usable-artifact、人工修改量、事实/公式错误率、品牌合规率、来源可追溯率、每个被接受成果的消费金额。

5. Code：从代码补全进入 Agentic Software Engineering

5.1 主要用户群体

核心用户：

• 专业 IC 开发者：前后端、移动、桌面、全栈；
• DevOps、SRE、基础设施工程师；
• AI/ML、数据工程师；
• QA 与测试工程师；
• 独立开发者、创业团队、开源维护者；
• Engineering Manager、IT/Security/Procurement 是企业买方和治理者。

SlashData 估计 2025 Q3 全球开发者人口约 4,840 万；GitHub 2026 Q1 则记录 1.786 亿开发者账户。前者是行业人口估计，后者是平台账户，两者不能等同。SlashData、GitHub Innovation Graph

5.2 市场份额

JetBrains 2026 年 1 月对 1 万+全球专业开发者的调查，是目前最可比的工作采用率口径。多选，因此合计不等于 100%。

来源：JetBrains AI Pulse

厂商规模补充：GitHub Copilot 2026 FYQ2 有 470 万+付费订阅者，FYQ3 有近 14 万组织采用；OpenAI 2026 年 6 月披露 Codex 500 万+ WAU，较 2 月桌面 App 发布增长 6 倍+，但约 20% 用户已是知识工作者。Microsoft、OpenAI

5.3 主要竞品

5.4 产品判断

Code Tab 最大的对手不是 Cursor，而是开发者已有工作环境。Stack Overflow 2025 中，专业开发者 76.2% 使用 VS Code。Stack Overflow

因此 Super App Code 不应逼开发者搬家，也不应再做一个与 GitHub Copilot 平行的 AI IDE。更合理的定位是：

跨本地、IDE、GitHub 与云 Agent 的统一任务控制台：把 Issue 安全地变成可验证、可审查、可合并的软件变更。

Code 的命门是信任。Stack Overflow 2025 中，只有 32.3% 专业开发者信任或较信任 AI 输出准确性；66% 遇到“几乎正确但差一点”的答案。Stack Overflow

建议指标：任务一次通过率、首次 CI 通过率、PR merge rate、人工 Review 时间、返工/回滚率、逃逸缺陷、安全问题、每个成功变更成本。

6. Autopilot：不是“更久的 Agent”，而是持续推进责任

本节所说的“责任”，指工作流中的持续推进责任（operational ownership），不是法律、管理或商业意义上的最终问责。高风险决策、专业签字与最终损失，仍由人和组织承担。

6.1 两根轴，而不是一条升级链

Autopilot 与 Digital Employee 经常被混为一谈，其实回答的是两个不同问题：

• Autopilot 是工作模式。 系统能否在没有人不断 Prompt 时，维护目标状态、等待事件、执行、观察、重规划，并在成功、失败或需要人工判断时停止或升级？
• Digital Employee 是组织包装。 Agent 是否拥有明确岗位、工作队列、权限和预算边界、协作渠道、KPI/SLA、负责人、审计记录与生命周期？

一个 Personal Autopilot 可以高度自治，却不是员工；一个 AI SDR 可以作为 Digital Employee 售卖，却只运行边界明确的销售 Workflow。Digital Employee 不是 Autopilot 后的“更高一级”。

市场更适合拆成三类需求侧应用，加一层供给侧基础设施：

平台提供能力上限，但不会自动替客户定义完成条件。同一厂商也可能同时卖平台和现成角色 Agent，Agentforce 就是典型例子。

6.2 主要用户群体

Personal Autopilot：

1. 高强度 AI 知识工作者：经理、创始人、产品、研究、咨询、运营；
2. 销售、招聘、市场：需要持续监控和跟进的人；
3. 忙碌消费者、家庭与照护者：账单、学校邮件、旅行、预约；
4. 本地或遗留系统用户：关键工作仍在电脑、浏览器、Terminal 或无 API 系统中。

Business Mission Autopilot：

• 没有完整职能团队的创业者、独立经营者和小公司；
• 同时管理增长、内容、销售、网站和运营的 Super Individual；
• 希望“业务继续向前走”，而不是再多拿一份 AI 生成内容的团队。

Role-based Digital Employee / Vertical Agent：

• 客服、销售、招聘、营销、电商运营；
• 法律、财务、采购、HR 等专业与后台流程；
• IT、安全、Identity、Compliance 和 Agent 治理团队。

这些垂直场景更容易先商业化，因为输入、权限、人工接管点、SLA 和 ROI 都更清楚。

6.3 市场规模与商业信号

不存在可靠、统一的 Autopilot 市场份额。 厂商披露的是 Parent MAU、ARR、客户数、交易数、Agent 数、Task 数和自定义 Work Units；这些单位不能相加，也不能互相除出一张漂亮饼图。

来源：Google、Manus、Motion、Sintra、Salesforce

Gartner 的 2026 CIO 与技术高管调查在 2025 年 5—6 月收集了 2,501 名受访者的数据：17% 的受访组织已经部署 AI Agents，64% 的受访技术高管计划在未来 24 个月部署 Agentic AI。Gartner 同时指出，多数部署仍范围狭窄，完全自治的 Agent 尚不适合大多数企业场景。Gartner Hype Cycle｜调查口径

6.4 主要竞品：它们并不在同一条跑道上

更详细的赛道分析见：Autopilot 与 Digital Employee 赛道地图。

6.5 产品判断

Autopilot 的竞争不能再用一张“总榜”排序，因为不同产品争夺的是不同责任单元：

1. Personal Autopilot 的直接威胁是 Gemini Spark。 Google 的上下文、跨设备分发和本地桌面能力最完整；但 Beta 状态和 Mission 成功率仍是缺口。
2. Manus 与 ChatGPT Agent 争夺强执行入口。 它们首先证明的是复杂 Task 与 Scheduled Workflow 的付费需求，而不是开放式长期责任。
3. Pazi 与 ClawTeams 在定义 Business Mission Autopilot。 它们最值得观察的不是 Multi-Agent，而是是否把 Goal、未完成工作、等待和重规划做成产品的一等对象。
4. Agentforce、Motion、Artisan/11x 与 Harvey 证明了垂直责任单元更容易采购。 但执行岗位工作不等于承担商业或法律上的终局责任。
5. Workspace Agents、Copilot Studio 与 Gemini Enterprise 竞争的是平台和治理层。 平台可以承载 Autopilot，但平台本身不会替用户定义 Mission 的完成条件。

因此，Super App Autopilot 不应成为另一个 Agent Builder。更有价值的位置是：个人 Mission 的统一入口、长期关系和监督面，内部按需调用 Cowork、Code、浏览器、本地执行与专业 Agents。

产品界面不应是空白聊天框，而应优先展示：

• Goals / Missions；
• 当前状态、下一步和已尝试路径；
• 正在等待的人、事件或系统；
• 需要用户审批或补充的信息；
• 执行历史、成本、证据与审计；
• 学到了什么、用户如何纠正；
• 成功、失败、升级与退出条件。

建议指标：Mission Success Rate、无人干预完成率、每个 Mission 的审批/救援次数、等待后恢复率、重规划成功率、错误行动/撤销率、每个成功 Goal 的成本、7/30/90 天持续 Mission 留存。

7. 横向竞争格局：四个场景真正的胜负手

四个 Tab 应是并列的意图入口，而不是线性升级关卡。Code 是专业垂直工作流，并不要求先经过 Cowork；Autopilot 则可以按 Mission 需要调用其余能力：

                 Intent Router
       ┌──────────┼──────────┬──────────┐
       ↓          ↓          ↓          ↓
     Chat       Cowork      Code     Autopilot
    Answer     Artifact   Verified    Mission
                           Change      Outcome
                                      │
                         可按需调用 Chat/Cowork/Code 能力

Autopilot 可以调用其余三个 Tab，但一个任务只能有一个 Result Owner。跨 Tab 转换必须携带上下文，不能让用户重新描述。

8. 产品框架诊断

8.1 YC 需求现实：最小付费楔子

Autopilot 不应先卖“一个什么都能做的数字分身”，而应先卖一个每周都会发生、完成标准清楚的 Mission，例如报销、销售跟进、竞争监控或项目风险闭环。

8.2 小林四不做：最大 kill-switch

• Chat：没有优势不做。 通用 Chat 高度商品化，只有工作上下文、分发和升级路径构成差异化。
• Cowork：低频不做。 独立 Tab 可能被忘记，必须寄生于 Office、会议和周期性 Artifact。
• Code：没有优势不做。 Microsoft 已有 GitHub Copilot/VS Code，Super App 必须做跨设备与多 Agent 控制面，而非复制。
• Autopilot：没有清晰赛道不做。 如果没有 Mission Registry、持续状态、等待/恢复、权限、升级和验收，它只是后台运行模式。

8.3 AI 产品专属风险

• Chat： 是否真的解决传统 Search 无法完成的跨来源理解，而不是 AI 壳。
• Cowork： 90 分 Demo 陷阱——文件能打开不等于敢发客户、敢上董事会。
• Code： 入口、心智、责任三层迁移成本；不能强迫开发者搬家。
• Autopilot： 不可能三角与 AI 技术债；不能同时默认大基数、高频、高付费，也不能在权限、审计、撤销未完成时追求自治。

8.4 7 页 BP 的一句话版本

1. 问题： 用户不是缺更多 AI 功能，而是缺从答案到成果、变更和结果的清晰委派路径。
2. 用户： 大众问答者、Artifact-heavy professionals、专业开发者、高协调负担的个人与流程 Owner。
3. 市场： Chat 十亿级；Cowork 有数千万付费 AI 席位；Code 已高渗透；Autopilot 进入早期采购。
4. Why now： 模型从生成走向执行，Local/Browser/MCP/Identity/Agent governance 同时成熟。
5. Why Microsoft： M365 Context + Office + GitHub + OS/Local + Entra + Enterprise distribution。
6. 怎么推广： Chat 高频引流，Cowork/Code 用明确成果转化，Autopilot 从可量化重复 Mission 切入。
7. 怎么赚钱： Seat 提供入口和治理，Consumption 为 Cowork/Code/Autopilot 的成功工作量收费。

9. 最终建议

9.1 保留四个 Tab，但重新定义 UI 和验收

• Chat 首页应突出输入、速度、来源与升级；
• Cowork 应突出工作区、素材、Artifact 预览、编辑和交付；
• Code 应突出 Repo、任务、Agent runs、diff、tests、PR；
• Autopilot 应突出 Goals、状态、等待、审批、审计、成本和完成条件。

9.2 短中长期优先级

短期：Cowork + Code。 两者付费和验收最清晰，Microsoft 资产最强。Cowork 先攻 artifact-heavy 专业人群；Code 做 GitHub/IDE/Local/Cloud 的统一控制面。

中期：Chat 作为统一入口与路由器。 不追求用 Chat 本身打出全部差异，而是让它最快、最懂上下文，并无损升级。

长期：Autopilot 作为系统的顶层委派关系。 从 3–5 个高价值、可审计、重复 Mission 做起，先证明 30/90 天重复委派、无人干预成功率和单位经济，再扩展为 Personal Autopilot。

9.3 一句话战略

Chat 赢“现在”，Cowork 赢“成果”，Code 赢“生产”，Autopilot 赢“持续负责”。Super App 的护城河不是四个聊天框，而是让同一个上下文在四种完成契约之间无损流动。

10. 关键数据缺口

公开市场研究仍无法回答：

1. Super App 四个 Tab 各自的 MAU/WAU、重叠用户与跨 Tab 路由成功率；
2. Cowork 单独的 Artifact acceptance、修改量、每个成功 Artifact 消费；
3. Code 单独的 verified change、merge、rollback 与单位成功成本；
4. Personal Autopilot 的独立 MAU、活跃 Mission、Goal Completion、30/90 天留存；
5. Personal / Business Mission / Vertical Agent 跨厂商统一的成功 Mission、SLA 与人工接管口径。

内部高管看板不应只有用户数，应统一成：

最后提醒：Agent 数量繁荣，不代表业务价值繁荣。真正该庆祝的是答案被采用、成果被使用、代码被合并、目标被完成。