动态列表

  • 强化学习教父重出江湖, 生成式AI的时代要结束了?
  • 英伟达新架构引爆全模态大模型革命,9B模型开源下载即破万
  • 投85份简历0 Offer!CS研究生心态崩了,亲历20年最猛裁员潮
  • 视频模型假装在推理?MME-CoF新基准评估12个推理维度
  • Ilya、小扎之后,苏莱曼的「超级智能」进入7年倒计时!
  • 有些答案,听 AI 说一百遍,不如和「最有料的人」聊一次
  • 上交大刘鹏飞团队:Context Engineering进入2.0,上下文成为可操作对象
  • 工程&计算机领域前沿洞察 | Synthesis技术前沿报告合集
  • 用 AI 做电商真实效果如何?我们调研了双 11 一线从业者
  • 马斯克 1 万亿美元的薪酬方案获特斯拉股东批准;东方甄选孙东旭离职;Altman:今年 OpenAI 年化收入将达 200 亿美元
  • 蔚来,破 4 万!
  • 复旦大学&StepFun提出WithAnyone:告别“复制粘贴脸”,实现可控、高保真的多人ID一致性生成
  • 大道至简,中科院等提出OneRef:统一视觉定位和指代分割
  • 极客公园创新大会 2026 首批嘉宾揭晓!
  • 北京内推 | 美团招聘大模型算法实习生(IM全渠道)
  • 达摩院联合浙大、港理工推出PixelRefer:多模态大模型迈向像素级视觉理解
  • 自回归不必按token算了:微信AI × 清华用CALM直接「整段」预测
  • Altman 怒喷 OpenAI 唱衰者;小鹏发布新一代人形机器人 IRON;苹果支付 10 亿美金,新 Siri 将引入谷歌 Gemini|极客早知道
  • 别被一堆Strong Accept吓住:德州农工×康奈尔实锤论文晒分“系统性虚高”
  • 记忆让机器人更聪明:原力灵机提出MemoryVLA化解长时程任务操作难题
  • 博士申请 | 南洋理工大学王琦琛老师课题组招收数据库方向全奖博士/博后
  • 151% 的增长背后,它正在成为 AI 的「新入口」
  • 清华&南洋理工等提出稀疏模型反演:ViT反演加速高达3.79倍,告别无效背景!
  • 低光图像增强新探索:SASW-Loss,无需改网络,即插即用提升多种模型性能
  • 山姆更新后遭会员疯狂吐槽;Switch2 销量破千万;小米马志宇警告存储涨价:明年最新的成本预估“有点惊悚”|极客早知道
  • Sketch-to-Layout,从草图到布局!DeepMind & EPFL 在设计领域的新工作
  • 为物理AI打造世界模型!英伟达发布Cosmos-2.5:模型缩小3.5倍,性能媲美SOTA
  • NeurIPS25 | 香港理工&OPPO&哈佛提出DNAEdit:直接噪声对齐让Rectified flow文生图编辑更加准确
  • 这个不「瞎 BB 」的 AI 硬件,给了我真正的「陪伴」丨New Things
  • Rokid 乐奇联手 BOLON 眼镜:眼镜巨头依视路的中国棋局
  • 跟一位日本比亚迪车主聊了聊,才明白我们对「出海」有多天真
  • 宁德时代赚走185亿,车企却不想再给「宁王」打工了
  • 从「绝望」到一轮融资43亿元:新石器做对了什么?
  • 全注意力、复杂推理不掉速:MiniMax M2把Agent做成了「可执行能力」
  • NeurIPS 2025 | 用蛋白质动态词表“搭积木”,ProDVa高效组装可折叠新蛋白
  • 北京内推 | 阿里通义实验室对话智能团队招聘大模型方向研究型实习生
  • 豆包,正在悄悄开启「电商新链路」
  • OpenAI 与 AWS 达成 380 亿美元算力合作;新 Siri 付费采用 Gemini;字节试行「豆包股」 | 极客早知道
  • Karpathy点赞NUS新研究:RL微调不稳定的关键根源,指向BF16精度本身
  • ICCV 2025 | 高德提出SeqGrowGraph:以序列化图扩展革新车道拓扑生成
  • 我体验了一下 AI 时代的「家」:快跑,到处都是 AI
  • 每天都和 AI 聊天,你可能已经是个「神经病」
  • 苹果,一赚「解」千愁
  • 多媒体顶会ACM MM 2025 最佳论文公布,从“看懂”到“会用”,再到“会思考”:揭示AI与物理世界融合新篇章
  • AMD发布E-MMDiT:仅304M参数,单节点1.5天训练,实现高效图像合成新基准
  • 顶刊ISPRS (IF 12+) | 400+参考文献,遥感图像超分辨率最新综述!
  • T1 零封 TES 战队,中国战队无缘 S15 总决赛舞台;英伟达合作制药巨头打造超级计算机;理想汽车汤靖详解 MEGA 起火事件|极客早知道
  • ICCV 2025 | 卡内基梅隆大学空间可变自动对焦:单次拍摄实现全场景清晰,重新定义计算摄影
  • NeurIPS 2025 | 电子科技大学联合A*STAR提出SCOPE:兼顾显著性与覆盖率,实现高效多模态大模型令牌剪枝
  • 特斯拉 Cybercab 实车曝光,部分量产;何小鹏谈雷军竞争:未来更期待对手是小米;黄仁勋完成 10 亿美元股票出售
  • 北京内推 | 快手模型与应用部增长模型团队招聘大模型/推荐方向算法实习生
  • 不用教它撒谎,LLM也会“心口不一”:上海AI Lab揭露高风险下的模型欺骗行为
  • 当强化学习学会“跳步骤”:Sergey Levine团队重写值函数的递归逻辑
  • 当 ChatGPT 要开始「搞黄色」,我都不敢想......
  • 港中文&港科大等提出FullPart:让3D部件生成达到全分辨率精度
  • 从 「会思考」到 「善创造」: 多模态大模型的深度推理与协同进化
  • 语言模型之后,智源 EMU3.5 找到了 AI 的「第三种 Scaling 范式」
  • 李想谈万台MEGA召回:生命只有一次;传明年AirPods配摄像头+AI;神舟二十一飞船发射成功,对接速度创纪录|极客早知道

今年双十一最大的赢家是这张表

鏖战多年的办公软件市场,在过去半年,再次暗流涌动。

所有玩家的目光,都聚焦在了一个看似传统的入口——表格。

国际玩家方面:既有 Notion 这样的 AI 笔记平台,将表格与知识库深度绑定;同样不乏微软这样的巨头借 Copilot Wave 2 把 Excel 直接升级为智能数据分析平台。

国内赛场的火药味更浓。有了飞书依靠文档与多维表开辟用户心智的先河,腾讯近两年也在持续加码智能表格。

但最具风向标意义的,是钉钉的战略押注:表格的团队规模不仅在半年从二三十人飙升至百余人,也是钉钉 2025 年首个明确官宣的战略级产品。

这份开门红的分量,早已超越产品本身。

这份重投入的背后,钉钉的动作也可以随着市场的成熟度变化分为两个阶段,1.0 阶段,通过联合阿里云瑶池数据库在内企业资源快速攻坚技术瓶颈:8 月全新发布 AI 表格,就宣布要实现单表 100 万热行实时计算。在今天,钉钉 AI 表格更是宣布在业内首个实现单表容量支持 1000 万热行的智能表格,并在多家电商品牌中真实跑通,来支撑双十一的业务数据高峰。

2.0 阶段,构建在完整的基础功能之上,借助 all in AI、深扎行业来实现弯道超车。让产品从好用到发挥价值、融入场景。比如在电商是否能够提升数据拉通效率,在制造业是否能够让货物周转加速,在 MCN 是否能帮助统筹各个不同项目的执行。

这一阶段,AI表格不只是数据汇总的中枢,更是行业的新生产力工具乃至企业 AI 转型的第一个轻量级全民入口。

而于钉钉这样的协同办公领先者、智能表格细分领域后晋者来说;做 AI 加持的行业深耕,虽然不易,却也是其长久以来的舒适区。而能够撬动天猫淘宝积累的电商行业,正合适作为主动进攻的的第一个战场。

就在双十一开始前的几个月,钉钉 AI 表格等产品调用产生的用量曲线陡然上升。与此同时,面对市场真实迫切的需求,钉钉和阿里云 ADB-PG 数据库团队通过 100 多天的技术攻坚,把 AI 表格的单表容量拉升至 1000 万热行,且已正式上线、真实可用。 表格的智能化不是钉钉的独创,但为什么钉钉 AI 表格在电商行业首先风靡起来?因为落地电商最直接的难度不在技术,而在谁更懂电商。

钉钉的 AI 表格最独特的优势是,它一面连接着通义千问的大模型能力、阿里妈妈的营销算法、天猫的交易数,一面又连接菜鸟的供应链网络与支付宝的结算与信用体系。

一定程度上,这个双十一不仅也将会是第一个跑在AI表格上的双十一,也是电商行业借助 AI 表格实现能力重构,重启增长的关键一步。。

 

 

01

表格,企业AI转型的第一个切入口

 

为什么已经诞生了四十多年的电子表格,会再掀波澜?

一个毫无疑问的答案是,现阶段,AI表格将成为很多企业 AI 转型的第一个也是最重要的切入口之一。

过去多年,AI 升级、数字化早已深入人心。

但行业的痛点很现实,转型的投入与隐性成本比多数人想的要大得多,哪怕只是汇总数据这一件小事。

对小公司来说,做表是最直接有效的办法。但且不说一线需要的是拿来就能用的工具,没有多少人能够搞明白各种高级函数调用;在此基础上,还要保证数据在不同部门不断的汇总、清洗、分析中始终保持口径一致。

而对大企业来说,定制化软件开发,做数字化升级、数据中台,看似靠谱,但大型的办公软件并无法完全匹配各个行业的具体生产需求。往往 IT 人员不懂需求,一线不懂技术,于是转型需要层层反馈,最终上有压力,下有需求,如何「变数」,CIO 们首先被架在烈火之上。

也是因此,数字化、AI 化喊了很多年,落地的大项目也出了一堆,但是一线的参与感与好评始终寥寥。

AI表格的出现,恰好找到了破局的最小切口。

其逻辑在于,填表是每个职场人的基础技能,通过为这种最熟悉、最低门槛、也最常见的载体增加 AI 能力,不仅能让普通表格进化为人人可搭建的轻量级业务系统;也能让参与开发的主要群体,从中台前移到了不懂代码、不懂 Prompt 甚至不懂最基础的 SQL 操作的一线。

伴随企业一线真正掌握数字化的主动权,提效、增长随之而来,这在电商行业尤为明显。

银泰百货的案例最能体现这种变革的冲击力。

今年双十一前,银泰线上团购运营负责人李凯突然接手了一个急活:要操盘一场涉及 60 多家商场、十几个美妆品牌、80 余张卡券的抖音团购直播。

放在去年,这意味着要拉十几个工作群,上百场协调会,品牌方给的产品参数文档、财务审的 Excel 价格、上架团队的流程表,光是格式统一就要耗 3 天。更要命的是,一旦某个品牌临时调价,就要逐个表格修改,过去行业里因为运营漏改价格导致的客诉乃至企业公关危机的案例屡见不鲜。

而今年,李凯只用了一张钉钉AI表格,解决了以上所有麻烦。他提前设置好商品参数、价格区间、合规关键词等字段,品牌方和商场人员直接在线填写,双向关联字段确保数据实时同步——表 B 改了价格,表 A 的对应数据立刻更新。更关键的是,AI 字段能自动识别抖音平台的违规话术,还能根据商场所在城市自动生成前缀,彻底解决了信息传递混乱的老问题。最终,这个一个人的运营「团队」支撑起了银泰全国 62 家商场的直播矩阵,带动每月流水超 2000 万。

 

 

紧随其后,一个神奇的现象发生了:在今年,随着双十一从一天变一周再变一个月,时间长了,但是银泰在内,各家消费品企业今年的双十一,不仅不怎么加班了每个人的效率有了质的突破,而且增长机会也在同期上来了得到了极大提升。

 

 

02

首个被AI表格产品深度变革的行业,为什么是电商?

 

AI 表格成为企业第一个 AI 转型入口,电商行业率先上车并非偶然。

过去大家不爱做表,是因为做出来之后,没有实际的结果与反馈,表只是个用于汇报的 dirty work 的必要一环。

但电商行业不一样:

电商是典型的数据密集、强数据驱动的行业。

从用户浏览、加购到下单、退货,每个环节都产生数据,而这些数据分散在淘宝生意参谋、抖音罗盘、小红书蒲公英等多个平台。

传统模式下,运营人员需要每天手动下载数据、整理表格,等到完成分析时,市场趋势早已变化,或者爆款产品已经被其他对手抄走,甚至借助强大的 1688 搞起了恶性价格战。

更重要的是,纯人力的数据分析,难免出现疏漏。比如双十一前后,是中国南方地区的秋冬交替之季,可能上一周才有十万个顾客因为觉得秋天没衣服穿加购卫衣;这周就因为突然降温决定不买卫衣买秋裤,直接的结果就是企业超量生产,库存积压。

只是具备基础的字段定义、多人协同的普通在线表格,早已撑不起如此复杂、多维且多变的协同需求。而有了 AI 表格的 AI+RPA 能力,数据汇总分析滞后的顾虑已经彻底成为过去式。

依旧是银泰的「一人 MCN」案例,统筹 62 家商场的直播矩阵,李凯会用 RPA 插件会自动抓取多平台数据将其汇总、更新,再用表格内置的 AI 模型对此进行实时批量分析,最后将分析结果以卡片形式推送相关负责人。

 

 

这样,不仅能够在一张表里就能看清全局;更能彻底告别过去直播-复盘需要十几天的缓慢手动统计,在每一场直播结束的当天,就给到全盘的数据分析结论,实时指导主播与后台团队的转化动作。

深度提效之外,AI表格与电商行业的数据驱动增长需求同样一拍即合。

现如今,达人带货已经成为电商行业维持增长、打造品牌调性的重要渠道。作为以袜子起家的原创设计师品牌埃罗赫同样不例外。他们达人库中的合作达人有 6000 多个,少数 4-6 个商务要管理这些达人的寄样、合同、数据追踪等全流程。过去用 Excel 管理时,常出现达人信息随员工离职丢失、寄样物流靠手动查询、爆款笔记靠人工刷平台监测的问题。

如果只是数量多,还可以靠增加商务数量解决,但上千达人,哪种画像转化好?多种转化形式,哪种ROI高?渠道众多,应该重点投入哪一个?

样样都事关增长结果,但对没有专门的 IT 负责人的埃罗赫来说,这些也是过去手动统计难以解决的沉疴。

于是,钉钉选择针对埃罗赫的需求,给出公司运营负责人、业务部门的人自己学习就能上手的匹配场景的 demo 方案。

 

 

借助钉钉 AI 表格,埃罗赫商务现在在一张表里就能看到所有达人,输入笔记链接,RPA 插件会自动抓点评赞数据;填个物流单号,AI 字段能实时显示「已签收/派送中」;甚至爆款笔记有了新数据,系统会主动推钉钉消息提醒,不用再手动刷平台。

跨平台数据也能借助 AI 表格一张表看全:直播占埃罗赫 GMV 的 30%,以前看转化数据要在小红书蒲公英、抖音星图等 5 个平台来回跳,每周整理数据要耗半天;现在 AI 表格自动打通多平台数据,生成运营驾驶舱,达人退货率、单品库存周转率、渠道销量分布,一目了然。

而随着数据的呈现变得越来越清晰,不同带货形式(如笔记挂链 vs. 直播)的 ROI 对比,高潜力渠道的识别,也变得更加容易,增长也就成为了不再是上级拍脑袋、执行一脸懵的无解难题。

 

 

03

AI 表格背后的 Know-How 淘宝电商+AI 表格,刷新电商增长叙事

 

为什么钉钉AI表格能在双十一的电商战场中脱颖而出?

答案藏在行业 know-how 里。

过去 20 年,阿里围绕「让天下没有难做的生意」已经做了全行业不敢想,也做不了的前 99 步探索,钉钉 AI 表格让百尺竿头更进一步。

这种来自阿里的电商基因,首先体现在对行业痛点的精准把握。

电商行业从市场调研、选品、达人对接,到直播运营、库存管理、售后客服,涉及十几个部门、上百个角色,头部电商品牌平均每个双十一要对接上千个达人、管理数十个平台店铺并不罕见。

市场从来不缺工具,而是懂业务的 AI 工具。

为此,钉钉 AI 表格针对电商推出了上百个高频模板,从达人管理、直播复盘到库存预警、客诉分析,每个模板都预设了电商专属字段。比如达人管理模板里,不仅有基础的联系方式,还包含粉丝画像、历史带货数据、退货率等电商核心指标;直播复盘模板则直接对接各平台数据接口,自动计算转化率、客单价等关键数据。

森马的实践,完美诠释了这种懂业务的优势。

作为森马的业务负责人,万龙的客服团队常常需要处理多渠道的用户反馈,过去用 Excel 时,聊天记录、录音、图片等数据无法整合,长周期数据沉淀更是奢望。而钉钉 AI 表格的社交媒体多模态数据抓取功能,能自动汇总各平台的文本、图片评论,甚至能将客服录音转文字后进行情绪分析。

 

 

更贴心的是,系统预设了专为电商打造的标签分析体系,自动将反馈分类为商品质量、物流问题、活动规则等维度,还能生成不同部门需要的报表,给商品部的是质量问题分析,给物流部的是配送时效统计,给客服的是话术以及情绪分析建议。

这些功能,从技术角度来看其实都不难,但是之所以能够形成难以复制的壁垒,原因就在于两个字「理解」

理解用户在电商场景需要抓取哪些评论,理解要如何把多平台数据打通,理解这些数据的汇总要如何汇总呈现,并基于这种高效率的协同、汇总、呈现,给出切实可落地的指导经验。

最终打破过去一线反馈→中台做产品→一线适应的低效循环,让一线直接拥有自己的中台。

一句话总结就是,行业需要开箱即用的 AI 表格,而钉钉提供的,恰好就是电商行业最懂业务的智能表格。

 

 

04

AI 表格加速的本质,为增长买单

 

今年双十一的战场,清晰地划分出 AI 表格的两个时代。

过去的 1.0 时代拼功能,比的是自定义字段、AI 接入、热行计算能力;核心是让表格的能力覆盖更广。

2.0 时代拼场景,比的是行业理解、模板沉淀、协同效率,核心在于行业维度的纵向深扎:能够基于通用能力,针对特定行业的痛点,把工具变成行业解决方案,解决增长问题。

对于钉钉而言,电商行业的 0-1 突破,只是更大棋局的开始。阿里的生态优势远不止电商——云服务、文娱、线下生活等场景,都能与 AI 表格结合。线下零售可以用 AI 表格管理门店库存,文娱行业也能用它管理内容制作流程,这些都已在小范围试点。淘天电商+钉钉 AI 表格=刷新电商行业的下一步是阿里生态+钉钉 AI 表格=刷新千行百业。

而对于整个行业来说,AI 表格的意义同样远超产品本身,成为电商行业的新生产力工具。它让不懂机器的语言,不懂 Prompt 的中小企业,不用投入巨资建中台,不用培养专业的数据分析师,也能享受到 AI 红利:让普通的一线员工用一张表格就能实现数字化转型,为电商生意带来增长。

而增长,无需任何理由,足以让任何团队为之买单。

 

*头图来源:钉钉

本文为极客公园原创文章,转载请联系极客君微信 geekparkGO

联系我们