AI时代的败家行为：守着金山要饭，却在外面高价买水

与其在云端追逐虚无缥缈的神迹，不如低头看看自己脚下的烂泥。

这句话，最适合送给当下那些深陷AI焦虑的企业老板们。

过去两年，中国企业经历了一场人类历史上最狂热的技术崇拜。从算力中心到万亿参数模型，老板们豪掷千金，仿佛只要买到最新版本的AI，公司就能自动进化成智能体。

但到了2026年的今天，上海龙台路的一场峰会，却像一盆冰水，淋在了这些狂热者的头上。中金公司研究部执行总经理、计算机行业首席分析师于钟海在台上讲了一句极具穿透力的话：模型正在基础设施化，变成像自来水一样的廉价物资。真正决定企业生死的，是你对自己那些“烂文档”的治理高度。

这个观点背后，是一个被大多数人忽视的商业常识：如果你的燃料是煤渣，就算你买了一台顶级超跑引擎，它也只会趴窝。

一、 AI税的真相：为什么你总是在交学费？

现在的企业AI落地，正陷入一个怪圈。

你买了一个顶级模型，期待它能帮你写合同、审报表、搞经营分析。结果呢？它写出来的东西虽然看起来字正腔圆，但只要涉及到具体的业务细节，就开始一本正经地胡说八道。

老板们很生气，觉得模型不够聪明，于是继续加钱升级。

这种行为本质上是在交AI税。于钟海在峰会上分享了一个极其冷酷的事实：模型的更新周期已经缩短到了月甚至周，任何试图绑定某个特定模型建立优势的行为，保鲜期都短得离谱。

真正导致AI蠢的原因，不在于它的大脑，而在于你的家底。

绝大多数企业，其几十年的积累都沉睡在那些乱七八糟的非结构化数据里。一份飞机维修手册、一叠中英混杂的财务对账单、一段满是黑话的会议记录……这些东西，通用大模型根本读不懂。

如果你不能把这些资产转化为AI能理解的知识，你就在永远为别人的算法买单，却永远无法建立自己的护城河。

二、 从RAG到KAG：这是一场关于“知识主权”的自救

现在业界都在谈RAG（检索增强生成），听起来很高大上，其实本质就是让AI“翻书”。

但金山办公助理总裁朱熠锷在现场撕开了这层遮羞布：传统的翻书方式（RAG）太粗糙了。员工问“空调不制冷怎么办”，系统给你找出一堆“空调销售话术”，因为它们语义相似。这种AI，不仅不提升效率，反而是在制造垃圾。

这就是为什么金山办公这次在上海大力推广KAG（知识增强生成）。

一字之差，谬以千里。KAG不是简单的搜索，它是要把企业里那些碎片化的文档，织成一张逻辑严密的知识图谱。

这里有一个核心断言：企业级AI办公的竞争重心，已经从“模型能力”转向“优质数据治理能力”。 这意味着，未来一个组织的战斗力，不取决于你接入了什么模型，而取决于你对非结构化数据的炼金术。

如果你能把一份几百页、全是复杂表格和手写批注的说明书，瞬间变成AI可以逻辑推理的知识点，那你就赢了。如果不能，你即便接入了GPT-10，它也只是个昂贵的摆设。

三、 38年的“冷板凳”：为什么是金山办公在定义标准？

很多人不理解，为什么华中科技大学的刘禹良教授会说，金山办公主导的Monkey OCR模型，在文档解析上能超越GPT-4o、Gemini这些国际巨无霸？

道理很简单：大厂在练通才，金山办公在搞微雕。

文档解析这件事，是AI时代最苦、最累、最容易被忽视的底层工作。通用模型靠的是公网数据的暴力计算，但一旦进入到专业的、高精度的文档场景（比如医疗报表、金融精算、工业图纸），这种暴力计算就失灵了。

金山办公干了38年的文档处理。这38年里，他们研究过世界上每一种奇葩的排版，处理过每一张反人类的表格。这种对文档底层逻辑的理解，是写在DNA里的。

刘禹良教授给出了一个专业评价：在复杂文档治理上， Scaling Law不是万能的。单纯堆参数，性能不仅不会提升，推理效率反而会暴跌。

在医药行业，WPS 365对复杂表格的抽取准确率达到了惊人的99%。这背后的商业账很好算：原本需要医学博士埋头苦干一个月的核对工作，现在AI一周搞定。这节省的不是电费，是人类文明最高端劳动力的时间成本。

四、 上海案例的启示：当巨头开始“盘库”

上海，作为中国商业最敏锐的前哨站，这里的龙头企业已经开始集体盘库了。

延锋国际IT总监丘川在现场的话很实在。他们有5万多名员工，以前最头疼的就是人走政息。老员工一离职，几十年的业务经验就随之消失。

切换到WPS 365后，他们不仅是换了个办公软件，而是完成了一次组织记忆的数字化。协作效率提升25%，知识管理效率提升40%。这背后，其实就是把过去那些死数据救活了。

东方航空的例子更具有黑色幽默的味道。以前他们处理全球各地的异构账单，遇到阿拉伯语的，财务人员只能盲审。现在呢？AI直接识别、对账。这不是炫技，这是实实在在的降本增效。

这些案例向我们展示了一个深刻的趋势：高质量的数据治理，已经成为了保障企业级AI应用效果的唯一生路。 上海的巨头们不再满足于和AI“调情”，他们要的是AI直接进入业务流、决策流。

五、 给务实者的忠告：避开那些AI落地的“坑”

在峰会的最后，几位嘉宾的圆桌对话几乎是一场“避坑指南”。

首先，别急。别看到硅谷出了什么新模型就心痒难耐。除了极少数头部企业，普通公司打死也不要去练模型。那是烧钱的游戏，而且大概率会被后来的开源模型瞬间超越。

其次，务实。建设企业级AI的首要任务，是完成对非结构化数据的归拢。金山办公副总裁吴庆云提出的“三步走”——归拢数据、治理知识、嵌入流程，是目前最清醒的落地路径。

最后，省钱。如果你还在靠人工去给数据打标、清理，那你的AI成本永远无法覆盖收益。要学会用AI来治理数据，用更廉价、更自动化的方式把“知识资产”提取出来。

六、 在泡沫中，守住你的主权

2026年，将是AI去泡沫、现原形的一年。

我们要警惕一种新的“数字殖民”：即企业的所有业务逻辑都运行在外部模型上，而自己却丧失了对自身知识资产的掌控力。

文档解析与知识化的能力高度，直接决定了企业数据资产的质量上限。 这不仅是一个技术命题，更是一个商业尊严命题。

金山办公做的，不是在卖一个华丽的AI组件，而是在帮中国企业夯实那个被遗忘已久的地基。模型是流动的沙子，唯有经过深度治理的、高质量的私域数据，才是真正属于你的磐石。

在这个大模型漫天飞舞的时代，我们要做的不是去追逐风口，而是要像金山办公一样，在那些“烂文档”里下笨功夫。

因为，未来的富裕组织和贫穷组织之间，只隔着一道墙——你是否有能力，让你的每一份文档都开口说话？