過(guò)去企業(yè)部署AI應(yīng)用時(shí)，通常將AI看做一項(xiàng)技術(shù)創(chuàng)新，總在某些單項(xiàng)應(yīng)用上做基于AI的單點(diǎn)突破，盡管解決了一些具體問(wèn)題，但從整個(gè)企業(yè)流程的維度上，這種提升其實(shí)微乎其微。

其實(shí)，企業(yè)AI要走向成熟，就必須要突破AI的規(guī)?；瘧?yīng)用。對(duì)此，用友網(wǎng)絡(luò)副總裁羅小江表示，“DeepSeek大模型的出現(xiàn)，可以做到真正意義上的普惠大眾、讓企業(yè)擁抱AI。過(guò)去的AI應(yīng)用還停留在交流問(wèn)話等基礎(chǔ)應(yīng)用，現(xiàn)在要構(gòu)建的企業(yè)AI，則是可信任、可追溯的AI?！?/p>

這不僅要求企業(yè)以一種“AI原生”的視角來(lái)重新審視整個(gè)AI戰(zhàn)略的可行性，還需要建設(shè)統(tǒng)一的數(shù)智底座，支撐企業(yè)從流程到應(yīng)用的全面AI化。

01

AI原生視角重構(gòu)企業(yè)數(shù)智化架構(gòu)

DeepSeek橫空出世，引發(fā)了很多基于企業(yè)AI的討論。有一種聲音認(rèn)為：除了過(guò)去大家關(guān)注較多的“AI可以幫助企業(yè)做什么”這個(gè)問(wèn)題，企業(yè)更需要明白“在推動(dòng)AI之前需要做好哪些準(zhǔn)備”。

這其實(shí)就是一種AI原生的視角。羅小江認(rèn)為，“AI原生視角，代表我們要從AI的底層邏輯去看業(yè)務(wù)。這不僅可以充分利用AI所有的能力，更重要的是可以從模型視角，根據(jù)組織流程和邏輯去設(shè)計(jì)業(yè)務(wù)?！?/p>

的確，在傳統(tǒng)AI時(shí)代，企業(yè)智能化更多是“工具疊加”的邏輯。智能平臺(tái)、人才畫(huà)像等應(yīng)用本質(zhì)仍是基于規(guī)則的系統(tǒng)優(yōu)化。但大模型技術(shù)的突破，徹底改變了游戲規(guī)則，AI不再是被集成的工具，而是重構(gòu)企業(yè)架構(gòu)的原生力量。

這種重構(gòu)體現(xiàn)在幾個(gè)維度：

首先，是開(kāi)發(fā)范式的顛覆。傳統(tǒng)軟件開(kāi)發(fā)從需求調(diào)研到測(cè)試部署要經(jīng)歷12個(gè)環(huán)節(jié)，耗時(shí)且漫長(zhǎng)。而AI全生命周期參與開(kāi)發(fā)，可以將整個(gè)流程壓縮為“需求輸入-結(jié)果交付”的極簡(jiǎn)模式。比如用友iuap數(shù)智底座的開(kāi)發(fā)平臺(tái)，就已實(shí)現(xiàn)基于行業(yè)知識(shí)庫(kù)的自動(dòng)化詳細(xì)設(shè)計(jì)生成，數(shù)據(jù)庫(kù)設(shè)計(jì)、前后端代碼生成等能力，開(kāi)發(fā)效率得以大幅提升。

其次，是應(yīng)對(duì)數(shù)據(jù)治理的難題，本質(zhì)上也缺乏AI原生的視角。“傳統(tǒng)數(shù)據(jù)庫(kù)更多是給人去訪問(wèn)的，而真正意義上agent，應(yīng)該是要數(shù)據(jù)結(jié)果，并不需要我們?nèi)ゾ嶴QL語(yǔ)句，自然語(yǔ)言就能夠從數(shù)據(jù)底層去溝通數(shù)據(jù)?！绷_小江說(shuō)。

現(xiàn)在有了大模型，AI能自動(dòng)讀懂主數(shù)據(jù)、生成管理體系，還能把散落在各個(gè)系統(tǒng)里的非結(jié)構(gòu)化數(shù)據(jù)，比如合同、會(huì)議紀(jì)要轉(zhuǎn)化成結(jié)構(gòu)化知識(shí)。比如用友iuap的數(shù)據(jù)平臺(tái)，通過(guò)大模型對(duì)行業(yè)知識(shí)和標(biāo)準(zhǔn)的內(nèi)化吸收，可以生成最接近實(shí)戰(zhàn)的企業(yè)應(yīng)用，極大降低了企業(yè)數(shù)據(jù)治理的難度。

最后，是克服來(lái)自安全的挑戰(zhàn)。在國(guó)產(chǎn)化的浪潮下，企業(yè)既要部署AI大模型提升效率，又要守住數(shù)據(jù)主權(quán)，實(shí)現(xiàn)從底層硬件到上層應(yīng)用全鏈路可控。那么，就誕生了國(guó)產(chǎn)大模型和國(guó)產(chǎn)軟件的組合，幫助企業(yè)走通企業(yè)AI的可信之路。

很明顯，要應(yīng)對(duì)這一系列變革，企業(yè)需要打造具備企業(yè)AI基因的，統(tǒng)一的新型數(shù)智底座。

02

AI原生

要求升級(jí)統(tǒng)一數(shù)智底座

在AI原生視角下，傳統(tǒng)架構(gòu)與AI原生需求在開(kāi)發(fā)范式、數(shù)據(jù)治理和交互邏輯等方面存在根本性矛盾，這使得企業(yè)架構(gòu)必須實(shí)現(xiàn)系統(tǒng)性重構(gòu)。

因此，需要建設(shè)統(tǒng)一數(shù)智底座，打破系統(tǒng)壁壘、建立智能中樞、沉淀行業(yè)知識(shí)，最終讓AI真正融入企業(yè)業(yè)務(wù)血脈，而非浮于表面。

首先，統(tǒng)一就代表著AI原生視角下的企業(yè)業(yè)務(wù)需要是連續(xù)的。

羅小江指出，“很多企業(yè)部署大模型后發(fā)現(xiàn)，業(yè)務(wù)連續(xù)性問(wèn)題依然嚴(yán)重，這不單單是孤島問(wèn)題，還有很多基本要求，比如數(shù)據(jù)的標(biāo)準(zhǔn)，流程的規(guī)則一致性，再比如架構(gòu)體系，成本中心，怎么做統(tǒng)一、做歸集，標(biāo)準(zhǔn)體系還要足夠堅(jiān)固。因?yàn)楸仨氁型暾慕M織代碼，帶來(lái)的結(jié)果才能是相對(duì)準(zhǔn)確的?！?/p>

其次，在企業(yè)從信息化到數(shù)智化的過(guò)程中，有很多歷史性的包袱，不同的業(yè)務(wù)有不同的系統(tǒng)，這些系統(tǒng)之間也存在“斷點(diǎn)”，這同樣是業(yè)務(wù)連續(xù)性的重要挑戰(zhàn)?！皵?shù)據(jù)基礎(chǔ)不夠好，鏈條不完整，為AI提供基本養(yǎng)分就不夠高，沒(méi)有高質(zhì)量的燃料就會(huì)容易熄火?！绷_小江說(shuō)。

所以，從架構(gòu)、流程、數(shù)據(jù)、安全、標(biāo)準(zhǔn)五個(gè)方面著手構(gòu)建一個(gè)統(tǒng)一的數(shù)智底座，是通向企業(yè)AI之路的基本原則。

但是，每家企業(yè)的技術(shù)背景和底座搭建的程度各不相同，要如何構(gòu)建統(tǒng)一的數(shù)智底座呢？

羅小江提出一個(gè)循序漸進(jìn)的可行性方案：第一步先做到架構(gòu)一致性，要建設(shè)一個(gè)能夠拉通所有業(yè)務(wù)的開(kāi)發(fā)平臺(tái)，先把不同系統(tǒng)之間的斷點(diǎn)拉平；第二步，就是建立統(tǒng)一的數(shù)據(jù)平臺(tái)，讓數(shù)據(jù)在數(shù)據(jù)平臺(tái)里做聚合，對(duì)包括結(jié)構(gòu)化和非結(jié)構(gòu)化在內(nèi)的全量數(shù)據(jù)進(jìn)行數(shù)據(jù)治理；第三部則是業(yè)務(wù)運(yùn)營(yíng)，結(jié)合數(shù)據(jù)運(yùn)營(yíng)去做數(shù)據(jù)供給，進(jìn)一步拉通數(shù)據(jù)基礎(chǔ)和AI應(yīng)用之間的斷層。

這種思路已經(jīng)被用友踐行在很多實(shí)際的客戶實(shí)踐中，比如，在遠(yuǎn)東數(shù)智采的案例中，就通過(guò)用友BIP建設(shè)開(kāi)發(fā)平臺(tái)去拉通客戶集采、采購(gòu)和商場(chǎng)業(yè)務(wù)的完整流程。在梳理好業(yè)務(wù)流程之后，幫助客戶規(guī)范了不同行業(yè)采購(gòu)的數(shù)據(jù)標(biāo)準(zhǔn)，進(jìn)行數(shù)據(jù)拉通。最終遠(yuǎn)東數(shù)智化通過(guò)企業(yè)服務(wù)大模型，完成海量的標(biāo)書(shū)完成智能化搜索、快速智能撰寫(xiě)標(biāo)書(shū)，智能投標(biāo)評(píng)審、交易價(jià)格預(yù)測(cè)等招采業(yè)務(wù)的全周期支撐。讓公共資源交易服務(wù)平臺(tái)安全可信，成為了企業(yè)AI落地的標(biāo)桿。

這樣的案例其實(shí)在用友比比皆是，用友BIP統(tǒng)一數(shù)智底座iuap的方法論和不斷進(jìn)化，本質(zhì)上也源于大量客戶需求的反饋，將數(shù)智底座融入企業(yè)實(shí)踐，才形成了大模型時(shí)代數(shù)智新底座的新范例。

03

中國(guó)企業(yè)部署AI戰(zhàn)略

需要國(guó)產(chǎn)軟件+國(guó)產(chǎn)大模型

當(dāng)前，國(guó)產(chǎn)化信創(chuàng)向縱深推進(jìn)，中國(guó)企業(yè)正面臨雙重命題：既要保證自主安全，不被技術(shù)封鎖裹挾，又要把握大模型帶來(lái)的數(shù)智化轉(zhuǎn)型機(jī)遇。這場(chǎng)變革的本質(zhì)，是構(gòu)建從芯片到軟件、從算力到模型的完整自主技術(shù)閉環(huán)。

因此，基于統(tǒng)一數(shù)智底座，構(gòu)建“中國(guó)軟件+中國(guó)大模型”，已是中國(guó)企業(yè)部署AI戰(zhàn)略的時(shí)代命題。

當(dāng)然，我們不僅要替代，更要能創(chuàng)新，能進(jìn)化，能推動(dòng)業(yè)務(wù)效率有效提升。這就要求既要有可形成標(biāo)準(zhǔn)的“中國(guó)大模型”，也要有理解所有企業(yè)業(yè)務(wù)邏輯的“中國(guó)軟件”。

如羅小江所說(shuō)，“當(dāng)前國(guó)產(chǎn)化硬件的發(fā)展速度很快，已經(jīng)可以很好的承擔(dān)算力層的要求，但國(guó)產(chǎn)化的勝利一定不是單純的硬件或是軟件，而是整個(gè)國(guó)產(chǎn)化生態(tài)的勝利。”

首先，DeepSeek作為“中國(guó)大模型”誕生以來(lái)，一定程度上解決了大模型選型的問(wèn)題，大家都在圍繞DeepSeek做調(diào)優(yōu)，這就形成了一定程度的標(biāo)準(zhǔn)化，效率就會(huì)提升很多。

同時(shí)，大模型要發(fā)揮足夠價(jià)值，必須要在業(yè)務(wù)中體現(xiàn)，這就需要企業(yè)軟件與大模型在融合中發(fā)揮更多價(jià)值。

而用友iuap平臺(tái)已經(jīng)成為很多大型企業(yè)的統(tǒng)一數(shù)智底座。它從進(jìn)入市場(chǎng)以來(lái)，15年間不斷的進(jìn)化，如今以用友企業(yè)服務(wù)大模型 YonGPT作為開(kāi)放技術(shù)生態(tài)的底層支撐，并以云技術(shù)平臺(tái)向上為應(yīng)用平臺(tái)、數(shù)據(jù)平臺(tái)、智能平臺(tái)、開(kāi)發(fā)平臺(tái)和連接集成平臺(tái)“輸送養(yǎng)分”。

同時(shí)，用友也在構(gòu)建安全、可信任的環(huán)境，并把開(kāi)發(fā)構(gòu)建在可信的底座上去向上做支撐。為“中國(guó)軟件+中國(guó)大模型”的演進(jìn)增加了新的注解。

客觀地說(shuō)，中國(guó)企業(yè)的數(shù)智化轉(zhuǎn)型，需要的不是某一個(gè)大模型或是AI工具，而是一個(gè)以統(tǒng)一數(shù)據(jù)為血脈、AI原生為筋骨、國(guó)產(chǎn)化技術(shù)為基因的數(shù)智底座。這也恰是用友建設(shè)統(tǒng)一數(shù)智底座的的底層邏輯，也是企業(yè)AI走向規(guī)?；瘧?yīng)用的“中國(guó)解法”。