IrisGo这次最容易被记住的画面，是AI帮用户在线下单一杯Philz Coffee拿铁。
但这个演示有点反常。咖啡下单并不是知识工作里最痛的事，也不是企业愿意付钱的核心场景。真正值得看的是：一个桌面AI代理，能不能看懂用户在电脑上做过的流程，然后在下一次稳定复现。
IrisGo今年早些时候完成280万美元种子轮融资，由Andrew Ng的AI Fund领投，Nvidia和Google也参与支持。它推出的Iris目前处于macOS和Windows beta阶段，主打“用户演示一次，AI记住并自动执行”。
我更在意的是后半句：自动执行。
桌面代理如果只是在演示里跑通一次，价值有限。它要进办公室，必须能处理邮件、发票、报告、文档总结、代码辅助这些日常碎活，还要少出错、能管控、可追责。
IrisGo做的是“看一次，再复现”
Iris由Jeffrey Lai联合创立。Lai曾参与苹果Siri中文版开发，Iris这个名字也来自Siri的反写。
这个命名有一点巧思，但产品逻辑更关键：用户先在桌面上演示一遍流程，Iris观察点击、输入、页面跳转和上下文。之后遇到类似任务，它尝试自动复现。
这和传统RPA有相似处，都是处理重复流程。差别在于，IrisGo想把门槛降到更低：不是让业务人员写规则、搭流程图，而是让AI从人的操作里学。
目前公开演示里的咖啡下单，适合展示“它能看懂桌面操作”。但企业用户不会因为少点几下咖啡订单就迁移工具。真正的场景在办公系统里。
| 场景 | Iris想解决的问题 | 企业用户真正会问 |
|---|---|---|
| 邮件 | 草拟回复、整理信息 | 能否避免误发、漏看权限内容 |
| 发票 | 抽取字段、处理重复录入 | 格式变化时是否还能稳定识别 |
| 报告 | 按模板生成初稿 | 数据来源和引用能否追溯 |
| 文档总结 | 压缩长文档、提取要点 | 敏感内容是否会上云 |
| 代码辅助 | 类似Codex、Claude Code的开发支持 | 能否适配团队现有工具链和安全要求 |
对知识工作者来说，Iris瞄准的是那些“不难，但烦”的活。比如把客户邮件整理成回复草稿，从发票里抄字段，把会议材料压成摘要。
对企业IT来说，问题不在“能不能跑一次”。问题是网页改版、权限弹窗、账号切换、文件命名变化之后，它还会不会乱点。
这就是主动式桌面代理和聊天机器人的分水岭。聊天机器人答错了，用户还能停下来改。桌面代理一旦代替人点击、提交、发送，错误成本立刻变高。
AI Fund背书有用，但入口位置更关键
Andrew Ng的AI Fund领投，让IrisGo更容易被企业和开发者看到。Ng曾联合创立Google Brain，长期参与AI创业孵化。对早期AI公司来说，这类背书能缩短信任建立时间。
但背书解决不了使用频率。
桌面代理要有价值，不能只停在网页聊天框里。它需要常驻系统，观察窗口，理解用户习惯，还要能跨应用工作。这也是IrisGo争取设备入口的原因。
公司已与Acer达成预装合作，并希望接触更多笔记本厂商。这里不能夸大成PC厂商集体押注Iris。至少目前能确认的，是Acer这一条预装路径。
预装的意义很现实：如果用户第一次开机就能看到一个桌面代理，它被试用的概率会高很多。反过来，如果还要用户主动下载、授权、学习配置，转化会慢得多。
把它放到同类工具里看，IrisGo的路线也更清楚。
| 工具/路线 | 更强的位置 | 限制 |
|---|---|---|
| OpenAI Codex、Claude Code | 代码工作流 | 主要围绕开发场景 |
| 微软Copilot | Office和Windows生态 | 更依附微软软件和系统入口 |
| IrisGo Iris | 跨应用桌面观察与流程复现 | 隐私、权限和误操作风险更高 |
IrisGo的吸引力，正来自“跨应用”。它不只想在一个软件里回答问题，而是想看懂用户在整个桌面上怎么工作。
风险也在这里。能看到更多，就必须说明哪些会被记录，哪些会上云，哪些永远不碰。这个问题不说清，企业IT不会轻易放行。
所以最相关的两类人，动作会不一样。
知识工作者可以试用beta，把它放在低风险流程里，比如公开资料总结、个人邮件草稿、非敏感文档整理。不要一上来就让它处理财务、合同和客户数据。
企业IT和采购更适合延后大规模接入。可以先做小范围试点，重点看权限管理、日志、加密、异常中断、员工离职后的流程回收，而不是只看演示视频。
真正的门槛是隐私、异常和审计
IrisGo强调大量数据在端侧处理。这对桌面AI代理很重要，因为用户电脑里有邮件、文件、代码、账号和支付信息。
但Iris不是完全本地运行。按照公司说法，它采用端侧与云端混合架构。复杂任务可能交给云端处理，前提是用户明确授权，并承诺端到端加密。
这套设计有现实性。端侧适合处理低延迟、敏感、简单的观察任务；云端更适合复杂推理和模型能力调用。问题是，企业采用时不会只听一句“加密”。
IT决策者会继续追问：云端处理的边界在哪里？日志保存多久？哪些数据会进入模型调用？员工离职后，自动化流程怎么回收？代理误提交订单、误发邮件、误改代码，责任怎么算？
这些问题看起来琐碎，却决定Iris是个人效率工具，还是企业生产系统。
目前更稳妥的判断是：IrisGo代表了主动式AI桌面代理的可行方向，但还没有证明自己已经跨过企业级落地门槛。它现在更像一个值得测试的beta工具，而不是可以大规模采购的办公基础设施。
接下来最该看的不是它还能演示多少花活，而是三个硬变量：
- Acer预装后，是否能带来真实活跃用户，而不只是装机量。
- beta用户是否愿意把高频办公流程交给Iris，而不只试几个低风险任务。
- IrisGo能否补齐企业控制台、权限管理、日志审计和异常回滚能力。
桌面代理的难点，不只是“会不会做”。更难的是“该不该做、做到哪一步、出错谁兜底”。
咖啡下单能说明Iris看得懂桌面。办公室里的邮件、发票、报告和代码，才会检验它能不能被信任。