文｜Alex

編輯｜燕子

11 月 7日-9 日，由崔牛會主辦的以“拐點”為主題的2025 中國 SaaS 大會在北京成功舉辦，而中國企業(yè)軟件行業(yè)正站在一個新的“成人禮”門檻上。

在大會上，金蝶副總裁李帆發(fā)表了“企業(yè)級AI落地實踐與行業(yè)啟示”的主題演講。

作為深耕企業(yè)級軟件市場三十余年的“老兵”，李帆從技術演進、行業(yè)痛點、認知轉型到產(chǎn)品布局，系統(tǒng)闡述了AI對企業(yè)級應用帶來的根本性變革。

李帆指出當前企業(yè)級生成式AI面臨“一邊是海水，一邊是火焰”的復雜局面：盡管生成式AI熱度高漲，但實際落地成功率不足5%，數(shù)據(jù)質量、可靠性、場景適配仍是核心挑戰(zhàn)。

他強調，AI并非短期風口，而是一個需要長期投入的技術超級周期，企業(yè)應避免用互聯(lián)網(wǎng)時代的快思維去衡量AI的成長曲線。

圍繞金蝶的AI戰(zhàn)略，李帆介紹了公司從“AI增強”到“AI原生”的雙軌布局，重點展示了基于金蝶AI·蒼穹平臺的統(tǒng)一AI底座、Data Cloud數(shù)據(jù)云、Agent開發(fā)平臺以及垂域模型等核心能力。

他特別指出，金蝶不做“大模型套殼”，而是致力于在數(shù)據(jù)與深度模型層面構建差異化優(yōu)勢，推動企業(yè)軟件從工具系統(tǒng)向智慧系統(tǒng)躍遷。

李帆 金蝶中國副總裁兼蒼穹平臺總經(jīng)理

此外，李帆還分享了AI轉型中的組織融合、人才結構、文化包容等深層挑戰(zhàn)，提出“認知革命比技術本身更重要”的核心觀點。

在他看來，企業(yè)決策者、中層與基層員工都需建立對AI的正確理解與信仰，才能真正跨越從“技術采納”到“價值創(chuàng)造”的鴻溝。

李帆的整場演講既有宏觀趨勢判斷，也有具體產(chǎn)品實踐。金蝶作為傳統(tǒng)軟件企業(yè)在AI浪潮中有著清醒定位和堅定的步伐，它不以短期變現(xiàn)為目標，而是著眼于長期行業(yè)影響力的構建。

牛透社將演講內(nèi)容略作編輯，整理如下：

各位下午好，很高興大家來到會場聆聽我的分享。我是第一次參加崔牛會，此前大家在崔牛會會場見到金蝶的身影可能不多，今天也很榮幸能在AI峰會上，和大家分享企業(yè)級AI相關內(nèi)容。

金蝶30多年來一直深耕企業(yè)級市場，如今也完成了SaaS轉型。大家一定很關心，AI時代下金蝶如何推進轉型、打造產(chǎn)品、制定戰(zhàn)略與技術布局，今天我會圍繞這些話題展開。

一邊是海水，一邊是火焰

AI技術到來后，企業(yè)級應用軟件領域到底呈現(xiàn)出怎樣的態(tài)勢？一方面，很多人看到了機遇——之前提到過“技術超級周期”與GDP的密切關聯(lián)，上一代數(shù)字技術的超級周期始于2000年，持續(xù)了20年，而如今智能技術將開啟新的超級周期，我們正處在兩個周期的疊加節(jié)點。

同時，宇數(shù)科技、具身智能等企業(yè)在ToB、ToC場景的AI應用熱度很高。其實我原本給這部分定的主題不是“機遇與挑戰(zhàn)”，而是“一邊是海水，一邊是火焰”，更能體現(xiàn)當前行業(yè)的復雜局面。

再看企業(yè)級應用市場的現(xiàn)狀，前段時間麻省理工出具的調研報告顯示，生成式AI在企業(yè)中的落地成功率不到5%，95%的生成式AI應用未能取得回報，這是非常殘酷的現(xiàn)實。

作為軟件供應商，我們該如何看待AI？這類應用不成功的原因有很多，其中一個關鍵問題是，我們一直在尋找高價值場景，但至今尚未明確方向。

此外，企業(yè)級應用還面臨不少痛點：數(shù)據(jù)質量普遍不高；AI的可靠性不足，尤其是深層次AI存在“幻覺”問題，而企業(yè)級應用對精準度的要求又極高。可見行業(yè)雖有機遇，但現(xiàn)實也很殘酷。

企業(yè)應用軟件的技術躍遷

科技領域有個“阿瑪拉定律”——人們總是高估科技的短期效應，現(xiàn)在大家對AI的期待往往過高，卻忽視了它的長期價值。

這就帶來一個問題：我們是聚焦短期，追求快速見效的市場回報，還是著眼長遠，為更持久的行業(yè)影響力布局？

對金蝶這樣有30多年積淀的企業(yè)級應用軟件服務商而言，我們更看重AI對行業(yè)的長期影響。

若拉長時間線會發(fā)現(xiàn)，企業(yè)級應用軟件從上個世紀60年代發(fā)展至今已有60多年，技術迭代從未停止：

最早是大型機時代，那時的人們很難想象如今的互聯(lián)網(wǎng)與移動應用；后續(xù)又經(jīng)歷了多輪技術變革，每一次都推動行業(yè)向前發(fā)展。

60 年來，企業(yè)級應用軟件行業(yè)先后經(jīng)歷了 MRP 時代、MRPII 時代（局域網(wǎng)時代），金蝶正是在局域網(wǎng)時代進入這一領域。

此后，圖形化 GUI 交互、關系型數(shù)據(jù)庫等技術相繼出現(xiàn)，到目前為止，企業(yè)級應用軟件（包括 SaaS）仍以“關系型數(shù)據(jù)庫 + 圖形化交互”為核心技術手段，滿足企業(yè)各類場景需求。

圖片源自李帆 2025 中國 SaaS 大會-AI 峰會演講PPT

進入互聯(lián)網(wǎng)時代后，數(shù)字技術再次迭代；到了移動與云時代，技術變革進一步深化。不難發(fā)現(xiàn)，行業(yè)大約每 20 年就會迎來一次技術變革，但這些變革的影響力，都遠不及 AI 時代 ——AI 將從交互方式、數(shù)據(jù)處理等核心層面，徹底顛覆傳統(tǒng)企業(yè)級應用軟件。

但 AI 到來后，尤其是大語言模型，其核心優(yōu)勢在于處理非結構化數(shù)據(jù)，無論是文本還是語言處理，都將迎來顯著變革，技術架構也會隨之發(fā)生重大調整。

AI將帶來真正創(chuàng)造價值的智慧系統(tǒng)

若現(xiàn)在進一步拉長時間維度，大家可能會問：AI 未來會對企業(yè)級應用軟件產(chǎn)生怎樣的影響？我認為，AI 將推動現(xiàn)有企業(yè)級應用軟件從“工具型數(shù)據(jù)處理與邏輯控制系統(tǒng)”，升級為真正能創(chuàng)造價值的 “智慧系統(tǒng)”。

為何這么說？業(yè)界有一個 “DIKW” 方法論，描述了從數(shù)據(jù)、信息、知識到智慧的演進路徑，大家若有興趣，可通過互聯(lián)網(wǎng)進一步了解這一方法論。結合這一方法論，我們可將企業(yè)應用的發(fā)展分為四個階段：

在無 AI 模式下，企業(yè)應用的核心是處理邏輯規(guī)則，而這些規(guī)則都固化在預設代碼中。一旦企業(yè)場景的邏輯與代碼預設規(guī)則不符，就需要通過迭代修改代碼。此時應用僅聚焦數(shù)據(jù)處理，尚未形成 “知識” 維度；AI 出現(xiàn)后，嵌入式 AI 開始融入應用。

第二個階段是 “APP 為主、AI 為輔”，應用仍以原有邏輯為核心，AI 僅作為輔助角色提供知識支持 —— 比如常見的 Copilot 助手。此時，知識查詢與問答的規(guī)則來源，不再局限于 SaaS 或 ERP 系統(tǒng)，還能從外部知識庫獲取。

而當行業(yè)迎來今天所說的 “拐點” 時，就會進入“AI 原生” 階段 —— 此時 APP 將退為后臺工具。

這并不意味著 APP 消失，而是它不再直接與前端用戶交互；與用戶交互的核心，變成了大家熟知的智能體（Agent）。APP 會逐漸服務化，成為后端可調用的工具，此時系統(tǒng)具備半自主能力，同時結合 APP 的固化規(guī)則運行。

若進一步暢想未來，隨著從數(shù)據(jù)到信息、知識再到智慧的持續(xù)演進，“知識” 與 “智慧” 在系統(tǒng)中的占比會越來越高。最終的 AI 原生形態(tài)，將是完全自主的 AI 系統(tǒng) —— 甚至可能不再需要固化 APP，而是由 AI 通過感知自動生成適配業(yè)務邏輯的代碼。

從更長周期來看，AI 對企業(yè)級應用軟件的影響將是深遠的。至少從當前規(guī)劃來看，金蝶會以 “AI 優(yōu)先” 為戰(zhàn)略核心，推動今年的技術與產(chǎn)品全面向 AI 轉型。

當然，這一轉型周期會比較長，絕非一兩年就能完成。對金蝶這樣的科技企業(yè)而言，“變革” 是永恒的主題。回顧金蝶的發(fā)展歷程，我們始終在變革中前行：最早從財務軟件起步，緊隨技術架構迭代，從 DOS、Windows 系統(tǒng)，到 ERP、云服務，再到如今的 AI，每一代都在主動求變。

企業(yè)如何向AI轉型

生成式AI與非生成式AI的差異，更是一道關鍵的行業(yè)分水嶺。因此，從2023年開始，我們加快了AI領域的落地節(jié)奏：

基于技術基座打造財務等垂域大模型，并推進場景化應用；同時布局如今大家熟知的Agent開發(fā)平臺——早在2023年底，我們就推出了低代碼AI開發(fā)平臺，當時“Agent”這一概念尚未普及。

一直以來，我們在技術上有個核心主張——“技術平民化”。我負責的蒼穹平臺，不僅具備云原生底座，更有豐富的低代碼套件，既能支撐金蝶自身產(chǎn)品開發(fā)，也能助力合作伙伴打造產(chǎn)品。

所以AI到來后，我們第一個想法就是“AI能否低代碼化”，能否通過屏蔽復雜技術，讓AI能力普惠化。

到2025年，我們已在這一方向形成了一套標準化范式：在模型層面，不做通用模型，專注垂域模型精調；在平臺層面，重點打造Agent相關能力。

此外，數(shù)據(jù)的重要性日益凸顯，尤其是數(shù)據(jù)語義化。過去我們做軟件時，數(shù)據(jù)設計是圍繞交易系統(tǒng)（Transaction）展開的，核心是完成交易流程，并未考慮AI的適配需求，因此如何讓數(shù)據(jù)更好地實現(xiàn)語義化，成為關鍵課題。

同時，行業(yè)內(nèi)也一直在討論：到底該做“AI增強型SaaS”，還是“AI原生應用”？對金蝶而言，當前階段我們采取“兩者并行”的策略。

當然，推進生成式AI落地，我們也面臨不少機遇與挑戰(zhàn)，核心集中在四個方面。

首先是算力挑戰(zhàn)。對任何企業(yè)而言，只要涉及模型精調，就需要大量算力投入，金蝶也不例外。

不過好消息是，當前算力成本與推理成本已大幅下降。為此，我們不僅建立了自有算力中心，還會通過租用云端資源補充，以應對算力挑戰(zhàn)。

第二大挑戰(zhàn)是算法。算法的最終落地載體是模型——開源模型可直接使用，但如果要做垂域精調模型，就必然離不開專業(yè)算法支撐。

而金蝶在深層次AI發(fā)展之前，算法工程師主要聚焦小模型領域，此前做過NLP、OCR相關工作，卻缺乏大語言模型生成式AI的訓練與精調經(jīng)驗，因此我們必須快速引進算法人才。

第三是數(shù)據(jù)。對金蝶而言，也包括在座的SaaS企業(yè)，我們其實擁有天然優(yōu)勢。有個觀點很關鍵：客戶選擇AI服務時，會優(yōu)先考慮“數(shù)據(jù)在哪里，AI就選哪里”，因為客戶離不開自身的數(shù)據(jù)。所以，我們長期積累的海量高質量客戶數(shù)據(jù)，就是核心優(yōu)勢。

但同時也面臨挑戰(zhàn)：一是數(shù)據(jù)隱私安全保護，二是滿足企業(yè)的個性化數(shù)據(jù)需求。針對這些數(shù)據(jù)問題，我們從今年開始啟動了“Data Cloud”產(chǎn)品的研發(fā)，重點解決數(shù)據(jù)語義化適配AI、數(shù)據(jù)隱私安全保護這兩大核心問題。

第四是場景。生成式AI落地的關鍵在于找到合適的應用場景，只有把算力、算法、數(shù)據(jù)與場景深度結合，才能真正實現(xiàn)落地。

回到“企業(yè)如何向AI轉型”這個問題，金蝶一直在推行一個核心邏輯：無論是金蝶自身，還是幫助客戶進行AI能力轉型，都需要圍繞三個方向發(fā)力——認知、技術、實踐。后續(xù)我會結合金蝶的實踐，具體分享這三個方向的內(nèi)容。

其中“AI認知”這一點，我跟客戶交流得很多，但很少跟同行探討。我不知道現(xiàn)在同行對AI的認知處于什么水平，但我認為，傳統(tǒng)軟件公司中90%以上的人，對AI都存在認知不足的問題——這也是很多人、包括我們的客戶感到焦慮和彷徨的原因。

圖片源自李帆 2025 中國 SaaS 大會-AI 峰會演講PPT

為什么大家會焦慮？因為很多人仍用“藍色曲線”（互聯(lián)網(wǎng)技術）的思維，去要求“紅色曲線”（AI技術）也達到同樣的成熟度和變現(xiàn)速度，包括我們的客戶也是如此——這中間存在巨大認知落差。

所以才會有客戶問：“給你一個月推進AI項目，為什么還沒見效？再給三個月，怎么還是沒見效？”其實本質是認知上的錯位：用互聯(lián)網(wǎng)這種成熟技術的標準，去衡量仍在發(fā)展中的AI技術，自然會產(chǎn)生落差。

我們該如何真正理解AI？很多大型企業(yè)（創(chuàng)業(yè)公司相對而言不存在這個問題）采用職能制架構，部門間像“煙囪”一樣割裂，但AI需要快速響應、敏捷協(xié)同，如何從“煙囪式”轉向“敏捷細胞”架構？這就需要打破原有流程和規(guī)則。

比如做AI需要數(shù)據(jù)時，向數(shù)據(jù)部門申請客戶檔案、客戶信息，對方卻以“數(shù)據(jù)保密”為由拒絕提供——拿不到數(shù)據(jù)，AI項目根本無法推進，這就是組織流程與AI需求的矛盾。

金蝶AI蒼穹平臺

接下來從平臺層面，簡單介紹下我負責的金蝶AI蒼穹平臺。它包含云原生、數(shù)據(jù)模型、可信平臺套件等模塊，核心可分為三部分：

第一是技術底座。這是金蝶全體系的核心技術底座，具備“云原生+數(shù)據(jù)原生+AI+安全可信”的特性——不僅支撐金蝶自身產(chǎn)品，還服務大量ISV（獨立軟件開發(fā)商），不少軟件公司正基于這個技術底座構建自己的上市產(chǎn)品，我們也會對外輸出這一技術能力與服務。

第二是生產(chǎn)力套件。針對企業(yè)級應用的開發(fā)、數(shù)據(jù)分析與集成需求，我們提供四大套件：Agent開發(fā)套件、傳統(tǒng)APP應用開發(fā)套件、集成套件（中大型客戶普遍存在多系統(tǒng)并存的情況，集成需求旺盛），以及數(shù)據(jù)分析套件，這四類共同構成了蒼穹的生產(chǎn)力支撐。

第三是開放生態(tài)。我們通過生態(tài)賦能客戶、ISV及內(nèi)部團隊。

目前金蝶在AI平臺領域也取得了一些成果。比如，我們的PaaS平臺位列中國第一、全球前十；生成式AI在企業(yè)管理領域獲得了Gartner的認可；AI增強型ERP在IDC相關排名中表現(xiàn)領先；更重要的是，我們還拿到了中國AI領域的最高科技獎項——吳文俊人工智能獎一等獎。

再說說Agent平臺。在座很多朋友可能都在使用Agent平臺，無論是開源還是商用版本，但我們的目標不是做泛域通用型Agent，而是聚焦企業(yè)管理領域的智能體平臺，核心有兩個差異化特點：

第一個是統(tǒng)一元數(shù)據(jù)體系。金蝶整個蒼穹平臺及上層SaaS產(chǎn)品均基于元數(shù)據(jù)驅動——元數(shù)據(jù)是對數(shù)據(jù)的描述，天生具備業(yè)務語義屬性。因此，我們的開發(fā)流程、應用數(shù)據(jù)都會共享這套元數(shù)據(jù)，Agent平臺也不例外。

借助統(tǒng)一元數(shù)據(jù)，Agent平臺能無代碼識別PaaS體系下應用的所有實體對象、應用操作API流程，助力SaaS快速封裝MCP（管理控制平臺）。

第二個是企業(yè)級安全體系。市面上的Agent，往往缺失企業(yè)級權限架構；但企業(yè)級應用必然涉及組織、用戶、角色的權限管理——即便做知識庫、制度管理，也不是所有內(nèi)容都能全員訪問，必須實現(xiàn)數(shù)據(jù)隔離、權限隔離，還要對敏感數(shù)據(jù)進行脫敏處理，包括企業(yè)內(nèi)部的敏感詞管控，這些都是企業(yè)級場景的核心安全需求，也是我們Agent平臺的重點設計方向。

第三，豐富的通用模板。因為我們在企業(yè)級應用軟件領域做了大量模板化工作，比如通過自然語言導航菜單、填報信息、生成報告，或是通過OCR提取系統(tǒng)中的非結構化數(shù)據(jù)信息——這些高頻需求，我們都封裝成了通用模板。大家搭建智能體時，只要拖拽對應的模板節(jié)點，就能直接擁有這些能力。

第四，聚焦企業(yè)管理場景的垂域模型。今年我們已在多個細分領域開展垂域模型訓練，但我們不做預訓練，而是通過強化學習，將行業(yè)專家知識注入模型。

在金蝶的實踐中，我們構建了AI產(chǎn)品矩陣，核心走兩條路線：

一條是AI原生路線，11月4日已發(fā)布相關產(chǎn)品并開放現(xiàn)場體驗，接下來會快速推進上市。這些系統(tǒng)圍繞企業(yè)級場景構建，可脫離金蝶的SaaS與ERP獨立運行，自主完成相關業(yè)務流程；

另一條是AI增強路線，在現(xiàn)有SaaS產(chǎn)品中嵌入大量AI助手——既有通用型助手，也在財務、人力、協(xié)同、制造等領域針對性增加輔助能力，目前兩條路線同步推進。

不過說實話，到今天為止，企業(yè)級生成式AI還沒實現(xiàn)真正的批量化應用。所以我們認為，更大的實踐價值在于與客戶共建——從客戶需求中挖掘真實場景。

從去年開始，我們已聯(lián)合金蝶的頭部行業(yè)客戶，共建企業(yè)管理AI實驗室：雙方共同投入資源探索場景，待場景驗證成熟后，再將其產(chǎn)品化。

現(xiàn)在AI領域有個熱詞叫“FDE（前端部署工程師）”，過去做SaaS是標準化、開箱即用，但AI目前做不到這點，即便有標準化方案，也需要前端人員與客戶深度共創(chuàng)，才能落地實踐。

非常感謝大家的聆聽，也祝愿各位在AI時代都能找到適合自己的賽道與場景。

最后我想強調，雖然我是技術出身，但這幾年帶領AI團隊的經(jīng)歷讓我深刻感受到：

認知比技術更重要——我的個人認知與技術儲備都在不斷被刷新。金蝶AI蒼穹的名字，正源自“不能勝寸心，安能勝蒼穹”這句詩，對企業(yè)而言，尤其是一把手，建立正確的AI認知，遠比單純追求技術更關鍵。