让不懂代码的业务人员自己搭出一套业务系统，这个承诺在软件行业里被重复了至少二十年——从早期的低代码到近两年的 AI 建站，每一轮都热闹，每一轮都留下大量半途而废的应用。8 月 28 日，在北京举行的 WPS AI NEXT 系列媒体沟通会上，WPS 多维表格发布「灵感应用」，给出了自己的答案。真正的看点不在于它能不能生成，而在于它在什么底座上生成。
一、功能：一句话生成一个能用的应用
据介绍，灵感应用允许用户输入自然语言描述业务需求，AI 理解意图、组织组件，生成可直接使用、持续迭代的个性化业务应用。目前该功能正逐步开放体验。
关键在于它生成的位置：AI 不是在空白画布上从零盖楼，而是在多维表格已有的数据、权限、自动化等能力之上，生成一层个性化的应用层，底层数据和业务规则保持透明、可追溯。WPS 方面的解释是，权限、协同、自动化这些最复杂的能力已沉淀多年，AI 无需从零重建；多维表格本身是在线文档，应用保存即可用、链接即可发；数据透明可追溯，业务人员看得懂，也改得动自己搭建的东西。
这个定位承接自今年 4 月推出的「应用模式」——用户可以通过列表、仪表盘等界面把多维表格呈现为贴近业务的应用系统，目前已服务于中集集团设备台账、北京师范大学在线办事等场景。但官方组件总有覆盖不到的地方。WPS 多维表格产品负责人杨鼎的说法很实在：「就算我们做了 100 种、1000 种图表，企业内总有一种自创的图表，是市场上都没见过的。」灵感应用正是为此而来。现场演示中，杨鼎以订单管理系统为例，生成了一个可以旋转的三维驾驶舱：系统先与用户交互明确需求，再展示思考过程，最终给出可验证的方案。他将其概括为三个词：能干、可信、好看。
二、技术底座：三个条件
一个 AI 搭建的业务系统要在企业里长期运转需要什么？WPS 多维表格技术负责人金才给出了三个条件，也对应了三项能力。
AI 要够懂业务。据官方介绍，今年 6 月和 7 月，WPS AI 先后在 SpreadsheetBench 与 TableBench 两项国际评测中拿下榜首，分别考察 AI 操作表格、搭建系统的能力与洞察数据含义的能力；其中 SpreadsheetBench 成绩 73.46%，超过 71.33% 的人类专家基准。需要说明的是，这两项成绩均出自厂商公布口径。
数据要持续进得来。业务数据往往锁在 CRM、ERP 等老系统里，对接方式千差万别，专人开发难以规模化。WPS 多维表格为此打造了「AI 连接器」：业务系统方只需提供接口文档，AI 即可完成开发与测试验证，官方称专业工程师三天以上的工作被压缩到小时级。
系统要扛得住。据媒体援引的信息，其内核引擎在百万行数据下保持 137 毫秒响应。该数据未披露具体测试条件，宜作为工程指标而非服务等级承诺看待。
三、落地案例：造船厂、教育局与耗材企业
目前公开的落地场景包括：
沪东中华造船借助 AI 建表与 AI 建仪表盘，一句话生成覆盖台时故障率、综合效能的精益设备管理分析系统。昌平区教育局将每年千余名教师的资质评审搬至线上，AI 字段自动提取证书信息、生成台账并流转审批。某超大型打印耗材企业用 AI 数据分析定位赊销利润差异原因。此外北师大珠海校区等场景也已落地。
这三个案例的共同特征是：需求高度个性化、数据结构化程度中等、原本依赖人力重复劳动。它们恰好落在通用 SaaS 覆盖不到、而定制开发又不划算的夹缝里——这正是「业务人员自建」理论上最有价值的位置。
四、客观看：真正的风险在治理
把建系统的权力交给业务人员，收益是响应速度，代价是治理复杂度。有三点值得提前想清楚。
其一，权限与数据口径。当每个部门都能自建一套应用，同一份「销售额」可能在不同表里有不同算法，而权限继承的边界往往在复制粘贴中被稀释。多维表格自带的权限体系能兜住一部分，但跨应用的数据一致性仍需组织层面的约定。
其二，影子 IT 的复归。低代码时代最常见的结局，是系统建起来了、作者离职了、没人敢改。AI 降低了建的门槛，并没有降低维护的门槛；能否持续迭代，取决于这套东西是否真正长在组织的数据底座上，而不是某个人的账号里。
其三，效果口径。榜单第一、137 毫秒、小时级对接，这些指标都指向能力上限，而非日常表现。真实场景里，接口文档的质量、脏数据的比例、业务规则的例外情况，才是决定体验的分水岭。
总的来说，灵感应用的思路是对的：不在 AI 层重建权限与协同，而是把 AI 放在已经成熟的底座上做最后一公里。这条路径比「一句话生成整个系统」朴素，但也更可能活下来。它能否真正跑通，取决于一年后这些应用是否还在被使用——而不是发布当天有多少人试了试。
值得一提的是，国内办公厂商几乎都在往同一个方向挤：把 Agent 从「对话框里的助手」变成「工作表里的系统」。这条路最终比的不是生成效果有多炫，而是底层那套权限、协同与数据底座，够不够结实。