内容提要

本文以2026年出版业“AI中台元年”为观察主线，通过对多家出版机构调研，梳理行业AI建设从单点工具试用走向中台化建设的转型历程。行业重心已经从验证AI能不能用，转向落地业务流程、沉淀知识资产、核算场景化投入产出。2026年是出版AI中台从概念验证迈向组织化运营的起点，行业差距不再取决于是否拥有AI平台，而在于能否搭建模型、数据、流程、人才、合规一体化的可持续智能生产链。

核心观点速览

行业阶段转变：出版AI走过单点工具启蒙期，2026年进入中台化建设阶段。AI建设三阶段：接入模型→连接知识→连接流程。

AI中台四大核心能力：模型与工具统一调度、组织知识沉淀、工作流与责任边界管理、由内向外产品化服务；满足四项能力，即便不命名为中台，也具备中台价值。

落地两大共同入口：一是智能审校，规则清晰、提效可感知，是检验平台成熟度的标杆场景；二是高质量数据资产，存量图书不等于可用数据，需要清洗、标注、确权与合规治理，这是出版机构核心护城河。（AI提炼）

真正的分水岭，不在于有没有一个平台

如果将时间拨回到两年前，出版机构谈人工智能，往往从几个具体工具开始：能不能帮编辑润色一段文字，能不能生成一张书封效果图，能不能将一篇稿件翻译得更快。那时，最容易被看见的是“功能”，最难被回答的是“价值”。

到了2026年，问题正在发生变化。出版机构不再满足于在办公软件旁边多放一个AI入口，而是开始追问：这套能力能不能进入选题、编辑、审校、营销和发行的日常流程？能不能将几十年积累的内容和编校经验转成可复用的知识资产？能不能让业务人员自己搭出一个可用的智能体？更现实的问题是，投入的算力、语料、培训和组织成本，最终能否换来稳定的人效和业务增量？

这也是“AI中台元年”这个说法真正有意思的地方。它并不是在判断某个出版社有没有一个叫“中台”的系统，而是在判断出版业是否开始形成一套介于底层模型和一线业务之间的、可复用、可治理、可持续迭代的智能能力。

按照这个标准，2026年的出版业，已经走过了单点工具的启蒙期，但还没有形成单一、统一的中台范式。更准确的说法是：出版机构正在进入“中台化”建设阶段，只是每家机构对中台的理解不同，落点也不同。

从“AI能不能用”到

“AI怎么形成持续价值”

此次记者调研的多家出版机构，回答首先指向同一个变化：AI的评价尺度，已经从演示效果转向业务效果。凤凰传媒融合发展部主任金玲将这一变化概括为，前两年行业更多是在回答“AI能不能用”，而现在更关心“AI怎么用得好、怎么形成持续价值”。这句话背后，是业务场景的变化。AI不再停留在外围试用，而是开始嵌入选题策划、编辑加工、智能审校和营销推广等环节，并逐渐改变原有的生产节奏。

中信出版集团的夸父AI也经历了类似路径：从1.0的工具尝试，到2.0把内部数据整理成知识库，再到3.0把经过验证的能力嵌入业务系统，最终在4.0阶段让智能体参与任务拆解和工作组织。变化的重点不只是版本号，而是AI在工作中的角色发生了变化——从“接到一个指令完成一步”，转向“围绕一个目标调用资料和工具，协助推进一项完整工作”。

这说明，出版业AI建设的第一阶段是“接入模型”，第二阶段是“连接知识”，第三阶段才是“连接流程”。只有当AI能够理解业务目标、调用组织内部的资料、把输出交给下一个环节继续使用，它才真正从工具变成生产系统的一部分。

上海世纪出版集团的实践，也体现了这种变化。2026年上海书展上，集团首次公开展示“世纪墨池”智能出版平台，平台设置了16个智能体，覆盖热点趋势研判、文本翻译、营销物料生成、流式阅读文本生成等场景，并开放“AI实验室”让业务人员进行零代码搭建。公开报道显示，平台核心生产环节综合效率提升超过80%，其“聚典写作助手”则把权威可溯源数据与大模型结合，用于学术写作、公文撰写和文稿审校等场景。

但效率数字并不是中台的全部。真正决定平台能否长期使用的，是它是否进入组织的工作习惯。上海世纪出版集团此前在“聚典”“汇典”“沪学习”等平台上持续积累，提出“内容数据化—数据知识化—知识服务化”的转化链条，并强调在应用层开发、场景约束和反馈优化上持续投入。这意味着，AI中台的核心并非拥有一个更大的模型，而是把内容、规则、流程和责任组合成可重复的工作机制。

不同的“中台”答案

在此次采访的多家出版机构中，“AI中台”并没有一个统一答案，更像是多条从各自组织结构、内容属性和发展战略出发的路径。

凤凰传媒将“凤凰智灵”明确定位为“出版行业AI应用综合服务平台”，而不是纯技术中台。这个定位很有代表性：它承认底层存在多模型调度、数据安全和权限管控等中台能力，但强调平台的出发点必须是出版业务，最终交付的是能被编辑、校对和营销人员直接使用的解决方案。凤凰智灵已经进入第五期建设，平台沉淀了40余项专业应用，并把重点从零散工具转向场景化智能体和开放平台。

凤凰传媒的决策逻辑，是“底层开放融合，上层出版适配”。它接入DeepSeek、豆包、智谱、通义千问、Kimi等多款模型，根据不同场景调度能力；自己的研发资源，则集中在出版Know-how、场景智能体和数据安全上。金玲说得很直白：“底层技术我们用最先进的，上层应用我们做最懂出版的。”这套逻辑没有将“自研”理解成从零训练一个大模型，而是将出版经验变成模型之上的应用能力。

山东出版集团的“文启智阅”则更像是“平台+矩阵”的双重结构。一方面，它承担智能体开发平台的底座职能；另一方面，又以30多项AI应用直接服务选题、编辑、排版、审校、营销和发行。平台后来升级为出版智能体平台，从拖拽式搭建走向自动规划任务流程、智能调度工具组件。山东出版数字融合产业研究院有限公司数字总监裴恒利把它描述为“从底层能力支撑到前端场景应用的完整闭环”。

山东路径有一个鲜明特点：将业务人员放到平台建设的前线。编辑人员到研究院挂职，技术人员进入业务现场，双方共同拆解真实问题；之后再通过实训营、技能比拼和科技创新擂台赛，将一个个具体场景转成可以复用的智能体。这种路径并不追求先完成一个“大而全”的平台，而是先让懂业务的人参与开发，再把经验沉淀为工具和规则。

中信出版集团选择的是“平台持续进化为智能体系统”。夸父AI早期拥有17类场景和122个AI助理，但到了3.0和4.0，团队反而不再强调助手数量，而是关注高价值场景能不能进入流程、效果能不能验证、能力能不能持续复用。中信的逻辑是，模型底座可以随时替换，真正需要沉淀的是出版数据、工作流程和经编辑验证过的Skill（技能）。

这使夸父AI与一般意义上的“工具集合”拉开距离。选题研究、翻译、营销和用户服务等场景，开始被组织成多步骤协作；内部提效验证之后，再沿着BookSkills、Thinker等产品探索对外的知识服务。中信出版集团信息数据中心总经理付鹏坦言，中信没有急于将整个平台直接开放，而是先把内部应用做扎实，再评估外部集成和服务成本。对于一家内容资源与业务系统结合较深的出版社来说，这是一条更谨慎、也更接近产业现实的路线。

人民邮电出版社的“墨云工坊”则代表了另一种选择：第三方模型能力加上出版社自己的应用层建设。人邮与智谱合作，以GLM为基础做审校模型微调，将经管、科技等领域的人工标注语料、审校规则和编辑评测纳入建设过程。该社融合发展部（信息技术部）主任赖青明确表示，墨云工坊“也属于AI中台，只是在需求方面会更聚焦一些”。

事实上，人邮路径体现了专业科技出版社对现实的判断：大模型研发、维护和持续升级需要稳定的技术投入，出版社不必重复建造底层轮子，但也不能将专业能力交给外部服务。于是，模型与平台由技术伙伴提供，出版社负责提出业务需求、整理语料、组织编辑评测，并把内容资源和编校经验转化成自己的训练集、规则和应用流程。它既不是纯采购，也不是全栈自研，而是一种“平台集成+应用自研”的中间路线。

化学工业出版社的选择更垂直。该社与数传联合开发AI出版平台，采用本地部署的算力和多模型架构，覆盖选题、创作、审校和营销，重点解决化工、材料、能源、生物等专业出版中的术语、错例和知识核验问题。值得一提的是，该社自建了算力，部署在模块化机房；但其底层模型并非全部自研，而是由BooksGPT、通义千问、DeepSeek等多种模型共同支撑不同功能。

化工社的逻辑，是将AI建设放在“向专业知识服务商转型”的战略里理解。平台不是为了证明出版社有一个中台，而是为了将70多年积累的专业内容转成数据集，再转成模型能力和知识服务。该社数智知识服务项目组负责人傅聪智将这条路径概括为“内容数据化—数据模型化—模型服务化”。在这条路线上，算力只是基础设施，真正的护城河是专业语料、行业用户和可持续的产品化能力。

叫不叫“中台”

不是最重要的问题

从多家不同类型出版企业的实践看，争论“是不是中台”容易陷入名词游戏。更值得观察的是，一套平台系统是否具备四种能力。

第一，模型和工具的统一调度能力。“凤凰智灵”通过多模型接入，山东出版集团的模型算力管理平台负责算力和模型资源纳管，中信出版集团的“夸父”根据效果、速度、成本和数据安全选择模型，人邮社通过统一平台组织模型、工具、知识库和智能体，化工社则在本地部署多种模型支撑不同功能。多模型并存已成为现实，平台的价值不再是“绑定一个模型”，而是管理模型差异。

第二，组织知识的沉淀能力。中信出版按章节、术语、主题、金句、问题等颗粒度提取图书内容；人邮社将编辑参与标注的差错样本变成训练集和评测集；山东出版集团则将出版物、作者、市场经营和网络评论数据治理成数据资产；凤凰传媒围绕具体应用场景如“万卷联库”，开展江苏专题高质量数据集建设。不同机构都在做知识沉淀，只是有的先做知识库，有的先做语料集，有的先做审校规则。

第三，工作流和责任边界的管理能力。出版业不可能将内容判断全部交给模型。凤凰传媒坚持“AI辅助、人工终审”；山东出版集团提出“人管规则与结果、机器管执行”；中信出版则强调翻译、审校、营销素材都要由相应人员审核；人邮社将模型输出纳入既有质量管理流程；化工社则把编辑对模型建议的采纳或拒绝动作记录下来，作为后续数据资产的一部分。

第四，从内部工具走向外部产品的能力。凤凰传媒已经推动20余家外部机构试用；中信出版在探索信译通、BookSkills等产品；人邮社希望在内部验证成熟后向同行提供专业审校服务；山东出版集团则把数据集授权、定制生产和知识服务作为可能的变现路径；化工社正在建设新能源、新材料、化妆品、物性数据等专业数据集，并同步探索知识服务产品。

可以说，如果没有这四种能力，平台再多的按钮也只是工具箱；如果具备这四种能力，即使机构不将它命名为“中台”，它也已经在发挥中台作用。

成本收益还在“场景账本”阶段

“AI中台”真正进入产业化，还要过投入产出这一关。当前多家出版企业都没有给出可以横向比较的统一财务口径，这并不是因为平台没有效果，而是因为出版流程中同时存在模型调用、算力、系统集成、数据治理、人工复核和组织培训等多项成本，单纯将“节省的工时”换算成利润，很容易夸大收益。

中信出版的做法是按场景核算时间和外采成本，同时计入模型调用、运维和人工审校投入；团队明确提醒，插画、视频和翻译的提效比例必须结合内容难度和统计环节理解，不能当成所有图书都能复制的固定倍数。人邮社在审校一期投入数十万元，墨云工坊一期项目总额未披露，但算力投入约占1/3；化工社则明确表示，当前投入金额和人效提升暂无可量化数据。

这意味着，出版机构对AI的“算账”正在从一张总账单，转向一组场景账本：一本书的初译减少了多少时间，一批营销物料缩短了多少制作周期，一次审校减少了多少重复劳动，一个数据集能否转成可收费的知识服务。只有当这些场景的收益可以被持续记录、比较和复用，平台才会从数字化项目变成经营能力。

对外服务同样如此。凤凰传媒坚持先把试点跑扎实，把场景做深、效果做实，再推广复制；人邮社希望先在内部业务中验证专业审校，再探索向同行提供服务；中信出版则把BookSkills的持续使用和付费意愿放在收入预期之前。出版机构真正要卖的不是一个“AI入口”，而是经过实际业务验证的工作方法、知识库、数据集和责任机制。

从“全栈自研”退到“能力组合”

这次采访还揭示了一个容易被忽视的行业共识：出版机构正在放弃“从底层到应用全栈自研”的浪漫想象，转而采用更务实的能力组合。

凤凰传媒明确提出“不追求全栈自研”，将资源用在场景化智能体、出版Know-how沉淀和数据安全管控上。中信出版则认为底层模型切换成本趋近于零，因此不会锁定某一个模型。人邮社的墨云工坊构建了模型聚合平台，集中了包括智谱在内的数十个大模型开展混合调用，将自身资源投入skill优化、规则制定、内容评测和智能体开发。化工社虽然自建算力，但仍采用多模型部署和供应商协同。山东出版集团的算力平台和智能体平台强调自主可控，同时也接入了不同类型的模型。

这并不意味着出版社放弃技术自主权，而是自主权的内涵发生了变化。过去谈自主，容易落到“有没有自己的模型权重”；现在更关键的是，数据是否可控、知识是否可追溯、流程是否可解释、模型是否可替换、业务是否不被单一供应商锁定。

对出版业来说，这种变化尤其重要。模型能力迭代过快，出版社很难用单一采购周期锁定未来几年；而书稿、作者资源、译者成果和读者数据又不能无边界地交给外部平台。于是，最可行的架构是：底层模型保持开放，上层数据和场景保持自主，关键环节保留私有化部署和人工审核。

审校为什么会成为共同入口

如果要找一个最能代表出版业AI落地的场景，智能审校几乎是共同答案。

原因很简单：审校是出版流程中的刚性环节，任务高度重复，规则相对清晰，效率收益容易被感知；同时，审校又不可能完全自动化，因为专业知识、语境判断和价值导向仍需要人来负责。

目前，山东出版集团的智能审校系统累计审校书稿4.4万件、字数超过24亿字，识别疑似错误1000余万处；“凤凰智灵”的智能校对自2025年10月上线后累计审校文字超过3.3亿字；人邮社围绕语言文字层面的差错初筛、批注和修改建议形成了较稳定的使用基础；化工社则在通用审校模型之外，进一步训练化工专业审校模型；中信出版把翻译、术语统一和文本处理放进日常流程。这些数据不能被简单理解为“AI已经替代人工”。恰恰相反，它们共同证明了另一件事：出版业真正可行的AI模式，是机器将确定性、重复性、大规模的工作前置，编辑把时间放在专业判断、事实核验、作者沟通和整体质量把关上。

凤凰传媒将这一原则表述为“AI是放大器，不是替代品”。山东出版集团的“人管规则与结果、机器管执行”，则进一步把责任边界说清楚：机器可以筛查错别字、标点、术语、格式和敏感词，但涉及语境、事实、价值和文化禁忌，最终决定权仍在人工。

审校也是最能检验平台成熟度的场景。一个平台如果只能给出漂亮的演示结果，却不能把批注、修改建议、人工复核和责任追踪嵌入编辑熟悉的Word流程，使用率很难持续。更为落地的做法是，人邮社把带批注或修订标记的Word文档返给编辑作为降低使用门槛的重要方式；化工社则通过记录编辑采纳或拒绝建议的动作，为后续模型调优积累数据。

数据资产走向“可运营资源”

出版业AI的第二个共同入口，是数据。但“有很多书”不等于“有可用数据”。存量内容要变成模型能理解、业务能调用的数据，必须经历清洗、拆分、标注、权限管理和质量评测。山东出版集团将数据分为出版物精编数据、标签数据、作者资源、市场经营数据和新闻出版内容数据五类，并建立了机器初审、人工复审和专家终审的质量闭环。中信出版按照章节、术语、主题、金句和问题等维度拆解图书内容。人邮社从实际书稿中选取样本，由编辑参与差错标注和修改结果核对；凤凰传媒则围绕明确的应用场景推进专题数据集建设。

数据治理也让“中台”不再只是技术名词。一个真正可运营的出版数据底座，必须回答三件事：这段内容从哪里来，谁有权使用，经过怎样的质量审核。山东出版集团将版权确权、存证、交易和维权纳入数据运营体系，尝试通过数据集授权分发、定制加工和知识服务实现价值转化；中信出版则对作者、译者授权范围保持谨慎；凤凰传媒强调数据输入、内容生产和对外发布的全流程合规；人邮社把合同约定、权限控制、操作日志和人工审核结合起来。

公开资料显示，上海世纪出版集团也在推进从数据产品到知识服务的体系化布局，其“聚典写作助手”强调权威溯源和知识核校，集团还把古籍、工具书、教育内容和科普资源放进不同的智能化产品中。浙江出版联合集团则与科大讯飞共建“未来出版联合实验室”，落地“文澜·出版一本通”，将AI能力嵌入审校、策划、营销和分析，并启动高质量数据集研发。

这些案例共同说明，出版业的稀缺资源并不是“文本数量”，而是经过权属确认、专业加工和场景验证的高质量内容数据。

值得注意的是，数据资产化并不等于把所有内容都拿去训练模型。对出版机构而言，更稳妥的顺序通常是先围绕明确场景做小范围数据治理，再通过检索增强、规则库和知识图谱验证效果，最后再考虑是否需要进一步微调模型。这样既能降低版权和安全风险，也能避免为了“训练一个模型”而投入大量无法落地的数据清洗成本。

业务部门开始反向定义技术路线

过去，出版机构的信息化项目常常由技术部门先提出方案，业务部门再学习使用。现在，更多平台建设开始由一线业务反向提出需求。

凤凰传媒将“业务部门提需求、技术团队围绕真实痛点迭代”视为重要变化。山东出版集团则让编辑人员到研究院挂职，把真实流程带进开发；人邮社由编辑提供语料并参与评测；中信出版让编辑持续参与产品优化；化工社采取“精干小分队先试点、跑通路线再推广”的方式。这背后是一个组织判断：AI项目不是一次性采购，而是持续的业务改造。技术人员可以将模型接进系统，却不一定知道一个编辑在处理书稿时最怕什么；编辑熟悉业务，却不一定知道怎样把经验表达成可训练的数据。平台要走得通，必须将两类人放到同一个问题里。

因此，AI中台建设的门槛，正在从“能否买到模型”转向“能否组织跨部门协作”。平台不是技术团队独自完成的工程，而是编辑、校对、营销、发行、信息技术和管理层共同参与的生产关系调整。

此外，除了聚焦集团级、大型出版机构的平台，我们也要看到不同体量出版机构不一定都以“AI中台”作为对外叙事重点，AI也可以先从内容产品、垂类服务切入。例如，6月30 日，中国标准出版社打造的标准领域大模型“标知”正式发布，由标准社与同方知网数字科技有限公司‍联合研发。其核心功能集标准智能检索、智能对比、智能问答、标准在线起草、标准翻译等于一体。这类实践说明，不同类型、规模的出版机构对于全业务链的统一AI应用平台建设节奏尚不统一。对行业而言，这种差异本身值得关注：有人先搭底座，有人先做产品，有人先做数据集，还有人先把内部流程跑通。

2026中台化已开始，但远未定型

回到最初的问题：2026年，出版行业AI中台元年到来了吗？如果“元年”意味着所有出版机构都已经完成平台建设、形成统一标准并实现规模化商业回报，答案显然是否定的。化工社仍在验证专业审校模型和数据集商业化，人邮社还在把语言审校向公式、代码、图表等复杂内容扩展，中信出版强调内部验证优先，凤凰传媒在推进开放平台试点，山东出版集团仍在从单点应用向流程协同升级。各家的投入产出数据也并不完整，很多效率提升还停留在场景测算，而不是财务报表上的明确贡献。

但如果“元年”意味着行业开始围绕平台化能力重新组织AI，答案是肯定的。多家出版企业已经在做过去很少同时出现的事：将多模型纳入统一调度，将出版内容转成可治理的数据资产，将智能体嵌入真实业务流程，将编辑和业务人员纳入平台共建。

这可能是更接近产业现实的判断：2026年不是出版业AI中台的完成之年，而是中台化建设从“概念验证”走向“组织化运营”的起点。未来，真正拉开差距的，不会是谁拥有最多的AI助手，而是谁能把模型、数据、流程、人才和版权合规连成一条可持续的生产链。

出版业最终需要的，也许不是一个宏大的“超级中台”，而是一套能让编辑少做重复劳动、让内容更容易被发现和复用、让知识服务真正产生收入的智能基础设施。它可以叫中台，也可以叫平台、智能体系统或知识服务底座。名称并不重要，重要的是它是否真正改变了出版工作的日常。

观 点

01

出版机构需要什么样的AI团队？

AI平台建设中，技术团队和复合型人才是怎样配置的？

金玲（凤凰传媒融合发展部主任）：我们构建了“培训+激励+实践”三位一体的赋能体系，推动AI能力从“少数人掌握”走向“全员普及”。在培训层面，凤凰传媒联合东南大学开展“AI变革专项人才培训计划”，采用“理论教学+实验实训+讲座研讨”三维培养模式；同时举办多期AI应用研修班，覆盖新闻出版、营销发行、行政办公等不同岗位的业务骨干。2025年全年开展培训76课时，助力300余名业务骨干深度掌握AI应用能力。

化工社目前的AI人才主要来自哪里？

傅聪智（化学工业出版社数智知识服务项目组负责人）：现阶段以内部培养为主，一部分传统编辑向数字化方向转型，少量IT技术人员向社会招聘。AI时代需要更多高水平的AI技术人才，我们计划未来通过市场化引进。

山东出版集团为什么强调编辑参与智能体开发？

裴恒利（山东出版数字融合产业研究院有限公司数字总监）：在开发过程中，依托编辑人员到研究院挂职、双向交流的协同机制，紧扣出版一线真实场景对功能进行设计和开发，确保业务功能适配出版工作全流程。通过实训营、技能比拼和擂台赛，集团希望让懂业务、通AI的出版人成为新质生产力。

人邮社如何理解编辑与技术伙伴的分工？

赖青（人民邮电出版社融合发展部（信息技术部）主任）：人邮社负责提出业务需求、提供相应语料并组织编辑评测，智谱提供模型与技术支持。在我们看来，出版社需要把专业内容、编校规范和实际流程转化成语料、规则和应用流程，再通过实际使用与评测持续调整。

中信出版的AI团队是否由纯技术人员组成？

付鹏（中信出版集团信息数据中心总经理）：夸父是持续迭代的产品，目前除了研发，编辑也一直在参与产品的优化改进。在夸父4.0中，团队把出版相关技能和通用办公技能组织到Skill库中，但强调留下的技能必须与出版场景深度相关，并经过编辑验证价值。

02

如何让编辑从“会用”变成“常态用”？

凤凰传媒如何推动编辑持续使用AI平台？

金玲：凤凰传媒在激励层面建立智灵平台积分体系，员工通过登录、使用平台、提交优质建议获取积分，可兑换办公工具会员权益；在实践层面，2025年全年举办2场AI主题活动、20期线上主题活动，吸引500余人参与，征集创意作品超过1000份。现在已经有不少学员自主研发AI应用，作为独立应用接入了平台，真正实现了从“会用工具”到“会开发工具”的跨越。

化工社的AI应用推广和激励机制是什么？

傅聪智：化工社启动了“2026年度AI应用推广与激励计划”，每个月公布部门指数榜、审校达人榜、应用风云榜、锦囊妙计榜等榜单，平台使用时长可以兑换积分，积分会充入饭卡，用于食堂采买。同时开展“数智基建2.0赋能出版业务培训”，围绕审校、营销物料制作、书配智能体、审校小助手等模块进行讲解和实操。

山东出版集团如何把培训做成生产力？

裴恒利：集团坚持“能用、实用、好用、愿意用”的递进逻辑。实训过程中，不只讲概念，而是让编辑围绕选题策划、编校辅助、营销文案生成等真实场景全程实操。集团还通过擂台赛对优秀AI应用成果进行评比表彰，并设立科技创新专项资金，形成比学赶超的氛围。

人邮社编辑对AI审校的接受度如何？

赖青：从持续调用和业务接入情况看，编辑对AI辅助审校已有一定的接受度。人邮把模型提示作为审读参考，由编辑结合书稿内容判断是否采纳；系统返回带批注或修订标记的Word文档，延续编辑熟悉的工作方式，减少在不同工具之间切换和整理审校结果的负担。

03

未来1—3年，平台准备走向哪里？

金玲：近期（2026年）重点是把配音助理、视频生产链路、智灵出题、教材同步学四大场景化智能体的基础能力打扎实，完成核心能力模块化封装，开放平台启动各社接入试点；中期（2027—2028年）扩大平台在出版全链条的常态化应用，深化教育产品规模化落地，完善“纸数智融合”服务模式；长期（2029—2030年）实现平台标准化输出与多行业赋能，建成覆盖出版与教育双场景的智能化服务平台。

裴恒利：下一步我们将把重心放在现有功能的持续升级和深化上，让AI从“能用”走向“实用、好用、愿意用”。重点包括强化LizBuddy多智能体协同调度，提升智能审校对语义、逻辑和事实核查类错误的识别能力，深化选题趋势预测和作者资源匹配，推进内容生产与知识服务产品化，并继续扩充高质量数据集。

傅聪智：在AI对内赋能方面，化工社将完成化工审校模型训练调优，基于本地向量库进一步提升书稿审校效果，并优化平台功能；在产品和服务方面，重点推动基于高质量数据集的知识服务产品开发和商业落地，同时抓好数字教材AI赋能；在人才方面，通过引进和内部培养逐步建成复合人才队伍；在组织机制方面，计划把数字化融合发展纳入各分社考核，设置融合发展指数。

赖青：审校智能体二期建设将以专业审校能力扩展为重点，在现有语言文字审校基础上，逐步增加书稿框架、数学公式、程序代码、表格数据和图表题注等专项模块。墨云工坊AI中台将全面拥抱harness架构，兼顾开源和闭源、通用和垂类能力，并根据任务特点、实际效果和运行成本开展智能体混合调用，构建面向业务场景的智能体服务生态。

付鹏：夸父将继续对外提供服务成熟能力，但优先把内部应用做扎实，验证效果和持续服务能力。BookSkills正在探索把图书内容转成可反复调用的技能，让读者在读完书之后还能继续追问、实践和复盘；收入规模暂不急于设定数字，先验证读者是否持续使用、是否愿意续费，再结合服务成本评估业务空间。

04

在AI赛道上的差异化定位

傅聪智：我们定位为化工领域领先的数智知识服务商，核心差异化护城河是：以70余年积淀的自有版权权威化工类及相关专业内容与全产业链用户生态为底座，构建“内容数据化—数据模型化—模型服务化”全链路自主可控体系，成为深度覆盖化工教育、产业、科研全场景的专业知识服务商。

金玲：AI将从“赋能工具”逐步演进为出版价值链的“新型基础设施”。

赖青：我们将AI定位为支撑出版社内容创造和业务创新的长期能力。

裴恒利：以智能体平台为枢纽，以行业高质量数据为支撑，推动AI应用从单点工具向全流程协同升级，从基础辅助向深度赋能升级。

付鹏：AI将成为中信出版发展的核心引擎，驱动内容生产、知识服务与经营模式的系统性重塑。