翻看各大AI助手的主界面，无论是字节的豆包、腾讯的元宝还是百度的文小言，AI聊天、AI创作、AI搜索已经是必备功能。当然，也有一些开始在知识密集的创作场景中崭露头角，如讯飞公文写作助手专攻公文撰写，腾讯ima主打个人知识库……所有这些似乎都在挑战原有办公软件的地位。 作为从微软Office时代走来的老牌办公软件，金山办公田然认为，AI办公未来如何发展的问题其实也不必想的太过复杂，用户实际上会用行动投票。“用户不是想要炫酷的产物，他们要的是解决实际的问题——我的PPT里的问题，我的表格的问题，我的文字的问题，你把我这个问题解了就好。”田然表示。 面对当下AI办公虎狼环伺的市场环境，虽然金山办公早在2018年就开始布局AI相关功能，但这显然远远不够。在刚刚结束的2025 WAIC上，金山办公正式推出了WPS AI 3.0版本，即原生Office办公智能体“WPS灵犀”。 从研发过程来看，从2023年至2025年，金山办公经历了WPS AI 1.0到3.0的不断调整。1.0时代是文字智能化、表格智能化等的单点融合；2.0时代，将精力聚焦在公司场景，整合公司资源推出“公司大脑”版本。而到了3.0，关键决策点在于打造“三位一体”的协作模式，让用户、AI与软件无缝配合。 这次WPS AI的大版本更新，金山办公在产物层面有了一些更大胆更深层次的思考。田然认为，此次一个主要的考量是打破AI办公的“双天花板”困境，即技术瓶颈和应用场景限制。 传统软件嵌入AI的产物，用户通常是基于明确的功能入口进行操作。这使得其用户需求匹配度受限于用户的原始需求，虽然在文档润色、表格公式生成等典型场景中能借助软件的编辑能力实现较高的内容可编辑性，但难以突破用户最初设定的需求边界，很难给用户带来超出预期的体验。 而自由对话型AI产物，以自然语言单轮或多轮对话为交互方式，需要用户精准表达需求。然而，在实际应用中，用户往往难以清晰准确地表述复杂需求。并且，这类产物生成的内容多是通过HTML或Markdown拼装而成，看似完整，实则内容可编辑性较低，就像生成的PPT文件本质更接近PDF，无法进行真正意义上的编辑。 从市场数据来看，传统软件嵌入AI产物由于其功能的确定性，用户留存率相对稳定，但续费率的提升面临瓶颈。自由对话型AI产物虽然在初期能凭借新颖的交互方式吸引大量用户，但由于存在上述痛点，用户留存率和续费率都不太理想。 “用户用自然语言说不清楚需求，即使助理了解上下文，生成的PPT也需要反复修改；而AI生成的文件看似完整，本质更接近PDF，无法真正编辑。”田然表示。 除了需求表达难和内容不可用这两个问题外，行业还存在一些共性问题。例如，部分AI产物的幻觉率较高，会生成一些与事实不符的内容，影响信息的准确性和可靠性。同时，很多产物对特定工具的依赖较强，缺乏灵活性和通用性，无法满足用户多样化的办公需求。这些问题都严重制约了AI办公产物的进一步发展和应用。 基于上述行业现状，金山办公认为，AI办公的下一步发展方向应该是突破“双天花板”困境，即对WPS AI进行“软件AI化”和“AI软件化”的双向改造。 所谓“双向改造”，一方面是软件为AI设计专有API，赋予AI更多与软件交互的能力；另一方面，AI学会与软件深度交流，利用软件的编辑能力生成可编辑、可操作的内容。正如金山办公助理总裁田然所说：“我们不能完全以软件能力为核心，也不能让AI独立生成不可编辑的内容，必须打碎软件和AI的边界，用各自擅长的能力组合服务用户。” “边聊边改”是灵犀智能体“打碎软件和AI边界”的核心功能，它允许用户在自然对话中实时调整文档，AI则根据反馈迅速优化内容，实现真正的协同编辑，有效解决传统交互方式中需求模糊和内容不可用的痛点。 以装修合同修改为例，用户可以通过与灵犀多轮对话，将口语化的姓名、地址、金额等信息自动补充进合同，还能智能化地将合同中的项目信息按表格形式呈现，并提示合同条款中潜在的风险。在这个过程中，灵犀就像一个专业的助手，根据用户的反馈实时调整内容，确保合同的准确性和规范性。 在PPT大纲调整方面，可以在与灵犀的对话中边聊边修改PPT大纲，还能二次精调模板、单页和版式，实现“所想即所改，所改即所得”。这种交互方式突破了传统“一键生成”PPT落地难的问题，提高了生成PPT的可用性。 田然强调，金山办公上线灵犀智能体，并不是为了向其他大厂一样争夺AI办公的“超级入口”：“如果WPS真的成为一个超级入口的话，这个世界多么的可悲啊，大家没有生活，没有娱乐，只有工作吗？” 他认为，对于入口，未来每个设备如眼镜、耳机、穿戴设备或者是音箱等都会是入口，在一个智能体的时代，人一定会与这些设备进行交互。而AI office则是作为里面的标项而存在，是通用智能的核心能力所在，是超级助理所应具备的基础设施级别的能力。 不过，理想中的通过智能体的AI办公及“人机协同”的工作方式，目前还处于探索阶段，且有很长的路要走。“MCP刚刚开始，A2A看起来很性感但落地过程中很多效果不及预期，但这不能归咎于算力不够或者基建不够，而是软件开发商并没有把底层发动机（大模型）对应的能力真正发挥出来。”田然表示。（本文首发钛媒体APP 作者 |秦聪慧）?
