当前，企业级软件赛道正经历一场深刻的范式转移。过去十年，SaaS 的核心逻辑是“流程在线化”，解决的是协作效率问题；而未来十年，核心逻辑将转向“决策智能化”，解决的是认知与执行门槛问题。
在这一背景下，国内协同办公头部平台纷纷引入大模型能力，试图重塑底层工作流。此次飞书多维表格的升级，并非简单的功能叠加，而是试图构建一个从数据沉淀、分析到呈现的闭环 AI Agent 系统。这标志着企业数字化正在从“人适应系统”向“系统适应人”转变。
以下为本次产品升级的详细观察与案例实测。
金磊 发自 凹非寺
说真的，学 SQL 这件事，可以先放一放了。
因为现在，一个汽车点巡检
的师傅，左手拿着扳手，右手拿着飞书，就能搞专业的数据分析！
△图片由 AI 生成
例如面对密密麻麻、图文兼并的海量数据，对计算机技术一窍不通的师傅，现在要做的动作就是一个导入 + 一句话：
这是一组汽车和工业设备的核心部件数据，请基于这张图表生成一个清晰可分享的产品目录页。
然后在稍等片刻过后，一个产品目录页面就这么水灵灵地诞生了！
除此之外，这位师傅也可以先用语音的方式，给飞书下达这样的指令：
帮我创建一个工厂数显扭力扳手的专属点检表单。这个扳手是用来拧紧轮胎的，但我不知道该点检哪些内容。直接帮我生成一个专业、详细的表单。
同样是稍等片刻，一个专业的表单就搞定了：
然后往这个扳手上贴上一张飞书生成的二维码，再用手机上的飞书去扫它，就能实现在点巡检现场直接上传数据：
更有意思的来了，一位河南工友，甚至可以把点巡检结果，通过说方言的形式，直接录入结果！
视频地址：
从过程中我们不难发现，飞书是会在河南工友说话的期间，实时地去识别，实时地去填写表单。
即便期间信息有误，它也能自行回头校正并做出修改。
由此可见，现在的 AI 能力已经无缝衔接了线上系统与线下物理世界，解决了制造业一线非常实际的录入难、不懂数据等问题。
这证明了即使是在最传统的制造业，AI 也能通过极低的门槛，赋能一线工人，实现真正的数字化落地。
那这到底是怎么做到的？
答案是，飞书多维表格，又升级了。
在 3 月份一句话搭建系统的功能之上，它又补齐了四项能力：
- AI 问数据：用自然语言就能直接对表格数据提问，AI 会自动完成数据检索、统计和多维度的分析，快速给出专业结论和业务洞察；
- AI 生成图表：只需一句指令，就可以生成矩形树图、热力图等原生表格布局的专业 BI 图表；
- AI 搭页面：基于表格内部的结构化数据，一键生成带交互效果、可分享的 H5 级专业页面，数据也能实时同步更新；
- AI 生成问卷：即便不清楚具体收集项目，也能快速生成专业完整的表单问卷等。
刚才的演示，正是由飞书产品市场经理王大仙和北汽福田流程与数字化部高级经理文伟共同呈现的AI 生成问卷和AI 搭页面功能。
上午更新功能，晚上直接让客户带着真实业务难题来实战直播，有一说一，这在业界也实属罕见。
而在看完整个直播之后的感受，正如飞书 CEO谢欣所说的那般：
我觉得 AI 时代就是把原本的这个专业的分类给打破了。你只要有想法，就能把它做出来。
作为坐拥多个频道、一年产出 200 多期节目的头部内容团队，影视飓风对数据复盘的依赖程度，远超普通团队。一条视频能不能爆、一个系列有没有破圈、哪些指标真正影响粉丝增长，都要靠数据说话。
但现实的困境是，整个团队只有 2 名数据分析师，全公司 70 多个内容创作者的数据分析需求，根本排不过来……
不过在这场直播中，影视飓风的项目中台负责人文君，现场展示了什么是把 AI 当赛博分析师。
面对仪表盘上海量的数据，文君直接用自然语言，通过AI 问数功能，向飞书多维表格抛出了一个问题：
分析不同频道在各个平台中，点赞量、收藏、分享与粉丝增长的相关性，给出结论。
但飞书 AI 只思考了片刻，就给出了克制且准确的结论：点赞量与粉丝增长始终保持强正相关，而收藏和分享的影响存在差异。
文君当场盖章认证：
这个结论和人工数据分析师出来的是一致的。
不过数据分析光有结论还是不够的，还得有直观的可视化结果才行，于是文君继续用说的方式提需求：
画一个矩形树图，看不同频道下不同系列的播放情况。
画一个热力图，看看每周几不同时段发布的作品播放量有什么特征。
片刻过后，飞书多维表格就调用了自己的AI 图表生成功能，把需求对应的图表给生成了出来。
对于这个功能，王大仙也在现场展示了他之前给电商客户做的桑基图和热力图的效果：
当然，对于图表的颜色和风格，也是可以自定义修改的：
由此可见，AI 确实把数据分析的门槛，结结实实地下放给了每一位内容创作者。
就像文君感慨的那样：
这一定程度上改变了团队内的交互方式。
如果说影视飓风的案例，是 AI 让普通人拥有了专业的数据分析能力，那得到的实战演示，则让我们看到，AI 能把从数据到精美呈现的路径，缩短到什么程度。
得到团队的痛点，或许很多做项目、做电商的人也都能感同身受。
得到电商业务总经理罗砚回忆 2025 年跨年演讲，为了能在演讲结束的第一时间就给全网用户呈现实时数据复盘，她和团队只能在后台手绘 4 页纸的系统草图，再找飞书团队连夜赶制数据复盘看板……可以说全程都在和时间赛跑。
而在传统工作模式里，想要做一个能对外分享、带交互动效、设计精美的数据战报页，更是需要前端工程师、设计师、数据分析师组成的专业团队，花上一周时间，还要付出不菲的成本。
但今年，完全不需要这么肝了。
面对一张密密麻麻的数据表，罗砚在现场只是提了一个要求：
这是一组跨年演讲数据，帮我生成一个数据亮点突出、可分享的项目战报页，主题色用橙色。
视频地址：
多维表格的AI 搭页面功能开始自动运转，几分钟后，一个带有 3D 滚动动画、数据可实时交互、甚至连文案都自带高情商（例如自动总结出“平均观看时长 20 分钟，深度内容依然被需要”）的 H5 级项目战报页诞生了！
要知道，在过去，要做出这样一个 H5，你需要文案策划、UI 设计、前端工程师开几天会，然后再花一周时间开发，成本极高。
但现在？只需一杯咖啡的时间。
不仅仅是跨年演讲，在得到的电商场景里，飞书多维表格也能起到作用。
罗砚在现场再次用AI 生成图表和AI 问数，秒出了不同主播带货品类的销量表现热力图，并对不同账号的直播效率进行了多维度归因。
由此可见，从海量数据到精美的 H5 页面呈现，再到深度的业务洞察，AI 把这条路径缩短到了极致，让团队终于能把精力从做表转移到做业务本身。
看完这三个来自不同行业的真实案例，我们就能明白，飞书这波多维表格的升级，到底厉害在哪里。
从产品本身来看，3 月份飞书刚发布了一句话搭系统的能力，让普通人不用写一行代码，就能搭出一套完整的业务系统。
而这次升级，又补齐了 AI 问数据、AI 生成图表、AI 搭页面、AI 生成问卷四大核心能力，让飞书多维表格的 AI 能力，完整覆盖了从搭系统到对外呈现、收集信息、分析数据和表达结果的一整条业务链路。
这意味着，AI 的角色，已经从一个帮你改改文字、做做辅助的提效工具，变成了一个能独立完成复杂任务的 Agent 同事。
过去，你做一件事，要先想表结构、再搭表单、再录数据、再写公式分析、再做图表可视化、最后做页面呈现，每一步都有门槛，每一步都要花时间。
而现在，你的工作，只需要从一个想法、一个问题开始，剩下的所有事，AI 都能帮你搞定。
更重要的是，和市面上需要反复导入导出数据的 AI 分析工具不同，飞书多维表格本身就是企业业务数据的天然沉淀载体，业务从搭建系统、收集信息到流程流转的全链路数据，都沉淀在此。
这也让它的内置 AI 分析能力显得顺理成章，既避免了数据流转中的安全风险，也解决了数据割裂、分析与业务脱节的痛点，也是飞书作为企业 AI 基础设置底座的核心意义所在了。
从行业的角度来看，飞书这波升级，更是直接掀翻了职场人二十年的能力评判标准。
过去二十年，职场人的核心竞争力之一，就是对专业工具的掌握。会写 SQL 的人，比只会用 Excel 的人拥有更多职场机会；会用 BI 工具、会写代码的人，能拿到更高的薪资。我们花了大量的时间，去学习工具的用法、去啃专业的技术知识，只是为了跨过那道专业门槛，把自己的业务想法落地。
但现在，飞书用 AI，把这些专业工具的门槛彻底抹平了。
你不需要懂任何技术，不用背复杂的 Excel 函数，不用学枯燥的 SQL 语法，不用懂前端代码，甚至哪怕你说河南话、湖南话，哪怕你是拿着扳手的一线工人，哪怕你是只会拍视频的编导，只要你能用自然语言说清你的业务目标、讲明白你的需求，AI 就能帮你完成剩下的所有技术工作。
因此，职场人的核心竞争力，从此被彻底重构。
从会用工具，转向了 懂业务、会提问、能决策。正如直播中嘉宾们反复强调的核心观点：AI 解决了工具的门槛，而往上浮的，是生而为人的能力和价值。
现在的 AI 浪潮，或许已经快到让每个人都多少有跟不上的 FOMO 感，总怕自己学的技能过时，怕自己被 AI 淘汰。但真正好的 AI 产品，从来不是制造焦虑，而是化繁为简。
它把最难的技术、最复杂的逻辑，全都自己消化融合，留给用户的，是最简单的操作，和以前只有高门槛学习、高额成本投入才能掌握的能力。
悲观者永远正确，乐观者永远前行。
在汹涌的 AI 浪潮面前，与其焦虑自己会不会写代码、会不会敲 SQL，不如成为那个懂得利用先进工具放大自身潜能、推动业务前行的乐观者。
是的，你的 SQL、Excel 或许可以先放一放。但你的业务思维，正迎来前所未有的黄金时代。
综上所述，此次飞书多维表格的更新，本质上是对企业数据价值链的一次重构。它将原本分散在 BI 工具、低代码平台、设计软件中的能力，整合进了一个统一的智能界面中。
然而，值得客观注意的是，虽然 AI 大幅降低了操作门槛，但数据的准确性、业务逻辑的严谨性以及隐私合规性，依然是企业落地过程中需要审慎考量的因素。AI 可以作为强大的副驾驶，但最终的决策责任仍需由人来承担。
长远来看，这种“自然语言即接口”的趋势不可逆转。未来企业的竞争力，将不再取决于拥有多少专业技术人员，而取决于谁能更高效地将业务洞察转化为数字指令，驱动智能系统自动执行。
