AI 办公的终局，不在模型参数，在场景壁垒

模型不再是稀缺资源

4 月 10 日，Anthropic 发布 Claude for Word 公测版，至此完成了对 Office 三件套的全覆盖。从投资视角看，这一事件的意义不在于 Claude 又多了一个入口，而在于它标志着 AI 办公竞争进入了一个新阶段：从模型能力的比拼，转向场景理解与生态壁垒的争夺。

过去两年，AI 办公赛道的叙事逻辑清晰而简单：谁的模型更强，谁的办公工具就更智能。但这个判断正在被快速修正。顶尖实验室的模型更新周期已缩短至数月，性能差距在快速收敛。Claude、GPT-4o、Gemini、DeepSeek，各家模型在通用能力上的差距越来越小。对企业用户而言，模型的「保鲜期」极短——今天被认为领先的模型，三个月后可能只是平均水平。

模型本身正在迅速变成一种基础设施。当算力与模型不再是稀缺资源，企业的核心竞争力究竟在哪？答案正在变得清晰：数据治理与场景理解。模型是必要条件，但远非充分条件。模型的能力决定了 AI 办公工具的下限，而场景数据的积累决定了它的上限。

8000 万月活构建的数据飞轮

截至 2025 年底，WPS AI 国内月活跃用户数已超过 8013 万，同比增长 307%，企业用户占比提升至 42%。同期，WPS Office 整体全球月度活跃设备数达 6.78 亿。

这组数据的核心意义在于：8000 万月活用户的使用行为正在构建一个数据飞轮。用户每天用 AI 写文档、审合同、做 PPT、改公文，每一次交互都在生成高质量的中文办公场景数据。这些数据反过来持续优化 AI 在中文场景中的表现，使产品体验越来越好。

数据飞轮一旦转动，后来者追赶的成本会呈指数级增长。Claude 可以训练出理解中文的模型，但无法复制 8000 万中国用户的真实使用场景。这种规模壁垒是时间换来的——不是模型能力追不上，而是场景数据的积累追不上。以合同审阅为例，WPS AI 识别「违约金过高」「竞业限制范围过宽」「试用期超出法定上限」等本土法律风险点的能力，建立在对海量中文合同语料和中国法律体系的长期学习之上，这不是通用大模型通过短期训练可以达成的。

数据安全：企业级市场的准入门槛

在消费级市场，用户选择 AI 工具的标准可能很简单：好用就行。但在企业级市场，有一条红线——数据安全。

Claude for Word 强调「在企业安全框架内运行」，支持 Amazon Bedrock、Google Vertex AI、Microsoft Azure 等企业网关。这套架构在美国和欧洲市场没有问题，大型企业可以通过这些网关控制数据流向。但中国市场有更硬的需求：数据不出境。

金融、政务、能源、通信等关键行业对数据安全有严格监管要求。AI 办公工具再好用，如果数据要传到海外服务器，就过不了合规审查。这不是企业偏好问题，而是监管底线。2023 年出台的《生成式人工智能服务管理暂行办法》明确要求，提供生成式 AI 服务应当采取措施防范数据安全风险，不得违规处理个人信息。对海外 AI 工具而言，数据出境本身就是一道难以逾越的合规障碍。

WPS AI 支持私有化部署，企业可以在自己的服务器上运行 AI 能力，数据完全不出内网。同时，WPS 完成了全面的国产信创适配，与主流国产操作系统、数据库、中间件完成兼容认证。在企业级市场，没有私有化部署和信创适配能力，AI 办公工具连竞标资格都没有。Claude 的模型在某些维度上可能表现更优，但在中国企业级市场，它面临着基础设施层面的结构性障碍。

定价策略：用户规模的天花板与地板

定价是企业级 SaaS 产品的战略级变量。Claude for Word 的定价是 Pro 用户 20 美元/月（约 145 元人民币），Max 用户 100 美元/月（约 725 元），且需要先订阅 Microsoft 365。这意味着一个中国用户要完整体验 Claude 的 Office 协作能力，每月总支出至少在 200 元以上（含 Microsoft 365 订阅费），企业级用户支出更高。

WPS AI 作为 WPS 会员的增值服务，价格门槛更低。这种定价差异的背后是两条不同的商业路径。Claude 走高端路线，用价格筛选用户，单用户收入（ARPU）较高，但用户规模的天花板也更明显。WPS 走普惠路线，先用低价降低使用门槛、扩大用户规模，再用规模效应构建数据飞轮和生态壁垒。

从投资角度看，两条路径各有风险。高端路线的 ARPU 优势可能被 Claude 自身的模型迭代节奏所稀释——如果模型能力快速商品化，用户付费意愿会随之下滑。普惠路线的风险在于商业化效率，8000 万月活中只有一部分转化为付费用户。但普惠路线有一个高端路线无法复制的长期资产：场景数据的规模效应。更多的用户意味着更丰富的场景覆盖，更高质量的训练数据，更强的产品壁垒。这个飞轮效应会随时间放大，而非稀释。

竞争终局：场景壁垒大于模型能力

回到根本性问题：AI 办公工具的核心竞争力是什么？

模型能力是必要条件，但不是充分条件。一个在英文合同审阅中表现优秀的 AI，未必能处理中文合同的本土法律风险；一个能在 Office 三件套之间自由穿梭的 AI，未必能理解政务公文的格式规范；一个在国际云平台上安全运行的企业级架构，未必能通过中国信创的合规审查。

这些差距不像模型参数那样可以量化对比，不像 benchmark 排名那样一目了然，但它们直接决定了产品在真实市场中的可用性和渗透率。WPS 用三十多年的本土积累，在这个赛道上构建了三层壁垒：语言与知识壁垒——海量中文合同语料、法律知识库、公文规范库的积累；合规与安全壁垒——私有化部署能力和国产信创适配认证；规模与数据壁垒——8000 万月活用户构建的数据飞轮。

这三层壁垒的共同特征是：它们无法被模型升级所跨越，只能靠时间和场景积累来构建。Claude 进了 Word，这是 AI 办公全球化的一个标志性事件。但在中国市场，这场竞赛的规则不是「谁的模型更聪明」，而是「谁更懂中国用户的办公场景」。从这个意义上说，AI 办公竞争的终局，不在模型参数，在场景壁垒。