8月28日，WPS多维表格的新功能「灵感应用」首次亮相：用户用自然语言描述业务需求，AI即可生成一套可直接使用、也能持续迭代的个性化业务应用。据官方介绍，该功能目前正逐步开放体验，未来将覆盖更多用户。

“一句话生成一个系统”这类表述，在今年的AI发布会上并不少见，因此速途网特别关注，生成出来的东西，企业敢用吗？

WPS多维表格运营负责人李红玲给出了一个相当直白的判断：“大家都知道Agent很强，但企业并没有快起来。”这句话恰好标定了问题的位置，AI的生成能力本身未必是瓶颈，能力能否进入业务的上下文和流程，才是。

从“应用模式”到“灵感应用”，WPS要补的是官方组件补不上的那块拼图

事实上，「灵感应用」并不是凭空冒出来的。今年4月，WPS多维表格已推出「应用模式」，用户可以通过列表、仪表盘等界面，把一张多维表格呈现为贴近业务的应用系统。据官方介绍，这套模式目前已服务于中集集团设备台账、北京师范大学在线办事等场景。

但组件库有天然上限。WPS多维表格产品负责人杨鼎在会上举了一个很实在的例子：“就算我们做了100种、1000种图表，企业内总有一种自创的图表，是市场上都没见过的。”

这句话点出了模板化思路的结构性困境。企业里的长尾需求无穷无尽，靠产品团队穷举组件去覆盖，边际成本只会越来越高；而让AI在已有能力之上按需生成，是另一种解法。

因此，「灵感应用」就是冲着这块空白来的。据介绍，用户输入需求后，AI负责理解意图、组织组件，生成带有业务质感的个性化应用；生成的应用层搭在多维表格已有的数据、权限、自动化能力之上，底层数据与业务规则保持透明、可追溯。

把这两步连起来看，路径是连贯的：前者回答“表格能不能长得像系统”，后者回答“系统能不能按我的想法长出来”。两步指向的是同一件事，让不懂代码的业务人员，也能拥有自己的业务系统。

“能干、可信、好看”，AI搭出来的应用凭什么能被业务用起来？

现场演示环节，杨鼎以订单管理系统为例，让AI生成了一个可以旋转的三维驾驶舱。据现场介绍，系统的工作方式是先与用户交互明确需求，再展示思考过程，最终给出可验证的方案。他把这套能力概括为三个词：能干、可信、好看。

三个词里，真正有门槛的是“可信”。演示效果可以做得很漂亮，但一套业务系统能不能被用起来，取决于它是否建立在一套已被验证过的底座上。

WPS给出的理由是三条：权限、协同、自动化这些最复杂的能力已在多维表格中沉淀多年，AI不需要从零重建；多维表格本身是在线文档，应用保存即可用、链接即可发；数据透明可追溯，业务人员看得懂，也改得动自己搭出来的东西。

速途网认为，AI生成应用这件事，“能生成”和“能交付”之间隔着的，正是权限、协同、审计这些并不性感但缺一不可的脏活累活。让AI站在已有底座上生长，而不是另起炉灶重建一套权限与协同体系，是少走弯路的做法。这也解释了为什么WPS要在表格这个看起来并不新潮的产品形态上做文章：表格本就是企业里业务数据的自然沉淀地。

进得了老系统、扛得住高并发，企业级AI绕不开的三道关

一个由AI搭建的业务系统，要在企业里长期运转，至少得过三道关。WPS多维表格技术负责人金才在会上给出的答案，恰好对应这三点。

第一关是AI够不够懂业务。据官方介绍，今年6月和7月，WPS AI先后在SpreadsheetBench、TableBench两项国际权威评测中拿下榜首，前者考察AI操作表格、搭建系统的能力，后者考察洞察数据含义的能力。其中SpreadsheetBench的成绩为73.46%，超过71.33%的人类专家基准。

虽然评测成绩与实际业务表现之间并不能简单划等号，但在一个有公开基准可比的垂直赛道上，它至少给出了一个可供参照的能力刻度，比抽象的“效果提升多少倍”更有讨论价值。

第二关是数据能不能持续进得来。企业里的业务数据往往锁在CRM、ERP这类老系统中，对接方式千差万别，靠专人逐个开发很难规模化。WPS为此打造了「AI连接器」，按官方说法，业务系统方只需提供接口文档，AI就能完成开发与测试验证，把专业工程师三天以上的工作量压缩到小时级。

第三关是系统扛不扛得住。当多维表格承载的是整个团队天天在用的应用，数据实时流入、上百人并发操作、复杂计算密集发生，都会持续冲击实时体验。据官方介绍，WPS多维表格持续升级内核引擎，在百万行数据、数百人协同编辑的场景下，把计算响应延迟保持在137毫秒；官方提供的另一组客户实测数据显示，编辑耗时由4768ms降至137ms，同步延迟P99下降90%以上。

这三道关里，前两道决定AI能不能用，第三道决定它能不能被天天用。企业软件的淘汰，很少败在功能不够多，更多是败在卡顿、延迟和一次协同事故带来的信任流失。

案例里的真问题：AI要提效，得先进入业务的上下文

能力要转化成组织效率，中间还隔着一层流程。李红玲分享了一套五步落地方法：场景切入、流程梳理、AI加入、AI持续优化、规模推广，从单点验证逐步形成组织级的落地闭环。

这套方法已经在几个差异很大的行业里跑过。沪东中华造船厂借助AI建表与AI建仪表盘，用一句话生成了覆盖台时故障率、综合效能等指标的精益设备管理分析系统；昌平区教育局把每年千余名教师的资质评审搬到线上，由AI字段自动提取证书信息、生成台账并流转审批；某超大型打印耗材企业则用AI数据分析定位赊销利润差因。

中集集团技术架构高级经理黄文毅分享了TPM系统的落地实践。他提到，过去不少企业的设备管理主要依赖传统表格、纸质单据以及电话、邮件沟通，流程分散、统计工作量大，而专用系统建设成本高、实施周期长。据现场介绍，中集集团在WPS多维表格上搭建设备管理轻应用，通过应用模式为不同角色提供统一、清晰的操作入口，集中承载设备信息、报修、工单处理和报表统计，并支持业务侧按实际需求灵活调整字段、视图和流程，从而降低一线使用门槛。据会上披露，其在TPM设备保全与维修工单、质量巡检、项目跟踪与问题整改三个场景上已进入了真实业务流程。

北京师范大学珠海校区教务部罗滨锴展示的，是一套完全搭在多维表格上的实习管理系统。师范生教育实习涉及全国上百所基地学校，校内门户覆盖不到；这位不懂编程的教务老师自己搭出了学生、教师、管理三端的系统，实习学校的老师扫码或点开链接就能在表单里参与请假审批，全程留痕。他给出的一个对比是：以往80%的时间花在执行上，现在20%处理数据，剩下80%用来思考业务。

金龙鱼（益海嘉里）把工厂安全培训、巡检管理、广宣品发货计划搬到多维表格上，其中自定义AI字段可以自动识别一线工人上传的门店照片属于哪个产品类目；合肥轨道的多维表格月活达到12000，落地场景包括作业申请及审核、车辆检修车间生产作业、培训台账管理以及行车、客运值班员交接班台账。

这些案例的共同点不在于“AI生成了什么”，而在于AI被放进了原本就存在的流程里。也正因为被放进流程，变化是可以用前后对照的方式看出来的：以金龙鱼的安全隐患排查为例，此前隐患记录依赖纸质表单和口头传达、整改任务靠微信群喊话、闭环情况难以追踪，调整后变成隐患一键扫码上报、责任人自动匹配并触发提醒、管理员通过可视化看板全程掌控整改进度与趋势。

同时也要看到一个细节。据会上披露，中集集团所依赖的AI专家功能，落地仍在调试中。这个信息并不负面，反而更接近真实：企业级AI的落地从来不是一次性交付，而是一个需要反复校准的过程。