金蝶李帆：企業(yè)級(jí)生成式AI落地成功率不到5%，如何跨越認(rèn)知鴻溝？

文｜Alex

編輯｜燕子

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

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

作為深耕企業(yè)級(jí)軟件市場(chǎng)三十余年的“老兵”，李帆從技術(shù)演進(jìn)、行業(yè)痛點(diǎn)、認(rèn)知轉(zhuǎn)型到產(chǎn)品布局，系統(tǒng)闡述了AI對(duì)企業(yè)級(jí)應(yīng)用帶來的根本性變革。

李帆指出當(dāng)前企業(yè)級(jí)生成式AI面臨“一邊是海水，一邊是火焰”的復(fù)雜局面：盡管生成式AI熱度高漲，但實(shí)際落地成功率不足5%，數(shù)據(jù)質(zhì)量、可靠性、場(chǎng)景適配仍是核心挑戰(zhàn)。

他強(qiáng)調(diào)，AI并非短期風(fēng)口，而是一個(gè)需要長(zhǎng)期投入的技術(shù)超級(jí)周期，企業(yè)應(yīng)避免用互聯(lián)網(wǎng)時(shí)代的快思維去衡量AI的成長(zhǎng)曲線。

圍繞金蝶的AI戰(zhàn)略，李帆介紹了公司從“AI增強(qiáng)”到“AI原生”的雙軌布局，重點(diǎn)展示了基于金蝶AI·蒼穹平臺(tái)的統(tǒng)一AI底座、Data Cloud數(shù)據(jù)云、Agent開發(fā)平臺(tái)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(gòu)建差異化優(yōu)勢(shì)，推動(dòng)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(tái)總經(jīng)理

此外，李帆還分享了AI轉(zhuǎn)型中的組織融合、人才結(jié)構(gòu)、文化包容等深層挑戰(zhàn)，提出“認(rèn)知革命比技術(shù)本身更重要”的核心觀點(diǎn)。

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

李帆的整場(chǎng)演講既有宏觀趨勢(shì)判斷，也有具體產(chǎn)品實(shí)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(jiān)定的步伐，它不以短期變現(xiàn)為目標(biāo)，而是著眼于長(zhǎng)期行業(yè)影響力的構(gòu)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(huì)場(chǎng)聆聽我的分享。我是第一次參加崔牛會(huì)，此前大家在崔牛會(huì)會(huì)場(chǎng)見到金蝶的身影可能不多，今天也很榮幸能在AI峰會(huì)上，和大家分享企業(yè)級(jí)AI相關(guān)內(nèi)容。

金蝶30多年來一直深耕企業(yè)級(jí)市場(chǎng)，如今也完成了SaaS轉(zhuǎn)型。大家一定很關(guān)心，AI時(shí)代下金蝶如何推進(jìn)轉(zhuǎn)型、打造產(chǎn)品、制定戰(zhàn)略與技術(shù)布局，今天我會(huì)圍繞這些話題展開。

一邊是海水，一邊是火焰

AI技術(shù)到來后，企業(yè)級(jí)應(yīng)用軟件領(lǐng)域到底呈現(xiàn)出怎樣的態(tài)勢(shì)？一方面，很多人看到了機(jī)遇——之前提到過“技術(shù)超級(jí)周期”與GDP的密切關(guān)聯(lián)，上一代數(shù)字技術(shù)的超級(jí)周期始于2000年，持續(xù)了20年，而如今智能技術(shù)將開啟新的超級(jí)周期，我們正處在兩個(gè)周期的疊加節(jié)點(diǎn)。

同時(shí)，宇數(shù)科技、具身智能等企業(yè)在ToB、ToC場(chǎng)景的AI應(yīng)用熱度很高。其實(shí)我原本給這部分定的主題不是“機(jī)遇與挑戰(zhàn)”，而是“一邊是海水，一邊是火焰”，更能體現(xiàn)當(dāng)前行業(yè)的復(fù)雜局面。

再看企業(yè)級(jí)應(yīng)用市場(chǎng)的現(xiàn)狀，前段時(shí)間麻省理工出具的調(diào)研報(bào)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(yīng)用未能取得回報(bào)，這是非常殘酷的現(xiàn)實(shí)。

作為軟件供應(yīng)商，我們?cè)撊绾慰创鼳I？這類應(yīng)用不成功的原因有很多，其中一個(gè)關(guān)鍵問題是，我們一直在尋找高價(jià)值場(chǎng)景，但至今尚未明確方向。

此外，企業(yè)級(jí)應(yīng)用還面臨不少痛點(diǎn)：數(shù)據(jù)質(zhì)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(jí)應(yīng)用對(duì)精準(zhǔn)度的要求又極高。可見行業(yè)雖有機(jī)遇，但現(xiàn)實(shí)也很殘酷。

企業(yè)應(yīng)用軟件的技術(shù)躍遷

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

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

對(duì)金蝶這樣有30多年積淀的企業(yè)級(jí)應(yīng)用軟件服務(wù)商而言，我們更看重AI對(duì)行業(yè)的長(zhǎng)期影響。

若拉長(zhǎng)時(shí)間線會(huì)發(fā)現(xiàn)，企業(yè)級(jí)應(yīng)用軟件從上個(gè)世紀(jì)60年代發(fā)展至今已有60多年，技術(shù)迭代從未停止：

最早是大型機(jī)時(shí)代，那時(shí)的人們很難想象如今的互聯(lián)網(wǎng)與移動(dòng)應(yīng)用；后續(xù)又經(jīng)歷了多輪技術(shù)變革，每一次都推動(dòng)行業(yè)向前發(fā)展。

60 年來，企業(yè)級(jí)應(yīng)用軟件行業(yè)先后經(jīng)歷了 MRP 時(shí)代、MRPII 時(shí)代（局域網(wǎng)時(shí)代），金蝶正是在局域網(wǎng)時(shí)代進(jìn)入這一領(lǐng)域。

此后，圖形化 GUI 交互、關(guān)系型數(shù)據(jù)庫等技術(shù)相繼出現(xiàn)，到目前為止，企業(yè)級(jí)應(yīng)用軟件（包括 SaaS）仍以“關(guān)系型數(shù)據(jù)庫 + 圖形化交互”為核心技術(shù)手段，滿足企業(yè)各類場(chǎng)景需求。

圖片源自李帆 2025 中國 SaaS 大會(huì)-AI 峰會(huì)演講PPT

進(jìn)入互聯(lián)網(wǎng)時(shí)代后，數(shù)字技術(shù)再次迭代；到了移動(dòng)與云時(shí)代，技術(shù)變革進(jìn)一步深化。不難發(fā)現(xiàn)，行業(yè)大約每 20 年就會(huì)迎來一次技術(shù)變革，但這些變革的影響力，都遠(yuǎn)不及 AI 時(shí)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(jí)應(yīng)用軟件。

但 AI 到來后，尤其是大語言模型，其核心優(yōu)勢(shì)在于處理非結(jié)構(gòu)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(shù)架構(gòu)也會(huì)隨之發(fā)生重大調(diào)整。

AI將帶來真正創(chuàng)造價(jià)值的智慧系統(tǒng)

若現(xiàn)在進(jìn)一步拉長(zhǎng)時(shí)間維度，大家可能會(huì)問：AI 未來會(huì)對(duì)企業(yè)級(jí)應(yīng)用軟件產(chǎn)生怎樣的影響？我認(rèn)為，AI 將推動(dòng)現(xiàn)有企業(yè)級(jí)應(yīng)用軟件從“工具型數(shù)據(jù)處理與邏輯控制系統(tǒng)”，升級(jí)為真正能創(chuàng)造價(jià)值的 “智慧系統(tǒng)”。

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

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

第二個(gè)階段是 “APP 為主、AI 為輔”，應(yīng)用仍以原有邏輯為核心，AI 僅作為輔助角色提供知識(shí)支持 —— 比如常見的 Copilot 助手。此時(shí)，知識(shí)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(shí)庫獲取。

而當(dāng)行業(yè)迎來今天所說的 “拐點(diǎn)” 時(shí)，就會(huì)進(jìn)入“AI 原生” 階段 —— 此時(shí) APP 將退為后臺(tái)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(huì)逐漸服務(wù)化，成為后端可調(diào)用的工具，此時(shí)系統(tǒng)具備半自主能力，同時(shí)結(jié)合 APP 的固化規(guī)則運(yùn)行。

若進(jìn)一步暢想未來，隨著從數(shù)據(jù)到信息、知識(shí)再到智慧的持續(xù)演進(jìn)，“知識(shí)” 與 “智慧” 在系統(tǒng)中的占比會(huì)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(dòng)生成適配業(yè)務(wù)邏輯的代碼。

從更長(zhǎng)周期來看，AI 對(duì)企業(yè)級(jí)應(yīng)用軟件的影響將是深遠(yuǎn)的。至少從當(dāng)前規(guī)劃來看，金蝶會(huì)以 “AI 優(yōu)先” 為戰(zhàn)略核心，推動(dòng)今年的技術(shù)與產(chǎn)品全面向 AI 轉(zhuǎn)型。

當(dāng)然，這一轉(zhuǎn)型周期會(huì)比較長(zhǎng)，絕非一兩年就能完成。對(duì)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(cái)務(wù)軟件起步，緊隨技術(shù)架構(gòu)迭代，從 DOS、Windows 系統(tǒng)，到 ERP、云服務(wù)，再到如今的 AI，每一代都在主動(dòng)求變。

企業(yè)如何向AI轉(zhuǎn)型

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

基于技術(shù)基座打造財(cái)務(wù)等垂域大模型，并推進(jìn)場(chǎng)景化應(yīng)用；同時(shí)布局如今大家熟知的Agent開發(fā)平臺(tái)——早在2023年底，我們就推出了低代碼AI開發(fā)平臺(tái)，當(dāng)時(shí)“Agent”這一概念尚未普及。

一直以來，我們?cè)诩夹g(shù)上有個(gè)核心主張——“技術(shù)平民化”。我負(fù)責(zé)的蒼穹平臺(tái)，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(gè)想法就是“AI能否低代碼化”，能否通過屏蔽復(fù)雜技術(shù)，讓AI能力普惠化。

到2025年，我們已在這一方向形成了一套標(biāo)準(zhǔn)化范式：在模型層面，不做通用模型，專注垂域模型精調(diào)；在平臺(tái)層面，重點(diǎn)打造Agent相關(guān)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(shí)，數(shù)據(jù)設(shè)計(jì)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(shí)現(xiàn)語義化，成為關(guān)鍵課題。

同時(shí)，行業(yè)內(nèi)也一直在討論：到底該做“AI增強(qiáng)型SaaS”，還是“AI原生應(yīng)用”？對(duì)金蝶而言，當(dāng)前階段我們采取“兩者并行”的策略。

當(dāng)然，推進(jìn)生成式AI落地，我們也面臨不少機(jī)遇與挑戰(zhàn)，核心集中在四個(gè)方面。

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

不過好消息是，當(dāng)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(huì)通過租用云端資源補(bǔ)充，以應(yīng)對(duì)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(diào)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(lǐng)域，此前做過NLP、OCR相關(guān)工作，卻缺乏大語言模型生成式AI的訓(xùn)練與精調(diào)經(jīng)驗(yàn)，因此我們必須快速引進(jìn)算法人才。

第三是數(shù)據(jù)。對(duì)金蝶而言，也包括在座的SaaS企業(yè)，我們其實(shí)擁有天然優(yōu)勢(shì)。有個(gè)觀點(diǎn)很關(guān)鍵：客戶選擇AI服務(wù)時(shí)，會(huì)優(yōu)先考慮“數(shù)據(jù)在哪里，AI就選哪里”，因?yàn)榭蛻綦x不開自身的數(shù)據(jù)。所以，我們長(zhǎng)期積累的海量高質(zhì)量客戶數(shù)據(jù)，就是核心優(yōu)勢(shì)。

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

第四是場(chǎng)景。生成式AI落地的關(guān)鍵在于找到合適的應(yīng)用場(chǎng)景，只有把算力、算法、數(shù)據(jù)與場(chǎng)景深度結(jié)合，才能真正實(shí)現(xiàn)落地。

回到“企業(yè)如何向AI轉(zhuǎn)型”這個(gè)問題，金蝶一直在推行一個(gè)核心邏輯：無論是金蝶自身，還是幫助客戶進(jìn)行AI能力轉(zhuǎn)型，都需要圍繞三個(gè)方向發(fā)力——認(rèn)知、技術(shù)、實(shí)踐。后續(xù)我會(huì)結(jié)合金蝶的實(shí)踐，具體分享這三個(gè)方向的內(nèi)容。

其中“AI認(rèn)知”這一點(diǎn)，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(duì)AI的認(rèn)知處于什么水平，但我認(rèn)為，傳統(tǒng)軟件公司中90%以上的人，對(duì)AI都存在認(rèn)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(huì)-AI 峰會(huì)演講PPT

為什么大家會(huì)焦慮？因?yàn)楹芏嗳巳杂谩八{(lán)色曲線”（互聯(lián)網(wǎng)技術(shù)）的思維，去要求“紅色曲線”（AI技術(shù)）也達(dá)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(rèn)知落差。

所以才會(huì)有客戶問：“給你一個(gè)月推進(jìn)AI項(xiàng)目，為什么還沒見效？再給三個(gè)月，怎么還是沒見效？”其實(shí)本質(zhì)是認(rèn)知上的錯(cuò)位：用互聯(lián)網(wǎng)這種成熟技術(shù)的標(biāo)準(zhǔn)，去衡量仍在發(fā)展中的AI技術(shù)，自然會(huì)產(chǎn)生落差。

我們?cè)撊绾握嬲斫釧I？很多大型企業(yè)（創(chuàng)業(yè)公司相對(duì)而言不存在這個(gè)問題）采用職能制架構(gòu)，部門間像“煙囪”一樣割裂，但AI需要快速響應(yīng)、敏捷協(xié)同，如何從“煙囪式”轉(zhuǎn)向“敏捷細(xì)胞”架構(gòu)？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(shí)，向數(shù)據(jù)部門申請(qǐng)客戶檔案、客戶信息，對(duì)方卻以“數(shù)據(jù)保密”為由拒絕提供——拿不到數(shù)據(jù)，AI項(xiàng)目根本無法推進(jìn)，這就是組織流程與AI需求的矛盾。

金蝶AI蒼穹平臺(tái)

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

第一是技術(shù)底座。這是金蝶全體系的核心技術(shù)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(wù)大量ISV（獨(dú)立軟件開發(fā)商），不少軟件公司正基于這個(gè)技術(shù)底座構(gòu)建自己的上市產(chǎn)品，我們也會(huì)對(duì)外輸出這一技術(shù)能力與服務(wù)。

第二是生產(chǎn)力套件。針對(duì)企業(yè)級(jí)應(yīng)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(yīng)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(gòu)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(tuán)隊(duì)。

目前金蝶在AI平臺(tái)領(lǐng)域也取得了一些成果。比如，我們的PaaS平臺(tái)位列中國第一、全球前十；生成式AI在企業(yè)管理領(lǐng)域獲得了Gartner的認(rèn)可；AI增強(qiáng)型ERP在IDC相關(guān)排名中表現(xiàn)領(lǐng)先；更重要的是，我們還拿到了中國AI領(lǐng)域的最高科技獎(jiǎng)項(xiàng)——吳文俊人工智能獎(jiǎng)一等獎(jiǎng)。

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

第一個(gè)是統(tǒng)一元數(shù)據(jù)體系。金蝶整個(gè)蒼穹平臺(tái)及上層SaaS產(chǎn)品均基于元數(shù)據(jù)驅(qū)動(dòng)——元數(shù)據(jù)是對(duì)數(shù)據(jù)的描述，天生具備業(yè)務(wù)語義屬性。因此，我們的開發(fā)流程、應(yīng)用數(shù)據(jù)都會(huì)共享這套元數(shù)據(jù)，Agent平臺(tái)也不例外。

借助統(tǒng)一元數(shù)據(jù)，Agent平臺(tái)能無代碼識(shí)別PaaS體系下應(yīng)用的所有實(shí)體對(duì)象、應(yīng)用操作API流程，助力SaaS快速封裝MCP（管理控制平臺(tái)）。

第二個(gè)是企業(yè)級(jí)安全體系。市面上的Agent，往往缺失企業(yè)級(jí)權(quán)限架構(gòu)；但企業(yè)級(jí)應(yīng)用必然涉及組織、用戶、角色的權(quán)限管理——即便做知識(shí)庫、制度管理，也不是所有內(nèi)容都能全員訪問，必須實(shí)現(xiàn)數(shù)據(jù)隔離、權(quán)限隔離，還要對(duì)敏感數(shù)據(jù)進(jìn)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(jí)場(chǎng)景的核心安全需求，也是我們Agent平臺(tái)的重點(diǎn)設(shè)計(jì)方向。

第三，豐富的通用模板。因?yàn)槲覀冊(cè)谄髽I(yè)級(jí)應(yīng)用軟件領(lǐng)域做了大量模板化工作，比如通過自然語言導(dǎo)航菜單、填報(bào)信息、生成報(bào)告，或是通過OCR提取系統(tǒng)中的非結(jié)構(gòu)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(shí)，只要拖拽對(duì)應(yīng)的模板節(jié)點(diǎn)，就能直接擁有這些能力。

第四，聚焦企業(yè)管理場(chǎng)景的垂域模型。今年我們已在多個(gè)細(xì)分領(lǐng)域開展垂域模型訓(xùn)練，但我們不做預(yù)訓(xùn)練，而是通過強(qiáng)化學(xué)習(xí)，將行業(yè)專家知識(shí)注入模型。

在金蝶的實(shí)踐中，我們構(gòu)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(guān)產(chǎn)品并開放現(xiàn)場(chǎng)體驗(yàn)，接下來會(huì)快速推進(jìn)上市。這些系統(tǒng)圍繞企業(yè)級(jí)場(chǎng)景構(gòu)建，可脫離金蝶的SaaS與ERP獨(dú)立運(yùn)行，自主完成相關(guān)業(yè)務(wù)流程；

另一條是AI增強(qiáng)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(cái)務(wù)、人力、協(xié)同、制造等領(lǐng)域針對(duì)性增加輔助能力，目前兩條路線同步推進(jìn)。

不過說實(shí)話，到今天為止，企業(yè)級(jí)生成式AI還沒實(shí)現(xiàn)真正的批量化應(yīng)用。所以我們認(rèn)為，更大的實(shí)踐價(jià)值在于與客戶共建——從客戶需求中挖掘真實(shí)場(chǎng)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(shí)驗(yàn)室：雙方共同投入資源探索場(chǎng)景，待場(chǎng)景驗(yàn)證成熟后，再將其產(chǎn)品化。

現(xiàn)在AI領(lǐng)域有個(gè)熱詞叫“FDE（前端部署工程師）”，過去做SaaS是標(biāo)準(zhǔn)化、開箱即用，但AI目前做不到這點(diǎn)，即便有標(biāo)準(zhǔn)化方案，也需要前端人員與客戶深度共創(chuàng)，才能落地實(shí)踐。

非常感謝大家的聆聽，也祝愿各位在AI時(shí)代都能找到適合自己的賽道與場(chǎng)景。

最后我想強(qiáng)調(diào)，雖然我是技術(shù)出身，但這幾年帶領(lǐng)AI團(tuán)隊(duì)的經(jīng)歷讓我深刻感受到：

認(rèn)知比技術(shù)更重要——我的個(gè)人認(rèn)知與技術(shù)儲(chǔ)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(duì)企業(yè)而言，尤其是一把手，建立正確的AI認(rèn)知，遠(yuǎn)比單純追求技術(shù)更關(guān)鍵。