今年百度世界大会文库网盘的分论坛,叫「超级智能,全球上岗」。
我对「上岗」这两个字挺感兴趣。
过去我们用AI,更多是让它回答问题、生成内容,现在开始让它接手具体工作。
可真把活交出去,大家多少有些顾虑:准不准,专业不专业,做出来能不能直接用?
说起来,百度文库和网盘从2023年就开始布局这件事。现在推出的库库,已经把能力延伸到了个人办公、企业组织和海外市场。
百度集团副总裁、个人超级智能事业群组总裁王颖谈到过一个判断:模型决定下限,上限还得看数据和审美。
这句话值得琢磨,当模型越来越强,大家都能用上差不多的能力,一款AI产品究竟靠什么让用户愿意长期使用?
……
用过AI的人应该都碰到过这些麻烦:
网盘里的资料,每次都得重新上传;它能回答问题,却未必能操作电脑上的文件;好不容易摸索出一套顺手的流程,下次还得重新来,想分享给同事也不方便。
工具看着越来越聪明,真要让它接手一件完整的工作,还是会卡在这些地方。
说到底,AI想把活干好,得先拿到真正用得上的资料。
百度个人超级智能事业群组国内业务部负责人钟昊分享过一个例子:
有用户研究人形机器人行业,需要查行业数据库、研报和大量金融数据。
库库生成的内容,每一段旁边都会附上引用来源,细到段落和表格;点开引用,还能跳回研报原文,找到被引用的那部分内容。
做过行业研究的人应该明白,生成一份看起来完整的报告不算最难,难的是里面每个重要判断都能找到依据。
你看,这个动作不复杂,却解决了一个实际问题:AI说的那些话,到底有没有依据?
各家都在降低模型幻觉,但对用户来说,光看准确率指标还不够,至少得能找到出处,出了问题可以核对。
学术研究也是一个道理。
比如,把一篇论文交给库库,它会生成一份核查报告,把疑似虚构的参考文献、数据对不上的地方,以及没办法支撑论点的引用标出来。
如果发现某份期刊可能不存在,还会进一步检索百度学术的会议记录,看看是不是跟同名学术会议弄混了。
遇到不同来源的信息相互矛盾,它也会多核对几轮,给出相对可信的结果,同时把其他来源留给用户参考。
那这些能力从哪儿来?
一头是知识积累。18亿+公域行业资料、7.5亿+中英文学术论文、超过700万个在线知识库。
另一头是专业经验。库库引入金融、科研、法律,甚至是生物学、矿业等领域的真人专家,把这些细分行业的知识和经验带进来。
毕竟,有些专业问题分得太细,光靠公开资料,未必能知道实际工作里该怎么判断;库库也能让不同角色组成专家团,同一个任务有人提意见,有人检查,再汇总结果。
单个专家能解决某个细分问题,但一份完整的工作往往不止涉及一个专业,这也是让多个角色一起参与的原因。
当然,光有资料和专家还不够。
百度个人超级智能事业群组 基础研发和B端业务负责人 唐海浩提到:数据的结构化处理、权威性校验和清洗,一样都省不掉。他说,这些「苦活脏活」越早做,反而越容易形成壁垒。
我分析认为,专业AI难就难在这里。
模型可以采购,资料却得有人整理,专业经验得慢慢积累,数据出了问题还得不断修正。
这些工作平时很难被用户看见,可一旦少了其中一环,生成的内容就可能经不起核对。
最后还得把东西交出来,库库还打通了自由画布,图片、视频、文档和网页能放在同一处操作,也支持多人修改。
以前做一份带图表和视频的方案,可能得在好几个软件之间来回切换,现在能在同一个地方处理。
通过在线AI融合编辑器,还能实现人机共写,人和AI一起改一份文档,哪儿不合适改哪儿,不必每次重新生成整份内容。
王颖还谈到一件事:用户在token使用上没什么焦虑;这一点挺重要,毕竟一份方案很少能一次做完,反复修改才是平时工作的常态。
讲到这里,开头那几个顾虑,也就有了答案。
AI说的东西能找到出处,遇到专业问题有资料和专家支撑,最后还能把东西做出来、改下去,用户才更愿意把活交给它。
王颖还有一句话,我觉得挺适合放在这里,她说,准确性是用户愿意留下来的理由,数据量是用户不容易离开的理由。
前半句说的是眼前这件事能不能做好,至于后半句提到的「数据量」,还得看看百度网盘里这些年攒下了什么。
……
说到网盘,就绕不开这次全新升级的主动服务。
以前人先想好要什么,再打开工具提要求;现在在网盘里,库库想根据已有资料和用户上下文,主动问一句,要不要帮忙。
但这里有个前提:
用户得放心让它接触自己的东西。公事讲究专业、准确,私事更在意信任。照片、文件、会议录音都在网盘里,谁也不希望AI未经允许随便翻看。
库库的主动服务需要明确授权,不同意就不能擅自操作。
百度网盘做了14年,积累了10亿用户和千亿GB数据。照片、学习资料、工作文件和会议录音,这些东西原本就放在那里。
很多人愿意把重要资料长期存在网盘里,给主动服务提供了一个起点;不过,长期存放资料是一回事,允许AI使用又是另一回事,两者之间还得有清楚的授权。
它的做法也有些不同。
常见的路径是先做智能体,再让用户上传数据;网盘本来就存着资料,可以在授权范围内把智能体接入现有的数据环境。
这样用户不用每次搬文件、重新交代背景。两条路看着只是操作顺序不同,实际用起来差别挺大。
尤其在资料越攒越多的时候,反复上传和说明背景,本身就会消耗不少时间。
我记得,钟昊讲过一个找工作的例子:
用户反复修改简历,网盘里的投递材料越来越多,库库识别出求职需求,主动提出优化简历。简历改完也不算结束。
如果用户授权连接日程,它还能根据面试安排,在合适的时候提醒用户准备模拟面试,结束后一起复盘。
以前这些事得自己一步步安排,现在工具可以顺着已经发生的事情往下帮忙。
这件事有意思的地方,是用户不必每一步都重新提要求;工具开始根据已有信息发现需求,再由用户决定要不要继续。
想做到这一步,AI还得慢慢了解人。
库库把记忆分成短期、中期和长期,参考资料出现的频率、密度和标签整理,也会随着人生阶段变化。
大三时忙着找工作,几年后可能早就换了关注点,该记什么、该淡化什么,都得跟着调整。
这套记忆机制由人来设计,再交给经过训练的模型执行,具体哪些内容需要保留、哪些应该逐渐淡化,会根据用户的变化进行判断。
除了记忆,还有一个挺有意思的问题,就是审美。
审美很难统一标准,有人喜欢简洁,有人喜欢丰富,同样一份PPT,在不同人眼里可能完全是两回事;通用模型可以学到大量设计样式,却很难提前知道某个用户究竟喜欢哪一种。
所以,库库想做到的「懂你」,还包括在长期使用中慢慢了解个人偏好。
当然,了解得越多,边界越重要。
用户不知道AI能做什么,就无从授权;可AI主动提出建议,也不能越过用户的决定,什么时候出现、能做多少,得把分寸拿捏好。
一个人的网盘能帮AI了解他的工作和生活。换成一家公司的知识库,又会怎样?
……
企业的数据散落在知识库和业务流程里,AI要解决的问题也跟着变了。
过去企业引入AI,多是在原有岗位上加个助手,人还是那些人,只是干活快一点。
王颖谈到一种变化:
从按角色分工,转向围绕目标组织工作。人确定目标,AI参与拆解和执行,岗位之间的界限也可能松动。
说起来容易,难的是大家能不能始终朝着同一个目标走。
库库企业版,就是想把目标、资料和执行过程放在同一个系统里,让参与的人和AI共享工作背景,少一些反复沟通。
原来一个任务交给几个人,每个人都得听一遍背景,再各自理解一遍;如果上下文能持续留在系统里,至少能少掉一部分重复解释。
目标定下来以后,还要知道任务拆给谁、做到哪一步、最后怎么验收。
少了这些环节,AI再会写材料,也很难真正接住企业里的工作。
上线三个月以来,库库企业版的能力已覆盖超过60万个组织;日均任务量增长至上线初期的9倍,月访问量增长至14倍。越来越多的组织,正在用库库企业版完成日常工作。
不过,使用量增长不等于任务已经做成。
唐海浩谈到,现在用AI做课件、写材料、分析数据,已经不算特别难,真正难的是把这些能力接进企业的实际工作。
比如:
库库企业版在金融投研场景,围绕「数据更全面、分析更专业、交付更灵活」完成升级,已接入10多类专业金融数据源、65类以上数据工具,覆盖超过65万份研报,以及250万份A股和港股公告。
覆盖55类投资角色、71类研究场景,引入100 多位金融专家及专业Skill,按金融行业的专业方法开展研究。
交付上,研究报告、PPT、Excel分析底稿、可视化报告和视频解读,都可以按具体场景和团队模板生成。
这套能力已经在客户的真实工作中产生效果:在南华期货,客户服务效率提升60%;在锡创投,业务交付速度提升25%;在国联人寿,投研团队人效提升40%。
……
企业要解决组织内部怎么协作,到了海外,问题又变了。
海外市场有个容易被忽略的地方,看起来都是出海,实际上,不同国家的工作习惯、审美和需求差别很大。
比如:
韩国创作者提供了很多适合本地的PPT模板,KOOKO团队对模版做了改进,放到西语市场后,大受欢迎。
这就有意思了。
按常见理解,本地化似乎意味着什么都得重新做一遍,但这个例子说明,有些设计偏好也会跨越语言和地区。
海外业务也很难只靠把国内产品翻译成另一种语言。当地人平时怎么工作、喜欢什么样的内容、愿意为什么付费,都得慢慢摸清楚。
KOOKO在海外也有一些具体的使用案例:
除文档、表格和PPT之外,借助AI搭建应用、开发网站,已成为KOOKO最热门的使用场景之一。
一位巴西餐饮小店的经营者用KOOKO,把点单流程变成了「轻应用」。
将扫码查看菜单、自助下单点餐、维护商品、处理订单等门店经营全流程串联起来,并根据使用中遇到的问题持续调整功能与部署方式。
大会现场,意大利自媒体博主、AI学院创始人、软件工程师Valerio也说到:
只需一条指令,KOOKO便同时产出内容方案、排期日历、视频脚本与字幕文案,且所有客户信息都保持准确。
KOOKO的本事远不止于此,它还能做视频、海报和网站,把各类创意需求一站搞定。
这两个例子有个共同点,用户需要的是把一整件事做完。至于中间涉及多少种工具、多少个步骤,他们未必关心。
还有一个时间上的细节:
库库的海外产品在2025年就上线了,当时还是Oreate AI这个名字,今年9月全球统一品牌为KOOKO,而国内「库库」这个中文名称是在2026年8月正式公布的。
至少从品牌布局来看,海外市场很早就进入了这条业务线的规划;目前,KOOKO海外用户超过1200万,覆盖204个国家和地区。
……
说到这里,再回头看库库这门生意,百度文库、网盘为什么有机会做这件事?
我分析认为,优势还是来自过去这些年的积累。
网盘运营了14年,积累了大量用户资料;文库和学术沉淀了专业知识;专家团和技能体系提供具体的工作方法。
再加上存储、模型调用等方面的成本控制,这些能力才有机会被放到同一个产品体系里。
这些积累当然不意味着别人做不了,只是要把资料、知识、工具和执行能力真正接起来,需要持续投入。
还有一个选择值得注意,百度目前没有把库库企业版的重点,放在大型企业私有化部署上,而是选择从个人、专业个人,再到中小组织逐步推进。与其什么都做,不如先把自己熟悉的场景做好。
最后,我想起王颖谈到的一句话,「人本身是目的,不是手段」。
这句话放在AI越来越能干活的今天,倒是挺值得琢磨。毕竟,资料是人积累的,经验是人留下的,最后决定一件事该怎么做的,仍然是人。
AI能做的,是把这些东西更好地用起来。