一位CIO朋友告訴我，他們集團的業務人員用多維表格開發了200多個應用，涵蓋信息登記、資料收集、排班管理，甚至生產執行系統。我當時的第一反應是：這不太可能吧？

但這件事讓我開始重新審視一個問題：多維表格，到底已經進化到了哪一步？

大多數人對它的印象還停留在“Excel旁邊加個聊天框”，幫你寫公式、填數據、畫圖表，AI不過是個聽話的助手。但現實是，這個產品已經悄悄走到了另一個維度。4月22日，我受邀來到武漢，參加金山辦公「WPS AI NEXT」首站媒體溝通會，在現場看到了一手的實測數據，以及來自政務、醫療、教育、制造等行業的真實落地案例。就在同一個月，金山辦公自研的AI表格引擎在全球權威評測SpreadsheetBench中拿下全球第二、中國第一，與谷歌的差距，不到1個百分點。

這一次，中國的表格產品，在全球舞臺上讓人刮目相看了。但這背后，是一個很少被正面討論的問題：為什么舊的表格引擎，在AI時代走不下去了？

一、Agent時代下，傳統表格引擎已經失效

過去十年，表格引擎面對的數據增長是線性的。一個人敲一行，十個人敲十行，算力需求緩慢爬升。產品設計也圍繞人工輸入展開，人的操作節奏有多快，系統就按那個頻率設計。這套邏輯，在人機協作時代完全夠用。

AI Agent時代，徹底打破了這個假設。

一個自動化流程可能在幾秒內觸發幾十萬條數據變更。多個Agent聯動時，可能同時更新數百個關聯字段。數據增長的斜率，從線性變成了指數級。傳統單機全量重算的引擎面對這種沖擊，直接就崩潰了。

但問題不只是速度變慢這么簡單。傳統表格引擎的設計前提，是“人是唯一的操作主體”。每一個寫入動作，背后都有一個人在等待響應；每一次公式觸發，都是人主動發起的。整個架構的節奏，是以人的生理極限為上限設計的，哪怕是最快的鍵盤俠，每秒也不過敲幾個字符。

Agent的出現，把這個前提徹底撕碎了。Agent不需要等待，不會疲勞，也沒有操作間隔。它可以在毫秒內連續發起數百次寫入請求，可以同時以多個角色并行操作同一張表，可以在一個業務流程結束前就已經觸發了下一個流程的數據準備。這種操作密度，是任何傳統引擎在設計時都沒有預料到的場景。

舊架構的崩潰，是因為它根本沒有被設計來應對這種量級。就像一條鄉間小路，設計承載的是自行車和行人，突然被要求通行重型卡車車隊，不是路面質量的問題，是設計假設本身就不成立了。

更可怕的是，數據一致性無法保證。Agent時代，幾十萬個并發的自動化流程，每一個都在以極高頻率讀寫數據。一旦引擎無法在極短時間內完成沖突仲裁，數據就會出現不一致，而在業務場景里，數據不一致的代價，遠比系統變慢嚴重得多。

這里有一個容易被忽視的判斷：AI辦公的競爭焦點，不在于模型本身有多聰明，而在于底層引擎能不能扛住AI帶來的數據壓力。 模型能力可以快速追趕，但引擎架構的差距是系統性的，短期內很難彌補。舊架構不是調參能救活的，需要從底層重新設計。

這也解釋了為什么過去幾年，很多企業在引入AI工具之后，反而遭遇了更多的系統不穩定，因為這個承載AI的底座，從一開始就沒有為這種使用方式做好準備。

這，就是WPS多維表格這次重構的起點。

二、WPS多維表格，人機工作平臺新范式

這次重構的成果，用兩個數字就能說清楚：32毫秒，全球第二。但數字背后的架構邏輯，才是真正值得拆解的部分。

新引擎在百萬行數據規模、千級并發連接的條件下，平均編輯響應耗時低至32毫秒。同類產品在同等環境下，響應速度普遍在數百毫秒級別。32ms和幾百ms，聽起來都很快，但要知道WPS AI國內月活躍用戶已超過8000萬，在萬人協作、實時填報的場景下，這個差距會被放大成截然不同的使用體驗。

與此同時，Qingqiu Agent在SpreadsheetBench榜單的表現，也給了行業一個清晰的參照系。這個榜單專門評測AI在真實表格任務中的能力，包括公式生成、數據分析、自動化操作等維度。Qingqiu Agent以69.96%的得分排名全球第二，與第一名Google的差距不到1個百分點。

32ms和全球第二，這兩個數字不是靠運氣，也不是調優調出來的，它們是底層架構被徹底重寫的結果。底層架構重寫主要包括三個方面：

第一，從單機處理變成分布式并行處理，每個協作用戶分配獨立的計算節點，各自計算，互不干擾，一個節點的計算壓力，不會傳導到其他用戶的響應鏈路上；

第二，從全量重算變成動態計算鏈，過去改一個單元格，可能觸發整張表的重新計算，新引擎能精準識別變更的影響范圍，只重算受影響的部分，無效運算減少九成；

第三，按需計算，用戶訪問什么數據，才計算什么數據，不做預計算，不浪費算力。

這里的關鍵詞是“持續穩定”，不是峰值性能，是無論負載多高都不能出現抖動的基線能力。

架構解決的是“能不能穩定跑”的問題。跑得快、跑得穩，是基礎，但跑向哪里、怎么讓AI真正進入業務流程，才是更難的那道題。

WPS多維表格的設計邏輯跟大多數同類產品不同，它代表的是一種人機工作平臺的新范式——不再把AI當作表格的附加功能，而是將表格底層重新設計為一個可以同時承載人與Agent協同工作的操作系統。在這個新范式下，人負責決策與審核，Agent負責執行與協作，兩者在同一個數據平臺上分工配合、實時聯動，共同驅動業務流轉。

具體來說，每一個AI Agent擁有獨立的知識邊界和業務技能，采購員只看采購數據，質檢員只關注質量指標，它們各自有判斷能力，也能相互通信、協同完成跨角色任務。這不是在表格旁邊加了一個聊天窗口，而是把表格底層重新設計成一個可以同時承載人和Agent協同工作的平臺。

信任機制的建立也是這套設計的核心，AI不直接操作業務數據，而是生成可審核的腳本，由人確認后再精確執行，每一步操作可追溯、可回滾，從機制上規避AI幻覺，保障業務數據可信。

領先的技術架構是必要條件，但不是充分條件。真正的考驗，來自生態能否打開、業務場景能否落地。而這恰恰是WPS多維表格最值得細看的另一面。

三、多維表格驅動千行百業的場景創新

在生態建設方面，WPS多維表格采用開放策略，這是Agent時代的生存智慧和主動選擇。

任何平臺如果被單一生態綁定，就等于把命運交給了別人。WPS多維表格提供了行業唯一的Python/AirScript雙原生運行環境，開放了70多個API接口，支持MCP協議，甚至可以接入其他廠商的Agent平臺。

產研負責人楊鼎說得很直接：“我們不限制說一定要用我們的東西，最后是為了解決用戶實際的問題?！?/p>

多維表格的定位不是替代企業的ERP或CRM，而是做一層連接所有系統的數據底座。你有你的系統，多維表格負責覆蓋那些系統觸達不到的協作斷點和數據孤島。“不替代、只連接”的策略，讓它在企業數字化的復雜生態里找到了一個別人不愿意做、但剛需極強的位置。

金山辦公還將制造、政務、醫療、教育等行業的業務經驗，沉淀為可復用的模板、插件和連接器。業務人員用搭積木的方式就能自主搭建系統，降低對外部定制開發的依賴。這對中小企業來說，意味著數字化的門檻被大幅降低。

開放策略的價值，最終要在真實業務里兌現。來自教育、政務、制造、醫療的案例，給出了比數據更直觀的答案。

在教育領域，吉林財經大學用WPS多維表格完成了萬人級教師崗位競聘審核，AI自動識別證書真偽、提煉摘要，累計處理成果3000余項，并通過數據連接器打通人事系統和業務系統，實現數據閉環。貴州民族大學500人同時在線填報學生信息，全程無卡頓。

在政務場景，黑龍江高速交警將全省高速路況信息接入WPS智能表格，春節期間日瀏覽量最高峰超過80萬次，同時打卡超600萬。交警上報異常后，系統實時更新全路段狀態，AI自動生成公眾號內容推送，信息傳遞效率大幅提升。升級到WPS多維表格后，在場景匹配和業務提效方面得到進一步提升。

牡丹江國資委借助多維表格的數據鏈接能力，將下屬多單位人事數據實時匯聚，數據匯總時間從3天壓縮到2小時，監管看板每半小時更新一次。

在制造業，酷色集團用一張多維表管理全公司業務，300多個字段，50個崗位各自有千人千面的視圖權限。訂單管理、排程（APS）、生產執行（MES）全鏈路打通，員工通過手機掃碼報工，數據實時寫入后臺。這套系統替代了過去分散在多個工具里的流程，也減少了大量跨部門的溝通成本。

呼和浩特第一人民醫院將多維表格與智能表單結合，用于院內值班排班和信息協同，替代了傳統紙質臺賬和人工統計方式，排班效率提升60%，行政溝通成本顯著下降。

這些案例來自不同行業、不同規模、不同場景，但指向同一個結論：多維表格，正在從記錄工具變成業務引擎。

結束語：

這些來自企業一線的實踐，也給決策者提供了一個更清晰的參照。對CIO來說，選擇一個表格工具，真正需要關注的是：底層引擎能不能扛住AI時代的數據壓力、平臺能不能融入已有的業務生態、業務人員能不能真正用起來。這三個問題，WPS多維表格用全球第二的引擎性能、開放的生態策略，和遍布政務、醫療、制造、教育的真實落地，給出了它的答案。

表格這個最古老的數據載體，正在被重新定義。當行業還在給表格“加AI”時，金山辦公選擇了更難的那條路，用表格承載AI與人的協同。方向對了，路就不會白走。這場重新定義表格的戰役，中國團隊已經打響了第一槍。