文檔智能，“AI改變生活”的新注解

當代職場人，“隨地移動辦公”是一種常態。

前一秒還在city walk，下一秒掏出筆記本往臺階上一放、就地辦公；候機室里，總有那么幾個人直到登機的前一秒還在筆記本上敲字疾書。

這是信息爆炸、連接無處不在的現代社會，在給予人類生活方便之余，隨手附贈的無奈。

合同簽訂前關鍵信息修改、稿件發布前的查漏補缺，種種突發狀況，都讓移動辦公處理文檔成為當下職場人的剛需。

手機屏幕越做越大，給人們在移動中閱讀更長的文檔提供了方便，但“處理”的步驟仍在困住職場人的手腳，隨身攜帶的筆記本仍然是肩頭沉重的負擔。

大模型的到來給解放職場人的肩膀帶來了可能，也給產學界攻克“難啃的硬骨頭”——文檔AI，帶來了突破口。

難啃的硬骨頭

1992年，Adobe聯合創始人查爾斯·希莫尼發明了PDF，連同十年前微軟的查爾斯·希莫尼發明的Word，聯手開啟了數字化辦公的時代。

堆積如山的紙質文檔工作被濃縮在一方屏幕之中，一度將人們處理文檔的效率推向了新的層級。但兩個查爾斯都不會想到，幾十年后的現在，這些數字文檔會反過來拖累職場人的工作效率。

工程師敲代碼前需要閱讀的技術文檔動輒幾百頁，分析師寫行業報告需要從幾十、上百家公司財報中抽絲剝繭、獲取趨勢共性，物理世界的紙質文件化身為14寸屏幕堆不下的數字文檔，同樣可以淹沒無數職場人。

人工智能發展幾十年，產學界很早就試圖用AI技術輔助人們處理文檔工作。從最早的規則啟發到神經網絡引入權重和數據訓練，基本的思路都是“人為歸納規則->轉換為機器語言（函數和代碼）->教授計算機規則”。

然而，隨著人們需要在電腦上處理的工作范圍越來越廣，文檔的復雜化發展沒有盡頭，有限的硬件算力和仍待完善的算法，都使得大部分文檔智能不那么智能。

例如一旦文章過長或是包含的圖文要素過多，文檔智能給出的摘要常常不夠準確，甚至和文檔內容風馬牛不相及；

或是用戶希望針對某一問題在文檔內容中找到相應的解答，文檔智能雖然會給出答案，卻不能溯源定位到原文，使得用戶無法進一步確定答案的準確性。

同時，隨著數字化深入到各行各業，文檔類型越發繁雜，每一類文檔對應一種處理規則，一種規則再對應一套算法的建立和后續的調試，整個流程逐漸變成了難以負擔，并且不具備經濟效益的繁重工作。

自動駕駛的難度眾所周知，而文檔AI面臨的挑戰并不比自動駕駛少。

一是數據。根據IDC口徑，2018年-2025年，全球數據量將從33ZB到增長到175ZB，其中80%是非結構化數據[1]，包括圖像、音頻、傳感器數據等，共同特點是沒有統一格式、缺乏定義，難以表征；

二是理解能力。語言中的復雜語義、文檔的結構化都需要更強的邏輯演繹能力來理解和解讀，比如從“任務很困難，但小明堅持完成了”，推導出“小明持之以恒”，再比如一級標題和二級標題之間的遞進、表格表頭與數據的一一對應等。

三是專業性。尤其是在專業性極強的垂直行業，例如專業的論文，財經報告，律師卷宗等等，解讀這類文檔需要專業知識的長期積累。

直到大模型的出現，無需人工標注的數據和自監督學習機制，賦予了計算機自主進化的能力。

作為產學界最難啃的骨頭之一，文檔AI因此得到了突破的機會，HUAWEI Mate X6的系統級AI助手小藝率先作出了示范。

突破文獻綜述難題的創新探索

今年10月“原生鴻蒙”HarmonyOS NEXT正式登場，11月華為Mate品牌盛典，軟件層煥然一新，再次進化的智能體小藝聚焦了視線。

HUAWEI Mate X6的大屏和輕便為移動辦公而生，HarmonyOS NEXT將AI與操作系統深度融合，賦予了小藝處理復雜文檔時的突破性表現。

學術論文是典型的復雜文檔，其中包含大量抽象概念，混合艱深晦澀的文字表述，加上龐雜的數據圖表，依靠肉眼閱讀、人腦理解都費時費力。

但論文寫作逃不開閱讀、引用大量前人論文，尤其是文獻綜述環節，是學術圈知名“老大難”。

用HUAWEI Mate X6的文件管理器打開一篇學術論文，點擊右上角小藝星環呼喚出小藝，先生成一張思維導圖，快速掌握文章的邏輯脈絡和核心觀點。

用戶對生疏概念進行提問，小藝會給與解答，利用小藝連續問答精準溯源的能力，通過將相關文字高亮，用戶可以直接定位到原文做進一步理解，或是根據解答繼續追問。這個舉動就像人類寫論文標注數據來源和出處的習慣，為的就是追求嚴謹和準確，打消閱讀者對生成內容準確性的顧慮。同時，借助高亮溯源的特性，閱讀者也能快速找到想詳細了解的段落，進一步提升閱讀效率。

閱讀過程中，遇到陌生的概念，不用到搜索引擎上搜索，直接問小藝，從“深度學習和神經網絡的關系”到“多模態LLM和一般模型的區別”，都能迅速給與解答。

得益于多模態內容感知能力，哪怕是論文包含復雜的圖表和大段抽象的文字表述，也可以讓小藝將其轉換為精美易讀的圖文摘要，繪聲繪色、通俗易懂。比如讓小藝進行論文解讀，用小藝根據文檔生成好看易讀的圖文編排呈現，能更清晰地給出抽象概念的區別，便于理解。不得不說，在需要處理非結構化、多樣化表格或圖文混排等復雜文檔情況下，華為的版面理解模型在內容解析能力上的提升，讓小藝具有了更大的優勢。

表格數據也是學術論文中常常出現的表達形式，但其在呈現趨勢、差異等方面存在不夠直觀的問題。

依托于鴻蒙系統打造的系統級文檔助手，也讓小藝有了智能感知用戶意圖的能力，在遇到類似“LLM歷年參數規模”的表格數據時，就可以復制其中的大部分文字，小藝完整識別后提取數據，生成“LLM參數規模散點圖/直線圖”，展現趨勢，一句話即可根據文檔內容生成圖表，就省得我們自己倒進數據表再手動拉數據畫圖了。而這就是系統與AI深度綁定的結果。

小藝之所以能正確識別文檔，并給出準確的摘要，這也要歸功于華為的版面理解模型，正因為有了這項能力的賦能，小藝才能做到準確的高亮溯源、一句話生成圖表等動作，事實上它還可以理解文檔的頁碼，即便是將文檔的某一頁刪掉或保留這種操作，都能動動嘴巴讓小藝代勞。

國內學者還經常遭遇全英文文獻的困擾，貫穿全文的英文專有名詞，即使翻譯APP不離手，也免不了閱讀速度大大降低。小藝不僅能提供全文翻譯，還可以生成中文摘要、提供中文問答來幫助用戶更快地領會文獻核心。

幾十頁的學術論文，靠小藝可以極大地縮短閱讀時間，將自己從繁雜的信息中解放出來，更高效地獲取對自己的研究真正有價值的論據和數據。

財報同樣充斥著大量的文字、數據和圖表內容。分析師寫行業報告，需要梳理幾十上百份財報，抽取出關鍵數據做線性回歸分析。

有了小藝，想要對財報中的表格數據進一步分析，同樣可以借助小藝的多模內容精準感知解讀的能力，獲得分析繪圖，還可以直接一句話生成自定義表格，例如“把第一季度、第二季度收入畫成餅狀圖”等要求。

小藝能夠輕松扮演“研究助手”、“助理分析師”，最關鍵的就是前面所提到的，其依托的是領先業內的版面理解模型。

版面分析模型是復雜文檔處理的基礎，它將文檔按照區域劃分，定位標題、文字、圖片、表格等關鍵信息，再進行解讀，是執行表格提取等后續操作的前提，其精度決定了這些操作的準確性。

小藝背后的版面理解模型通過增加長序列、RAG、Grounding等技術辦法，提升了解析文檔的能力，并實現了端對端的優化。

其中，長序列是指文檔中的上下文，也就是“前景提要”和“背景知識”，模型能夠利用的上下文越長，對內容的理解能力越強，直接影響摘要生成、翻譯等功能。

RAG即檢索增強生成技術，當用戶向小藝提出一個問題，RAG技術負責從各類數據源檢索相關聯的信息提供給模型，綜合這些信息回答用戶的問題。

Grounding則用來引用具體的概念、事件，通過建立與現實世界的聯系，確保小藝生成內容的可靠性，更準確地理解、描述圖像、視頻等多媒體數據。

強大的模型賦予了小藝領先業內的文檔處理能力，是其綜合能力的其中一隅。

隨時在線的文檔助手

職場上要求的不只是工作能力，主觀能動性、有求必應也被視作責任心的體現。

類似地，用戶對于文檔智能助手的期待也不只是足夠強的處理文檔“硬實力”，更容易開啟、隨叫隨到等等“軟實力”，也對用戶體驗至關重要。

而小藝的深厚“內功”就在于此。

與HarmonyOS NEXT的深度融合，使得小藝晉升為系統級AI助手，調配算力、線程、內存等系統資源更加靈活。

相當于跑堂傳話的小廝升職成為執掌人事調度、采買等事務的大管家，真正擁有了接管用戶生活、工作瑣事的能力。

小藝的文檔智能也因此實現了“隨叫隨到”，與用戶的交互方式更加自然，將調用方式濃縮為了幾個簡單而日常的動作：

拖——比如導師通過郵件附件發來的要求閱讀的學術論文、在社交軟件中與人做學術討論時對方發來推薦閱讀的文獻，都可以直接拖拽至屏幕底部的小藝導航條，小藝能夠識別并解讀、生成總結摘要，用戶可以針對摘要進行提問、追問。

圈——閱讀文獻時，遇到難以理解的理論或專業術語，可以用指關節對內容進行圈選，小藝能識別圈選的內容并快捷地推薦“問問小藝”、“識圖搜索”等高頻功能，用戶點擊“問問小藝”就可以針對理論與小藝進行問答。

喚——在圖書館等需要保持安靜的環境里閱讀材料和論文時，借助“小藝私語”功能，可以在不打擾周圍人的情況下使用文檔AI功能，只需要抬起手機、在距離麥克風約5厘米左右的區域直接說出需求即可，即使是悄悄說，小藝也能聽見。

更自然的交互方式+更強大的處理能力，讓小藝的文檔能力真正落到了實際，幫助學者、以及更多的職場人從重復而繁重的工作中解放，轉而將更多精力放在能夠創造更大效益、體現自身獨特價值的事務中，提升獲得感和成就感。

這些情緒價值被放大到生活中，也將讓人們對“AI改變生活”的愿景有了實感。

2024年被視作大模型入端元年，AI助手作為人們調用大模型最直接的媒介被寄予厚望。人們希望AI助手能切實為自己分擔瑣碎的事務和工作。

處理復雜文檔是困擾AI產業多年的疑難雜癥，也是現代社會人們繁重和低效率工作的縮影，成為AI終端和智能體繞不開的大山。

小藝文檔助手的突破給產業提供了一個全新的范本，也標志著一個隱形的AI超級入口——文檔，正在向無數產業參與者，敞開大門。

參考資料

[1]數字化世界—從邊緣到核心，IDC

[2]“盤古”開天記，AI落地時，《華為技術》第90期

[3]盤古3.0：中國大模型突圍的一個典型樣本，遠川研究所

[4]文檔智能：數據集、模型和應用，BFT智能機器人研究

[5]文檔能否成為AI的超級入口？出海同學會

作者：何律衡

編輯：李墨天

視覺設計：疏睿

責任編輯：何律衡