Find N3入網：最高支持16+1TB
OPPO將于近期登場的Find N3折疊屏目前已經正式入網，型號為PHN110。本次Find N3在外觀方面相比前兩代有很大的變化，不再是小號的橫向折疊屏，而是跟別的廠商一樣采用了較為常見的
阿里云優惠券 先領券再下單
人工智能技術到了“實驗室”走向“商業場”的關鍵階段，企業關注的焦點已從“追求模型能力”轉向“解決實際問題”。尤其是在文檔數據處理這一高頻場景中，復雜排版、多格式文件、非規則信息分布等痛點，長期制約著企業數據價值的高效流轉。
作為企業數據處理的核心環節，文檔智能領域面臨的關鍵命題愈發清晰：如何在復雜多樣的文檔數據處理場景中，實現高效、可靠的解析與價值轉化？
司馬閱長期深耕文檔智能技術研發與產業化落地，近期完成了全方位升級——涵蓋技術迭代、產品進化、品牌煥新，全面提升企業級AI應用在復雜文檔與數據場景下的智能處理與應用能力，標志著司馬閱從“AI文檔工具”邁向“AI文檔智能體平臺”的關鍵跨越。
模型升級與架構重塑，筑牢性能底座
技術是價值的核心支撐，這次司馬閱升級，從模型能力到底層架構實現了雙重突破。
01自研模型DocMind，深度升級
在企業現實應用場景中，公文、合同、財報、科研論文等文檔往往存在結構復雜、排版多樣、信息分布非規則等特征，通用大語言模型難以覆蓋所有解析需求。
司馬閱自研文檔智能模型DocMind此次升級至3.0版本，采用多模型協同機制，由多個高度專業化的模型組成完整的文檔處理鏈路，將文檔、表格、掃描件等非結構化數據轉化成可用于分析、AI應用（如 RAG、大模型交互）的結構化數據。通過高效精準的文檔數據處理，從根源上最大限度地降低了AI落地的“幻覺”問題，大幅提升企業AI落地應用的可靠性。
DocMind-V3.0的多模型協同機制：
版面模型：負責版式與段落結構識別，能夠準確識別文檔中的段落、表格、圖片、標題等不同內容區塊；
OCR模型：處理掃描文檔，針對通用掃描文檔實現95%+準確率；
圖表模型：聚焦于復雜表格數據處理；
公式模型：針對專業領域的符號化內容進行識別。
通過“任務編排 + 結果互證”，各模型形成協同效應，大幅提升復雜場景下的綜合解析魯棒性，確保從海量文檔中提取高質量、高可信度的數據。
02底層架構升級，適配商業環境
除模型層優化外，司馬閱同步完成底層技術架構的重構，強化商業場景適配能力：
Embedding模型與Rerank重排模型升級：通過對企業專屬數據的訓練，實現高質量的召回，召回率達80+%。
推理語言遷移：司馬閱將原推理語言升級為Rust語言，憑借Rust“內存安全、并行高效、低延遲” 的特性，為大規模文檔解析場景降低推理延遲，同時提升系統穩定性與可擴展性。
Agent架構落地：將整體產品底層升級為Agent架構，每個模塊和工具都為單獨模塊，實現拔插自由，減少耦合度。相比傳統架構，該模式具備更強的模塊化、可擴展性與自適應性：未來面對新文檔類型或業務需求時，無需大規模重構系統，僅需擴展功能模塊即可快速響應。這一升級不僅強調解析能力的提升，更注重在復雜、真實的商業環境中提供長期可用的智能服務。
低門檻交互與全場景功能，讓技術落地更高效
技術的價值需通過產品形態轉化。司馬閱此次產品生態升級圍繞“降低使用門檻、優化部署成本、覆蓋全場景需求”展開，讓企業用戶輕松享受到AI能力。
01靈活配置：業務驅動的模塊化編排
在實際應用中，企業往往需要根據不同業務場景靈活配置流程，但傳統的流程配置高度依賴技術人員，溝通與實現周期長。
借助司馬閱AI文檔智能體平臺，業務人員無需編寫代碼，只需通過模塊化組件的自由配置，即可完成智能體創建。這種“所見即所得”配置方式，這一設計不僅將使用門檻降至 “零技術基礎”，大幅縮短了業務上線周期，使知識庫真正融入日常業務，成為可直接驅動效率提升的智能工具。
02智能知識庫：企業的“數字化大腦”
此次升級中，司馬閱推出智能知識庫，將傳統“信息存儲工具”升級為“企業智慧中樞”，讓知識資產具備“可沉淀、可調用、可進化”的能力：
多模態管理：支持文本、圖片、掃描件等多種文件格式的統一收納與管理，打破信息孤島；版本化管控：完整記錄知識更新軌跡，確保關鍵信息可追溯、可管控，保障數據安全準確；協同編輯：支持多人在線協作與分工維護，提升知識庫構建的效率與內容一致性。
在未來，智能知識庫還將進一步開放與外部系統的連接能力：
靈活對接：可接入外部存儲設備及第三方知識庫，實現數據的跨系統流動與整合；
智能處理鏈路：用戶可根據業務場景，自由選擇文檔處理方式，包括Embedding、Rerank、清洗、標注、召回測試、分段查詢等多樣化流程，構建更符合實際需求的知識引擎。
此次升級還在“管理與控制”層面實現了平臺化提升：
多企業管理與切換：平臺支持多個企業賬號的統一管理與快速切換，適配集團化、多子公司架構，幫助管理者清晰劃分不同企業的知識邊界與應用場景。
組織與成員管理：提供完善的組織架構配置，支持部門級權限劃分與精細化管理；管理員可通過成員邀請機制，靈活設置角色與協作范圍，確保知識使用的高效與安全。
用戶自定義模型管理：企業可根據自身需求，自主上傳、配置與迭代專屬模型，實現知識庫與業務邏輯的深度耦合，構建差異化競爭力。
司馬閱智能知識庫應用場景價值舉例：
企業培訓場景
在企業培訓中，常見的問題是：新員工學習資料分散在不同系統和文件夾中，培訓路徑不清晰，導致培訓周期冗長、效果不一。依托司馬閱智能知識庫，企業能夠構建統一的培訓資源池，所有制度文件、流程規范和業務案例均可沉淀至知識庫，并通過智能問答與學習路徑推薦，實現個性化、精準化的培訓體驗。預期效果：新員工培訓周期縮短約 50%，整體知識掌握度提升超過 80%，企業培訓的效率與效果得到顯著提升。
研發知識管理
在研發管理中，技術文檔與代碼版本常常缺乏統一管理，容易造成版本混亂、知識斷層，進而影響團隊協作與迭代效率。 司馬閱智能知識庫通過版本化管理和語義關聯能力，將文檔、代碼與研發流程緊密結合，確保技術知識的全生命周期可追溯、可演進。研發團隊可在同一平臺實現知識共享與協同，減少重復勞動。 預期效果：開發效率提升約40%，技術債務降低60%，幫助企業顯著增強研發過程的規范性與創新能力。
03多模型調用：完善的AI生態
司馬閱AI智能體平臺已接入主流大語言模型，企業可根據任務場景，按需選擇最優模型。企業能夠在不同業務場景下獲得更精準、更穩定的智能體驗，且支持企業本地化或專屬模型的部署，確保數據安全與合規性。
04實時監控：及時調整資源分配
平臺通過監控不同時段的監控智能體Token消耗及會話情況，包括全部會話數，全部消息數，Token消耗，Token輸出速度等，以便企業及時調整資源分配和優化系統性能。
05部署升級：從復雜到極簡
司馬閱AI智能體平臺通過模塊化部署設計，實現靈活、高效、安全的企業級落地能力，相比傳統“一體化部署”，司馬閱AI智能體平臺，部署簡單，企業僅部署業務所需模塊，避免冗余占用，整體資源消耗降低50%，提升硬件使用效率。各模塊獨立運行，互不干擾，單模塊故障可快速隔離，確保系統100%故障隔離率，保障核心業務穩定，為企業在性能、成本與安全方面提供了更優選擇。
從“工具”到“平臺”，構建B端價值生態
此次升級不僅是技術與產品的迭代，更是司馬閱品牌的戰略升級—— 從“高效的 AI 文檔工具”，正式升級為“司馬閱AI文檔智能體平臺”，完成從“輔助處理”到“獨立承擔復雜任務、嵌入業務流程”的角色轉變。
相較于通用大模型或C端輕量工具，司馬閱聚焦B端企業需求，以“專業化、平臺化、共建化”為核心價值，通過“技術共享—場景共建—價值共創”模式，已與全國15+城市的合作伙伴形成長期共生關系，將司馬閱的技術能力轉化為行業共同的智能化成果。
司馬閱與國內領先的科創園區運營服務提供商上市公司麥騰Mytech達成了生態戰略合作，賦能園區企業AI轉型升級。麥騰運營科創園區約30座，其中國家級3座、省市級7座，在服務企業超2000家。
司馬閱與國內領先的一站式人力服務解決方案服務商英博瑞達成了生態戰略合作，合力推動人力資源服務智能化升級。英博瑞業務已輻射全國40余個大中型城市，服務企業超過3500家，累計安排就業人員超過50萬人次。
司馬閱此次“技術 - 產品 - 品牌”三重升級，是基于對企業用戶需求的深度洞察，以及對前沿技術的持續探索——從底層性能到用戶體驗，從工具屬性到平臺價值，實現了系統性演進，推動企業 AI 應用完成從“能用”到“好用”再到“易用”的根本性轉變。全新升級的司馬閱AI文檔智能體平臺，即將開啟公測。我們期待與更多伙伴攜手，共同推動文檔智能在更廣闊的場景中落地生根，一起探索嚴肅商業場景的智能化未來。
申請創業報道，分享創業好點子。點擊此處，共同探討創業新機遇！
本文鏈接：http://m.www897cc.com/showinfo-20-187273-0.html國產首家AI文檔智能體平臺司馬閱全面升級，釋放企業數據價值潛能
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號