TMT观察网_独特视角观察TMT行业

3月28日，釘釘 AI 助理重磅升級，上線圖片理解、文檔速讀、工作流等產品能力，率先探索多模態、長文本與 RPA 技術在 AI 應用的落地。

基于阿里通義千問大模型，升級后的釘釘 AI 助理擁有更強的視覺推理能力和長文本速讀能力。目前，用戶在釘釘 IM 消息框或點擊魔法棒按鈕進入 AI 助理對話框，發送長文件、在線文檔、網頁鏈接、視頻內容，即可根據內容識人、識地點、分析、答題、翻譯、摘要、提取文字，甚至可以通過多輪交互進一步做智能問答。

釘釘 AI 已支持圖像理解、視頻速讀，化身全能“小百科”

LLM（大語言模型）之后，大模型領域迎來了新的爆點“多模態”，為 AI 應用帶來了更大的想象力。

基于通義千問 Qwen-VL-Max 視覺理解模型，釘釘 AI 助理能夠準確描述和識別圖片信息，并根據圖片進行信息推理、擴展創作、文字提取、翻譯等，相當于一個全能的“圖片小百科”。

不管圖片展示的是某件物體、某個人物、風景，還是菜譜、社交梗圖、數學題和衣服標簽，AI 助理都能一秒識別圖片內容，并在此基礎上進行多輪對話問答。比如，旅游時看到一個很美的建筑，拍照發給釘釘AI助理，就能迅速了解它的歷史背景和相關故事。

利用這一能力，用戶還可以實現識圖翻譯或提取圖片中的文字，讓信息獲取更加便捷。比如，不知道某件衣服的洗滌方式，把衣服標簽拍個照發給釘釘 AI助理，就可以翻譯上面的英文。

通義千問 Qwen-VL-Max 擁有更強的視覺推理和中文理解能力，整體性能堪比GPT-4V和Gemini Ultra。在MMMU、MathVista等測評中遠超業界所有開源模型，在文檔分析（DocVQA）、中文圖像相關（MM-Bench-CN）等任務上超越 GPT-4V，達到世界最佳水平。

此外，AI 助理也支持視頻內容的速讀。發送給 AI 助理的短視頻、直播切片或培訓視頻可以被快速“觀看”， AI 助理會根據視頻內容生成字幕，提取關鍵詞，并生成一份智能摘要，對于最高 2GB 的視頻內容，僅需 3 分鐘即可完成智能解讀。

“文檔速讀”能力升級，從冗長信息中解放生產力

利用大模型技術從文本中檢索、總結信息，可以說是每個人日常生活、工作、學習的需求場景。

基于通義千問大模型，釘釘 AI 助理可以快速閱讀本地文件如 Word、PDF、PPT、Excel 等、釘釘文檔、網頁鏈接等多種格式文件，輕松解析各類學術論文、產品手冊、使用教程、數據表格、新聞報道、多國語言的圖書等。

比如，臨時需要分析一個業務數據時，上傳相關的 Excel 表格，AI 助理就可以直接給出數據結論；企業復雜的產品手冊發送給 AI 助理后，可以快速總結和智能問答，大幅提升信息效率。

值得一提的是，釘釘 AI 助理對長文本的處理能力已支持單次閱讀500頁的文件，可以為法律、醫學、金融等專業領域提供更全面、準確的信息服務。

比如，有研究者將一份《大模型與自動駕駛如何結合研究報告》的長論文發送后，AI 助理在幾秒內就快速總結了相應的內容，并給出了這一研究具體是什么、研究的技術創新點、研究方法等諸多論文的關鍵要素。用戶還可以進一步追問某個知識點的具體來源或相關信息，從閱覽文檔、反復檢索的冗長工作中徹底解放。

AI 助理上線“工作流”， AI 也能干復雜的活了

隨著 OpenAI 帶火 Agent（智能體），大模型融入自動化技術成為當前最具共識的方向之一。

今年1月，釘釘 AI 助理正式上線，企業和個人 AI 助理已進入到工作和生產力場景中。為讓 AI 助理可以完成一系列更復雜的任務，釘釘 AI 助理上線了工作流能力。

工作流是 AI Agent 的一種進階玩法，不僅可以在創建時對 AI 執行任務的流程進行拆解和編排，使得 AI 助理可以主動接管完成相應操作，還能夠打通外部的系統數據和 API 能力，進一步擴展了它的行動能力，比如搭建能自動寫腳本并生成視頻的創作 AI 助理。

為降低用戶的使用門檻，釘釘官方還提供了多種工作流模板。已有企業使用工作流創建了門店信息收集助理，將用戶反饋自動化整理，并存儲到一張釘釘多維表中，幫助員工節約瑣碎的時間；個人用戶也通過連接微博 API，創建了自動追蹤熱點并撰寫文章的助理，一個指令就能批量執行，大幅提升內容生產的效率。

目前，用戶可在釘釘 APP 或 PC 客戶端直接使用 AI 助理的各項功能，包括多模態、長文本和工作流，體驗 AI 帶來的便捷與高效。