金山办公在合作、服务、供给端的AI探索

　　导读：金山办公副总裁、研发中台事业部总经理姚冬日前接受《半月谈》关于AI产业如何加快形成新质生产力的主题调研访谈，以WPS的AI创新为出发点，谈到了围绕新质生产力，作为办公AI产业领域代表的金山办公，在合作、服务、供给端如何发力，为什么有定力，要怎么蓄力。

　　根据中共中央、国务院印发的《数字中国建设整体布局规划》，2025年要基本形成横向打通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展，数字经济战略地位不断提升。

　　金山办公(SH：688111)和华为鸿蒙近日达成的合作，正在成为中国企业将规划进行市场化落地的一部分。6月21日至23日，在2024华为开发者大会上，WPS 鸿蒙版正式亮相。在亮相之前，WPS完成了大量的基础设施工作，其中包括：超过4000万代码进行跨平台移植;跨平台的交互界面兼容;在移植代码的同时，推动第三方跨平台基础设施的建设。

　　金山办公副总裁、研发中台事业部总经理姚冬日前接受《半月谈》关于AI产业如何加快形成新质生产力的主题调研访谈，以WPS的此次创新为出发点，谈到了围绕新质生产力，作为办公AI产业领域代表的金山办公，在合作、服务、供给端如何发力，为什么有定力，要怎么蓄力。

　　姚冬在2024华为开发者大会现场

　　合作端：合力探索办公新质生产力

　　更积极地合作，是现在许多中国企业在新质生产力领域，合力探索的关键词。

　　从规模上来看，金山办公和华为鸿蒙的此次基于WPS鸿蒙版的合作，相当于做了一次大体量的基础设施建设。从实现速度上看，姚冬表示，“如果从拿到第一台鸿蒙设备样机那天算起，整个过程历时八个月。”

　　他认为这项合作的实现难度在于，面对鸿蒙这个全新的操作系统，合作过程相当于把软件重新编写一遍。令人欣喜的是，双方的目标，放在国家层面、行业发展层面、企业对市场的预期层面来讲，都高度一致。用姚冬的话说，“鸿蒙团队到金山办公驻场，有时候下班比我们还晚。”

　　合力换来了成果。目前，WPS鸿蒙原生应用已在全端流畅运行，WPS AI也在多端同步上线，数十项AI功能都迁移到了HarmonyOS NEXT。

　　WPS鸿蒙版，新增跨端调用、跨屏协同、墨迹批注等功能

　　这是新质生产力在办公领域的切实落地，而要发力实现这个和新质生产力有关的目标，姚冬认为，需要实打实的工程能力，久久为功作为支撑。

　　事实上，金山办公多次参与国家重大科技专项的“核高基”课题(核心电子器件、高端通用芯片及基础软件产品)项目。从2017年开始，姚冬在公司内牵头成立AI团队，部分现在的AI创新，也和工程能力的历史积累密不可分。

　　姚冬认为，可以把AI分成三段链条：算法、模型、产品(服务)。从算法到模型，如何做分布式计算、搭建万卡集群等，大部分都是工程问题;再从模型到产品(服务)，比如做推理框架、负载均衡、交互体验界面等，也要靠工程来实现。

　　他说，在整个AI链条当中，从核心的科学算法到最后用户能体验到的产品(服务)，大部分是靠工程、研发，这个问题解决不好，算法只能停留在论文阶段。

　　金山办公发布的2023年年报显示，报告期内，公司研发人员共计3087人，占总员工数比例约68%。其中研发投入14.72亿元，同比增长10.60%，研发费用率约32%。

　　这些都是金山办公在AI创新时的定力。

　　服务端：对政企用户效能的实际提升

　　在离政企用户最近的办公场景当中，现在AI实际能发挥的效应有多大?这也是本次调研访谈的重点之一。

　　据了解，经过36年的发展，金山办公的WPS 365服务的政企用户已达1.7万。其中包括华润数科、蒙牛集团、通威股份等，行业覆盖零售批发、服务、制造、建筑、运输、教育、住宿餐饮、软件与信息技术服务等。

　　AI协同进入办公场景，对企业较为明显的效能提升，是通过激活企业沉淀的数字资产，使历史数据发挥效应。

　　仅举一个例子，姚冬做了这样一个简单计算：以一家千人规模的企业为例，假设一天产生约500篇文档，一年的文档量约18万篇，十年就接近180万篇。这些文档沉淀下来，就是企业的数字资产。

　　他认为，过去的文档存储解决的是“存放”的问题。但简单的关键词搜索其实效率很低，比如有的文档通篇没有“简历”两个字，但确实是一份简历;有文档文件但找不到所需要的内容，和文档丢失其实不存在本质区别。AI的导入，可以开始做到像人一样去阅读，用自然语义识别等手段，开发“企业大脑”去帮助解决这个问题，进而进行归纳、分析的进一步辅助工作。

　　2024华为开发者大会现场，姚冬展示产品战略

　　目前，金山办公聚焦三个方向的产品体验，内容创作(AIGC)、智慧助理(Copilot)知识洞察(Insight)，在这个基础上形成产品服务。

　　据了解，利用AI的能力改造产品，这也将是金山办公未来几年最核心的战略，全力推进办公新质生产力落地。

　　供给端：如何让中文AI发展更长远

　　从中长期发展来考虑，中文AI要想加快形成新质生产力，已经面临的挑战和机会是什么?

　　以最新的一次AI“大考”来看，综合媒体信息显示，用国产大模型做高考卷，出现了“偏科”的现象，比如文科强、理科弱。但关于文科，阅卷老师表示，多数模型无法理解“本体”“喻体”“暗喻”等语文概念，写作文不像写作文，更像问答题。

　　谈到提升中文AI的水平，姚冬认为，加大在供给端的投入，释放更多高质量的中文语料用于模型训练，使中文AI更准确，这样有助于行业的持续创新，也对提升中文AI的全球影响力有深远影响。

　　姚冬解释到，模型训练需要语料供应(语料简单理解就是用于训练人工智能的文本库或数据集合，所形成的语料库是AI训练的基础资源——编者注)。现在全球范围内，随着算力规模的快速提升，用于模型训练的语料资源有短缺的趋势。从中国来看，中文AI再往前走，可能遇到的挑战，是高质量的中文语料供给缺乏。

　　中文AI的水库里需要蓄力，持续加水。

　　综合媒体报道信息称，据国际数据公司(IDC)预测，中国数据量规模将从2022年的23.88ZB增长至2027年的76.6ZB，年均增长速度CAGR达到26.3%。但目前中文优质数据仍然稀缺，如ChatGPT训练数据里，中文资料比重不足千分之一。

　　许多高质量的中文语料没有进入交易环节，也就不会用于中文AI的模型训练，因此，依托于中文AI的产品(服务)也就会遇到发展受限的瓶颈。这是中文AI加快形成新质生产力的现实挑战，也是创新数据要素交易模式，促进数据要素和实体经济深度融合的机会。