50万份文档、6万名员工：WPS如何把AI真正送进制造业一线？

智东西 作者 江宇 编辑 漠影 一家船厂手里，压着近50万份研发制造文档；一名船舶设计师要从新手长成能独当一面的专家，往往需要十年以上。 2026年下半年，腾讯WorkBuddy、阿里千问办公、字节豆包工作几乎同时把企业级Agent推到台前。加上长期深耕办公场景的金山办公，国内AI办公“四强”的竞争版图已经基本成形。 但企业级Agent的一大卡点，并不是模型不够聪明——而是它们能不能读得懂这50万份图纸、那200余本规范，以及老师傅脑袋里没写成文字的判断标准。 这正是金山办公带着WPS Comate切入的战场 。在国内AI 办公的竞争版图里，金山办公位列AI办公四强，始终是这一领域绕不开的一极。 做了38年文档的WPS，把企业AI的胜负手押在了一件看似不起眼的事上： 把企业几十年积累的数据、流程和“黑话”，整理成AI真正读得懂的上下文。 发布会过去一个多月后，我们和 金山办公高端制造业总经理于叶舟博士 聊了聊。沿着中船动力、黄埔文冲、奇瑞等真实案例，一条企业级AI更清晰的竞争主线也浮出了水面： 企业AI越往高价值、高难度的业务里走，越绕不开上下文。 一、AI进企业，难题落在数据、成本和安全上 过去两年，企业面对AI时最先问的还是“要不要做”。到了今年，于叶舟接触到的很多制造业客户，问题已经变成了“ 到底在哪里做，能产生多少价值 ”。 变化首先发生在决策层。 过去不少AI项目主要由CIO和IT部门推动，今年一些制造企业已经把AI提到“一号位工程”的高度，董事长、总经理直接下场，有企业成立专门AI团队，也有企业统计内部Token消耗，重新规划算力和软件预算。 于叶舟观察到，这种变化在民营制造企业身上尤其明显：“去年他们已经会有这方面的投入，但真正变成一号位的意志，批大笔预算、设立新的组织架构，甚至开始统计全员Token消耗，基本上是从今年开始。” 决策层越重视，对AI的要求也越具体。 对于一家大型制造企业来说，一套真正进入生产环境的AI体系可能意味着不小的投入。钱花下去之后，老板看的是研发周期能不能缩短、良率能不能提高、重复工作能不能减少，以及最终能不能 算出一笔清楚的ROI 。 于叶舟提到，对于头部制造企业而言，如果真要把AI落到生产环境，投入往往不是一个小数字。尤其在ROI还没有完全确定之前，如何让老板相信这笔钱“打水漂的概率更小”，本身就是甲乙双方共同需要回答的问题。 金山办公副总裁王冬此前也曾提及， 企业做AI首先要寻找“足够有价值、足够有难度”的业务。 而一旦走到这些地方，制造业几十年积累下来的复杂性也会集中暴露。 数据上 ，文档、邮件、会议等非结构化数据，与ERP、CRM、生产系统里的结构化数据长期共存； 系统上 ，不同年代建设的IT系统形成一个个数据孤岛； 安全上 ，半导体、船舶、军工等行业大量研发数据无法离开内网，部分系统甚至采用物理隔离。 这些问题里，于叶舟尤其看重 数据 。“真正在落地过程中，影响最终效果的很大一部分难点，既不在模型，也不在算力，反而在数据。 数据可能占到八成，但前期它往往又是最不起眼、最容易被忽略的东西。 ” 中船动力 就是一个典型例子。这家中国船舶集团旗下核心动力配套企业拥有 近50万份研发制造核心文档 ，覆盖投资规划、设计研发、建造制造、调试实验、交付运营等多个环节，同时还存在多网区、内外网隔离等复杂环境。 除此以外，黄埔文冲的情况则体现了另一种复杂性。船舶设计高度依赖知识积累，设计人员需要面对 200余本技术规范 和 大量专业软件操作经验 ，一名设计师成长到独当一面，往往需要 十年以上 的时间。 这些问题最终都指向同一件事。通用模型可以懂大量世界知识，却不知道某一家企业里的“靠谱业绩”究竟怎么算，某项“良率”应该排除哪些数据，哪套工艺规则才是当前正在执行的版本。 模型能力越来越普及以后，决定AI能不能真正进入生产环境的，越来越 依赖企业自己的上下文 。 数据、规则、权限和经验，这些才是一家公司独有的东西。 二、把几十年的文档和“黑话”，整理成AI读得懂的上下文 上下文从哪里来？对于企业来说，首先绕不开两类资产： 文档和业务数据 。 一家大型企业内部，知识很少整整齐齐地放在一个数据库里。它更常见的形态是Word、PPT、PDF、Excel，是会议纪要、邮件、流程图、思维导图，以及几十年前留下来的各种技术资料。 让AI读这些文档，并没有看上去那么简单。 常见RAG方案会先把文档转成Markdown，再按照固定字数切块。这样做足够快，但图片、表格、页面层级等信息可能在过程中损失，一段原本完整的业务语义也可能被从中间切开。 WPS的处理思路，是尽可能保留文档的原始结构，将图片、表格、段落等不同元素解析出来，再按照章节和语义切分。 于叶舟把文档解析看作非结构化数据进入AI体系的关键一环：“文档解析