AI Builders Digest — 2026年4月26日

AI Builders Digest — 2026年4月26日

—

## 🎙️ PODCAST

No Priors × SAP CTO Philipp Herzig：AI 时代，”操作系统”级企业软件如何进化

The takeaway: SAP 的 CTO 认为，AI 在企业领域的最大挑战不是技术，而是规模化落地——从 10 个 API 到 20,000 个 API 的扩展问题，以及如何让 AI 在真实业务流程中真正可用、可靠、可验证。

—

Philipp Herzig 是谁

SAP CTO，掌管着全球 40 万企业客户的核心系统——从财务、HR 到供应链、制造执行的”企业操作系统”。他既是技术领袖，也是 SAP AI 战略的核心设计者。

—

核心洞察

1. AI 是商业模式的转型，不是单纯的技术升级

Herzig 用了一个很好的类比：从本地部署到云计算，不只是”把软件放到网上”那么简单——它需要重新设计多租户、可扩展架构。AI 时代同样如此，变化发生在三个层面：

· UI 层：从”人类学习软件操作”变为”软件动态生成界面”。以前是设计 UI 让人类点击，现在是大模型理解人类意图后动态生成操作界面。· 业务流程层：从结构化流程（SOP）到”结构化+非结构化融合”。Agent 能理解文档、邮件、聊天记录，和 SAP 的结构化数据一起工作，真正做到”服务即软件”。· 数据层：企业有大量历史数据（总账、发票、库存），但加上 AI 需要的上下文数据（Slack、Teams、电话讨论）才能真正发挥作用。

2. 为什么 AI 在企业落地比想象中慢？两个根本原因

第一是数据孤岛。企业通过 M&A 和多年采购积累了大量异构 IT 系统，数据分散无法打通，AI 能发挥的空间就有限。

第二是规模化挑战。你用 10 个 API 搭个 POC 很惊艳，但 SAP 有 20,000 个 API，100 个 API 就会出现上下文膨胀问题。再如 Joule（SAP 的 AI 助手），美国员工问旅行政策和德国员工问，答案完全不同——你需要连接主数据（所在国家、薪资体系、适用税率）才能给出准确答案。

3. 大模型不足以解决预测问题，SAP 在研发新架构

Herzig 提了一个非主流观点：LLM 在预测（需求预测、现金流预测、付款延迟分类）上不够好，因为大模型是”生成式”的，而预测是纯粹的统计问题。SAP 研发了 RPT（关系预训练Transformer）——基于 Transformer 架构但针对表格数据优化，能用很少的数据做出高准确率预测。比如一家药企在全球 90 个国家运营-payment delay prediction 问题需要 180 个模型，RPT 可以大幅降低这个成本。

4. Jevons  paradox 与 AI 采用的悖论

Box CEO Aaron Levie 最近也在讨论这个问题：AI 提升生产力 → 企业想要更多生产力单元 → 反而增加就业。Herzig 同意这个观察，认为 AI 最终会让每个岗位”升一级”——财务共享中心的人从执行者变成监督者，开发者从写代码变成定义需求和 review。

5. 定价模式正在转变：从座位授权到按用量付费

SAP 正在从 seat-based license 向 consumptive model 过渡，但这是渐进式的——客户既想要 AI 的能力，又需要成本的可预测性，所以现在是一个混合模型，最终会走向”效果付费”。

—

最值得记住的一句话

“我们的工作，是让技术消失。把价值直接推到客户面前。”

——Philipp Herzig

—

链接

· 播客链接：https://www.youtube.com/watch?v=5u7AjPardvo· SAP Joule 产品：https://www.sap.com/products/artificial-intelligence.html· RPT 论文：搜索 “SAP Rapid Relational Pretrained Transformers”

—

## 🐦 X / TWITTER

—

### Sam Altman（OpenAI CEO）

Sam Altman confirmed GPT-5.5 and GPT-5.5 Pro are now available in the API, calling it “a good week” with the team shipping strong releases.

Sam Altman 确认 GPT-5.5 和 GPT-5.5 Pro 已开放 API 调用，并表示这是”很棒的一周”，团队完成了重要的产品发布。

https://x.com/sama/status/2047787124846653895

—

Sam Altman 认为这一周对团队来说是很棒的，AI 产品正在快速迭代。

Sam Altman 确认 GPT-5.5 和 GPT-5.5 Pro 已开放 API 调用，对团队这周的发布成果感到满意。

https://x.com/sama/status/2047823357635354814

—

### Peter Steinberger（OpenClaw 🦞）

GPT 5.5 is definitely a step up in the character game.

Peter Steinberger 认为 GPT 5.5 在”角色一致性”方面有明显提升。

https://x.com/steipete/status/2047871519762567468

—

### Ryo Lu（Cursor AI 设计负责人）

Switched fully to GPT-5.5 + Composer 2 — the perfect duo for intelligence, speed, and cost, only in Cursor.

Ryo Lu（Cursor AI）宣布完全切换到 GPT-5.5 + Composer 2，称这是”智能、速度和成本的最优组合”。

https://x.com/ryolu_/status/2047879353313431649

—

Cursor 推出了 /multitask 功能，可以同时处理多个任务，打破队列限制。

Cursor 的 /multitask 功能允许同时处理多个任务，避免排队瓶颈。

https://x.com/ryolu_/status/2047766831105220799

—

### Aaron Levie（Box CEO）

论 Jevons paradox 与 AI：AI 提升生产力 → 企业需要更多配套人力 → 反而增加就业。核心观点：AI 越好，反而会带来更多就业机会，因为企业会承担更多以前无法承担的任务。

关于 AI 与就业的 Jevons paradox：AI 提升生产力后，公司并不会裁员反而会扩张——因为 AI 让小公司也能雇得起以前负担不起的工程团队，让销售团队能处理更多潜在客户。

https://x.com/levie/status/2047747142308274645

—

### Peter Yang（Roblox 产品负责人）

Asked GPT 5.5 and Codex to make Star Fox. This is after 15 min of prompting 🔥

Peter Yang 用 GPT 5.5 + Codex 在 15 分钟内”生成了”一个 Star Fox 游戏 DEMO，令人震惊。

GPT 5.5 + Codex 在 15 分钟内做出了 Star Fox 游戏雏形，展示了大模型在游戏开发中的潜力。

https://x.com/petergyang/status/2047882568520102226

—

### Nikunj Kothari（FPV Ventures 合伙人）

Note to all product teams: project code names are not temporary, they are permanent. Choose very very wisely.

Nikunj 提醒所有产品团队：项目代号不是临时的，是永久的，请慎重选择。

产品团队注意：项目代号一旦确定就是永久的，请非常慎重地选择。

https://x.com/nikunj/status/2047707257073524897

—

### Garry Tan（Y Combinator 总裁）

对近期政治评论的回应，表达了对当前政治环境的不同看法。

对当前政治环境发表评论，表示不认同某些观点。

https://x.com/garrytan/status/2047883265516924976

—

### Josh Woodward（Google Gemini 负责人）

NotebookLM can now auto-label & categorize sources!

Google NotebookLM 新增自动标签和分类来源功能，大幅提升研究效率。

Google NotebookLM 新增了自动标签和分类来源功能，让研究整理更高效。

https://x.com/joshwoodward/status/2047795981534847413

—

### Dan Shipper（Every CEO）

任何 AI 都比任何个人懂得多，但任何个人学得都比任何 AI 快。

关于 AI 与人类学习的速度差异：AI 知识广度大，但人类学习深度快。

https://x.com/danshipper/status/2047797874600161334

—

### Matt Turck（First Mark Capital VC）

Combining Cohere and Aleph Alpha is such an interesting moment.  Spending a lot of time outside the US, hard to overstate how much reluctance there is to outsourcing intelligence to a handful of US platforms, given current geopolitical chaos.

Matt Turck 指出欧洲对将 AI 智能外包给美国平台的抵触情绪，认为 Cohere 和 Aleph Alpha 的合并是一个有趣的时机。

在欧洲等地，很多企业对把 AI 智能外包给美国平台有很强抵触，地缘政治不确定性加剧了这一趋势，Cohere 和 Aleph Alpha 的合并值得关注。

https://x.com/mattturck/status/2047721904438493482

—

### Amjad Masad（Replit CEO）

Import your Vercel or Lovable apps to Replit with a few clicks.

Replit 推出了一键导入 Vercel 或 Lovable 应用的功能，降低迁移成本。

Replit 推出新功能，支持一键迁移 Vercel 或 Lovable 应用到 Replit。

https://x.com/amasad/status/2047747978690232550

—

### Nan Yu（Linear 产品负责人）

“Output without intention is hallucination. A design is an intention, not an image or a prototype.”

Nan Yu 关于设计的观点：设计是意图，不是图像或原型。没有意图的输出就是幻觉。

设计是一种意图，而不是图像或原型——输出没有意图就是幻觉。

https://x.com/thenanyu/status/2047751915271020920