文档(金鹏): 新增 2026-07-31 文章归档

- 汇总 2026-07-31 微信公众号 20 篇文章正文与摘要
- 金鹏.md 新增当日五大主题板块（AI办公、制造业AI、Agent自进化、OCR/TRIZ、AI治理）
- 配套 6 张主题配图

微信公众平台/WPS_365/2026-07-31_WPS_365_组织级_AI_办公新品发布.md

@@ -0,0 +1,232 @@
+# WPS 365 组织级 AI 办公新品发布
+
+> **来源**：微信公众平台  
+> **作者**：WPS 365  
+> **发布日期**：2026-07-31  
+> **原文链接**：https://mp.weixin.qq.com/s/wD0aOLCrt3fbjaiGCCTEPQ
+
+---
+
+本文为 2026金山办公 AI 生产力大会王冬演讲全文，经过部分书面化修改。
+
+大家好，我是王冬。
+
+去年的发布会，我们旗帜鲜明地提出了一个观点：
+
+"在当时 AI 的能力还不够强，所以企业应该做的第一件事，就是把所有的数据收集起来，给未来的 AI 场景落地提供燃料。"
+
+这两年，我们其实一直在专注地做这件事：把所有的办公数据都收集到一起，将「数据」变成「知识」。
+
+今天，我们已经可以把大家做过的日常文件、报告，收发过的邮件，聊过的天，以及开过的会，把包括以上在内的所有「知识」都灌注到我们的WPS AI Docs 产品里面，实现真正的企业级知识底座。
+
+现在，已经有几十家先锋客户在我们的陪伴下，真正建成了自己的知识底座，实现了知识的真管理、真应用。
+
+在此基础上，这小半年以来，我们的行业内也发生了一个重大的变革。什么变革呢？就是 AI 写代码的能力变强。这件事对办公来说，实际上意味着 AI 可以帮员工端到端地交付各种类型的复杂任务了。
+
+于是，从年初开始，我们陪伴着第一批先锋客户开始了一场极速狂跑。
+
+截止目前，我们探索过的场景已经覆盖了11大领域，26类高价值任务，这包括：研发、制造、营销，财务，法务，人力。
+
+在这个过程中，我们犯了很多错误，吸取了很多教训。所以接下来，我会从教训和痛点的角度来给大家一一分享，我们到底遇到了哪些问题，以及我们是如何解决这些问题的。
+
+第一个最大的拦路虎是成本问题。因为到今天为止，token 依然是一种非常昂贵的资源。
+
+一个企业开始落地 AI 的时候，总会在一个问题上纠结很久：要不要全面地推开 AI？推开以后，这些 token 到底消耗在哪里？到底有没有产生价值？如何评估这个效果？这是所有决策者最最焦虑的问题。
+
+为了解决这个问题，我们设计了一个多角度的管理机制。
+
+首先第一个教训，就是千万不要给所有的任务都使用最好的模型，因为今天最好的模型和普通的模型之间的价格大概差了10倍以上。这是个真实又血淋淋的教训：我们公司在最初全面推广 AI 的时候，因为希望给大家最好的效果，所以给全部员工都配了最好的模型。刚开始大家的热情真的非常高，结果第一天，我们平均每个人就消耗掉了1750块钱，这是非常恐怖的一个成本消耗。
+
+于是我们开始探索，能不能针对不同的任务使用不同的模型，因为有些模型在很多任务上的表现其实是非常好的。
+
+我举个例子：
+
+1. 日常办公任务：比如做一些总结、分析，生成一些 PPT，我们就使用小米的 MIMO 模型，它在这些任务上的性价比是非常高的。
+
+2. 财务安全任务：我们又遇到另外一种情况，比如财务老师对信息安全的要求是最高的。所以，我们就在内网里面专门给财务搭建了一套独立的推理环境，这样所有的信息就不出域。虽然这个做法很贵很贵，但我们认为钱是花在了刀刃上的。
+
+基于这些认知和经验，我们就改进了我们的产品，迭代升级了「WPS AI Hub」，让它可以灵活地为不同的任务配置不同的模型。
+
+在这个逻辑的基础上，我们就在思考，能不能把这些管控策略做得更细一些，基于不同的人、不同的岗位、不同的工作内容，来使用不同的模型、不同的额度，从而设计一个灵活的多维管控体系。你可以为不同的任务、不同的方向配置不同的算力包。
+
+有了算力包机制以后，很多部门提出了一个很实际的问题：因为我们现在的token额度是按周结算的，那本周没有用完的 token 能不能自动滚入到下周继续用？
+
+又比如还有一类常见问题：比如今天有一个部门在赶工，他们需要的算力远远多于月初分配的额度。那我能不能快速地给他们申请一个新的算力包，并方便地走通 OA 审批流程，把算力发放到位？
+
+这个机制我们也把它集成到了「WPS AI Hub」里面，可以实现开箱即用。
+
+最后，我们就要面临最重要的一个问题，AI工具的管理者们，需要关注以下两个问题：
+
+1. 到底哪些人、哪些部门用了多少 token，拿这些 token 在做什么事情？
+
+对这件事必须有一个全面的掌握，我们才能初步评估性价比。
+
+2. 为什么有些部门看起来一个月基本上没怎么用 token ？
+
+这是一个非常重要的问题。这意味着该部门对 AI 的接受和理解还处于非常初级的阶段，在整个公司的 AI 浪潮中掉队了。因此，我们需要派出专人去帮助和协助他们。
+
+这两件事对AI落地都非常重要，而它们也可以在「WPS AI Hub」中进行观察和管理。
+
+这就是「WPS AI Hub」的能力，它可以解决我们在日常费用管控方面绝大多数的问题，让每一个 token 都用在真正值得的地方。
+
+当我们解决了第一个痛点以后，我们马上就要面临第二个痛点。AI想真正地干活，就必须要了解我们这家公司，了解我们这家公司最核心的手段就是通过数据来了解。但是今天我们的数据有没有收集好，我们的AI有没有跟我们的核心数据打通，这就变成了第二个最让人头痛的事情。
+
+今天，通过 「WPS AI Docs」 这个产品，我们已经可以把所有的非结构化数据统一地管理起来，在这件事上我们已经取得了良好的效果。
+
+但是，企业内还有一类非常关键的数据，就是结构化数据。为了帮大家使用好结构化数据，我们定义了一个新的产品，叫「WPS Data Hub」。
+
+这个产品解决一个什么问题呢？其实它非常好理解，我举一个例子：
+
+以某客户为例，我们已经跟他们共同合作了十多年。因为我们从 3 版本一直做到了 7 版本，经历了一个漫长的过程，这导致了一个结果：如果我在系统里输入" 某客户"，它对应的项目可能有大几十个，其中既有历史上积累下来的，也有今天正在跑的。但是，如果我简单地用"某客户"这两个字去查询各种数据，得出的结论是似是而非的。
+
+于是乎，我们就要先做第一件事：把" 某客户"这个关键词真正地定义清楚。
+
+(a) 什么叫做"某客户"？
+
+(b) "某客户"下面关联了多少项目？
+
+(c) 每个项目跟销售的关系是什么？跟研发的关系是什么？
+
+(d) 现在有哪些卡点，有哪些问题？
+
+(e) 它的预算是怎么样的？进展是如何的？
+
+我们需要一一地把这些数据洗干净。只有把这些数据洗干净了，你针对这个问题去提问的话，AI 才能得到正确的结果。
+
+接下来我讲一个场景：我们所有企业的业务部门都会很关注一个问题，就是销售的预测数据。但是，要想真正把销售的预测数据算准，实际上需要很多很多的知识。
+
+以我们公司的真实案例为例，我们会抓取这个季度该部门所有关于项目的看板，包括它的多维表，以及在 CRM、OA、工单系统和研发系统里的信息，综合地去实现对这个项目的判断：它今天到底进展到哪一步？它的卡点是什么？下一步的动作是什么？
+
+基于所有这些信息，AI 会给我们一个非常好的分析和判断，以指导我们的工作。
+
+相信所有企业的业务部门都会有一个核心需求，就是预测当期的业绩。我们怎么把这个业绩算准呢？
+
+我们的做法非常清晰，在我们内部使用的是"一客一档"的方法，我们会把所有关于这个客户的信息全部清洗干净并汇总起来，包括：
+
+1. 关于该客户的文档；
+
+2. 他的多维表；
+
+3. 他在 CRM 系统中的信息；
+
+4. 他在工单系统里的信息；
+
+5. 他在 OA 系统里的信息。
+
+基于这些汇总的数据，我们就可以进行深度的提问了。
+
+正是因为我们的 AI 有比较详细的背景信息，所以它第一步的分析就已经给得非常准了，而且它会主动地帮我们把数据可视化。那么基于这个信息，我们可以继续下钻追问，他会根据他的背景信息进行进一步的判断。
+
+通过这个例子我们就可以看出，今天虽然 AI 变得非常聪明了，但是如果 AI 不懂我们公司没有哪些数据，它在表面上做空洞的分析，实际上是没有太大意义的。
+
+你一旦给它灌注了高价值、高准确度的数据，它能给出的洞见是非常非常有价值的。所以，我们的数据基础一定要打牢。
+
+这就是我们的「WPS Data Hub」。
+
+这个问题解决完了，一个新的问题又浮出水面了。有了这些分析和判断，我能不能开始让 AI 直接帮我执行任务呢？
+
+但是，要想执行任务，就会遇到一个新的"拦路虎"。相信今天绝大多数企业已经建设了大量的内部数字化系统，我们的 AI 如何有效、安全地调用这些系统，就变成了一个新的问题。
+
+于是，我们就设计了一个新的产品，叫「WPS API Hub」。
+
+WPS API Hub 的定位，实际上就是一个企业全局能力的连接器。我们可以比较方便地、比较安全地，把企业内现在所有的能力、所有的接口，用一种统一的方式暴露给我们的 AI 使用。
+
+具体的实现原理有三种连接方式：
+
+1. API 直连模式：
+
+对于一些比较新的系统，如果有比较好的接口治理，我们就可以直接把它对接上来。
+
+2. Skill 拼配模式：
+
+如果现在的 API 接口暴露的能力不足，我们可以用一种 Skill 的方法，把一个多步的任务拼配成一个新的任务，然后暴露给我们的 AI 使用。
+
+3. Lua 脚本抓取模式：
+
+如果系统太过于老旧，基本上没有什么接口，我们会提供一种 Lua 脚本的机制，方便大家把这些老系统中的内容抓取出来。
+
+最终，这三种方式实现了各种系统都能统一连通的效果。
+
+除此之外，因为我们的 WPS API Hub 是依托于WPS 365 的，所以WPS 365 里面所有的文档、表格、通讯录、聊天等能力都会自动集成进去，随时供 AI 使用。
+
+最后还有两件事：
+
+1. 我们希望降低大家的使用成本，所以内置了很多模板，这样大家使用起来就会非常方便。
+
+2. 一个非常关键的话题，就是我们访问各种系统的权限是统一在这里健全管理的。这样就可以跟我们整体的权限系统打通，而不是每一个系统都对接一次。
+
+这就是「WPS API Hub」。
+
+讲到这里，我们已经把遇到的前四大痛点介绍完毕了。用最简洁、最清楚的方式总结：AI 落地要先做好四件事，就是管成本、通知识、通数据、通能力。
+
+接下来就进入真正落地的阶段。但是在这个过程中，我们又发现了一些新的重大问题：
+
+第一个问题，我们现在最常看到的就是企业内的平台开始碎片化了：
+
+(a) A 部门可能自己搭建了自己的"小龙虾"；
+
+(b) B 部门又做了一套"爱马仕"，觉得很好；
+
+(c) C 部门因为自己研发能力很强，基于我们的 open-code 又去二次定制了一套自己的 Agent 平台。
+
+这样的结果就是所有的工作都要重复去做：对接数据、对接接口、管安全，所有的事情都反复反复地做。而且这会带来一个非常大的问题：如果有一个任务涉及多部门，因为这些平台是不统一的，所以这种任务就会非常难拉通。
+
+第二个问题也比较严峻，因为各部门是在自己的部门内使用的，所以A部门可能沉淀了几个系统，沉淀了几个经验，但是怎么复用到B部门去呢？B部门又怎么复用到C部门去呢？如何实现全公司的这样一个知识复利、经验复利的效果，就产生了一个新的部门墙。
+
+于是，我们得出了一个结论：我们认为一个企业最好只建一个统一的大脑，而不能各自为政。
+
+因此，我们就构建了一套新的可以完整覆盖企业 AI 落地的平台，也是我们 WPS 365 家庭的最新成员——「WPS Comate」。
+
+我们第一眼看到它的界面时，可能第一反应就是，它又是一个企业类、龙虾类产品。但是，它跟普通的企业龙虾类产品的区别是什么呢？
+
+首先，我们要解决一线的经验流失问题，所以我们推出了「技能」模块，并着力打造了一个「技能市场」。
+
+我们实现的效果是，组织内所有的人都在同一个「技能市场」上创造、分享、迭代自己的技能，然后把它一键分享给自己的团队以及整个企业，这样就可以快速地让自己的经验汇集于全公司。
+
+在这个过程中，我们发现很快就诞生出了非常多的一线明星，他们创造的一些优质的「技能」在公司内快速地流行开，可以帮大家去做非常多的任务。
+
+我举一个我自己的真实例子。之前遇到客户，我都会先去问我们的售前或者销售，了解这个客户的背景情况是怎么样的，目前有什么样的问题。
+
+后来有一天我再去问的时候，售前同学就直接告诉我有一个「技能」，让我直接去试一下。我用了以后发现这个「技能」非常厉害，它会从我们公司所有的存量文档、存量系统，甚至还会去互联网搜索一下，把这家企业前前后后各种信息从多维度给我汇总出来，生成一个六七页的信息汇总。
+
+像这样的明星技能、明星员工，我们会持续地运营它，推动他不断地迭代，把他这些优秀的经验真正地分享给所有有需要的人。那么这些工作就必须要在一个平台上去完成，不能在多个平台上。
+
+有了这些「技能」还不够，因为我们设想一些更复杂的场景，除了技能以外，它还要连通很多很多的数据，连通很多 API，连通很多很多我们的知识库，才能执行一个复杂任务。对一个 AI 高手来说，这可能不是问什么问题，但是我们还有大量的员工对 AI 的驾驭能力没有这么强。
+
+所以我们就想了一个新的方法：找一些 FDE 的专家，帮我们把所有的能力都搭在一起，给我们配上合适的技能、合适的数据、合适的能力，选合适的模型、合适的任务预制，把这些常见的任务变成"预制菜"，这样就能让每个人都变成专家。
+
+这就是我们的「专家」能力。
+
+我们企业内部的真实专家，每天的使用量非常大。这个专家，实际上给他配置了 15 种能力，包括我们历史上的各种知识、规范和系统。最终，他配出了一个非常完整的、应对各种私有化问题的综合能力。
+
+我们内部相对不是那么资深的运维交付人员，就可以复用运维交付高手的经验，并且使用他的能力。现在把一个故障日志输进去，它就可以从各种历史和各种系统里面，去判断这个故障到底是什么问题、该怎么解、该找谁。这个专家非常的受欢迎。
+
+后来，我们还发现了一个比较大的痛点：今天用此类产品生成应用的成本非常低，但是大家缺乏一个部署这些应用的环境。有些人没办法，就去外面买虚拟机自己绑个域名，这就变得非常不安全。
+
+所以，我们也提供了一个轻量级的「应用」引擎。你做好的「应用」一键就可以发布上去，所有的安全、高可用的事情都交给我们来处理就好了。
+
+那么除了刚才我介绍的这些核心能力以外，我们还为Comate提供了十八般兵刃，覆盖了日常使用中方方面面的能力。我们完整地继承了灵犀专业版的各种能力，这些能力都是开箱即用的。
+
+这就是WPS Comate，它除了提供统一使用产品的平台以外，主要关注点在于如何避免企业AI建设的碎片化，如何加速企业基层AI场景的快速流转与进化。
+
+到这里，我们整体回顾一下：我们的 WPS AI Docs ，加上三个 Hub 和 WPS Comate，今天基本上已经构成了我们整体企业大脑的拼图。基于这个拼图，我们就可以解决绝大多数企业落地中遇到的常见问题和痛点。
+
+最后一个绕不开的话题，就是安全。AI用的越好，安全的问题就越迫切。 所以我们加强并且升级了 WPS 365 的各种安全功能——「WPS 多维安全」。
+
+整体来看，它是由四大部分组成的。首先，它要解决我们人和 Agent 之间的身份权限问题，叫做 「Trust ID」。其次，我们要实现数据的分类分级。我们的理念是：一个数据从创建开始，就已经明确了它是红区还是绿区的数据，是绝密还是机密。那么在后续所有的处理过程中，它都会遵循这个原则去处理，这里叫「Trust Data」。
+
+第三个，「Trust Device」——我们希望整个终端是可信的。它能不能接入这个网络、能不能执行这个任务，会做一个综合的判断。
+
+第四个能力是「Trust AI」。我们会对所有的 AI 行为进行监控。比方说，如果有人做了一个「技能」，但里面有一个危险动作会删除你本地所有的内容，我们就会直接拦截掉这个「技能」。
+
+最后，作为一个总结，到今天为止，通过我们的实践认知，我们总结出了企业 AI 落地必须要做的六件事：
+
+1. 通知识 / 2. 通数据 / 3. 通能力 / 4. 统平台 / 5. 管成本 / 6. 管安全
+
+最后，我们回顾一下我们WPS 365的全貌。我们从最初的文档到后来的协同，帮大家聊好天，开好会，收发好邮件，到今天，我们的企业大脑帮助企业AI落地，做好整个的平台的支撑，到我们对整体安全的控制。
+
+今天的WPS 365已经真正的进化成了一个「一站式AI办公平台」。
+
+基于这个平台，我们提出了一个长期的愿景：WPS 365 的目标，就是帮每一个企业把 AI 首先真正的管好，然后再把它真正地用好。
+
+谢谢大家。

微信公众平台/WPS_365/2026-07-31_WPS_365_组织级_AI_办公新品发布_摘要.md

@@ -0,0 +1,79 @@
+# 📊 文章摘要：WPS 365 组织级 AI 办公新品发布
+
+> **原文**：[2026-07-31_WPS_365_组织级_AI_办公新品发布.md](./2026-07-31_WPS_365_组织级_AI_办公新品发布.md)
+> **原文链接**：https://mp.weixin.qq.com/s/wD0aOLCrt3fbjaiGCCTEPQ
+> **来源**：微信公众平台
+> **作者**：WPS 365
+> **发布日期**：2026-07-31
+> **摘要日期**：2026-07-31
+> **价值评级**：⭐⭐⭐ 高
+
+---
+
+## 核心命题
+
+> **企业AI落地** — 金山办公副总裁王冬基于内部实践与客户共创，系统总结企业AI落地必须解决的六个核心问题：通知识、通数据、通能力、统平台、管成本、管安全。
+
+---
+
+## 文章概要
+
+本文是2026金山办公AI生产力大会上王冬的演讲全文。与一般产品发布会不同，演讲以"教训和痛点"为主线，分享了过去半年在11大领域、26类高价值任务中踩过的坑和解决方案。文章的核心贡献在于：将企业AI落地从"要不要用AI"的讨论，推进到"如何系统性地让AI真正落地"的操作层面，提出了"三通两管一平"的框架和WPS 365产品矩阵。局限在于：案例主要来自金山办公自身和早期客户，框架的普适性仍需更多行业验证。
+
+---
+
+## 关键要点
+
+1. **Token成本管控是AI落地的第一道坎** — 金山办公全员推广时人均日消耗1750元，教训是"不能给所有任务都用最好的模型"。解法：按任务/人/岗位配置不同模型和Token额度。`[分类: 共识]`
+2. **结构化数据清洗是AI准确性的前提** — 以"一客一档"方法将客户相关的文档、多维表、CRM、工单、OA数据全部清洗汇总，AI才能给出有价值的洞见。`[分类: 共识]`
+3. **三种系统连接方式覆盖新老系统** — WPS API Hub通过API直连、Skill拼配、Lua脚本抓取三种模式，解决AI调用企业内部系统的难题。`[分类: 范式突破]`
+4. **企业需建设"统一大脑"而非各自为政** — 部门各自搭建Agent平台导致重复建设和经验无法复用，WPS Comate作为统一平台解决碎片化问题。`[分类: 争议]`
+5. **技能市场实现组织经验复利** — 6000人公司一个月自发上传5000个Skill，一线明星员工的经验通过Skill快速在全公司流转。`[分类: 范式突破]`
+6. **四维安全体系** — Trust ID（身份）、Trust Data（数据分级）、Trust Device（终端可信）、Trust AI（行为监控）构成安全闭环。`[分类: 共识]`
+
+---
+
+## 批判性分析
+
+### 假设前提
+
+文章假设企业在推进AI落地时已具备基本的数字化基础（文档云端化、OA系统等）。对于数字化基础薄弱的企业，WPS 365的"企业大脑"能否直接适用存疑。
+
+### 论据与逻辑
+
+论据较为扎实：有具体成本数据（人均日耗1750元）、有内部实践案例（5000个Skill）、有客户场景描述（销售预测、运维故障诊断）。逻辑链条从"遇到问题→找到解法→产品化"清晰完整。但客户数据多为定性描述，缺乏定量效果对比。
+
+### 边界与局限
+
+- 框架基于金山办公自有产品体系，是否适用于非WPS生态的企业尚未验证
+- 主要面向中大型组织，对小微企业的适用性未展开讨论
+- "专家"和"预制菜"模式的实际效果依赖组织投入程度
+
+---
+
+## 可引用金句
+
+> "千万不要给所有的任务都使用最好的模型，因为今天最好的模型和普通的模型之间的价格大概差了10倍以上。"
+
+> "一个企业最好只建一个统一的大脑，而不能各自为政。"
+
+> "AI落地要先做好四件事，就是管成本、通知识、通数据、通能力。"
+
+---
+
+## 总体评价
+
+**亮点**：
+- 以"教训驱动"的叙事方式比一般产品发布更有说服力
+- 具体成本数据（1750元/人/天）有冲击力，直接回应了企业决策者的核心焦虑
+- "三通两管一平"框架简洁可记忆，易于传播
+- 从成本→数据→能力→平台→安全的递进逻辑清晰
+
+**不足**：
+- 产品宣传色彩较浓，缺少独立第三方验证
+- 对非WPS生态的兼容性未做深入说明
+- 部分概念（如"预制菜""企业大脑"）的边界不够清晰
+
+**适用场景**：正在推进AI落地的中大型企业管理者、CIO/CDO、数字化负责人
+
+**关联建议**：可结合阅读倪叔《在AI办公这一块，WPS Comate凭什么敢说"我懂企业"》获取第三方视角验证