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
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。