人工智能进入从实验室走向商业应用的关键阶段，企业关注点由追求模型能力转向解决实际问题。在文档数据处理这一高频场景，复杂排版、多格式文件和信息分布不规则等难点，长期制约着数据价值的高效流转。
作为企业数据处理的核心，文档智能领域的难题日益清晰：如何在多样化的文档处理中实现高效、可靠的解析与价值转化？
在文档智能领域持续深耕并推进产业化落地，最近完成全面升级，覆盖技术迭代、产品进化与品牌焕新，全面提升企业级AI应用在复杂文档与数据场景下的智能处理能力，标志着从AI文档工具向AI文档智能体平台的关键跨越。
模型升级与架构重塑，筑牢性能底座
技术是价值的核心支撑，此次升级在模型能力与底层架构方面实现双重突破。
01自研模型DocMind，深度升级
在企业实际应用场景中，公文、合同、财报、科研论文等文档往往具有结构复杂、排版多样、信息分布不规则等特征，通用大语言模型难以覆盖所有解析需求。
司马阅自研文档智能模型DocMind升级至3.0版本，采用多模型协同机制，由若干专业化模型组成完整的文档处理链路，将文档、表格、扫描件等非结构化数据转化为可用于分析和AI应用的结构化数据。通过高效精准的文档数据处理，最大程度降低AI落地的“幻觉”问题，提升企业AI落地应用的可靠性。
DocMind-V3.0的多模型协同机制：
版面模型：负责版式与段落结构识别，能够准确识别文档中的段落、表格、图片、标题等内容区块。
OCR模型：处理扫描文档，针对通用扫描文档实现95%以上的准确率。
图表模型：聚焦于复杂表格数据处理。
公式模型：针对专业领域的符号化内容进行识别。
通过“任务编排 + 结果互证”，各模型形成协同效应，大幅提升复杂场景下的综合解析鲁棒性，确保从海量文档中提取高质量、高可信度的数据。
02底层架构升级，适配商业环境
除模型层优化，底层技术架构也完成重构，强化商业场景的适配能力：
Embedding模型与ReRank重排模型升级：通过对企业专属数据的训练，实现高质量的召回，召回率达到80%以上。
推理语言迁移：将原推理语言升级为RUSt语言，凭借内存安全、并行高效、低延迟等特性，为大规模文档解析场景降低推理延迟，同时提升系统稳定性与可扩展性。
Agent架构落地：整体底层升级为Agent架构，每个模块和工具独立运行，拔插自由，降低耦合度。相较传统架构，该模式具备更强的模块化、可扩展性与自适应性，未来遇到新文档类型或业务需求时，无需大规模重构系统，只需扩展功能模块即可快速响应，强调在真实商业环境中的长期可用性。
低门槛交互与全场景功能，让技术落地更高效
技术价值需通过产品形态落地，升级围绕降低使用门槛、优化部署成本、覆盖全场景需求展开，让企业用户更容易获得AI能力。
01灵活配置：业务驱动的模块化编排
在实际应用中，企业往往需要根据不同场景灵活配置流程，但传统流程配置高度依赖技术人员，沟通与实现周期较长。
利用平台，业务人员无需编码，只需通过模块化组件的自由配置，即可完成智能体创建。这一“所见即所得”的配置方式将使用门槛降至零技术基础，大幅缩短上线周期，使知识库真正融入日常业务，成为提升效率的智能工具。
02智能知识库：企业的数字化大脑
此次升级推出智能知识库，将信息存储工具升级为企业智慧中枢，使知识资产具备可沉淀、可调用、可进化的能力：
多模态管理：支持文本、图片、扫描件等多种格式的统一收纳与管理，打破信息孤岛；
版本化管控：完整记录知识更新轨迹，确保信息可追溯、可管控，保障数据安全准确；
协同编辑：支持多人在线协作与维护，提升知识库建设效率与内容一致性。
在未来，智能知识库还将进一步开放与外部系统的连接能力：
灵活对接：可接入外部存储设备及第三方知识库，实现数据跨系统流动与整合；
智能处理链路：用户可根据业务场景，自由选择文档处理方式，包括嵌入、重排、清洗、标注、召回测试、分段查询等多样化流程，构建更符合实际需求的知识引擎。
此次升级在“管理与控制”层面实现平台化提升：
多企业管理与切换：平台支持多个企业账号的统一管理与快速切换，适配集团化、多子公司架构，帮助管理者清晰划分不同企业的知识边界与应用场景。
组织与成员管理：提供完善的组织架构配置，支持部门级权限划分与精细化管理；管理员可通过成员邀请机制，灵活设置角色与协作范围，确保知识使用的高效与安全。
用户自定义模型管理：企业可根据自身需求，自主上传、配置与迭代专属模型，实现知识库与业务逻辑的深度耦合，构建差异化竞争力。
司马阅智能知识库应用场景价值举例：
企业培训场景
在企业培训中，新员工学习资料分散在不同系统与文件夹，培训路径不清晰，导致培训周期偏长，效果参差。依托智能知识库，企业能够构建统一培训资源池，将制度文件、流程规范和业务案例沉淀至知识库，并通过智能问答与学习路径推荐实现个性化、精准化培训。
研发知识管理
在研发管理中，技术文档与代码版本往往缺乏统一管理，易造成版本混乱和知识断层，影响协作与迭代效率。智能知识库通过版本化管理和语义关联，将文档、代码与研发流程紧密结合，确保知识全生命周期可追溯与演进，实现知识共享与协同。
03多模型调用：完善的AI生态
平台已接入主流大语言模型，企业可按任务场景选择最优模型，支持本地化或专属模型部署，确保数据安全与合规性。
04实时监控：及时调整资源分配
平台通过监控不同时段的智能体Token消耗及会话情况，包括全部会话数、全部消息数、Token消耗、Token输出速度等，以便企业及时调整资源分配和优化系统性能。
05部署升级：从复杂到极简
通过模块化部署设计，平台实现灵活、高效、安全的企业级落地能力。与传统“一体化部署”相比，部署更简单，企业仅部署所需模块，避免冗余占用，资源消耗下降，模块独立运行，故障可快速隔离，保障核心业务稳定。
从“工具”到“平台”，构建B端价值生态
此次升级不仅是技术与产品的迭代，也是品牌的战略升级——从高效的AI文档工具，升级为AI文档智能体平台，专注于B端企业需求，强调专业化、平台化、共建化，并与多地合作伙伴形成长期共生关系，将技术能力转化为行业智能成果。
合作生态
司马阅已与麦腾Mytech达成生态战略合作，赋能园区企业AI转型升级。麦腾运营科创园区约30座，其中国家级3座，省市级7座，服务企业超2000家。
与英博瑞达成生态战略合作，推动人力资源服务智能化升级。英博瑞覆盖全国多座城市，服务企业数千家，累计安置就业人员数十万。
此次升级，是对企业需求的深度洞察及前沿技术的持续探索，在底层性能、用户体验和平台价值方面实现系统性演进。全新平台即将开启公测，期待与更多伙伴共同推动文档智能在商业场景落地。
全新升级的司马阅AI文档智能体平台，正进入公测阶段，期待与更多伙伴携手推动文档智能在更多场景落地。
