上海，正在批量制造AI辦公的“企業大腦”

新眸原創·作者 | 鹿堯

過去十年，企業協同辦公的演進，像是一場“功能集成”的競賽。從郵件到即時通訊，從在線文檔到視頻會議，工具日益豐富，流程越發順暢。

然而，當我們解決了信息高效流轉的難題，另一個更深層的問題愈發凸顯：傳統協同工具擅長解決“人與人”的連接，卻難以打通“人與知識”、“知識與業務”的隔閡。

海量的非結構化數據——尤其是文檔、郵件、會議紀要，正沉睡在無數本地文件夾與封閉系統內，無法被有效檢索、繼承與推理，逐漸成為企業規模擴張中的“負資產”。

對于一家大型企業而言，很可能意味著：新人難尋前人經驗，專家離職可能帶走領域知識；AI助手因缺乏企業私域知識而幻覺頻出；在數據安全合規要求極高的領域，對通用模型的不安拖慢了技術轉型。

企業對非結構化數據（尤其是文檔）的治理能力，成為AI落地成敗的關鍵。在這場競爭中，文檔解析與知識化的能力高度，直接決定了企業數據資產的質量上限。

不久前，金山辦公在WPS 365AI協同辦公上海峰會上提出“激活組織數據，構建企業大腦”，試圖給出系統性的回應。其CEO章慶元曾指出，AI時代的辦公軟件應是知識的容器、數字員工的載體。

如今，這一理念被具象化為“企業大腦”，不僅優化流程，切入更核心的領域，將企業散亂的數據轉化為可用的知識，并讓這些知識輔助甚至參與決策。

伴隨著“企業大腦”已在華東地區組織級客戶中的率先落地，一個值得深思的問題出現了，在協同辦公領域的多強格局下，憑借Office產品心智崛起的WPS，其“企業大腦”的敘事究竟有何不同？它能否以此定義國產化AI辦公的下一個核心范式？

01

從“工具”到“企業大腦”的必然

WPS 365的“企業大腦”敘事并非憑空而來。

一方面，企業數字化的重點正在轉移。隨著辦公軟件完成了全面線上化，溝通、寫文檔、開會都變得更快，但堆積下來的數據成了新問題。尤其是合同、報告、會議紀要這類非結構化文檔，它們散落在各處，難以查找和利用。

一個員工離職，可能就意味著一部分經驗的流失；新人接手項目，總要花大量時間整理前任留下的文檔——這些問題效率工具解決不了，它關乎知識的傳承和復用，指向了一個比“協作”更底層的命題：知識的管理與再生產。

另一方面，行業競爭核心也在變化。過去三年，AI賽道的焦點無疑是大模型。似乎誰接入更聰明的“大腦”，誰就握住了王牌。然而，峰會現場業內專業人士的多次闡述，都指向下一個共識：

行業的核心矛盾，正從“獲取智能”轉向“喂養智能”。大模型逐漸成為可采購的基礎設施，而企業私有的、非結構化的數據，才是稀缺的專屬燃料。

就像中金公司分析師于鐘海在峰會上指出，頂尖模型的保鮮期極短，企業自研模型難以跟上。相反，那些長期積累的文檔、郵件、紀要等知識遺產，才是構建差異化AI能力的唯一可持續壁壘。

中金公司分析師于鐘海分享AI趨勢

金山辦公助理總裁朱熠鍔直言，今天前沿大模型的綜合智能很大飛躍，但許多AI應用效果不佳，核心原因在于“與真實世界數據的結合不好”。模型雖有通用知識，卻不了解企業的制度、歷史與行業黑話。

行業內的判斷，預示了AI應用經歷一個根本性轉向——從“以模型為中心”邁向“以數據為中心”。這也就解釋了WPS 365為何將“企業大腦”的基石，打在“數據治理”，尤其是非結構化數據治理上。

副總裁吳慶云將高質量數據看作AI落地的“關鍵制約點”，其中收集難、治理難、與業務結合難，是非結構化數據的主要挑戰。

金山辦公副總裁吳慶云現場分享

必然性由此浮現：AI要真正融入決策，必須先“懂數據”。

大型企業最核心、最混亂、價值密度最高的數據，封存在萬千文檔里。能將其轉化為機器可理解、可推理的知識，才算是握住了激活企業智能的鑰匙。

這正是行業投票WPS的關鍵理由。

37年來，WPS的起點在文檔，或者說，是對復雜格式文檔的精準解析與工程化治理。

相比國外軟件，它更懂中國大型組織的安全與合規需求；對比國內協同平臺，它更深入后臺，能將沉積在各系統中的原始、混亂的非結構化數據標準化、知識化，更重要的是，這里的知識，從“產生”到“復用”無斷點，適配AI對全域數據的打通需求。

02

工具、知識、智能體：

WPS 365的能力棧夠用嗎？

將數據轉化為智慧，中間必經 “知識工程” 這一環。

朱熠鍔用一個通俗例子解釋了這個過程：37.5只是一個數據；結合場景，知道這是“體溫37.5度”，是信息；進一步依據醫學常識判斷“可能發燒”，是知識；最后，結合具體情境決定“暫不需就醫”，才是智慧的應用。

對于大部分企業來說，內部數據往往都停留在最原始、甚至混亂狀態。若直接喂給大模型，難免輸出幻覺。

換句話說，數據競爭的實質，不在于擁有，而在于是否具備一套系統性的“知識工程”能力，將數據精煉為信息，將信息組織為知識，最終讓知識驅動智能體。

這一過程，正是WPS 365構建其“企業大腦”的核心路徑，也是其面對行業通用方案時，所選擇的差異化深耕地帶。

過去幾年，基于向量檢索的RAG技術讓AI應用遍地開花。但它有個天然瓶頸，擅長尋找“語義相似”的文本片段，卻難以理解業務“邏輯相關”。

舉個典型例子，同樣面臨“筆記本電腦開不了機怎么辦？”，RAG可能會根據關鍵詞檢索相應產品介紹。而真正能解決問題的操作步驟應該是“檢查電源、換插座、長按電源鍵重啟”，但由于字面沒有直接提及，反而可能被遺漏。

企業內部知識更加復雜，同一術語在不同部門有不同指代；新舊制度文件對同一事項的規定存在隱蔽沖突；大量的經驗以非結構化的圖表、手冊甚至手寫備注存在。

于是，針對這些問題，WPS 365提出“知識增強生成”（KAG）架構，在傳統的語義檢索之上，引入了知識圖譜的邏輯推理能力。

簡單來說，它不再僅把文檔看作一串詞，更能理解其中的實體、屬性及其關系，構建出一個結構化的“知識網絡”。當問題出現時，系統能像偵探一樣，沿著邏輯線索進行關聯與推理，而不僅僅是進行關鍵詞匹配。

當然，任何知識工程能力，都需要通過具體產品落地?？v觀WPS的產品矩陣，從治理，到應用，邏輯層次都很清晰。

底層有智能文檔庫，通過自動化的文檔解析、沖突檢測、重復清理和缺失分析，將雜亂的文檔倉庫，整理為質量可控的“知識原料庫”。而有了高質量的知識原料，下一步，作為知識應用載體存在的WPS靈犀與數字員工2.0等智能體才能可靠地工作。

作為檢驗能力棧是否“夠用”的最終場景，我們能看到，WPS提供的是一套融入了行業規范與知識邏輯的專屬解決方案。

比如，在醫藥行業，他們與客戶共創的“智能報告系統”，能夠將臨床實驗數據自動填充至上百頁的標準化CSR模板中，將醫學博士團隊耗時數周的工作壓縮至幾天，且保持極高的準確率。在高端制造業，則將復雜的維修手冊解析為知識圖譜，賦能給全球團隊。

那么，這套能力棧的獨特之處在哪里？

它不追求在通用AI對話的“炫技”上超越所有人，而是“讓AI在復雜場景中變得可靠”這條更艱難的路上構筑壁壘。

這是華中科技大學劉禹良教授團隊驗證過的：MonkeyOCR 模型與WPS 365合作優化后，復雜表格解析準確率突破 90%，遠超行業平均水平。

其優勢來源于一種“集成性”：將自身多年積累的文檔解析能力、對大型組織合規與信創需求的深度理解，與新的AI知識工程技術相結合。更重要的是，通過與金融、制造、醫藥等行業客戶的共創，沉淀了大量垂直領域的知識圖譜。

這是一套從數據接入、知識提煉到智能應用的全棧式“知識化”方案，尤其適合那些信息系統復雜、歷史包袱重、對準確性與安全性要求極高的國有大型企業和金融機構。

回到我們開始的問題，WPS 365的能力棧是否“夠用”？

答案取決于市場對“AI辦公”的期待。如果期待是讓AI深入地、可靠地消化企業數十年的記憶，并使之服務于合規、研發、風控等核心業務，那這條圍繞“知識工程”展開、需要長期行業共創打磨的道路，已經顯現出必要性。

03

一場關于“組織智慧”的長期實驗

在上海，這場關于“企業大腦”的實驗正以一種務實而具體的方式展開。

這里的產業形態豐富，從對風險極度敏感的金融，到供應鏈復雜的先進制造，再到市場變化迅速的快消行業，金山辦公助理總裁馮文廣觀察發現，這里的企業信息化水平高，對合規與信創的要求嚴苛，且更懂得在成本與效率間尋求平衡。

WPS 365的落地邏輯，也因此呈現出一種非標準化的樣貌。

比如，在金融領域，重心在合規與風控。某大型保險公司從信創替代起步，逐步將WPS 365原子化能力嵌入業務系統，最終在辦公場景引入AI，讓十幾萬員工先用起來，逐步逼近核心業務。

在高端制造業，則圍繞知識傳承與協同效率。如某船舶發動機制造商，利用WPS 365整合圖紙、手冊等非結構化數據，構建知識湖，激活各環節的“暗知識”。

金山辦公助理總裁朱熠鍔現場分享

隨著行業標桿案例的積累，一個更未來的圖景開始浮現：WPS 365或許正從一個“一站式辦公平臺”，悄然向一個“企業智能體操作系統”演進。

智能文檔庫疊加KAG架構，構成了數據與知識的“基礎運行環境”，而“數字員工”和“WPS靈犀”等智能應用則是被調度、組合的“智能進程”。

WPS 365連續數個季度的高速增長，初步驗證了市場的認可。它表明，當AI熱潮歸于理性，市場最終獎勵的是最能解決問題的方案。

回顧這場始于上海峰會的討論，我們發現，AI辦公的勝負手，越來越不取決于概念的先進程度，而取決于“落地率”。一次成功的AI轉型至少需要滿足三個條件：

技術能解決真實業務痛點，而非制造需求；產品能適配并賦能舊系統，而非強迫顛覆；整個流程，能絕對保障企業的數據主權與合規安全。

這三點，構成了其區別于其他產品的核心競爭力，也定義了一場關于沉淀、治理與激活“組織智慧”的長期實驗。