这几天,台风“丹娜丝”一路北上,上海云层低垂,却始终没有落下大雨。就在这座城市等待风雨时,一朵AI之花正在静静绽放。
说起这朵“花”,很多人其实早就用过。有人吐槽“上手复杂”,也有人叫它“效率神器”。这样一款能有两个极端评价的产品“飞书”,今天在AI浪潮中完成了新一轮进化。
飞书的这套成熟度模型值得抄作业
在说功能更新之前,有一件事更让大家反响热烈,飞书多维表格要上架钉钉和企业微信了,目前企业微信审核已过,钉钉还在路上。
这种开放真的要更多一些,AI才能更快落地生花。
其实,从年初DeepSeek掀起热潮开始,很多老板就急着“赶紧搞AI”。但半年下来,真用起来的企业寥寥无几,用了的也很难算清ROI,这才是当下AI应用最真实的现状。
再加上很多产品的宣传和实际效果有很大差距,出现了“买家秀”和“卖家秀”的情况,而且这并不是个例。
“AI时代挑选软件的方法需要改变。”飞书CEO谢欣说。
飞书CEO谢欣
市面上并没有一个简单易行的方法,谢欣决定自己做一个,也就有了当天发布的首个“AI应用成熟度模型”。
第一级别M1,概念验证期,这个阶段并不适合对外发布,属于实验室阶段产品,可用于演示;
第二级别M2,早期试用期,一些愿意尝鲜的用户可以进行使用,但不建议大规模部署;
第三级别M3,生产就绪期,适合主流客户,在多数生产环境中可以使用并符合预期,可靠性要求高的场景可以先等等;
第四级别M4,全面应用期,几乎所有场景都可以放心使用,效果也非常稳定。
像这样有了标准,企业就能清晰的去进行选择。“就像吃牛排,你可以选择需要几分熟。”谢欣说,有了合理的预期,企业就不会产生不必要的焦虑。
知识问答+多维表格,企业智能化的两道“硬菜”
牛排之外,飞书这次还上了两道硬菜:“知识问答”和“多维表格”。
先来说说“知识问答”。
大家在使用大模型的时候应该已经觉得他们很聪明了,但是如果能够回答企业问题就更好了。但企业去训练一个专属大模型,需要投入很大精力和成本,飞书能不能干这件事?
现在答案是肯定的,飞书“知识问答”就是来满足这个需求。
前几天,谢欣曾去拜访过和小鹏汽车董事长兼CEO何小鹏,谢欣就是让“知识问答”帮准备的会面内容,“知识问答”通过飞书内的信息梳理了双方的合作历程,以及使用飞书的场景等信息。
飞书“知识问答”不依赖知识库,完全使用飞书内的已有数据,所以你想要更完善的回答,飞书里的已有数据必不可少。而且回答还可以设置权限,同样的问题,不同权限的员工得到的答案可以是不同的,保证了信息安全。
接下来再来说说,飞书的标志性功能“多维表格”。
飞书的用户里,每月有超过90%的员工在使用多维表格,这种渗透率对于一个产品来说是非常了不起的,而且“多维表格”正在向着全新核心应用场景的专业系统构建方式演进。
只需拖拽列表、看板、图表等预置组件,就能把多张表格拼成一个带交互界面的应用。例如一个简易的电商直播管理后台,可以涵盖商品上架、订单管理、客户运营、订单跟踪、销售数据等功能。
借助“多维表格”,业务人员将首次具备构建可替代专业系统的能力。销售、客服、人力等系统,仅用多维表格便可实现。
泡泡玛特通过“多维表格”搭建一套AI内容生成系统,能自动抓取各个平台的爆款文章,智能分析后,秒出高转化文案,帮全国门店高效运营自媒体账号,线上流量到线下的快速转化。同时智能巡检系统,从策划到上线不到一小时。员工只需拍照上传,AI自动识别异常,巡检范围全覆盖,原来要一周做完的工作,现在几分钟搞定。
这才是把AI真正落到业务一线,把智能塞进每个单元格、每个场景里的样子,帮业务人员释放了前所未有的操作潜力。
另一个振奋人心的消息是,多维表格的单表容量已支持1000万热行,同时在数据加载也变得更快,2万行规模的表格加载时间从过去的7.4秒缩短至0.94秒。
写在最后
2025飞书未来无限大会当天,还带了其他一些更新,像AI会议、飞书Aily、飞书妙搭等,把更多AI能力赋能到企业协作的每个细节里。
正如谢欣所说:“选择飞书,就是选择一个长期、靠谱、真正落地的AI伙伴。”
AI使用就像城市的早高峰,出发越早,到得越早,晚十分钟出发,可能就晚一小时到。飞书用一次次更新和标准化方法,给了行业一种确定性:AI不止能看,关键是能用、能落地。
风暴未至,AI之花已开。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。