11月18日,用友在武汉开了一场数智平台私享会,主题定的是「驾驭AI 数智融合新底座」,但全程几乎没有停留在概念层。四个板块讲完,实际被拆开的是用友BIP 6 里五件套各自干什么活:谁当调度、谁写代码、谁管业务语义、谁管治理、谁托数据。对正在盘算明年信息化预算的安徽制造企业来说,这场会真正给出的信息是成本结构的变化——AI 进 ERP 不再是一整包采购,而是可以按工种挑。
用友网络副总裁、数智平台事业部总经理罗小江开场先否掉了一个常见假设:模型足够强,企业 AI 就能落地。他的判断是「通用AI ≠ 企业AI」,两者中间隔着一道语义鸿沟——企业数据有边界、有权限,结果要经得起追溯,而且最终要为结果负责。挡在 AI 与生产之间的障碍,他归成三条:信任鸿沟,黑盒不可信;知识鸿沟,知识不沉淀;执行鸿沟,决策不闭环。

三条鸿沟对应的是五步路径:从痛点出发而不是从模型出发识别业务机会、做数据治理准备、确定模型选型策略、把业务流程嵌入再重塑、最后用业务指标做效果度量并持续迭代。同时有三条硬约束始终压着——合规约束、可信约束、工程约束。这三条不是附加项,而是决定项目能不能活过第一年的前置条件。罗小江的说法是,企业不要把期待放在「换一个更强的模型」,而要把「模型、数据、知识、流程、组织、治理」当成一套生产力体系来建。
用友网络数智平台事业部解决方案咨询专家王琪接着讲产品形态的迁移:企业软件正从 X+AI 的副驾驶阶段,走到 AI+X 的智能体阶段,再走向 AI 原生。用友BIP 6 的四层结构是:AI 原生类企业智能体、智能体可调用类 Headless、应用创新与全球化、企业 AI 平台。这个分层的实际含义是,界面、能力、接口三者解耦——智能体不需要人点开页面才能干活,也不需要为每个业务场景单独开发一套前端。
五件套里最靠前的是 YonWork。它被定位成企业超级智能体与企业 AI 工作台,也是「碳基人和硅基人」协作的统一界面:7×24 云端值守,统一接入企业已有的身份与权限体系,保证 AI 在可授权、可控制、可解释的范围内参与核心业务。更关键的是它的调度角色——把任务目标拆开、分派、跟踪执行,指挥 AI 专家团与智能体团队跨领域协同。换成企业听得懂的话:它是那个「派活的人」,不是一个更聪明的搜索框。
最硬的一组数据出在开发侧。YonCode 由需求分析、架构设计、开发、质量保障、部署五个专业 SubAgent 组成一支虚拟开发团队,底层是自研的 Harness 引擎,用来驾驭 AI 开发过程中的不确定性。会上给出的样本很具体:某集团按用户组授权的客开场景,AI Coding 总耗时 3 小时,传统模式需要 5 到 7 天。这不是「AI 帮忙补两行代码」,而是把一个原本要排期、要占实施顾问人天的开发任务,压进了半天。对做代理交付的公司来说,这一项的账最好算——客开工时向来是项目毛利的最大变量。
另外三件各管一段。YonStudio 面向业务侧,是轻量化的智能体低代码构建平台,让业务人员自己搭应用;YonOnto 管业务语义,把散在各系统的口径统一起来,为智能决策和自动执行提供同一套「词」;YonAIG 管治理,覆盖智能体生命周期、能力中心、观测、测评优化与安全策略。分工清楚之后,企业才能回答一个绕不开的问题:AI 判断错了,责任落在哪一层。治理不是给 IT 部门看的仪表盘,而是出事时能定位、能回退、能追责的那条链。
数据这条线由用友网络数智平台事业部解决方案咨询专家丁静来讲。用友数据平台按「采、存、算、管、用」五个环节搭:多种采集策略接入多源异构数据,存储走湖仓一体,开发支持多场景,治理做一体化开发运维,分析侧提供低代码自助。开箱预置的量级是 170 个一致性维度、373 个主题分析模型、2621 个企业级指标,再由 YonData 数据智能体把智能问数、数据分析、指标开发、数据治理串成一条链,配 BIP 全域问数与岗位级数据权限。这组数字的意义在于,企业不必从零定义指标——但反过来说,如果自己的口径和这 170 个维度对不上,问出来的数依然不能用。

对滁州、天长一带的中小制造企业,这套东西的价值不在「五件套全上」,而在于可以先挑一件。给三条判断顺序。第一看口径:设备台账、工序成本、应收账龄这三类数字,生产、财务、销售三个部门现在是不是同一套定义,如果三本账各算各的,上智能体只会把分歧放大。第二看权限:智能体能读哪些账套、哪些客户、哪些成本明细,必须在上线前划死,否则审计这一关过不去,滁州不少企业年底要面对集团审计和税务核查,这条线不能事后补。第三挑场景:从高频、规则清晰、错了能回退的环节切进去,比如费用单据初审、发票查验查重、报价比对,不要一上来就做经营决策。
落地顺序建议四步走。先用一个月统一主数据与指标口径,这一步不做,后面 AI 问数会问出三个答案;再把审批与权限规则写进系统,把老师傅脑子里的判断变成可执行规则;然后选一个高频场景跑 30 天,验收只看两个指标——返工次数降了多少、每笔数字能不能追溯到源单据;跑通之后再谈跨部门复制,以及把设备台账、工时、维保并进同一套口径。工业机器人、AGV 这类设备资产的折旧与工序成本分摊,也可以用同一条链算,不必另建一套表。
会议最后落在一句话上:企业未来的护城河不是模型本身,而是 AI 与自身经营深度融合之后形成的数智资产。这句话对做交付的公司同样成立——卖软件的时代,交付的是功能清单;卖 AI 的时代,交付的是口径和规则。功能可以照抄,口径抄不走。
请填写您的需求,我们将尽快与您联系