AI下半场，谁在定义大模型的“成败线”？

“模型迭代越来越快，企业与其在模型上比拼，不如把数据这个‘护城河’筑得更深更宽。”在近日举办的WPS 365 AI协同办公上海峰会上，中金公司分析师于钟海的这番话，撕开了当前企业级AI落地的最后一块遮羞布。

当全世界还在为模型参数的跃迁而惊叹，甚至陷入某种“模型迷信”时，中国企业的数字化转型现场却呈现出另一种冷峻的现实：无数斥巨资引入的大模型，在面对企业内部那些“沉睡”的合同、设计图纸、工艺手册时，往往陷入“演示惊艳、落地挂瞎”的窘境。这种技术热度与业务实效之间的严重错位，正将企业级AI推向一个关键的十字路口。本次峰会释放出的信号极其明确：企业级AI办公的竞争，已经正式告别“比拼模型智商”的幻象，进入了以“高质量数据治理能力”为核心的硬核阶段。

消失的“上下文”，ToB AI的致命硬伤

今天大部分AI应用最大的问题，不在于模型不够聪明，而在于它们没有足够的“上下文”。在通用场景下，大模型可以凭借互联网的海量数据对答如流；但在严肃的B端业务现场，如果AI不了解企业的历史合同条款、不熟悉特定的工艺流程、不掌握内部的审批逻辑，它就只是一个“博学但无用”的局外人。

于钟海分享的一组数据揭露了模型侧竞赛的残酷：顶尖实验室的模型更新周期已缩短至数月，而企业对特定模型的用户留存率，在12个月后往往会大幅下降。这意味着，模型本身正在迅速变成一种“平民化”的基础设施。当算力与模型不再是稀缺资源，企业的核心竞争力究竟在哪？

答案回归到了最原始、也最难啃的骨头——那些散落在企业各处、格式不一、质量参差的非结构化数据 。如果把AI比作一台顶级的赛车引擎，那么企业多年积累的文档资产就是燃料。现在的尴尬在于，引擎已经造好了，但燃料里全是无法直接利用的沙砾。金山办公副总裁吴庆云在峰会上直言，建设企业级AI的首要任务，是完成对企业非结构化数据的收集和治理。这种认知的转向，标志着AI竞争正加速从“以模型为中心”转向“以数据为中心”。

被低估的“解析之墙”，技术积淀的暴力拆解

要为AI提供精准的上下文，首先要跨越那道难以逾越的“解析之墙”。在真实的办公场景中，企业文档绝不是整齐划一的排版。它可能是格式极其复杂的医药临床报告，可能是充满了黑话和手写批注的技术手册，也可能是跨页合并的巨型表格。这些无法被模型直接读取的文档，构成了AI落地的“最后一公里”障碍。

华中科技大学教授刘禹良指出，国际通用大模型由于缺乏对文字感知的细粒度优化，在面对复杂的OCR任务时，准确率往往不足60%。在这种精度下，所谓的“上下文”充满了噪音，AI的输出自然也就成了盲人摸象。在非结构化文档治理上，Scaling Law（规模化法则）并不是万能的。刘禹良教授的研究发现，如果只是单纯提升参数量，在一些文档解析任务上，性能不但不会提升，甚至可能导致推理效率大幅下降。

这正是金山办公在此次竞赛中构建的核心壁垒。依托深耕文档领域38年的技术积淀，金山办公与华中大联合研发的MonkeyOCR模型，在只有3B参数的规模下，斩获中英文文档解析任务的最佳性能；其最新版本甚至在国际权威榜单上超越了国外主流的大模型。这种高精度的解析能力，直接决定了企业数据资产的质量上限。能否精准解析一份充满复杂表格和跨页图表的技术手册，直接决定了后续AI应用的天花板。

从RAG到KAG，企业大脑的逻辑重构

在技术范式的进化上，金山办公提出了一个极具穿透力的变化：从传统的RAG（检索增强生成）进化到KAG（知识增强生成） 。

别小看这一个字母的变化。传统的RAG只是让大模型“看到”了文档片段，本质上是一个高级的语义搜索，容易产生“AI幻觉”。而KAG则是通过知识图谱和多模态治理，让大模型真正“掌握”企业知识的内在逻辑与关联。金山办公CEO章庆元认为，在AI时代，协同办公软件会变成“知识的容器”和“数字员工的载体”，而帮助企业构建独有的“企业大脑”正是WPS 365的愿景。

这种范式的跃迁，意味着AI办公正在从简单的内容生成工具，向理解组织目标、人员架构和业务场景的“中枢”转变。升级后的WPS 365“企业大脑”，本质上是一套为AI喂养高质量上下文的全链路系统：它先通过一体化平台将散落的数据归拢，再利用解析能力激活沉睡的非结构化资产，最后将治理后的知识嵌入办公流、业务流与决策流中。这种对知识的系统化运营和治理，是企业从数字化迈向智能化的关键基石。

在业务现场，重塑生产力的确定性

本次上海峰会最具说服力的地方，在于金山办公展示了已经在华东地区组织级客户中率先落地的“成绩单”。延锋国际、东方航空、中船动力等龙头企业的选择，印证了“数据治理制胜”并非空谈。

在券商龙头申万宏源，依托智能文档库实现的结构化解析，让业务人员的知识获取效率提升了80%，办公效率整体提升10%。当财富经理面对客户咨询时，AI能够迅速调用精准的内部上下文，将平均对客延时缩短了3倍以上。在医药行业，WPS 365的“零样本抽取”功能可精准识别严重不良事件报告中的复杂表格，测试准确率高达99%。

中船动力的案例则更具工业厚度。作为船舶设计领军者，中船动力利用AI构建知识图谱，系统化沉淀专家经验，让原本依赖人工的市场价格分析、政策追踪等复杂流程实现自动化。研发笔记、试验数据等知识资产在AI赋能下实现了高效流转，大幅缩短了船用主机项目的研发进程。这些案例揭示了一个残酷的真相：AI办公的终极价值，不在于能写几段漂亮的公文，而在于它能否在复杂的业务逻辑中提供确定性的支持。

终局之战，规则改写者与追随者

“数据可能是企业唯一可持续的AI护城河。”这句话在2026年的商业环境下显得尤为振聋发聩。

当大模型的光环逐渐消退，竞争回归业务现场，我们发现真正的领先者早已不再空谈模型参数，而是在死磕如何理解业务中的每一个复杂文档。金山办公凭借其“懂数据、懂组织、懂业务”的布局，正在改写企业级AI的行业规则。

这场竞赛没有终点。随着非结构化数据治理成为大趋势，谁能把企业深处那些沉睡的隐性知识，转化为AI可理解、可调用的显性资产，谁就握住了通往智能时代的通行证。在AI落地的漫长航程中，模型是风，而高质量的数据治理能力是舵。唯有那些能稳稳把舵的企业，才能在那场由数据激活的生产力革新中，抵达真正的彼岸。