当前，人工智能技术正加速进入企业办公与决策流程，但落地效果越来越受数据条件影响。金山办公副总裁吴庆云近日表示，现有技术水平下，高质量数据已成为决定AI能否真正发挥作用的关键因素，此共识正从国家层面延伸到企业实践。 从技术演进看，AI产业的主要挑战正在变化。过去，算法创新与算力提升是核心驱动力；而随着大模型快速迭代，各类通用模型的基础能力逐步趋同，单靠提升模型性能带来的增量有限。，数据的价值被重新重视。吴庆云强调，AI要深度参与企业战略决策与业务运营，前提是建立稳定、可信的数据与知识基础，而不是一味追求模型能力继续“拔高”。 这一判断也反映了AI从概念走向应用的现实路径。在企业级场景中，模型的通用能力只是起点，真正决定AI价值的，是企业能否提供高质量、结构化、可信的数据支撑。金山办公助理总裁朱熠锷指出，在toB领域，AI正从“以模型为中心”转向“以数据为中心”，且这一趋势会愈发明显。这意味着，企业竞争力不再取决于选用哪一款模型，而更取决于能否建立完善的数据治理体系与知识管理机制。 数据走向中心的原因，来自企业场景的具体需求。在办公自动化、业务分析、决策支持等场景中，通用模型的泛化能力往往难以覆盖企业的个性化要求。企业需要结合自身历史数据、业务规则与行业特点，对模型进行优化与微调，而数据的质量、完整性与可用性直接决定最终效果。所谓高质量数据，不仅指准确、规范，还包括合理的组织方式、可靠的标注以及可持续的更新机制。 金山办公提出的“企业大脑”概念，正是基于这一思路。其核心在于：企业需要构建以数据与知识为底座的智能系统，而不是把通用模型直接套用到业务中。这要求企业在数据治理、知识管理与流程优化等进行系统建设与投入。 从产业层面看，这一转变将重塑企业数字化战略。一上，企业需补强数据基础设施，建立规范的数据采集、存储、处理与管理体系；另一方面，也要加强数据治理人才培养，形成专业化数据管理团队。同时，行业层面需要探索更高质量的数据共享与交易机制，促进数据要素市场稳健发展。 这一趋势也对AI技术提供商提出新要求：不仅要提供模型与算法，还要帮助企业搭建数据治理框架，提供数据质量评估、清洗与标注等配套服务，推动AI产业从单一技术比拼转向综合解决方案竞争。
从“模型热”走向“数据热”，不是简单的技术路线切换，而是对企业数字化治理能力的一次检验；谁能尽快把数据做准、把知识做实、把流程做稳，谁就更可能把智能化从演示推进到真实生产。对企业而言，补齐高质量数据与可信知识的基础工程，既是当下的关键举措，也是面向未来竞争的长期投入。