前飞书表格技术负责人创业：用AI表格嵌入一切，“喂养”AI丨涌现新项目

AI表格更应该交由Agent使用，由AI最后交付结果，供人类审核。

文｜邓咏仪

编辑｜苏建勋

一句话介绍

Univer将电子表格从复杂低效的工具转化为AI原生的通用计算引擎，实现路径完全依靠自研的电子表格SDK（软件开发工具包）。

融资进展

目前已获得种子轮融资，投资方主要为个人投资。

团队介绍

创始人兼CEO刘洋，曾任飞书电子表格技术负责人，完成透视表、图表等核心功能开发，业余时间开发的开源表格项目Luckysheet，在GitHub获得1.6万+星标。

服务端技术负责人沈伟敏，华为-云核心网主力研发，飞书深圳前20名员工，帮助飞书云盘DAU突破100万，从0到1实现面向数据分析的ai agent流程编排算法，分布式系统专家。

表格技术专家闵成成，8年电子表格研发经验，曾任职飞书表格团队，并担任葡萄城SpreadJS技术负责人，长期专注于电子表格能力研究，曾主导透视表、Shape等核心模块建设，深度参与公式引擎、数据建模与图形渲染体系设计。

产品及业务

用一句话概括Univer，这是一个可以嵌入任意系统的电子表格引擎。

Univer的产品矩阵分为两个核心部分：底层的Univer引擎，和面向工程师的多种SDK插件，以及AI应用，如基于Univer SDK的表格编辑分析产品“表答”。

2025年12月，在SpreadsheetBench全球评测中，Univer就以68.86%的成绩登顶，超越ChatGPT Agent和Excel Copilot。

△来源：SpreadsheetBench

Univer创始人刘洋曾在保险公司担任数据分析师，在实际工作中，他发现了一些使用场景中的困境：尽管企业部署了BI（商业分析）应用，用户仍习惯将数据下载到Excel中处理，因为只有Excel，能提供足够的自由度来完成数据清洗、公式计算和可视化呈现。

然而，现实中Excel的处理非常繁琐低效：在Excel中处理完数据之后，用户会继续把数据做更多处理，比如画PPT，做更多汇报动作，但这些过程通常需要切换多个软件，不仅耗时，也极易打断思路。

这会导致大量电子表格分散在员工个人电脑中。其中，承载着大量业务知识与数据处理经验，没有被统一管理和充分利用。

因为这些体验和观察，刘洋在业余时间做了一个名为Luckysheet的开源项目 ——一个可以嵌入到业务系统中的网页版电子表格，让用户可以不用切换界面，直接处理各类数据。

2023年初，ChatGPT引发AI浪潮后，不少SaaS产品也都在积极将AI应用在产品中。当时，业界的主流思路是Copilot模式——在单元格中写AI公式，或在侧边栏让用户和AI对话，再修改表格。

但刘洋有不一样的意见。“做AI表格的产品目标，不应该是做更好的Copilot，而应该是做全自动路线：让AI自动完成数据导入、清洗、分析等动作，直接产生洞见。”刘洋表示。

在他看来，Copilot仍然是“人使用工具”，而真正的AI原生应用应该是“AI使用工具，人做决策”，这才是最本质的解决问题的思路。

电子表格中的公式，最核心的能力在于它是图灵完备的——用大白话说，理论上可以实现任何编程语言能完成的计算逻辑。Univer能够提取公式之间的依赖关系图谱（比如，一个公式引用哪些单元格，被哪些单元格依赖)。

△Univer“表答”产品界面

这种结构化信息，才是AI更熟悉的信息结构——毕竟计算机是二进制的机器，这种设计让AI可以直接调用计算逻辑，而无需通过像人类这样的界面交互（LUI），大幅提升了执行效率。

Univer从一开始就决定走SDK路线，这个选择源于刘洋多年和表格打交道，以及对行业发展阶段的判断。

在仍处在应用早期的AI领域，SDK的形态其实是一种更灵活的解法。

“SDK与SaaS的核心差异，在于使用场景。一个人的电脑屏幕空间有限，如果再做一个独立的电子表格应用，会占据用户的注意力和操作流程。”刘洋对《智能涌现》说。

SDK形态的表格可以无缝嵌入到企业现有系统中，成为工作流的一部分，而不是一个需要单独打开的工具。

Univer更希望做一个在前端保持简单易用的产品，比如表格，就是所有用户都可以充分使用的界面。

在底层，大规模计算与业务编排则由Agent自动完成，人类只需审阅最终的计算结果。

Univer产品结构

当前，Univer产品大概可以分为两层。

在底层，是Univer自研的表格引擎；而在上层，采用了插件化架构（SDK）的形态来提供核心的一些能力。

Univer如今已经对外提供超过100多个插件，包括透视表、图表、公式、条件格式、数据源、协同编辑、历史记录、导入导出等核心功能模块。

在底层，Univer选择自研表格引擎，这是一条更难的路线，因为技术壁垒极高。

比如，现代电子表格的标准是由微软制定的Open XML规范，长达5000页，涵盖了Excel的所有逻辑、关系和文件架构。单是通读这份文档，刘洋就已经和团队花了半年时间，并且从0到1自研了Univer的底层引擎。

但选择自研路线的另一面是，能够达到更好的产品体验。

Univer的每个SDK模块也都可以拆分为两部分：有界面的前端，和纯计算逻辑的后端。

前者可以理解为直接可以面向C端提供服务的，有图形化界面的轻量化软件；后者则更像一块积木，可以嵌入到企业的各个核心生产软件中，比如OA、ERP、BI等等。

这让 Univer 可以抛掉界面层，只保留计算层，成为一个“无头电子表格”（Headless Spreadsheet 没有交互界面），专门给AI使用，AI Agent能像“表格专家”那样随心所欲的读取、操作和分析电子表格。

“这种围绕电子表格沙盒环境形成闭环优化的方法，有机会训练出一个专属于 Univer 的表格模型，在准确性和成本效率上显著超越通用模型。”刘洋对《智能涌现》表示，这个这一方向与Coding领域正在发生的趋势也是一致的：用更强的模型生成程序，再在可执行环境中进行验证和迭代，从而推动能力跃迁。

△图源：表答

为了验证Univer的底层引擎能力，团队也基于Univer开发了表格编辑和分析产品“表答”（Capalyze）。

表答能够为用户提供网页数据爬取+分析服务。将任何来源的数据、内容或文件，自动转换为结构化电子表格，并完成后续的清洗、分析、可视化与洞察生成。在几分钟内，用户就可以得到可直接使用的分析结果。

比如，用户在小红书评论区使用Ctrl+A全选网页内容后，直接在表答中粘贴，系统会自动提取图片、头像、昵称、评论等元素，精准地结构化导入表格。

在以往，大模型处理电子表格也是难题，很容易丢失上下文。

但Univer底层表格引擎由于是自研的，算法能够从多样化的网页模式中准确定位表格结构，提供更多上下文，比如结构化表格拆解后的元数据、复合表头的描述信息等等。

所以，如果是一个超过10MB以上的电子表格文件，Univer处理结果会比通用大模型更为精准。

在实际操作时，Univer也能够提供更统一的环境。

在使用“表答”时，产品能够区分人类与AI agent的操作，“表答”也允许多个Agent并行操作同一张表格，通过协同引擎将结果推送至多客户端，在手机和桌面端，获得的计算能力和结果是一致的。

近期，表答也推出了微信小程序版本。

这相当于将一个便携的BI（商业分析）入口搬到了小程序中。用户能够通过拍照识别、语音指令和云端表格引擎，将现实世界中的图片、清单和文件快速转化为结构化表格，再通过AI来进行推理、分析。

例如，对一个零售行业的工作人员，就可以直接使用“表答”拍摄报价单生成对比分析、整理合同条款形成审批表、核算项目成本，或通过语音直接询问库存、毛利和异常项等等，将结果一键分享给团队或同步至业务系统。

并且，表答小程序还可以直接处理微信消息的各类电子表格文件，成为业务人员随身可用的智能分析入口。

“表答”的海外版本Capalyze，也在全球最大产品发布平台 Product Hunt上，获得日榜第一、周榜第一的位置，目前C端用户超过10万，在全球范围内都有付费用户。

在商业化层面，Univer已获得来自 北美、欧洲、东亚与中国的付费客户，覆盖多个行业，典型客户包括瑞士制药巨头Novartis（诺华）、三星；以及国内的法本信息、数字马力（蚂蚁金服全资子公司）等等，多家国内外头部智能体产品也正在与Univer开展POC验证。

Founder思考

• 继Coding之后，电子表格将成为2026年AI的“aha moment”。电子表格和Coding之所以结构相似、极可能成为下一个爆发的AI超级赛道，在于它们都处在工作流最核心的位置、拥有极其庞大的用户规模，并且天然通向大量相邻场景。

  例如，Coding一旦进入开发者日常，就能外溢到测试、部署和整个软件生产链条，而电子表格也是如此，一旦被AI赋能，就会延伸到财务、运营、分析乃至应用构建。更重要的是，这两类工具都能靠效率提升来发生自传播——用户自己算得清ROI，使得产品可以用极少销售成本完成规模化扩张。因此，Coding已经验证了这一路径，而电子表格，很可能是2026年更大规模的爆发点。

• AI赋能的下一个主战场是电子表格。

  我认为每个企业都离不开数据，而加工数据离不开四件事：连接数据、预处理数据、分析数据、展示结果。这条链路，决定了数据能否真正转化为信息与知识。而现实是，大多数业务系统只覆盖流程，却无法承载中间那段最关键的探索性计算：假设、推演、建模与反复修正。

  电子表格恰恰是这块“自由画布”。公式本身是一套通用计算系统，业务人员可以在里面搭建属于自己的模型与逻辑。就像设计离不开Figma或Photoshop，业务分析也离不开电子表格——它不是报表工具，而是企业真正的计算中枢。

  全球十几亿人每月使用表格，大量企业软件本质上只是它的外壳。如果电子表格成为AI-native的底层能力，被改变的就不仅是电子表格，而是整个企业软件的工作方式。未来，大量业务推演由Agent在表格中完成，人类负责审阅与决策。

• AI表格更应该是给Agent用的，是给AI用的。Copilot不是Agent的终局，AI应该端到端帮助人类决策。

  我们坚信AI表格最终不是给人用的，而是给Agent用的，是给AI用的。Copilot是帮助人更好地去理解、更好去操作这个表格，但这个动作应该是自动发生的，AI直接交付分析结果。

  在对外产品形态上，由于目前用户仍需要通过prompt进行交互、需要人工确认结果，所以产品迭代还是会按照正常的步骤推进。

  在未来，在SDK、Univer Platform和MCP协议等方面，我们相信会因为Agent的交互变化，会有更多的底层架构创新机会。

• 电子表格的本质是图灵完备的计算引擎，公式是重中之重。

  之所以Univer选择自研表格引擎，是因为电子表格的核心能力在于公式系统，它具备“图灵完备性”——理论上可以实现任何编程语言能完成的计算逻辑，无论是Python还是Java能做的，公式都能做到。电子表格本质上是一个强大的计算引擎。

• 插件化架构（SDK）既是工程化需求，也是商业化考虑。

  Excel是一个有机的整体系统，各功能之间相互关联。我们之前在飞书内部开发电子表格功能时，最大的挑战在于：开发A功能时需要担心对B功能的影响，线上经常出现连锁bug——修改了A功能，B功能就会出现问题。

  因此，Univer希望通过工程化的方式，将这50个功能独立开来，使某个功能的修改不会影响其他功能。

  插件化架构也更有利于形成生态，开源社区的开发者可以自行编写插件，修改A插件时只影响这个插件本身，不会波及系统中的B插件、C插件、D插件。

• 大模型分析表格的痛点，是它无法真正理解半结构化的数据。

  大模型在分析表格时的一大痛点，是它会将半结构化表格视为一个整体进行处理，而无法理解其内部复杂的结构。

  相比之下，Univer因为自研的表格引擎，能够智能地将表格进行拆解，区分出规范的结构化数据和非结构化信息，决定是否合并处理，并且能提供公式依赖关系、样式、合并单元格、筛选等额外上下文信息。

  传统大模型（如GPT）则缺乏这种能力，它会将整个表格囫囵吞下，导致分析结果经常会丢掉数据。

在AI原生应用的探索中，表格作为数据、分析的底层能力，也正在成为一大新兴的细分赛道。

Gartner预测，到2028年，传统搜索引擎的流量将有50%被AI搜索取代。同样的逻辑也在发生在电子表格领域——当AI逐渐成为企业数据处理的核心引擎时，表格的角色必然从“人的工具”，转变为“AI的工具”。

横向对比来看，Univer与国内外同类产品的差异化路径值得关注。微软的Excel Copilot、Google的Duet AI，本质上还是在原有产品架构上叠加AI能力，但是会受制于历史包袱；

而Notion、Airtable等新兴玩家，在协作和低代码方向做出了创新，也引入了AI，不过这是更偏上层的产品交互和创新。

Univer的特点在于，在底层，它选择了一条更难的路线：从0到1重构电子表格的底层架构，用插件化设计，让AI可以直接调用表格的计算逻辑，用自研SDK，为AI提供更丰富的上下文。但在产品层面，它又足够轻盈，采取SDK这种“嵌入”的形式，这或许是验证AI Native产品能力的更快的路径。

封面来源｜企业官方

欢迎交流

本文来自微信公众号“智能涌现”，作者：邓咏仪，36氪经授权发布。