WPS 365的“轻舟”野心:做企业大脑的底座,而非大模型的界面

作者 | 米兔

编辑 | 宸辉

媒体 | AGI研究社

4月22日，金山办公在武汉正式发布协同办公行业首个私有化AI解决方案——WPS 365轻舟AI。

这一发布的背后，是企业AI落地过程中难以逾越的两座大山：安全与成本。

一方面，公网AI因数据外溢风险，让金融、政务、军工等组织不敢使用；另一方面，传统照搬公网架构的私有化方案又存在架构冗余、适配成本高、运维复杂等问题，制约着私有化AI的规模化应用。

而轻舟AI正是为破解这两大难题而生。

在大多数AI产品还在争抢对话框和生成按钮的当下，轻舟AI选择了一条更底层、也更艰难的路：不做大模型的又一个华丽界面，而是成为组织私有化AI的底座。

WPS 365轻舟AI研发负责人黄伟杰表示：“我们的目标是让每一家企业都拥有自己的AI能力，而不只是使用一个黑盒工具。”

至此可以看到，轻舟AI不是WPS又一个AI功能集合，也不是大模型的又一层华丽界面。它是金山办公战略升维的信号——从一家办公软件工具提供商，向企业级AI基础设施的构建者跃迁。

01

从“界面”到“底座”：

轻舟AI如何重构企业私有化AI

WPS 365轻舟AI，是金山办公推出的组织级私有化AI办公解决方案。它针对的不单是个人用户的AI尝鲜需求，更多为金融、政务、军工、能源、央国企、大型制造业等对数据安全有刚性要求的组织设计。对于这些客户来说，AI不是不能用，而是必须在数据不出域、流程可追踪、权限可管理的前提下使用。

这也是很多企业AI落地最现实的矛盾，越是低敏感度的场景，AI越容易接入，但价值往往有限；越是合同审查、财务分析、知识问答、项目复用、决策沉淀这类真正能释放效率的场景，数据安全要求越高。

换句话说，企业最想让AI处理的内容，往往也是最不能随便交给公网AI的核心资产。轻舟AI此次切入的，正是这个关键缺口。

从产品设计上看，轻舟AI围绕的关键词其实很务实。

一是原生私有化，不是把公网AI简单搬进内网，而是围绕企业私有化部署重新设计，让AI能在现有系统和算力环境里跑起来；

二是全链路安全，不只解决数据不出域，还要管住调用过程、模型输出和权限边界，让企业真正“敢用”；

三是能力可拆解，不把AI做成一个庞大的套件，而是通过API、Skills、编辑器插件、文档解析接口等方式，按场景嵌进企业原有业务流。

这套设计背后，其实回应的是企业客户最朴素的诉求：别让我换系统，别让我重新买一堆机器，别让AI写完还要人工重写，效果不好也别只能等厂商排期。

轻舟AI要做的，就是把AI能力变成企业能接入、能调优、能管理的一层基础设施。

而轻舟AI的“底座”价值，并不在于它多做了几个AI功能，而在于它试图把AI从一次性的内容生成，变成企业内部可以长期运转的基础能力。

它更像是一个嵌进组织流程里的齿轮：不站在台前抢存在感，但每一次合同评审、每一份采购报告、每一次知识问答和项目复盘，都有可能通过它获得AI能力的支撑。

显然，对于大型组织来说，AI真正的落点从来不是“生成一段漂亮文字”，而是能不能进入法务、财务、采购、营销、研发、销售这些复杂业务场景，解决那些过去长期依赖人工经验、流程割裂、知识难复用的“硬骨头”。

从这个角度看，轻舟AI也是金山办公自身角色的一次变化。过去，WPS更多被理解为文档工具；到了WPS 365，它开始承接协同办公平台的角色；而轻舟AI的出现，则把文档、协作、知识和AI能力进一步串联起来，让WPS 365有机会成为企业私有化AI落地的一层基础设施。

02

底座变轻、能力可控：

轻舟AI如何嵌进企业真实业务

对企业来说，AI落地最怕的不是没有概念，而是让它走出演示环境，进入真实业务流程。

很多私有化AI方案在Demo阶段看起来能力完整，但真正进入企业环境后，马上会遇到一连串现实问题：要不要额外采购GPU，部署周期有多长，能不能接入原有业务系统，生成结果是否符合组织模板，效果不好能不能自己调，后续运维是不是还要长期依赖厂商。

轻舟AI这次想解决的，正是企业AI从“能演示”走向“能部署、能接入、能调优、能复用”的问题。

最直观的变化，是部署门槛被压低了。

WPS 365轻舟AI研发负责人黄伟杰表示：“同等功能下，传统私有化AI方案需要10台服务器、8张高端显卡才能完成POC验证，而轻舟AI仅需1台普通CPU服务器即可实现，资源占用减少超95%。”这一突破从根本上解决了传统方案的资源浪费问题，大幅降低企业AI落地门槛。

据了解，轻舟AI的POC环境只需要1台16C64G、无GPU的机器；投产环境采用4台以上CPU小模型分开部署；标准化容器镜像部署时间约30分钟，基模支持32B Qwen3和DeepSeek。相比过去动辄高规格GPU集群的私有化AI方案，这套部署方式明显更轻，也更容易进入企业现有基础设施。

这背后对应的是一套更适配私有化场景的架构设计。轻舟AI通过CPU推理优化、进程隔离、CPU亲和性绑定、线程控制、内存管理等方式，提高现有CPU资源的利用效率；同时减少不必要的服务数量，简化AI调用链路，降低资源消耗和维护成本。

这对于很多大型组织很关键。它们往往已经有自有机房、基础模型和一定算力资源，并不希望为了AI重新搭一套庞大系统。轻舟AI的思路，是尽可能复用已有基础设施，让AI先以更低成本跑进企业业务。

部署变轻之外，轻舟AI还把“效果可控”放在了很重要的位置。

企业用AI，最怕的不是一次生成失败，而是长期不可控。比如生成的文档不符合组织格式，内容不能沿用专业模板，不同部门的提示词无法分开管理，效果优化只能等厂商排期，这些都会让AI很难进入真实业务流程。

为了解决这一痛点，轻舟AI则是选择把效果评估、参数配置、白盒提示词开放出来。企业可以用数据评估AI效果，也可以自主调整业务参数、模型参数和提示词，并支持组织内灰度放量。这意味着AI不再是一个完全封闭的黑盒，而是可以被运营、被管理、被持续调优的组织能力。

第三个关键，是可集成。

对大型组织来说，引入新工具并不难，难的是新工具能不能不打断原有流程。轻舟AI没有要求企业推翻已有系统，而是提供标准化API、外部Skills、编辑器AI插件和底层文档解析接口等开放方式，让AI能力嵌入已有业务系统和办公场景中。

它可以接入业务系统，成为后台能力；也可以封装成Skills，变成Agent可调用的组件；还可以进入文档、表格、PPT这些高频办公界面，让员工在原有工作流里直接使用AI。

轻舟AI的价值，不是让员工换一个入口重新工作，而是让AI能力无感进入原有流程。该写法务文档的还在原来的文档系统里写，该做采购报告的还在原来的业务流程里做，只是背后多了一层能够解析、生成、问答、审查、排版的AI能力。

从目前披露的场景看，轻舟AI也不是停留在通用问答或简单生成层面，而是开始进入企业办公里的深水区。

比如文档知识化，把企业文档空间升级为AI空间，支持智能问答、表格AI分析、基于团队知识库快速生成PPT；比如法务智能评审，通过复杂文档解析和法务知识库，帮助快速定位风险项、录入修改建议；再比如法务交底书，通过组织模板、章节提示词和参考资料，实现专业文档的结构化创作。

目前，轻舟AI已有数十家大型客户处于投产或POC阶段，涵盖工商银行、华为、华润、vivo、上海机场、美的等知名企业。其中某家头部科技企业将轻舟AI应用于法务评审，面对评审类型超400种、业务规则超2万条的复杂场景，将人工邮件评审升级为线上智能评审，单份文档评审耗时从140分钟缩短至40分钟，效率提升超3倍。

不难看出，轻舟AI的价值不只在于部署变轻，更在于它开始把企业的文档、知识、流程和权限体系连接起来。再往前一步，它指向的就不只是AI办公助手，而是组织级知识资产的重新盘活。

03

终局不是AI助手，而是企业大脑

对大型组织来说，AI真正难处理的从来不只是一份文档，而是散落在无数文档、项目、会议、合同和流程里的知识。

过去，这些内容被保存在网盘、文档库和业务系统里，看似沉淀了下来，实际很难被再次调用。一个团队做过的项目经验，另一个团队未必知道；一份历史合同里的风险条款，下一次评审可能还要重新判断；大量会议纪要、咨询报告、采购文件、法务文档，最终都可能变成“存得下、找不到、用不起来”的沉睡资产。

所以要做的，不只是让AI帮企业写一份PPT、审一份合同，而是让这些沉睡的知识，在安全可控的前提下重新流动起来。

最开始，AI只是用在具体场景里，比如生成PPT、文档问答、合同审查、报告撰写；随着使用深入，企业内部的文档、经验和业务规则会被不断提取、整理和沉淀；当这些知识能够在权限可控的前提下，跨部门、跨场景调用和复用时，企业长期积累的经验、流程和决策依据，才会逐渐变成可持续运转的组织级智能记忆。这就是轻舟AI所说的“企业大脑”。

当然，企业大脑不会凭空出现。它的前提不是模型参数更大，也不是界面更炫，而是安全体系必须先到位。

只有当企业清楚知道数据在哪里处理、被谁调用、模型输出了什么、不同角色能看到什么、哪些内容可以被复用，企业才可能放心把核心知识交给AI。

否则，AI只能停留在低敏感度场景里做润色、总结和格式调整，很难进入真正有价值的业务深处。

这也是这次轻舟AI最值得关注的地方。它并没有把自己包装成一个万能AI助手，而是把安全、部署、集成、调优这些看似不够“性感”的底层问题放在前面。

回到金山办公自身的发展路径，轻舟AI更像是一次顺势而为的延伸。

早期的WPS Office，解决的是文档编辑问题；后来的WPS 365，承接的是协同办公问题；而轻舟AI要进一步解决的，是企业内部知识如何被AI安全调用、持续沉淀和复用的问题。

这意味着，WPS 365不单只是承载文档和协作的平台，也开始成为企业AI能力落地的一层基础设施。过去沉淀在文档、项目、合同和流程里的经验，不再只是被保存下来，而是有机会被重新理解、调用和转化为新的生产力。