前飛書表格技術負責人創業：用AI表格嵌入一切，“喂養”AI丨涌現新項目

AI表格更應該交由Agent使用，由AI最后交付結果，供人類審核。

文｜鄧詠儀

編輯｜蘇建勛

一句話介紹

Univer將電子表格從復雜低效的工具轉化為AI原生的通用計算引擎，實現路徑完全依靠自研的電子表格SDK（軟件開發工具包）。

融資進展

目前已獲得種子輪融資，投資方主要為個人投資。

團隊介紹

創始人兼CEO劉洋，曾任飛書電子表格技術負責人，完成透視表、圖表等核心功能開發，業余時間開發的開源表格項目Luckysheet，在GitHub獲得1.6萬+星標。

服務端技術負責人沈偉敏，華為-云核心網主力研發，飛書深圳前20名員工，幫助飛書云盤DAU突破100萬，從0到1實現面向數據分析的ai agent流程編排算法，分布式系統專家。

表格技術專家閔成成，8年電子表格研發經驗，曾任職飛書表格團隊，并擔任葡萄城SpreadJS技術負責人，長期專注于電子表格能力研究，曾主導透視表、Shape等核心模塊建設，深度參與公式引擎、數據建模與圖形渲染體系設計。

產品及業務

用一句話概括Univer，這是一個可以嵌入任意系統的電子表格引擎。

Univer的產品矩陣分為兩個核心部分：底層的Univer引擎，和面向工程師的多種SDK插件，以及AI應用，如基于Univer SDK的表格編輯分析產品“表答”。

2025年12月，在SpreadsheetBench全球評測中，Univer就以68.86%的成績登頂，超越ChatGPT Agent和Excel Copilot。

△來源：SpreadsheetBench

Univer創始人劉洋曾在保險公司擔任數據分析師，在實際工作中，他發現了一些使用場景中的困境：盡管企業部署了BI（商業分析）應用，用戶仍習慣將數據下載到Excel中處理，因為只有Excel，能提供足夠的自由度來完成數據清洗、公式計算和可視化呈現。

然而，現實中Excel的處理非常繁瑣低效：在Excel中處理完數據之后，用戶會繼續把數據做更多處理，比如畫PPT，做更多匯報動作，但這些過程通常需要切換多個軟件，不僅耗時，也極易打斷思路。

這會導致大量電子表格分散在員工個人電腦中。其中，承載著大量業務知識與數據處理經驗，沒有被統一管理和充分利用。

因為這些體驗和觀察，劉洋在業余時間做了一個名為Luckysheet的開源項目 ——一個可以嵌入到業務系統中的網頁版電子表格，讓用戶可以不用切換界面，直接處理各類數據。

2023年初，ChatGPT引發AI浪潮后，不少SaaS產品也都在積極將AI應用在產品中。當時，業界的主流思路是Copilot模式——在單元格中寫AI公式，或在側邊欄讓用戶和AI對話，再修改表格。

但劉洋有不一樣的意見。“做AI表格的產品目標，不應該是做更好的Copilot，而應該是做全自動路線：讓AI自動完成數據導入、清洗、分析等動作，直接產生洞見。”劉洋表示。

在他看來，Copilot仍然是“人使用工具”，而真正的AI原生應用應該是“AI使用工具，人做決策”，這才是最本質的解決問題的思路。

電子表格中的公式，最核心的能力在于它是圖靈完備的——用大白話說，理論上可以實現任何編程語言能完成的計算邏輯。Univer能夠提取公式之間的依賴關系圖譜（比如，一個公式引用哪些單元格，被哪些單元格依賴)。

△Univer“表答”產品界面

這種結構化信息，才是AI更熟悉的信息結構——畢竟計算機是二進制的機器，這種設計讓AI可以直接調用計算邏輯，而無需通過像人類這樣的界面交互（LUI），大幅提升了執行效率。

Univer從一開始就決定走SDK路線，這個選擇源于劉洋多年和表格打交道，以及對行業發展階段的判斷。

在仍處在應用早期的AI領域，SDK的形態其實是一種更靈活的解法。

“SDK與SaaS的核心差異，在于使用場景。一個人的電腦屏幕空間有限，如果再做一個獨立的電子表格應用，會占據用戶的注意力和操作流程。”劉洋對《智能涌現》說。

SDK形態的表格可以無縫嵌入到企業現有系統中，成為工作流的一部分，而不是一個需要單獨打開的工具。

Univer更希望做一個在前端保持簡單易用的產品，比如表格，就是所有用戶都可以充分使用的界面。

在底層，大規模計算與業務編排則由Agent自動完成，人類只需審閱最終的計算結果。

Univer產品結構

當前，Univer產品大概可以分為兩層。

在底層，是Univer自研的表格引擎；而在上層，采用了插件化架構（SDK）的形態來提供核心的一些能力。

Univer如今已經對外提供超過100多個插件，包括透視表、圖表、公式、條件格式、數據源、協同編輯、歷史記錄、導入導出等核心功能模塊。

在底層，Univer選擇自研表格引擎，這是一條更難的路線，因為技術壁壘極高。

比如，現代電子表格的標準是由微軟制定的Open XML規范，長達5000頁，涵蓋了Excel的所有邏輯、關系和文件架構。單是通讀這份文檔，劉洋就已經和團隊花了半年時間，并且從0到1自研了Univer的底層引擎。

但選擇自研路線的另一面是，能夠達到更好的產品體驗。

Univer的每個SDK模塊也都可以拆分為兩部分：有界面的前端，和純計算邏輯的后端。

前者可以理解為直接可以面向C端提供服務的，有圖形化界面的輕量化軟件；后者則更像一塊積木，可以嵌入到企業的各個核心生產軟件中，比如OA、ERP、BI等等。

這讓 Univer 可以拋掉界面層，只保留計算層，成為一個“無頭電子表格”（Headless Spreadsheet 沒有交互界面），專門給AI使用，AI Agent能像“表格專家”那樣隨心所欲的讀取、操作和分析電子表格。

“這種圍繞電子表格沙盒環境形成閉環優化的方法，有機會訓練出一個專屬于 Univer 的表格模型，在準確性和成本效率上顯著超越通用模型。”劉洋對《智能涌現》表示，這個這一方向與Coding領域正在發生的趨勢也是一致的：用更強的模型生成程序，再在可執行環境中進行驗證和迭代，從而推動能力躍遷。

△圖源：表答

為了驗證Univer的底層引擎能力，團隊也基于Univer開發了表格編輯和分析產品“表答”（Capalyze）。

表答能夠為用戶提供網頁數據爬取+分析服務。將任何來源的數據、內容或文件，自動轉換為結構化電子表格，并完成后續的清洗、分析、可視化與洞察生成。在幾分鐘內，用戶就可以得到可直接使用的分析結果。

比如，用戶在小紅書評論區使用Ctrl+A全選網頁內容后，直接在表答中粘貼，系統會自動提取圖片、頭像、昵稱、評論等元素，精準地結構化導入表格。

在以往，大模型處理電子表格也是難題，很容易丟失上下文。

但Univer底層表格引擎由于是自研的，算法能夠從多樣化的網頁模式中準確定位表格結構，提供更多上下文，比如結構化表格拆解后的元數據、復合表頭的描述信息等等。

所以，如果是一個超過10MB以上的電子表格文件，Univer處理結果會比通用大模型更為精準。

在實際操作時，Univer也能夠提供更統一的環境。

在使用“表答”時，產品能夠區分人類與AI agent的操作，“表答”也允許多個Agent并行操作同一張表格，通過協同引擎將結果推送至多客戶端，在手機和桌面端，獲得的計算能力和結果是一致的。

近期，表答也推出了微信小程序版本。

這相當于將一個便攜的BI（商業分析）入口搬到了小程序中。用戶能夠通過拍照識別、語音指令和云端表格引擎，將現實世界中的圖片、清單和文件快速轉化為結構化表格，再通過AI來進行推理、分析。

例如，對一個零售行業的工作人員，就可以直接使用“表答”拍攝報價單生成對比分析、整理合同條款形成審批表、核算項目成本，或通過語音直接詢問庫存、毛利和異常項等等，將結果一鍵分享給團隊或同步至業務系統。

并且，表答小程序還可以直接處理微信消息的各類電子表格文件，成為業務人員隨身可用的智能分析入口。

“表答”的海外版本Capalyze，也在全球最大產品發布平臺 Product Hunt上，獲得日榜第一、周榜第一的位置，目前C端用戶超過10萬，在全球范圍內都有付費用戶。

在商業化層面，Univer已獲得來自 北美、歐洲、東亞與中國的付費客戶，覆蓋多個行業，典型客戶包括瑞士制藥巨頭Novartis（諾華）、三星；以及國內的法本信息、數字馬力（螞蟻金服全資子公司）等等，多家國內外頭部智能體產品也正在與Univer開展POC驗證。

Founder思考

• 繼Coding之后，電子表格將成為2026年AI的“aha moment”。電子表格和Coding之所以結構相似、極可能成為下一個爆發的AI超級賽道，在于它們都處在工作流最核心的位置、擁有極其龐大的用戶規模，并且天然通向大量相鄰場景。

  例如，Coding一旦進入開發者日常，就能外溢到測試、部署和整個軟件生產鏈條，而電子表格也是如此，一旦被AI賦能，就會延伸到財務、運營、分析乃至應用構建。更重要的是，這兩類工具都能靠效率提升來發生自傳播——用戶自己算得清ROI，使得產品可以用極少銷售成本完成規模化擴張。因此，Coding已經驗證了這一路徑，而電子表格，很可能是2026年更大規模的爆發點。

• AI賦能的下一個主戰場是電子表格。

  我認為每個企業都離不開數據，而加工數據離不開四件事：連接數據、預處理數據、分析數據、展示結果。這條鏈路，決定了數據能否真正轉化為信息與知識。而現實是，大多數業務系統只覆蓋流程，卻無法承載中間那段最關鍵的探索性計算：假設、推演、建模與反復修正。

  電子表格恰恰是這塊“自由畫布”。公式本身是一套通用計算系統，業務人員可以在里面搭建屬于自己的模型與邏輯。就像設計離不開Figma或Photoshop，業務分析也離不開電子表格——它不是報表工具，而是企業真正的計算中樞。

  全球十幾億人每月使用表格，大量企業軟件本質上只是它的外殼。如果電子表格成為AI-native的底層能力，被改變的就不僅是電子表格，而是整個企業軟件的工作方式。未來，大量業務推演由Agent在表格中完成，人類負責審閱與決策。

• AI表格更應該是給Agent用的，是給AI用的。Copilot不是Agent的終局，AI應該端到端幫助人類決策。

  我們堅信AI表格最終不是給人用的，而是給Agent用的，是給AI用的。Copilot是幫助人更好地去理解、更好去操作這個表格，但這個動作應該是自動發生的，AI直接交付分析結果。

  在對外產品形態上，由于目前用戶仍需要通過prompt進行交互、需要人工確認結果，所以產品迭代還是會按照正常的步驟推進。

  在未來，在SDK、Univer Platform和MCP協議等方面，我們相信會因為Agent的交互變化，會有更多的底層架構創新機會。

• 電子表格的本質是圖靈完備的計算引擎，公式是重中之重。

  之所以Univer選擇自研表格引擎，是因為電子表格的核心能力在于公式系統，它具備“圖靈完備性”——理論上可以實現任何編程語言能完成的計算邏輯，無論是Python還是Java能做的，公式都能做到。電子表格本質上是一個強大的計算引擎。

• 插件化架構（SDK）既是工程化需求，也是商業化考慮。

  Excel是一個有機的整體系統，各功能之間相互關聯。我們之前在飛書內部開發電子表格功能時，最大的挑戰在于：開發A功能時需要擔心對B功能的影響，線上經常出現連鎖bug——修改了A功能，B功能就會出現問題。

  因此，Univer希望通過工程化的方式，將這50個功能獨立開來，使某個功能的修改不會影響其他功能。

  插件化架構也更有利于形成生態，開源社區的開發者可以自行編寫插件，修改A插件時只影響這個插件本身，不會波及系統中的B插件、C插件、D插件。

• 大模型分析表格的痛點，是它無法真正理解半結構化的數據。

  大模型在分析表格時的一大痛點，是它會將半結構化表格視為一個整體進行處理，而無法理解其內部復雜的結構。

  相比之下，Univer因為自研的表格引擎，能夠智能地將表格進行拆解，區分出規范的結構化數據和非結構化信息，決定是否合并處理，并且能提供公式依賴關系、樣式、合并單元格、篩選等額外上下文信息。

  傳統大模型（如GPT）則缺乏這種能力，它會將整個表格囫圇吞下，導致分析結果經常會丟掉數據。

在AI原生應用的探索中，表格作為數據、分析的底層能力，也正在成為一大新興的細分賽道。

Gartner預測，到2028年，傳統搜索引擎的流量將有50%被AI搜索取代。同樣的邏輯也在發生在電子表格領域——當AI逐漸成為企業數據處理的核心引擎時，表格的角色必然從“人的工具”，轉變為“AI的工具”。

橫向對比來看，Univer與國內外同類產品的差異化路徑值得關注。微軟的Excel Copilot、Google的Duet AI，本質上還是在原有產品架構上疊加AI能力，但是會受制于歷史包袱；

而Notion、Airtable等新興玩家，在協作和低代碼方向做出了創新，也引入了AI，不過這是更偏上層的產品交互和創新。

Univer的特點在于，在底層，它選擇了一條更難的路線：從0到1重構電子表格的底層架構，用插件化設計，讓AI可以直接調用表格的計算邏輯，用自研SDK，為AI提供更豐富的上下文。但在產品層面，它又足夠輕盈，采取SDK這種“嵌入”的形式，這或許是驗證AI Native產品能力的更快的路徑。

封面來源｜企業官方

歡迎交流

本文來自微信公眾號“智能涌現”，作者：鄧詠儀，36氪經授權發布。