這波，企業AI落地穩了！

上AI就相當于給企業裝大腦，但多數企業裝完才發現：腦子是有了，神經卻還斷著，無法貫通業務。

是不是說到你心坎上了？MIT 2025年《生成式AI鴻溝》報告指出，高達95%的企業AI項目未能產生可衡量的商業價值；而Gartner也預測，到2027年，超過40%的企業AI智能體項目將被叫停。

就在眾多企業為AI落地難題而困擾之際，在為期三天的2025全球商業創新大會上，用友重磅推出全新一代產品——用友BIP 5，且一經發布便引發廣泛關注。

但一個有意思的事是，不少親臨現場的觀眾在震撼之余，紛紛發出靈魂拷問：新系統會不會太龐大、太復雜了？我們到底該從哪里入手，才能真正把AI用起來？

別急！這篇從小白視角出發的解讀，或許能幫上點忙。

這段很長，但企業AI落地問題一步講透

對不少企業而言，有個嚴重的誤區：上AI等同于接入大模型。其實遠不是這么回事。如果AI無法深入具體的業務場景、無法理解企業的特有流程、缺乏數據驅動，那么再先進的技術也只是空中樓閣。

所以，用友找到了破局的關鍵：原生一體化，而這也正是用友BIP 5的核心——AI×數據×流程 原生一體。

簡單的說，它不是將AI疊加在現有系統之上，而是構建了一整套 數智融合的新架構 ，實現AI、數據與業務的深度融合，產生強力化學反應，從而確保AI真正落地。

但是，相信不少人和我一樣，乍一看這個組合，感覺好像懂了，但又具體說不清到底這是怎么運轉的。那接下來，我們就站在企業視角，結合用友的產品能力，一一把這個邏輯講清楚。

1

從數據中來，到智能中去

絕大多數企業啟動AI項目時，第一步就是要搞清楚散落在各個系統中的數據如何匯聚、激活，又該如何用的問題。所以，從數據中來，到智能中去，言外之意就是用數據訓練智能，用智能激活數據價值，形成雙向反哺。

為此，用友BIP 5 直接給出了現成方案：通過構建從數據到智能、從知識到智能的兩大閉環，讓企業數據與智能真正循環提效。

在數據到智能的閉環中，企業大數據是基礎，它主要以結構化數據為主，涵蓋關系數據庫、多維數據庫。這些數據在通過數據平臺治理后，就為智能提供了“養料”。

換句話說，通過將準備好的數據與業務對象、多維模型和語義理解深度融合，就可以實現分析、預測、決策等功能，更重要的是，可為YonGPT訓練、精調提供保障。

另一方面，企業大智庫則構成了從知識到智能的閉環。過去，ERP主要處理結構化數據，而在模型時代，用友通過協同平臺，并利用友智庫RAG，將知識圖譜化、向量化或切片，最終轉化為可檢索、可推理的知識資產，然后再用這些資產訓練YonGPT。

當理解了數據與智能的關系后，一個靈魂問題就出現了：誰來支撐這套體系運轉？用友交出的結果是：企業數據云。

整體來看，作為底層支撐，企業數據云匯聚了企業業務大數據、企業知識資產數據以及用戶行為數據，為上層模型和應用提供豐富且關鍵的數據源。

用友將行業領先實踐沉淀為可復用、可調用的標準化模型資產，構建起強大的模型層。該層涵蓋財務、人力、資產、采購等核心業務域模型。它的價值在于統一口徑，比如，當領導問數時，若底層數據來源不一、計算邏輯各異，分析結果就極易出現偏差。而模型層可確保所有分析建立在一致、可信的基礎上，實現數出一門。

在應用層，用友提供兩類核心數據服務，DataAgent與數據應用服務。特別是DataAgent，它就像企業的數據翻譯官和決策小助手，讓找數、問數、用數變得像聊天一樣簡單。

比如，銷售總監不用再讓IT導報表，直接問智友：華東區上季度利潤下滑的原因是什么？智能體就能基于權限內的多維數據，快速分析并給出結論，然后推送至看板。因此，它的價值就在于把原本需要專業能力才能獲取的數據，變成業務人員開口就能問、一聽就懂的答案，而這背后正是數據平臺能力+數據模型+領域知識的強支撐。

總結一下，有了企業數據云，企業就能看清過去、預測未來。

然而，這就結束了嗎？當然不。因為在數據層面，還有一個大型企業尤其關心的問題，就是實時性。

以某醫藥企業為例，這家企業有3萬家門店、1個核算平臺，每天數據超過150萬條，每年更是5.4億條以上。如此龐大的數據量，如果全部集中處理，實時分析和管理幾乎是不可能的。因此，企業必須具備流批一體的能力。

用友BIP5結合HTAP與多維數據庫，實現了業務數據和分析數據的實時融合。比如，今天錄入一筆銷售訂單，銷售收入會即時更新；做合并報表時，系統能在內存中快速匯聚，哪怕是千億級數據，也能在一秒內響應。

舉個例子，在某汽車集團的應用實踐中，用友BIP已支持上萬并發請求，業務響應時間穩定在400ms以內。

2

一套模型矩陣“整裝交付”，無需東拼西湊

數據之上，便是模型。許多企業都關心，用友究竟是如何構建企業專屬模型的？為此，他們打造了一個YonGPT模型矩陣，將多種類型的大模型與小模型組合在一起，實現從通用智能到行業與企業特需的深度適配。

除YonGPT外，用友還針對特定行業或業務域訓練了垂類大模型；訓練了可處理視頻、PDF等非結構化內容的多模態大模型，幫助企業讀懂自身知識資產；訓練了向量模型，提升信息匹配精度；訓練了推薦模型，基于用戶行為偏好精準推送最有價值內容；訓練了分類/排序模型，智能識別高頻、高價值數據，優先呈現關鍵信息；訓練了運籌優化與預測模型，應用于銷量預測、資源調度等場景，幫助企業前瞻性決策。

事實上，模型層是用友BIP企業AI整體架構中的核心中樞之一。全新的用友BIP企業AI經過優化，整個架構以數據為基礎、以模型為引擎、以智能體為執行與交互載體，形成從底層數據支撐，到中間的模型能力構建，再到上層智能應用與運營的完整閉環。

那么，當數據與模型準備就緒后，企業該如何自然的構建和運營智能體呢？

3

從“建好”到“用好”智能體

就目前來看，越來越多的場景化需求都依賴自建智能體來滿足。市場上，此類產品不少，但都有一個明顯的缺陷，那就是缺乏對于企業服務的理解，以及對于企業業務流程的專業性和深度。

但是，這正是用友BIP5打造了的智能體構建與運營平臺的最大優勢。因為，它可深度融合企業服務應用場景，幫助企業高效搭建與數據底座和應用深度集成的智能體，實現從理解需求到執行任務的全流程智能化。

這個平臺的核心能力，可概括為幾個方面：

• 多模態場景感知，可支持文本交互，還能看圖說話。比如，上傳一張圖片，系統就能快速理解你的需求，直接觸發相應的智能交互；

• 上下文記憶，它讓智能體能夠像人一樣記住場景。比如員工出差，從申請機票到落地后打車，你只需補充酒店地址，系統就能自動理解整個流程，免去繁瑣重復的操作；

• 技能管理同樣是一大亮點。用友把企業軟件的流程服務拆解為成千上萬個技能。這些技能一旦開放給AI，就能讓應用更加智能化、人性化；

• 此外，該平臺還具備意圖流編排和個性化推薦能力。

當然，即便有了智能體，也不能放任不管。因此，用友還提供了智能體運營模塊，它內嵌智能反饋機制，以便用戶的每一次點贊或否定，都能成為智能體優化的依據。

最后，避免不了提及的就是大模型幻覺問題。據估算，企業應用的大模型仍存在5%的幻覺。但通過用友提供的智能體運營平臺，就能精準分析問題根源，區分是大模型、技能還是編排流程方面的問題，從而有針對性地進行優化。

想象未來，企業內將涌現多種智能體。因此，用友除提供智友外，還將推出領域智能體、流程智能體、數據智能體等。而所有這些能力均在嚴格的企業級權限管控下運行，保障安全與合規。

4

你的“智能搭子”終于上崗！

作為統一智能入口，此刻我們深入展現下智友的全新價值。

它像一位全天候在線的同事，能夠自主處理常規任務，如遇到復雜情況時，則無縫轉交真人處理。企業甚至可以將這些數智員工納入組織架構，與真實員工并肩協作。它們嵌入業務流程，在關鍵時刻主動提供知識支持、決策建議和執行輔助，真正實現知識與服務隨流程而動。

但是，當企業開發了數十甚至上百個智能體后，又該如何高效地管理和使用？答案是：通過智友，可實現對多智能體的統一調度與集中管控，并依據企業組織架構靈活分配權限和任務。

大膽想象一下，用友BIP5的終極目標到底是啥？其實，就是讓企業軟件不再只是冷冰冰的工具，而是一個真正懂業務、能思考、會協同的智能搭子。不管是查數據、問業務，還是想提前預警風險、預測趨勢，找智友就能輕松搞定。

這也許就是用友BIP5最想釋放的價值：讓技術和業務真正融為一體，提供自然、高效的人機協作體驗！

走進鞍山鋼鐵的AI革命

最后，讓我們通過幾個典型場景和案例，直觀感受用友BIP 5的強大能力。

在AI+供應鏈場景中，通過AI小模型精準預測銷量，并智能計算安全庫存，可有效降低庫存資金占用，確保供應穩定。同時，在推動供應鏈從內部協同轉向集成協同時，基于用友BIP 5可實現研產供銷一體化計劃、全流程可視化監控，讓供應鏈更透明、響應更快。

數據顯示，AI驅動的供應鏈優化，可幫助企業降低庫存水平15%-35%，降低供應鏈整體成本10%-20%，提高按時交付率10%-20%，提升運營收益10%-25%。

在AI+人力場景中，用友BIP 5基于數據洞察，讓AI融入從人才引進、入職融入、成長發展、日常服務、業務辦理到企業文化的每一個環節，確保HR更智能，員工體驗更流暢。

而鞍鋼的智能轉型，作為用友BIP的領先實踐，已成為行業范本。他們所做到的不只是工具升級，而是業務模式和管理方式的系統性重塑。

班組作為生產經營與價值創造的基本單元，其執行力與創新力是企業核心競爭力的關鍵所在。如今，AI正為鞍鋼的每一個班組、每一道流程注入全新動能。班長撰寫工作記錄的時間大幅縮短，管理要求得以真實記錄、高效落地，整體執行效率顯著提升。

目前，鞍鋼員工可根據實際業務需求，在 10 分鐘內自主構建一位數智員工，現在他們已建成了一支數智員工團隊，比如，設備故障診斷 AI 助手可精準匹配知識庫問題并提供指導，鐵前工序成本分析 AI 助手能洞察成本變化、識別異常風險。這些數智員工已深度嵌入研發、生產制造、供應鏈等核心業務，最終通過智友，人、AI與業務被編織在一張網里，真正實現高效協同。

未來，鞍鋼將推進“千模百業”計劃，以1000個大/小模型覆蓋100個業務場景，讓AI深度賦能鋼鐵產業鏈的每一個環節。

至此，你是否對如何落地AI有了更清晰的認識？

對企業而言，真正的難題從來不是要不要AI，而是怎么讓AI真正用起來。用友BIP5提出的“AI×數據×流程”原生一體，正是直擊這一痛點。它不讓AI飄在半空，而要讓它長在業務中。

或許現在，正是邁出這一步的時刻。