"办公软件，正成为Ai竞争最关键的数据枢纽。"
作者 | 此间少年
编辑 | 卢旭成
2026年，AI应用迎来全面爆发：从年初的“龙虾热”到各类AI Agent和AI Skills的兴起，各行各业都在加速拥抱AI技术。
3月，国务院印发《关于深入实施“人工智能+”行动的意见》，首次在国家战略层面明确提出培育智能原生新模式、新业态，释放出关键信号：AI不仅是提升效率的工具，正逐步成为重构产业底层逻辑的核心驱动力。
然而，AI应用的爆发，并不意味着每一家企业都能真正吃到红利。随着DeepSeek等模型推动大模型能力的“平民化”，AI能力逐渐变得像通用工具一样，行业竞争也从单纯的“参数竞争”转向“谁能将模型有效应用到具体业务场景中”。
而决定这些能力能否真正落地的，不仅是模型本身，更是背后有没有高质量、可调用、可治理的数据。权威高校学术机构发布的《“人工智能+”行业发展蓝皮书》，引用德勤2025年技术价值调研数据显示：优先投资数据基础设施的企业市值增长达65%，显著高于直接投资AI应用的企业（43%）。也就是说，同样是拥抱AI，优先补齐数据底座的企业，更具长期增长潜力。
这一差异，在企业实践中尤为明显。一方面，具身智能机器人已纷纷进入生产线，带来毫秒级响应和毫米级精度；另一方面，办公桌上的员工仍依赖传统的手工方式写标书、改合同、发邮件，反复核对数据，效率提升乏力。
蓝皮书同样指出，制造业AI渗透率一年内从9.6%跃升至47.5%，而办公环节却是企业数字化最薄弱的一环。与此同时，德勤、中金、天风等头部机构的研究报告指向同一个判断——数据才是AI时代企业唯一可持续的护城河，而办公软件承载着企业80%以上的非结构化数据，天然占据数据治理的核心枢纽位置。
这种差异背后，反映出一个清晰的趋势：企业AI竞争的核心正在从“谁的模型更强”转向“谁拥有更厚的数据底座”。值得追问的是，为何高质量的数据资产，会成为企业AI竞争中更稀缺的战略资源？办公软件，又为何升级为AI时代企业最关键的数据枢纽？其价值为何又最值得被重新评估？
模型“平民化”，高质量数据正重新定义AI竞争门槛
“AI大模型的底层算法逻辑，是当前TOB端智能化使用断层的原因之一。”来自杭州的AI算法工程师曹阳（化名）说道。
在他看来，AI大模型本质上就是“猜字游戏”——学习数据中词语与句子的关联规律，再凭借概率去推测下一段内容。对规律明确、样本充分、答案相对稳定的任务，大模型更容易从数据中摸索出可复用模式，这也决定了大模型更擅长处理这类标准化、重复性的工作和内容。比如，电商场景中的售前咨询、商品详情页制作等。
然而，这种算法逻辑本身也存在明显短板。大模型的实际表现依赖其训练数据的质量和多样性。如果训练数据的范围过于狭窄，或者数据质量不高，模型就会表现得不够准确，甚至出现数据幻觉，也就是我们常说的“答非所问”或者生成错误内容的问题。
更关键的是，当前大模型本身还存在缩放定律，即便投入更多资源用于训练，模型能力也不会呈现指数级增长，甚至可能因使用被污染的训练数据，导致模型能力下滑。“就像饿的时候，吃第一个包子最顶饿，但连续吃四五个，反而会觉得撑。大模型训练也是这个道理，继续投入资源当然有用，但想靠无限堆资源换来同等幅度的能力提升，只会越来越难。”曹阳举例道。
这种算法机制的局限性意味着，真正决定AI应用能否落地的，是企业能否为模型提供高质量、可持续更新、并能被调用的数据，数据基础设施的重要性被进一步放大。只有构建一套能够高效流转和治理数据的平台，让AI获取到足够准确、符合行业需求的数据，模型才可能在具体业务中真正发挥作用。
“想要解决这种矛盾，厂商需要从‘追求参数更大、模型更强’，转向后训练、推理效率、系统协同和规模化落地。”曹阳表示，“当前企业场景真正稀缺的，是高质量的数据、长期沉淀的业务知识，以及一套能被模型调用、被企业管理，且真正落地到业务层面的数据环境。”
从效率工具到数据枢纽：办公软件的角色重构
当AI竞争从模型能力转向具体业务场景，办公软件的价值需要被重新评估——企业真正用于支撑AI落地的数据，并不只存在于ERP、CRM等系统里，更大量地沉淀在日常办公过程中。
“那天我调了我们企业最近五年办公软件里保存的文档，发现很多问题：原材料涨价不只是天气的事，是部分供应商故意抬价；产品卖不动也不是淡旺季，是有的销售经理偷懒了；还有些渠道，我以为账期短，没想到动辄就半年。以前这些文档就只是被保存，压根没挖过背后的价值。”来自河南省某家食品企业的负责人杜峰（化名）表示。
如杜峰所言，若AI能将办公软件里分散却真正有价值的信息重新组织、检索并调用，将直接决定AI模型能否真正走进企业经营现场。
它早已不只是提升效率的工具，而是企业非结构化数据产生、流转与沉淀最密集的入口。
以金山办公为例，WPS 365并非简单地将AI能力叠加到文档上，而是重新串联起企业内部的文档、协作流程与知识资产，让原本分散在不同文件、不同部门中的信息，逐步转化为可检索、可追溯、可调用的企业知识。
这也是AI-Native在办公场景中的意义：金山办公WPS灵犀采用“左侧Office、右侧灵犀”的同屏交互模式，本质上是将AI从辅助功能前移为核心办公入口。用户不再是打开文档后手动编辑，而是可以通过自然语言直接发起写作、修改、总结、分析与生成操作，让文档、表格、演示文稿等办公内容的生产方式得到重新梳理与优化。
当真正实现AI原生，让AI成为产品运行与用户交互的核心能力时，办公软件的价值也迎来三层重构：在数据沉淀层，每一份文档、每一次协作、每一个审批流程，都会在WPS 365中留下结构化的数据痕迹；在知识沉淀层，AI自动提取文档关键信息、构建企业知识图谱，让“沉睡的文档”转化为“可检索的知识”；在智能决策层，企业可基于历史数据训练专属模型，实现智能推荐、风险预警与流程优化。
这种价值的提升，在金山办公合作的各类企业、不同场景中，已得到充分验证。从华润数科将千万级私域文档升级为智能文档库，到中船动力实现近50万份核心文档的全链路安全管控；从华为将招标书解析时间从5小时缩短至20分钟，到申万宏源将知识获取效率提升80%；从奇瑞将故障查询时间从10分钟压缩至1分钟，到山钢集团将开发周期从4个月缩短至1周，这些实践均彰显了办公软件升级后的核心价值。
这些场景看似分散，却传递出同一个核心逻辑：相较单点AI工具仅能解决某一具体任务的效率问题，办公平台连接的是企业日常运转中最基础的信息流，能够重新激活企业长期积累的数据资产，进而为企业带来真正的降本增效价值。
也就是说，AI真正进入企业经营现场，并非依靠一个外部模型就能单独完成，而是要依赖企业内部数据的持续沉淀、治理与调用。谁越接近这些数据的生成现场，谁就越有机会成为企业智能化转型的核心底座。而办公软件，恰恰就是这个“现场”。
数据基础设施之上，企业AI如何真正落地？
“不是我们不想接入AI模型，而是接入成本实在太高，我们这种中小型企业扛不住。更重要的是，要是员工工资、供应商报价这些关键敏感数据泄露了，肯定会给企业带来大损失。”杜峰表示。
杜峰的担忧并非个例，当前安全合规与AI落地实用性之间的矛盾日益突出。高盛调研数据显示，尽管大型企业在加速AI应用，但整体采用率依然偏低。数据安全问题，正成为制约AI在B端市场渗透的重要因素。德勤同样表示，60%的机构认为数据隐私和安全是AI自动化面临的主要障碍。
图源：高盛
图源：德勤
而金山办公则凭借三大核心优势，破解B端用户的痛点：一是深度服务经验，已服务97家央企、127家头部金融企业；二是庞大的用户基础，WPS Office移动版月活跃设备数达3.53亿，稳居办公商务类APP榜首，精准洞察移动办公用户需求；三是强大的技术研发实力，为AI落地提供坚实支撑。公开数据显示，金山办公研发投入占比超35%，研发人员占比达65%。
以轻舟AI为例，其通过私有化部署和垂直场景路线，为企业提供全链路可控的AI解决方案。轻舟AI采用白盒设计，实现全流程可控；支持AI效果数据化评估，企业可自主调整业务参数、优化提示词，将内部数据转化为AI可直接调用的知识，让AI真正理解业务、执行办公任务。在安全治理上，轻舟AI从数据不出域、操作全留痕、内容可审核到权限可管控，构建了完整的安全闭环。
图源：金山办公
更重要的是，轻舟AI的技术突破解决了传统方案的资源浪费问题，大幅降低了企业AI落地门槛。WPS 365轻舟AI研发负责人黄伟杰表示：“传统私有化AI方案需要10台服务器、8张高端显卡才能完成POC验证，而轻舟AI仅需1台普通CPU服务器即可实现，资源占用减少超95%。”
目前，轻舟AI已有数十家大型客户处于投产或POC阶段，涵盖工商银行、华为、华润、vivo、上海机场、美的等知名企业。其中一家头部科技企业将轻舟AI应用于法务评审，面对评审类型超400种、业务规则超2万条的复杂挑战，将人工邮件评审升级为线上智能评审，AI可智能定位风险项，单份文档评审耗时从140分钟缩短至40分钟，效率提升超3倍。
从行业角度看，轻舟AI解决的是企业AI落地中最核心的三个约束：成本、安全与数据可用性，这不仅为其未来在金融、政务、法律、医疗等强监管行业落地的动力，更为企业数据治理和智能决策提供了全新视角。
当AI竞争进入下半场后，真正稀缺的不是模型入口，而是企业内部可被治理、可被调用、可持续沉淀的数据资产。办公软件的价值，也正在从“提升效率”转向“激活数据”。这正是金山办公被重新评估的关键。