ChatGPT移动端上线了语音智能体。动动嘴就能写文档、总结邮件，Pro和Plus用户还能建站、做PPT、调用云端浏览器，甚至总结Slack消息。Free和Go用户则能用插件和已连接的应用。语音对话的文本输出也更丰富了。语音，正在成为新的办公入口。
但语音只是入口，难的是文档本身怎么处理。arXiv上一项新研究指出，信息抽取流水线该处理页面图像还是解析文本，答案取决于文档本身，在不同布局之间会翻转。精度和能耗的权衡同样绕不开。没有放之四海皆准的方案，也没有一招通吃的流水线。
Univer想解决的是底座问题。这个由dream-num开发的项目最近登上GitHub趋势榜，定位为面向AI智能体的Office工具底座。它把电子表格、文档、幻灯片、画布、关系表和PDF全部塞进同一个运行时。AI办公协同因此有了统一的底层架构，不用每个功能各搭一套。
三条线拼起来，图景就清晰了：语音交互拉低使用门槛，文档自适应策略决定处理效率，统一底座解决工具碎片化。AI办公的竞争焦点，正从单点功能转向全栈能力。谁能把交互、策略和底座打通，谁就先拿到下一轮的入场券。