技術破局者 MonkeyOCR：重塑 WPS 365 全域知識治理邏輯

1月27日舉辦的WPS 365 AI協(xié)同辦公上海峰會，無意間揭開了當前企業(yè)級AI落地的核心矛盾——當大模型能力趨于“平民化”，數(shù)據(jù)治理的短板正成為制約AI價值釋放的最大桎梏。而華中科技大學與金山辦公聯(lián)合研發(fā)的MonkeyOCR模型橫空出世，以全球領先的解析性能撕開突破口，搭配WPS 365的全鏈路解決方案，為企業(yè)構建全域知識基座提供了可行路徑。

AI落地遇阻：數(shù)據(jù)治理成破局關鍵，文檔解析是核心卡點

中金公司研究部執(zhí)行總經(jīng)理、計算機行業(yè)首席分析師于鐘海在峰會中的觀點，精準點破了行業(yè)現(xiàn)狀：AI大模型的迭代節(jié)奏正不斷提速，頂尖實驗室的模型更新周期已壓縮至數(shù)月，即便是曾風靡一時的“性能神模”，其用戶留存率在12個月后也可能大幅縮水。這意味著，企業(yè)妄圖通過自研模型或綁定單一產(chǎn)品建立競爭優(yōu)勢，無異于“筑沙為城”，成本高企且優(yōu)勢難以持續(xù)。

在算力供給充足、模型獲取門檻降低的當下，企業(yè)AI競爭的焦點已從“模型比拼”轉向“數(shù)據(jù)博弈”，高質量數(shù)據(jù)資產(chǎn)成為企業(yè)唯一不可復制的AI護城河。但現(xiàn)實困境是，多數(shù)企業(yè)的非結構化數(shù)據(jù)仍處于“沉睡無序”狀態(tài)——財報、合同、工藝手冊、會議紀要等資料散落各處，格式繁雜、質量參差，無法被AI有效解讀轉化，形成了AI落地“最后一公里”的頑固障礙。而文檔解析作為數(shù)據(jù)治理的前置環(huán)節(jié)，其能力強弱直接決定了后續(xù)AI應用的天花板。

技術突圍：MonkeyOCR登頂全球，彰顯文檔解析硬實力

華中科技大學教授、博士生導師劉禹良在峰會上披露的研究成果，為破解這一卡點提供了答案。由華中大與金山辦公聯(lián)合打造的MonkeyOCR模型，憑借精準的技術定位與創(chuàng)新架構，展現(xiàn)出強勁競爭力：3B參數(shù)規(guī)模版本已斬獲中英文文檔解析任務最優(yōu)性能，迭代后的MonkeyOCR v1.5更在國際權威榜單OmniDocBench V1.5中，以綜合性能全球第一的成績，超越GPT-4o、Gemini-2.5 Pro等知名閉源模型，彰顯了在文檔解析領域的技術高度。

這一突破的行業(yè)價值遠超“榜單奪冠”本身。據(jù)OCRBench v2評測數(shù)據(jù)顯示，當前通用多模態(tài)大模型因并非專為文檔智能任務設計，缺乏文字感知的細粒度優(yōu)化，在復雜OCR任務中的準確率不足60%，難以適配企業(yè)真實場景需求。而MonkeyOCR系列模型聚焦非結構化文檔治理核心痛點，通過自適應圖像金字塔切分、循環(huán)漂移切分、多任務統(tǒng)一框架等技術創(chuàng)新，實現(xiàn)了對復雜表格、手寫批注、跨頁圖表的高效解析，成為首個在復雜表格場景下精度突破90%的模型。

邏輯重構：跳出參數(shù)陷阱，構建文檔解析新范式

劉禹良強調，數(shù)據(jù)質量治理必須上升至企業(yè)AI戰(zhàn)略的核心層面，而通用人工智能的實現(xiàn)，首要解決的便是“像人類一樣理解真實文本”的基礎問題。與國際大模型依賴海量參數(shù)堆砌提升泛化能力的路徑不同，MonkeyOCR模型跳出了“參數(shù)越大性能越好”的認知陷阱——研究團隊發(fā)現(xiàn)，在部分簡單任務中盲目擴充參數(shù)量，不僅無法實現(xiàn)性能增益，反而會導致模型推理效率顯著下滑。

基于這一洞察，MonkeyOCR開創(chuàng)了文檔解析的全新范式，將傳統(tǒng)多模塊拼接的碎片化解析邏輯，升級為“結構-識別-關系”三位一體的統(tǒng)一框架。其核心邏輯是先精準識別文檔的段落、圖片、標題等結構要素，再梳理符合人類閱讀習慣的內(nèi)容順序，最終在結構約束下完成內(nèi)容識別與元素關聯(lián)，實現(xiàn)對復雜文檔的深層理解。值得關注的是，華中大團隊憑借文檔智能賦能甲骨文考釋的創(chuàng)新成果，斬獲ACL 2024最佳論文獎，這也是國內(nèi)高校首次摘得該國際殊榮，2025年該獎項由DeepSeek團隊收入囊中。

價值落地：WPS 365全鏈路賦能，激活企業(yè)數(shù)據(jù)生產(chǎn)力

依托金山辦公38年深耕文檔領域的技術積淀，以及MonkeyOCR的核心解析能力，WPS 365一站式AI協(xié)同辦公平臺構建起覆蓋“數(shù)據(jù)歸集-智能解析-知識治理-場景應用”的全鏈路服務體系，核心目標便是為企業(yè)搭建穩(wěn)固的全域知識基座。

相較于傳統(tǒng)檢索增強生成（RAG）僅能讓大模型“被動查看”文檔的局限，WPS 365創(chuàng)新提出的知識增強生成（KAG）架構，實現(xiàn)了對多模態(tài)、多結構知識資產(chǎn)的深度融合，讓大模型真正“主動掌握”企業(yè)知識的內(nèi)在邏輯與關聯(lián)。目前，這套解決方案已在延鋒國際、東方航空、上海信投智科等華東龍頭企業(yè)落地實踐，在知識資產(chǎn)管理、自動化報告生成等核心場景中實現(xiàn)效能躍遷。

展望未來，華中大與金山辦公的合作將持續(xù)深化，計劃推出全球規(guī)模最大的多語言文檔解析數(shù)據(jù)集及OCR視覺基座模型，目標實現(xiàn)模型在CPU端的高效運行，進一步降低企業(yè)數(shù)據(jù)治理與AI應用的技術門檻，推動非結構化數(shù)據(jù)從“沉睡資產(chǎn)”轉化為驅動業(yè)務增長的核心生產(chǎn)力。