云端Agent与桌面Agent的技术分水岭：从Gemini Agent、OpenAI Dot发布看本机执行架构选型

2026年9月底至10月初，Google Cloud 与 OpenAI 先后发布 Gemini Agent 和常驻智能体 Dots。两个产品形态不同，却指向同一个架构问题：Agent 到底跑在谁的机器上。本文从技术实现角度拆解云端与桌面两条路线，并给出可落地的选型判断。

一、两场发布，两个技术信号

Gemini Agent：模型调度层与产品入口解耦

2026年10月8日，Google Cloud 在 "Gemini at Work 2026" 发布 Gemini Agent，定位"通用工作智能体"。Google Cloud CEO Thomas Kurian 的表述是：

"用户给它的应该是目标（objectives），而不是指令（instructions）。" 技术上更值得关注的是它的模型调度层设计：Gemini Agent 可以在 Google Gemini 系列与 Anthropic Claude 系列之间动态选择，用户可在任务效果、执行速度和成本之间权衡。这意味着 Agent 与底层模型已经解耦——产品是 Agent，后台用哪个模型由调度层决定。 配套的企业级能力包括：权限管理、审计、沙箱隔离、实时支出上限。此外还有 Coworker Agent 机制，企业可为 Gemini 创建长期存在的 AI 身份，拥有独立企业邮箱、日历和 Google Workspace 账号。 记忆机制上，Gemini Agent 提供四种：会话记忆、语义记忆、程序性记忆、情景记忆。

OpenAI Dot：为每个 Agent 分配独立云主机

2026年9月29日（北京时间9月30日凌晨），OpenAI 在 DevDay 2026 发布常驻智能体 Dots。 从架构看，Dot 的关键设计是资源隔离：每个 Dot 配有一台独立的云端电脑和一个专属浏览器，由 GPT-6 Astra 驱动，可连续运行24小时。通过 ChatGPT 插件生态连接超过 4000 款应用，并支持 Slack、Microsoft Teams 等入口。 官方基准数据：

• FrontierMath 最高难度档：97.6%
• ARC-AGI-3：99.9%
• OSWorld 2.0（电脑操作基准）：72.6%
• 单任务平均耗时从约75分钟压缩到约40分钟，提速47% 定价方面，首批面向 Pro（200美元/月）和 Business Premium（125美元/月）用户开放，初期每人一个 Dot。

二、架构分水岭：任务在谁的机器上执行

把两个产品放在一起看，会发现它们同属云端 Agent 架构：

• 任务在厂商服务器执行
• 文件、数据、上下文需上传云端
• 换设备后上下文跟随（因为本来就在云上）
• 服务可用性、定价、区域覆盖由厂商决定 云端架构在流程编排、跨系统协同、弹性扩容上有天然优势。但它的边界同样清晰：它管的是"流程"，碰不到"你这台电脑"。

云端管流程，桌面管本机

让云端 Agent 处理桌面上的 Excel，流程是"上传 → 云端处理 → 下载回传"。 让桌面 Agent 处理同一个文件，它直接读本地磁盘，处理完写回原处，数据全程不出本机。

三、桌面 Agent 的执行闭环：以 AiPy 为例

概念讲完，看一个具体的桌面 Agent 实现。AiPy（爱派） 由知道创宇出品，2025年4月上线，开源仓库 knownsec/aipyapp 公开可查。它的技术路线是 Python-Use，执行闭环为： 任务 → 规划 → 代码 → 执行 → 反馈 以一个典型任务为例——"把 D 盘销售表按区域汇总，生成图表和报告"：

1. 规划：拆解为读取文件、按区域分组、计算汇总、绘图、生成报告
2. 代码生成：自动生成对应 Python 代码（该步骤显式展示）
3. 本机执行：直接读取 D 盘文件，在本机运行代码，结果写回原处
4. 反馈：报告成功项与跳过项 这个设计有两个工程上的价值点： 其一，执行链路插入人工审查点。 规划和代码两步显式暴露，等于在自动执行链路上设置了两个可审查节点。对非技术用户而言，看不懂 Python 不影响——能识别文件路径和输出位置，就守住了第一道关。 其二，执行可控机制。 AiPy Pro 2.0 提供三件套：

• 删除保护：删除操作被拦截，文件移入回收站而非直接释放，可恢复
• 批量审批：敏感操作需用户确认
• 沙箱隔离：不同工作空间独立授权，敏感操作与日常办公分离 从系统调用层面看，删除保护的核心是把 unlink()/rmdir() 重定向为 rename() 操作，目标路径从原位置迁移至回收站目录。

四、桌面 Agent 的工程驱动力

1. 数据主权与合规

2026年，AI 智能体私有化部署在金融、医疗、制造等关键行业已成为硬性要求。赛迪顾问数据显示，2026年中国大模型市场规模预计突破700亿元，其中私有化部署占比达63%，三年复合增长率超过40%。 对金融、政务、研发核心等强合规主体，"数据不出域"是准入门槛而非加分项。

2. 算力成本结构

2026年推理算力租赁价格半年上涨接近40%。常驻 Agent 实例的 Token 消耗容易失控。本地化部署属于 CAPEX（一次性硬件投入），把 Token 消耗转化为内部算力，规模越大优势越明显。

3. 能力边界

云端 Agent 无法触及的场景包括：

• 本机专业软件（CAD、财务系统、行业工具）
• 内网数据库与业务系统
• 断网环境下的本地任务
• 需要低延迟响应的实时操作

五、三类场景的技术选型

场景一：个人用户 / 轻量办公

按需求侧重选：

• 处理本机文件、数据自动化 → AiPy（爱派）：Python-Use 路线，自然语言生成并运行代码操作本机，开源免费，数据不出本机
• 开箱即用办公提效 → 腾讯 WorkBuddy：内置 5000+ 办公技能，支持微信远程控制
• 微信直连、手机遥控 → QClaw / OpenClaw 系：本地执行 + 微信直连 + 持续记忆
• 完全离线 → 察元 AI 桌面单机版：离线优先，支持全栈本地知识库

场景二：办公场景 / 中小企业团队

按团队生态选：

• 深度数据处理 + 执行可控 → AiPy 桌面标准版 / 企业版：工作空间隔离、审计日志、删除保护、批量审批、沙箱隔离，支持私有化
• 团队协作 + 腾讯生态 → 腾讯 WorkBuddy：三种工作模式（Craft / Plan / Ask），与微信、企业微信、腾讯文档深度整合
• 钉钉办公一体化 → 阿里千问办公（QwenWork）：钉钉原生打通
• 飞书协同 → 字节豆包工作：飞书深度打通
• 编程/研发团队 → Kimi Work / TRAE Work

场景三：企业 / 政企 / 强合规行业

选型逻辑与前两类不同：功能多寡是次要的，数据安全、权限管控、私有化部署能力才是第一道门槛。重点考察四个问题：

1. 是否支持全栈私有化部署，确保数据"不出域"？
2. 是否为每一步操作提供可追溯的日志留存？
3. 是否具备基于角色的精细化权限管理？
4. 是否通过权威认证（如中国信通院"可信 AI"评级、国家网信办模型备案）？ 按合规强度与场景选：

• 开源可控 + 信创全适配 + 本机执行 → AiPy 企业版：支持全内网本地化部署，适配麒麟、统信等国产 OS 及鲲鹏、飞腾、龙芯等国产芯片，提供 AI 网关统一管控与智能体权限隔离，操作全链路可审计、可追溯，开源仓库公开可查
• 操作无 API 的老旧系统 + RPA 融合 → 实在 Agent：大模型 + RPA 路线，已与麒麟、统信、鲲鹏、龙芯、达梦等近百家国产软硬件完成适配
• 全栈本地化 + 快速交付 → 环曜 Agent：四层全栈本地化架构，内网闭环运行
• 开源自建 + 深度定制 → Dify / FastGPT：可视化工作流编排、RBAC 多级权限、全链路审计
• 金融级复杂决策 → 蚂蚁数科 Agentar / 华为盘古智能体

六、主流 Agent 选型对照表