大模型不再是壁壘，高質量文檔解析正成為AI落地的“生死線”

最近，辦公軟件圈的風向徹底變了。如果說兩年前的“百模大戰”讓大家還沉浸在參數量級、算力競賽的狂歡中，甚至產生了一種“只要模型足夠強，萬事皆可靈”的幻覺，那么現在的市場信號已經冷酷且直白：用戶對AI的新鮮感正在耗盡，單純的聊天陪聊撐不起AI的下半場。

（圖為：中金公司研究部執行總經理、計算機行業首席分析師于鐘海）

在1月27日的WPS 365 AI協同辦公上海峰會上，中金公司研究部執行總經理、計算機行業首席分析師于鐘海拋出了一個引人深思的觀察：頂尖AI實驗室的模型更新周期已縮短至數月。這意味著，企業試圖通過自研或深度綁定某一模型來建立競爭優勢，不僅成本高昂，且“保鮮期”極短。他提出了一個關鍵斷言：數據才是AI時代企業唯一可持續的護城河。這一觀點折射出一個行業共識——企業級AI的競爭重心，正在從“比拼模型有多聰明”，全面轉向“比拼數據治理有多深”。

很多企業在做AI轉型時，都會遇到一個尷尬的困境：AI在演示寫周報、潤色郵件時表現驚艷，可一旦進入真實的業務深水區，面對那些積攢了十幾年的合同、設計圖紙、工藝手冊，AI就開始“間歇性胡言亂語”。這種“演示很牛，落地就走”的癥結往往不在于模型不夠聰明，而在于業務數據的“沉睡”與“無序”。

企業中80%以上的數據是以文檔、報表、郵件等形式存在的非結構化數據。它們散落在不同的煙囪式系統里，格式五花八門，充滿了只有內部人才懂的“黑話”和復雜的邏輯嵌套。如果你喂給模型的“原材料”是亂序、低質、甚至邏輯斷裂的，那么產出的只能是誤導。

（圖為：金山辦公副總裁吳慶云）

金山辦公副總裁吳慶云在現場給出了一個極其直接的判斷：建設企業級AI的首要任務，不再是盲目尋找更先進的模型，而是優先完成對企業非結構化數據的收集和治理。如果把大模型比作心臟，數據就是血液。血液里如果全是雜質，心臟再強也帶不動身體。而目前大多數企業面臨的現狀是，由于缺乏有效的數據治理，AI在面對復雜業務文檔時會產生嚴重的“幻覺”，導致決策參考價值歸零。

想要治理好這些數據，最難的一關其實是被行業長期忽視的硬手藝——文檔解析。外界往往認為解析文檔就是簡單的OCR文字識別，但在真實的辦公場景中，這卻是一道極高的技術天花板。能不能精準解析一份跨頁的嵌套表格，能不能看懂技術手冊里的手寫批注，甚至能不能在復雜的排版中準確提取出核心要素，直接決定了后續AI應用的效果上限。

（圖為：華中科技大學教授、博士生導師劉禹良）

在這次峰會上，華中科技大學劉禹良教授分享了一個細節：他們與金山辦公聯合研發的MonkeyOCR模型，在3B的小參數規模下，其文檔解析性能竟然超越了GPT-4o、Gemini-2.5 Pro等大參數閉源模型，在國際權威榜單OmniDocBench上拿下綜合性能全球第一。

這背后反映了一個真相：通用大模型雖然“博學”，但對中國企業極其復雜的文檔格式——尤其是那些充滿行業壁壘的非標準文檔——缺乏深度理解。而金山辦公憑借38年在文檔領域的底層積淀，對上萬種文檔格式有著解構級的拆解能力。這種對復雜文檔的精準解析與知識化能力，正是金山辦公在AI新賽道上構建的降維打擊。當別的廠商還在卷對話框的交互UI時，金山辦公正在死磕怎么把一份復雜的醫藥不良事件報告里的表格識別準確率做到99%，這種“苦活累活”才是真正拉開差距的護城河。

這種深厚的數據治理能力，直接決定了企業“大腦”是否真的懂業務。金山辦公提出的KAG（知識增強生成）新范式，本質上就是讓AI從單純的“看到文檔”進階到“掌握知識”。它不再是簡單的關鍵詞檢索，而是通過多模態、多結構的知識提取，讓AI理解企業知識間的內在邏輯關聯。

這種技術進階正在真實的生產力場景中產生質變。在上海金融圈，申萬宏源證券依托這套全域知識治理方案，將原本散落在不同系統、格式迥異的精算報告和制度文檔進行了集中上云與結構化解析。這讓財富經理在面對客戶咨詢時，可以通過AI問答替代傳統的人工搜索，平均對客延時縮短了3倍以上，整體知識獲取效率提升了80%。

而在船舶制造這種重工業領域，中船動力正利用這套體系將原本依賴老師傅專家經驗傳承的工藝手冊、研發筆記轉化成可流轉的知識圖譜。供應鏈團隊借此實現了原本極其依賴人工的市場價格分析與政策變動追蹤的自動化，不僅大幅縮短了審查周期，更顯著降低了人為疏漏帶來的風險。即使在規則極其嚴苛的汽車研發領域，聯合汽車電子也通過將數千頁的復雜制度規范喂給AI，讓員工不再需要翻閱厚重的手冊，通過精準的問答即刻獲得業務支撐，確保了制度執行的準確性。

這些真實的業務反饋說明了一個趨勢：AI正從“好玩的工具”變成“好用的員工”。它不再是辦公軟件的一個點綴，而是成為了企業的業務中樞和決策大腦。WPS 365所構建的這種“懂數據、懂組織、懂業務”的能力，實際上是在幫助企業將沉睡的數字資產轉化為活躍的生產力要素。

站在科技產研的角度看，企業級AI的競爭已經進入了下半場。當模型本身逐漸變成像水電一樣的基礎設施，企業對非結構化數據的治理深度，就成了AI落地成敗的唯一變量。

（圖為：金山辦公助理總裁朱熠鍔）

金山辦公的策略非常清晰：與其參與虛無的模型參數大戰，不如死磕“文檔解析”與“知識治理”這兩項基本功。這種“先修內功，再出招”的打法，源于其幾十年在國產化適配和復雜辦公場景中的厚積薄發。正如金山辦公助理總裁朱熠鍔所強調的，讓大模型真正“掌握”企業真正的知識資產，才是WPS 365的核心愿景。

在這個浮躁的、動輒談論顛覆的時代，與其追逐飄在云端的風口，不如像金山辦公這樣，在自己最擅長的領域里把護城河筑得更深、更寬。畢竟，在AI的漫長競賽里，最后能留在桌上的，往往是那些真正理解用戶痛點、并愿意在基礎技術上長期深耕的“長期主義者”。