AI下半场，企业开始从“卷大模型”转向“卷数据治理”

最近，办公软件圈的风向彻底变了。如果说两年前的“百模大战”让大家还沉浸在参数量级、算力竞赛的狂欢中，甚至产生了一种“只要模型足够强，万事皆可灵”的幻觉，那么现在的市场信号已经冷酷且直白：用户对AI的新鲜感正在耗尽，单纯的聊天陪聊撑不起AI的下半场。

（图为：中金公司研究部执行总经理、计算机行业首席分析师于钟海）

在1月27日的WPS 365 AI协同办公上海峰会上，中金公司研究部执行总经理、计算机行业首席分析师于钟海抛出了一个引人深思的观察：顶尖AI实验室的模型更新周期已缩短至数月。这意味着，企业试图通过自研或深度绑定某一模型来建立竞争优势，不仅成本高昂，且“保鲜期”极短。他提出了一个关键断言：数据才是AI时代企业唯一可持续的护城河。这一观点折射出一个行业共识——企业级AI的竞争重心，正在从“比拼模型有多聪明”，全面转向“比拼数据治理有多深”。

当博学的AI遇上骨感的业务

很多企业在做AI转型时，都会遇到一个尴尬的困境：AI在演示写周报、润色邮件时表现惊艳，可一旦进入真实的业务深水区，面对那些积攒了十几年的合同、设计图纸、工艺手册，AI就开始“间歇性胡言乱语”。这种“演示很牛，落地就走”的症结往往不在于模型不够聪明，而在于业务数据的“沉睡”与“无序”。

企业中80%以上的数据是以文档、报表、邮件等形式存在的非结构化数据。它们散落在不同的烟囱式系统里，格式五花八门，充满了只有内部人才懂的“黑话”和复杂的逻辑嵌套。如果你喂给模型的“原材料”是乱序、低质、甚至逻辑断裂的，那么产出的只能是误导。

（图为：金山办公副总裁吴庆云）

金山办公副总裁吴庆云在现场给出了一个极其直接的判断：建设企业级AI的首要任务，不再是盲目寻找更先进的模型，而是优先完成对企业非结构化数据的收集和治理。如果把大模型比作心脏，数据就是血液。血液里如果全是杂质，心脏再强也带不动身体。而目前大多数企业面临的现状是，由于缺乏有效的数据治理，AI在面对复杂业务文档时会产生严重的“幻觉”，导致决策参考价值归零。

文档解析：被忽视的AI“第一手感”

想要治理好这些数据，最难的一关其实是被行业长期忽视的硬手艺——文档解析。外界往往认为解析文档就是简单的OCR文字识别，但在真实的办公场景中，这却是一道极高的技术天花板。能不能精准解析一份跨页的嵌套表格，能不能看懂技术手册里的手写批注，甚至能不能在复杂的排版中准确提取出核心要素，直接决定了后续AI应用的效果上限。

（图为：华中科技大学教授、博士生导师刘禹良）

在这次峰会上，华中科技大学刘禹良教授分享了一个细节：他们与金山办公联合研发的MonkeyOCR模型，在3B的小参数规模下，其文档解析性能竟然超越了GPT-4o、Gemini-2.5 Pro等大参数闭源模型，在国际权威榜单OmniDocBench上拿下综合性能全球第一。

这背后反映了一个真相：通用大模型虽然“博学”，但对中国企业极其复杂的文档格式——尤其是那些充满行业壁垒的非标准文档——缺乏深度理解。而金山办公凭借38年在文档领域的底层积淀，对上万种文档格式有着解构级的拆解能力。这种对复杂文档的精准解析与知识化能力，正是金山办公在AI新赛道上构建的降维打击。当别的厂商还在卷对话框的交互UI时，金山办公正在死磕怎么把一份复杂的医药不良事件报告里的表格识别准确率做到99%，这种“苦活累活”才是真正拉开差距的护城河。

从看到到掌握：激活沉睡的资产

这种深厚的数据治理能力，直接决定了企业“大脑”是否真的懂业务。金山办公提出的KAG（知识增强生成）新范式，本质上就是让AI从单纯的“看到文档”进阶到“掌握知识”。它不再是简单的关键词检索，而是通过多模态、多结构的知识提取，让AI理解企业知识间的内在逻辑关联。

这种技术进阶正在真实的生产力场景中产生质变。在上海金融圈，申万宏源证券依托这套全域知识治理方案，将原本散落在不同系统、格式迥异的精算报告和制度文档进行了集中上云与结构化解析。这让财富经理在面对客户咨询时，可以通过AI问答替代传统的人工搜索，平均对客延时缩短了3倍以上，整体知识获取效率提升了80%。

而在船舶制造这种重工业领域，中船动力正利用这套体系将原本依赖老师傅专家经验传承的工艺手册、研发笔记转化成可流转的知识图谱。供应链团队借此实现了原本极其依赖人工的市场价格分析与政策变动追踪的自动化，不仅大幅缩短了审查周期，更显著降低了人为疏漏带来的风险。即使在规则极其严苛的汽车研发领域，联合汽车电子也通过将数千页的复杂制度规范喂给AI，让员工不再需要翻阅厚重的手册，通过精准的问答即刻获得业务支撑，确保了制度执行的准确性。

这些真实的业务反馈说明了一个趋势：AI正从“好玩的工具”变成“好用的员工”。它不再是办公软件的一个点缀，而是成为了企业的业务中枢和决策大脑。WPS 365所构建的这种“懂数据、懂组织、懂业务”的能力，实际上是在帮助企业将沉睡的数字资产转化为活跃的生产力要素。

深挖护城河，而非追逐风口

站在科技产研的角度看，企业级AI的竞争已经进入了下半场。当模型本身逐渐变成像水电一样的基础设施，企业对非结构化数据的治理深度，就成了AI落地成败的唯一变量。

（图为：金山办公助理总裁朱熠锷）

金山办公的策略非常清晰：与其参与虚无的模型参数大战，不如死磕“文档解析”与“知识治理”这两项基本功。这种“先修内功，再出招”的打法，源于其几十年在国产化适配和复杂办公场景中的厚积薄发。正如金山办公助理总裁朱熠锷所强调的，让大模型真正“掌握”企业真正的知识资产，才是WPS 365的核心愿景。

在这个浮躁的、动辄谈论颠覆的时代，与其追逐飘在云端的风口，不如像金山办公这样，在自己最擅长的领域里把护城河筑得更深、更宽。毕竟，在AI的漫长竞赛里，最后能留在桌上的，往往是那些真正理解用户痛点、并愿意在基础技术上长期深耕的“长期主义者”。