眼下，AI 办公智能体正在迎来最热切的期待与审视。

2024 年 " 大模型吞噬软件 " 论断震惊全球科技圈，让人们不得不正视：传统软件正在被以大模型为核心的新形态所颠覆。

而这一 " 新形态 " 最直接的体现便是以 " 自主决策、任务闭环 " 为核心的智能体。它推动了生产力工具从 " 功能堆砌 " 转向 " 任务驱动 "，把人从繁杂的软件操作中解放出来，打通人与任务间的 " 最后一公里 "。

这场革新中，办公领域因数字化渗透最深、场景最广、离生产力一线最近，成了变革的核心试验场，也承载着人们的热切与审视：智能体在办公场景的 " 核心价值 " 是什么？何为 " 可用 " 与 " 好用 " 的智能体？从 " 可用 " 到 " 好用 " 的跨越，又需要哪些关键技术与经验支撑？

上周，商汤科技举行了 2025 产品发布周。重新定义 "AI 原生办公 " —— " 办公小浣熊 3.0" 为行业带来了新范本。

什么是 AI 办公的 " 核心诉求 "？

事实上，传统办公模式长期受制于 " 软件驱动 "   的桎梏，因为其底层逻辑是：  " 人要去适配工具、迁就工具 "。

比如，职场人需在多款软件间频繁切换，手动完成数据录入、格式调整、信息同步等重复性工作，工作流被切割成一个个碎片化的操作环节。一个完整的任务往往要跨越多个平台，不仅消耗大量时间成本，也容易因人为操作失误而导致效率损耗。

这种模式下，工具成了 " 核心 "，人反而成了被动的操作者，大量的创造力与决策价值都被繁琐的流程稀释掉了。这也是传统办公场景下长久存在的隐痛。

AI 办公智能体正在改变这种现状。

但人们发现，不少产品距离用户期待的 " 好用 "   还有不小差距。有用户曾向雷峰网反馈：" 在一些国外技术论坛里，有不少乍一看让人眼前一亮的   Aha moment   产品，但实际体验下来却效果一般。"

从 " 可用 " 到 " 好用 "，至少要突破三大关卡

人们想要一款 " 好用 " 的 AI 办公智能体，但 " 丰满的理想 " 下，现实情况往往很复杂。

互联网公司市场部经理李萌对此感触颇深。她们的市场团队每天要对接五花八门的信息——既有销售端传来的 Excel 数据，又有活动策划的 Word 方案，还有客户投诉的聊天截图，甚至是竞品分析的 PDF 报告。

最头疼的就是做营销复盘时，得把 Excel 里的数据、微信里的客户反馈、PPT 里的活动亮点全凑到一起，光是整理素材就要耗大半天。

" 之前用 AI 帮忙做复盘，文件一杂、信息一乱，它就抓不住重点，要么只罗列数据没结论，要么漏了关键的客户意见，根本达不到直接用的程度。" 李萌无奈道。

在不少 C 端用户眼里，以往的 AI 办公产品同样存在不够好用的现象。

" 过去的 AI 做 PPT，总离直接落地差口气——生成的往往只是文字堆砌的初稿，没有清晰的逻辑框架，还缺少适配的图表和配图。"

比如要准备一份新产品宣讲 PPT，即便提供了产品数据、客户需求、竞品分析等信息，AI 也只是简单罗列内容，既梳理不出层层递进的逻辑，也不会自动将数据转化为直观图表。

最终输出的 PPT，还需要用户花大量时间调整结构、优化版式、补充素材，无法直接拿去使用，跨不过 " 最后一公里 " 的交付门槛。

类似的情况还有很多。

这时候，" 好用 " 的 AI 办公 " 搭子 " 到底应该是什么样的？

李萌在使用了小浣熊 3.0 这款办公智能体后，有了自己的答案。

在月度增长复盘场景下，面对李萌团队的困境，小浣熊能读懂深层需求，自动拆解任务，整合   Excel   数据、分析报告等多源资料，直接输出含数据图表、结论明确的复盘报告和完整   PPT，李萌稍作确认即可直接使用，省去繁琐打磨。

在 PPT 交付场景下，小浣熊构建了一套多模态智能体创作引擎，把 PPT 制作从 " 帮着排版 " 直接拉到了 " 自己能做 " 的水平。

它能吃透用户零散信息背后的真实需求，规划好完整结构，直接生成 PPT ——绝非简单文字堆砌，而是已统筹好大纲、版式，还会自动匹配图片、生成图表，最终交付专业且可直接讨论的成品。同时小浣熊 3.0 还具备类似人的   " 记忆 "   机制，能记住用户的偏好和风格，让后续的输出更贴合用户个人习惯。

而针对用户经常出差、路上使用电脑不便的场景，商汤小浣熊 3.0 还将在近期推出移动端 APP，让用户在手机上也能延续电脑端的工作流程，变成一个永远在线的口袋助理。

而这种从听懂 " 指令 " 到理解 " 任务 "，从给个 " 草稿 " 到交付 " 成果 "，从困在 " 单点 " 到融入 " 全域 " 工作流，正是近期商汤小浣熊从 2.0 升级到 3.0 版本后实现的 " 三大能力跃迁 "。

而这背后并非单纯的技术迭代，也包含了对办公本质的深度思考。

商汤科技小浣熊负责人贾安亚告诉雷峰网，在研发之初，团队就在思考：" 什么是大模型时代的   AI   办公？我们到底想做一个什么样的   AI？"

" 我们的答案非常明确：第一，我们不做冷冰冰的工具，而是要做能帮你进入 " 工作心流 " 的伙伴。第二，我们不做博眼球的 demo，而是扎根用户的真实场景，解决真问题。"

正是基于这一思考，过去两年间，小浣熊从 1.0 到 3.0 一路走来，不断升级。

什么才是 AI 办公智能体的 " 真壁垒 "？

雷峰网对比发现，与市面上大部分 AI 办公智能体相比，小浣熊 3.0 的优势体现在以下三点：

一是，超强的理解与数据分析能力。最早的小浣熊 1.0 版本——国内首个数据分析智能体，其擅长的就是做复杂的多模态数据分析，并且得到了不错的市场反馈。小浣熊 3.0 更支持了百万级数据量处理，及多模态多源数据分析。

其二，100 分的成果交付能力。小浣熊 3.0 依托商汤日日新 Agentic RL（智能体强化学习）技术实现了端到端复杂任务规划与闭环能力。尤其它建立更好的交互反馈与人机协作模式，让所有过程、结果都可编辑，实现了可控输出，让 95 分的成果升级 100 分交付。

第三，移动端 APP 上线后，更补全了最后一块跨平台处理的拼图。让它能更好地实现全流程一站式办公，融入企业工作流。

这其中，小浣熊   3.0   依托的商汤日日新 Agentic RL 是商汤科技在模型底层技术上的重要突破。

" 我们去年大部分时间专注于数据分析，在单模态与多模态领域实现突破；今年上半年则聚焦复杂任务，深耕推理、拆解能力及智能体技术，完成了重大突破。" 贾安亚透露。

具体来说，  Agentic RL 解决了三大核心技术挑战：

一是会 " 一步步琢磨 " 的长程推理。

面对图片、文字、文档这些杂乱的多类数据，" 小浣熊 " 不再是简单的模式匹配，而是拥有了像 " 思维链 " 一样的自主规划能力，能把一个模糊的分析目标（比如 " 做一份产品销售分析 "），拆成 " 整理数据→提炼关键信息→做图表→验证结论 " 等几十个清晰步骤，还能一直记住前后逻辑，不跑偏。

二是，每一步都 " 自我检查 " 的价值对齐。

不同于在多模态分析的每一步中，无论是提取 PPT 文件的页面数据，还是编写一段 Python 分析代码，Agentic RL 的 Reward 系统都会实时评估当前步骤动作的价值。

目前主流的强化学习仅对最终结果进行奖励，而小浣熊引入了细粒度的过程监督——不管是从 PPT 里提数据，还是写一段分析代码，每做完一步都会实时 " 打分 "，判断这步做得对不对、有没有用。

这使得模型具备了一定的自我反思能力，对于中间步骤出现偏差，它能进行自我修正并重新规划计划，大幅降低了模型的幻觉率。

三是，环境交互与闭环进化。

简单来说，小浣熊在处理任务时，会不断和数据工具互动，根据反馈调整做事方法（比如这次图表做反了，下次就自动修正）。这种机制让模型能够从错误中学习，实现推理能力的端到端的持续进化。

此外，针对 PPT 生成场景，小浣熊 3.0 专门研发了多模态智能体创作引擎，通过解耦内容与样式，实现高质量、可直接交付的自主创作。

而小浣熊 3.0 能做到这些，背后还有着更深层次的壁垒支撑。

贾安亚告诉雷峰网，在 AI 办公智能体的进化上，单点技术优势难以持久，小浣熊真正的核心优势，是技术层、产品层、落地方案执行层联动的组织化系统工程能力，而这背后是商汤十多年的沉淀。

比如，小浣熊兼具   B、C   两端属性，其中   To B   属性方面，就依托了商汤在   To B   场景十年的深耕与积累，再加上小浣熊自身过去两年间服务   300   多万个人用户与   1000   多家企业用户的实践，有教育版、金融版、政务版等等，沉淀出了一套成熟的 To B、To C   系统工程方法论，这一点尤为关键。

因为眼下 AI 原生办公已经成为生产力基建，它不再是工具的简单叠加，而是以用户核心任务为轴心，彻底重构流程、释放生产力的效率革命。

这种背景下，从单一办公工具升级为支撑企业数字化转型的办公平台，尤其是支撑国产化办公基础设施，扛起服务者、基建者的使命，也成为中国 AI 企业的重要担当。

以商汤为代表的企业正以行动践行这一方向。

" 为积极响应国产化的需求，小浣熊已经实现了从模型到硬件的全链路国产化适配，后续还会陆续推出国产化的 AI PC、AI box，适配更多场景。" 贾安亚补充道。