库库 AI 的底子钱砸不出来

9月21日下午，我在上海主持了库库 AI 的圆桌。

开场前，我在台下听完了百度 AI Day 的整场发布。会场是一间阶梯教室，倒像一堂公开课。台上被说得最重的一个词，是「准确」。

嗯，准确。这两年每家 AI 公司都在说自己准，耳朵都听出茧了。所以，整场听下来，我一直在等有人不讲词，讲点带土气的实话。

结果，第一个给出答案的，是百度自己人。

百度PSIG国内业务负责人钟昊，上台讲了二十多分钟，讲到一个地方，他主动承认了一件事：

用户用 AI 办公，最普遍的顾虑就一个，「让 AI 生成一遍，自己还要再查一遍，这样的例子比比皆是。」

这话从台上讲出来，有点意思。卖瓜的很少说瓜不甜，尤其在自家场子上。

他接着说，这正是过去一个月他们最想解决的问题，几十个版本迭代下去，基本每天发一到两个。

哦对了，还有一组数字，我记了下来。

百度PSIG海外业务负责人文思颖以一份报告举例，把 AI 用得很深的那批人，产出的东西能到普通用户的 8.3 倍，而高级功能的渗透率还不到 12%。

一个数字说，会用的那批人已经尝到甜头。另一个数字说，这样的人一百个里还不到十二个，中间空着的地方，就是还没跨过去的那道坎。

说实话，这个赛道现在挤满了人。

字节、钉钉、Notion、微软 Copilot，各家都在跑，比完功能比模态，比完模态比谁生成得快。但跑了一圈下来，用户最卡的那个点，始终是生成的东西敢不敢直接用。

能生成，能干活，能交付，也不止一家两家，该比的都过了一轮。AI 办公第一程，其实已经跑完了，接下来稀缺的东西，换成了信任。

第二程要拼的，是谁能让人放心地把活交出去。

这件事为什么难？回到钟昊说的顾虑就明白了，AI 干完一遍，人还得再核一遍。这第二遍核对的功夫，把省下来的时间又吃回去一大半。

AI 吐出一页结论，上面躺着二十个数字，你抽查几个就交，还是挨个核一遍，这道选择题，决定 AI 到底是个随叫随到的助手，还是能一起干活的同事。

卡在交付门口的这关，我给它起了个名，核验成本。

这笔成本摊在每个干活的人手上，买单方式也简单，花时间。一天两天看不出来，拉长到一年，就是一笔不小的账。

生成成本这一年被打了多少下来，看得见。核验成本还高高挂着，它不降，AI 就出不了草稿箱。

这道坎，已经有人开始动手了。

我举个例子：

一份财报，密密麻麻几十页，最费功夫的是核对，得翻原始报告，对上了才敢用。

把这份财报丢给库库 AI，毛利率、净利润、现金流、资产负债率，这些财务口径它都会拎出来，每个数字旁边挂一条来源。

你要想看准不准，随手点开一个，页面跳回原文，要核的那个数就躺在原句里，前后文都在。

钟昊在台上讲过一个细节，这套追溯细到段落级，点回去看见的就是那个数、那句话被写下的地方，不用在一整篇文档里翻。

以前 AI 给数字，第一反应是「先记下，回头验」，验不验看心情；真去核对，还得开 PDF，翻三页，拿眼睛一格一格比，有时翻到最后一页才发现看错了表，从头再来。

现在验的入口就贴着数字放着，顺手点一下，省下的也不只时间，还有那种「差不多得了」的侥幸。

标来源的产品市面上一抓一把，可点进去真能核对上的，没几个。

这是第一层，能查。第二层，有底子。

研报、财报、文献，都是收进来、洗过、校验过的，才能当依据。网上搜来的数据，来源不同、年份不同、可信度也不一样。

它库里出来的每一条，都说得清自己从哪来、是哪一年的。

同一个数，三份来源对不上口径，它不会随手挑一份，先把账平了再往下走；18 亿份专业文档，7 .5亿份学术内容，都是攒出来的家底。

第三层，能反验。

一个答案，孤证不算数，换个角度再算一遍，两边对得上，这一轮才算过。一个数字它自己先不信，正反验两遍才交出来。

结论能点开，数字能核对，还能换个角度再验一遍，三样都做到了，一个交付才算立得住。

从前「复核」是最后一道关，靠人把着，人一忙这道关就容易失守。现在它被做进了一串动作里，不靠谁记着，也忘不掉。

材料能查了，可它凭什么又多又新，干活的方法又凭什么算专业？

这个问题我想了想，材料查得到，只能让人信一次，想让人一直信下去，光有数据不够，还得有方法。

先说专家这块。

库库 AI ，可以自动在所有行业专家里帮你匹配最优的那个，不用你自己翻，它替你挑。

更狠的是专家团。

比如：投资委员会，几个角色各站一个视角，有的看多，有的看空，先把事吵透，再给出结论。

还有销售实战陪练团、新品上市专家团、企业经营顾问团，都是类似的路子，多 Agent 协作，最后汇总出一个结论。

到今天，技能库里积了 1000 多个从真场景里磨出来的 skill，500 多位专家验证过。

这个数字什么意思呢？你在里面随便挑一个行业，大概率能找到现成的打法，不用从零摸索。

圆桌讨论时，吴垠也聊到这个，他是港科大的博导，01 年生人，特别年轻。

他说他特别善用平台上的 skill，很多领域知识（domain knowledge）沉淀在以前根本总结不出来的经验里，他还给了个建议，一定要用最新版本。

然后，对于做 skill 这件事，我有一句话特别认同：

你定义好问题，再找好 skills，问题就解决了一大半，人最不能放弃的，是判断能力。

这话放在 skill 生态上特别合适，skill 帮你把别人想清楚的方法直接端过来，判断还是你自己做。

知识广场也是个有意思的东西，内容、技能、专家团全堆在一个广场上。

创作者可以把自己的资料、技能、案例沉淀成知识库，放上去被订阅、被使用，用一次分一份收益。经验第一次有了价格。

行业里最懂行的人，把毕生经验做成能被全行业调用的技能，后来的人不必再从零开始。

这套东西进了公司，还会变成资产，判断和标准沉淀成团队的 skill，人走了，经验留下。

连接器方面也很全，我看了下：

通达信、百度地图、携程，这些散在不同软件里的工具，被收进同一张工作台。金融、教育这些垂直场景，各自打磨出了顺手的打法。

哦对了，还有个细节：

库库 AI 的 AI 编辑器支持人机双写，人和 AI 同一时间段互不干扰，各干各的，Word、Excel、PPT 三个编辑器都支持 AI 指令控制内容生成。

这个功能我自己在圆桌上也聊过，每次做完任务我会让库库沉淀一个 Markdown 复盘笔记，下次开工先读笔记再干活，有点像开车看路谱。

聊完准确和专业，有个问题自然浮出来，这些东西背后到底撑着什么？

钟昊在台上画了个图，四层生态，从上往下叠。知识和数据、专家、应用、硬件，前面三块刚才都聊过了，我说点新的。

最下面那层是硬件，这个之前没太关注，这次听下来有点意外。

网盘开放平台跟一堆硬件厂商合作了，录音卡、音箱、运动相机、听力机、儿童手表、学习设备都在里面。

以后这些设备都能直接调用库库 AI，每台硬件都是一个入口。

还有一件事值得提，全端协同。

Web、PC 客户端、APP、小程序，全端可用。最实用的是跨设备接力，手机控制多台电脑，电脑关机也能在 APP 里继续跑任务。

全天候自动化，比如长时间股票盯盘，设好条件它自己盯着，token 消耗还低。

四层叠起来，能力往深了做，横向上，场景也在往里走。

金融那边，研报、盯盘、财务模型、数据分析、报表看板，一套打法已经跑顺了。教育从选题到答辩六个环节闭环，自媒体更直接，小红书创作、海报、科普视频批量产出。

场景各有各的玩法，底层数据基建是同一套，库库 AI 选的路子，靠的是生态厚度。

同一套能力，进了公司会变成另一件事。

企业版最近在做 AI 原生组织的实验，传统公司是按岗位分工，人确认目标、按职责干活，检查和交付都落在个人经验上。

企业版想换个玩法，人定义目标、提供上下文和边界，Agent 负责执行，岗位边界慢慢模糊，组织方式跟着变。

圆桌时，百度PSIG基础研发和B端业务负责人唐海浩聊到这个，他说 10 人以下的组织最关心效率，大几十上百人的团队更在意安全和经验沉淀。

企业版两个都在做，打通百度网盘企业版和团队空间，连接企微、飞书、如流、钉钉，同时把验证过的方法沉淀成团队 skill，经验变成组织资产。

还有个教育行业解决方案：

从选题、文献调研、方法选型、数据分析、论文撰写到报告答辩，六个环节闭环。

直连 104 万多个学术站点，100 多个高校专家提炼的 skill，导师批改之后 AI 联动学生逐条落实，同步更新论文。

同一套能力，出海也跑得动。

文思颖在现场给过一个判断：决定体验的，是 AI 能不能走进真实的工作现场。

他讲了巴西的例子，一位做数字营销的自由职业者，接了一家汉堡外卖店的活，落地页、logo、竖版视频、提案 PPT，一个人全包，报价折合人民币六百五十块。

这单收尾之后，他把整套交付整理成一份标准化商业提案，转头卖给当地其他小商家，一单做完方法留下，下一单直接开工。

到今天，Kooko 海外用户突破了一千万，覆盖近两百个国家和地区。同一套能力，换一个市场，照样长出当地的用法。

所以，为什么是文库网盘？

数据，它守着最大的公私域资料库。方法，专家和创作者在往里放。上下文，本来就存在用户的盘里；三样东西分开看，谁都在做，凑在一个屋檐下，才成了一件事。

结束时，有人问百度集团副总裁、个人超级智能事业群组总裁王颖：库库 AI 的壁垒是什么？

她回答得很直接：

通用 AI 能力本身没有壁垒，全世界都一样，只看谁更快；核心壁垒是围绕构建的体系和生态，数据生态、脚手架能力、连接的生态。

数据生态和脚手架能力，别人可以通过时间追赶，但连接的生态跟产品禀赋有关，用她的话说，跟「过去你是个谁」有关。

文库网盘 14 年积累，千亿 GB 的个人和企业资产，这些东西不是今天开始做就能做出来的。

她还说了一句话：

办公赛道具备网络效应，打动一个人或一群人，网络效应自己就建立起来；狂砸钱和浅层体验不是好做法，办公赛道渗透刚刚开始，拼谁能让用户从「能用」到「敢用」。

这话我听着挺实在，确实，AI 办公第一程比谁能生成、谁能交付，第二程比的是谁让人敢用。核验成本降下来了，信任就建立了，信任建立了，网络效应自己就转起来了。

4000万月活用户的使用，已经投出去了，接下来比的，是谁的底子更厚。