夜雨聆风
随着生成式AI持续演进，代理式AI快速升温，“小龙虾”“OpenClaw”等热点引发广泛关注，企业高管尤其是CEO与CIO对AI的期待与焦虑同步升高。面对技术快速迭代、场景选择困难、安全与合规挑战加剧、组织能力尚未跟上的现实，企业究竟该如何推进AI落地？软件与SaaS会被智能体替代，还是迎来更大空间？
围绕这些关键问题，IDC中国副总裁兼首席分析师武连峰与金蝶中国副总裁、研发中心总经理刘仲文展开了一场系统而深入的对话。
01
从“小龙虾”热潮
看企业AI落地的冷思考
武连峰
过去一两年，我接触了很多CIO和行业用户，普遍感受到一种很强的焦虑。AI发展太快，热点太多，企业从CEO到CIO都在担心：怎么利用好AI、加速业务转型？如果不转，未来会不会被AI颠覆业务，甚至影响内部流程和人员配置？
最近最热的话题之一，无疑就是“小龙虾”和OpenClaw。它们在市场上非常火，从云厂商、大模型厂商到企业软件厂商都在积极推动。但从行业用户侧看，真正“热起来”的程度似乎并没有那么高。您怎么看待这一轮“小龙虾”热潮？
刘仲文
正如武老师所说，我觉得“小龙虾”现在处于一种“冰火两重天”的状态。
一方面，它在市场传播层面非常热。自媒体、大V、互联网大厂、大模型厂商都在强势接入和推广。我们也看到很多相关新闻，比如有厂商提供免费安装服务，甚至出现排队体验的现象；一些地方也出台了支持政策。这些都让它在传播端非常火爆。
但另一方面，企业用户侧，尤其是真正要把它用起来的企业端，其实还有很长的路要走。
“小龙虾”之所以重要，是因为它确实代表了一个方向：从生成式AI走向代理式AI，从“生成内容”走向“闭环执行任务”。它是一个标志性事件，意味着AI正从回答问题迈向真正干活。
但在企业端，目前还存在不少现实问题。
第一是安全问题。一个“什么都能做”的智能体，对企业来说其实是很可怕的。
第二是端到端闭环执行能力还不成熟。
第三是企业端服务调用能力还不够丰富。很多企业应用仍然停留在GUI图形界面和SaaS软件层面，而这些新出现的智能体还没有真正与企业系统深度打通。
我举个很简单的例子。我自己也试过用“小龙虾”，当时我以一个小白用户的心态去使用它。我说：“帮我订一个行程，并同步创建一个日历。”结果它可以给我设置提醒，但并没有真正把日历创建成功。
后来有人告诉我：“你还需要再创建一个日历的Skill。”我当时就想，既然我本来就在你的工具里，日历也是你的，为什么不能我一句话你就帮我完成？现在我在手机上说一句“帮我创建一个日历”，手机都能完成，为什么到了这个所谓更先进的智能体系统里反而不行？还要我去创建Skill。说实话，如果我是一个普通小白用户，我甚至都不知道Skill该怎么创建。
这说明它离企业端真正可用，还有明显差距。
当然，对任何新生事物，我们都应该以积极、开放的态度去拥抱。因为如果往后看一年、两年、五年，它也许会成为一个真正的转折点，推动AI从“只会生成内容”走向“真正可执行的代理式AI”。
02
智能体会不会取代SaaS
武连峰
您刚才提到，对企业来说，今天智能体一方面存在安全隐患，另一方面在实用性、闭环性上还不成熟。尤其大型企业高度依赖数据，一旦出安全问题，后果会非常严重。
结合这一轮智能体热潮，市场上有不少声音在说：智能体会不会干掉传统软件？会不会干掉SaaS？一些CIO甚至开始想，我今天还要不要上SaaS，是不是明后年就直接用智能体了？您怎么看这个问题？
刘仲文
这个声音的确非常大。尤其在过去一段时间，随着国外大模型厂商不断推出新版本和插件能力，很多人开始讨论：智能体是不是会完全取代SaaS？
坦率地说，作为身处这个行业的企业软件厂商，我们当然也会认真思考这个问题，因为这对我们本身也有影响。
但我们的判断是：Agent智能体的出现，短期看像是颠覆，长期看反而会把SaaS和企业软件的市场空间扩大百倍、千倍。
为什么这么说？
过去大家一直认为，SaaS本质上是“给人用的软件”。它的商业模式也主要是按订阅、按席位收费，一个用户一年多少钱。尤其在企业端，软件主要面向财务、供应链、研发等专业岗位，这类用户数量本身就是有限的。它不像互联网应用那样，可以迅速覆盖全员。
很多客户企业里，CEO不一定直接使用这些软件，因此软件的覆盖面其实是比较窄的。
但未来随着越来越多的Agent出现，这些智能体也需要调用企业软件。因为企业里的智能体如果要真正干活，就不可能脱离现有业务流程。会计准则、记账原则、税务规则、合规要求、行业规则——这些都已经沉淀在现有的软件和SaaS系统里。
如果你做智能体，要么你重新发明一整套规则；但既然现成能力已经存在，为什么不去调用它？
所以我们反而认为，未来随着智能体越来越多，上层调用企业软件的“用户”会越来越多。这个“用户”不再只有碳基的人类用户，还会有硅基的智能体用户。它们也会成为软件系统的用户。
这是一个全新的思路。
另一方面，未来企业也会逐渐意识到：软件不再只是一个工具，不再只是一个记录系统。随着智能体能够嵌入流程、执行任务，企业会越来越愿意采购那些“真正能干活、能出结果”的系统。
这也意味着，SaaS企业自己也必须积极拥抱AI，向智能体转型。
当软件企业自己也成为智能体平台或智能体提供者之后，它的市场空间反而被进一步打开。
过去企业可能只愿意花有限预算采购一个软件工具；但如果今天你提供的是一个能够直接出结果的数字员工、智能体，企业愿意支付的钱会更多，因为它带来的价值是直接、可衡量的。
所以从更长远看，这一波变化不是在消灭SaaS，而是在重构SaaS的价值边界。关键不在于“软件会不会被替代”，而在于软件厂商能不能拥抱AI、融入AI生态，并完成自己的转型。
03
企业AI转型面临的“三座大山”
武连峰
听下来，您整体上对SaaS和企业软件的未来还是比较乐观的。那如果从企业用户角度看，特别是CIO视角，他们今天在推进AI转型时，最大的挑战到底是什么？
刘仲文
我一直有一个观点：今天企业已经不只是“数字化转型”，而是在进入“AI转型”。而在这个阶段，我认为企业至少面临三座大山。
1. 第一座大山：场景识别
现在没有任何一家AI厂商，也没有任何一家终端企业，能够马上拿出一整套完整的、纯AI原生的企业解决方案，然后说“你现有的软件都不用了，我这一套就能解决企业所有问题”，包括财务、供应链、研发、报表、分析、协同等全部场景。
至少今天，还没有人敢这么说。
也许在某个单点上已经有突破，也可能在中小企业里有一些落地案例，但距离全面替代还很远。这就意味着，企业到底该从哪个场景切入，仍然是一个非常关键的问题。
企业不可能一上来就做所有场景，必须做取舍。而如何精准识别AI最适合落地的场景，这本身就是门槛。
很多懂AI原生技术的公司，未必真正理解企业场景和行业逻辑；而很多企业用户虽然极其熟悉自己的业务，却未必跟得上AI技术的演进节奏。
在这个过程中，我们认为厂商有很大机会，因为我们既懂场景，也能把更先进的AI技术引入场景。
2. 第二座大山：技术迭代
技术更新实在太快了。
以前从SOA到云原生，很多技术范式是按十年、按年来演进的；现在AI技术是按月、按周，甚至按天在更新。很多新工具、新框架、新能力不断涌现。
这对企业来说是巨大的挑战。
不仅企业用户跟不上，连软件厂商自己想招到相关人才都不容易。我们一方面要靠内部快速学习，另一方面也希望引入新型人才，但这件事本身就非常难。
如果连厂商都感到挑战很大，那对大多数传统企业来说，难度只会更大。
3. 第三座大山：组织与人才
AI转型最终能不能成功，本质上取决于企业的组织能力。
这一次AI转型，不是简单地上一个IT系统，而是一场管理变革。它既涉及流程重塑，也涉及技术更新，本质上是一次技术驱动的管理变革。
过去很多管理理论、很多流程体系、很多系统运行方式，在AI时代是不是还完全适用？我认为都值得重新讨论。
国外有知名企业说，他们的组织能力至少需要18个月，才能消化这些新技术。但当技术在按月迭代时，组织却需要18个月才能消化，这中间的落差就非常大。
所以总结起来，企业要跨越这三座大山：一是场景识别，二是技术跟进，三是组织与人才刷新。
04
CIO如何推进AI转型
方法、路径与场景选择
武连峰
如果我是一个行业用户，是企业CIO，面对场景、技术、人才三大挑战，究竟应该采取什么策略？有没有一些方法、路径、或者案例，可以给大家借鉴？
刘仲文
我觉得这是所有行业用户普遍关心的问题。基于我们接触客户的经验，我想分享几点观察。
1. 首先要形成组织共识：这是真正的一把手工程
我们认为，这次AI转型本质上和过去的ERP项目一样，必须是一把手工程，甚至比ERP更像一把手工程。
因为它不是一次普通的IT升级，而是一场管理范式迁移。它需要企业从上到下形成组织能力，形成文化氛围。
武连峰
但我观察到一个有意思的变化。过去我们讲数字化转型是一把手工程，很多时候是因为需要老板支持、拍板、给资源。但这一波AI来了之后，往往最先被打动的反而就是老板。很多一把手自己体验了对话式AI后非常惊艳，于是直接给CIO和数字化部门施压。
所以这次到底是不是“真正的一把手工程”，关键不只是老板关注，而是他是否愿意持续投入资源、预算、人力来推动，而不是只喊口号。
刘仲文
这点非常关键。
这次所谓“真正的一把手工程”，是指如果一把手不亲自决策、不直接推动，这件事根本很难真正落地。
过去上ERP，老板通常很关注，但很多时候真正主导选型的是CIO或CDO，业务负责人如CFO、财务总监等会和IT部门一起形成建议，再向CEO汇报，最后由CEO拍板。
但这次反过来了。很多时候是老板自己先用上了AI、觉得效果很好，然后说：“我要这个。”再由CIO来负责把这件事搞定。
我们去年在很多客户中都看到这种情况。老板驱动，CIO落地。这种模式很典型。
所以第一条建议就是：企业必须在组织与文化层面形成真正的一把手工程。
2. 场景选择：先抓老板需求，再找高价值单点突破
场景选择上，我建议从两个方向考虑。
第一个方向是：先做老板最关心的需求。
我们大概在三年前推出第一个AI原生应用时，就叫“BOSS助理”。它本质上就是今天讲的BOSS Agent，只是那时候还没有Agent这个概念。
这个产品的定位很清晰：服务老板，提供随身的移动端智能助手，让老板随时查经营数据、管理预警、经营风险等。市场反馈非常积极，因为老板确实需要这样的应用。
第二个方向是：从一个高价值单点场景切入。
你不可能一开始什么都做，必须选那些既能落地、又能创造明显价值的场景。
去年比较热的两个场景，一个是企业知识管理/知识智能体，将非结构化文档统一汇集，通过智能体实现知识问答，支持营销赋能、培训学习等。
另一个是问答类场景，比如通过LLM to SQL、指标平台等实现业务数据查询。
但今年如果进入代理式AI阶段，企业更应该考虑那些能够形成“分析—建议—执行—反馈”闭环的场景。
我举个例子：呆滞库存管理。
很多制造业企业利润都被呆滞料侵蚀。我们做过一些统计，全国A股上市制造企业中，很大比例都存在这类问题。如果呆滞库存比例每降低一个百分点，利润往往就有机会提升一个百分点。
如果企业把这个场景交给智能体，智能体可以结合财务、库存、采购、销售等数据，去分析哪些库存是呆滞的、形成原因是什么，是采购失误、生产失衡，还是销售不畅，然后给出具体建议，甚至推动执行，执行后再回到系统中反馈结果——新的呆滞比例是多少，腾出了多少利润空间。
这是一个很深的场景，但它也是一个非常高价值的场景。
武连峰
这是典型的结果导向场景，利润改善非常直观。
刘仲文
对。我们就接触过一些客户，有的滞销成品金额达到5亿元左右，也有企业一年有1亿多元的这类存量。如果能在这里产生改善，价值会非常大。
05
从局部试点到统一底座
企业需要怎样的AI架构
武连峰
从当前情况看，企业业务非常复杂，尤其制造企业涉及方方面面。虽然起步时可以从特定场景切入，但从长远看，是否必须要有全局规划？否则三五年后，会不会形成新的AI技术债务？、
刘仲文
我认为这是一个非常重要的问题，而且现在就应该开始考虑。
如果企业更有前瞻性，就应该尽早规划统一平台、统一底座。否则不同团队各自做智能体，使用不同技术框架、不同工具链，最后整合起来会非常困难。
说实话，我们自己也经历过类似过程。因为我们做智能体比较早，不同团队当时各自在不同领域推进，用的框架和方法也不完全一样。后来我们发现，想把它们真正整合在一起是非常有挑战的。
所以后来我们内部就明确：必须统一技术框架。
只有统一框架，未来的开发效率、集成效率、部署效率才可能做到最好。
因此，我非常建议企业现在就开始考虑：要么由CIO带领团队建立统一AI底座，要么与有能力的厂商合作，共建一个统一平台。
武连峰
对。即便企业自己没有足够技术能力，也应该尽早与厂商一起规划，因为技术厂商通常会更紧跟技术趋势。
刘仲文
是的。企业的优势在于懂行业、懂业务、懂场景；厂商的优势在于对技术的掌控和对多个客户实践的积累。二者结合，才是更好的路径。
06
私有化部署时代
如何实现“Live AI”持续演进
武连峰
今天中国大中型企业对私有化部署仍然有很强诉求。即便用了开源模型做私有部署，也会面临模型版本不断迭代的问题，比如今天是2.5，明天可能3.0、4.0，升级中间还会遇到很多技术挑战。
您昨天提到了“Live AI”概念。能不能详细讲讲，它如何帮助企业跟进最新技术发展，并将最新AI能力融入现有系统？
刘仲文
我们提出“Live AI”，就是因为看到了企业未来在采用AI过程中会碰到的现实问题。
中国企业和欧美企业的信息化路径有明显差异。欧美企业管理体系更标准化，所以SaaS接受度高，公有云接受度也很高，厂商直接更新即可，客户个性化诉求相对少。
但国内有两个显著特点：第一，企业个性化需求更多；第二，私有化部署比例更高。
这就带来了一个现实问题：系统一旦个性化、私有化，未来更新和演进就会变得很难。
在这种背景下，我们提出“Live AI”，主要有三层含义
1. 第一层：帮助客户从数字化系统逐步演进到AI系统
今天很多企业会焦虑：AI来了，我现在还要不要继续上数字化系统？会不会刚签合同，系统就过时了？
我们的回答是：不要等。因为所谓“全新的纯AI系统”今天并不存在。真正可行的路径，是在现有数字化系统基础上逐步演进。
今天企业的数字化系统可能占70%到80%，AI系统占20%到30%；明年可能AI占比提升到30%到40%；再往后，AI系统逐步成为主体。
这是一个持续演进的过程，而不是推倒重来。
2. 第二层：AI系统本身也必须是“Live”的AI系统不能一上线就落后。
第一层含义是厂商要持续帮助客户更新AI系统，使其始终保持与业界先进技术同步。
第二层含义是，AI系统自身应当具备基于数据飞轮的自闭环、自演进、自净化能力。随着使用增加、数据质量提高，它应该越用越聪明。
这也是AI系统区别于传统数字化系统的重要一点——它不仅是被动执行，还具备持续学习和优化能力。
3. 第三层：即使私有化部署，也要保持在线升级能力
在中国，很多客户还是私有化部署，很多系统又有定制化，这会让维护和升级成为难题。
而我们提出的第三层“Live”，就是要解决这个问题：即便是私有化部署，即便客户做了大量定制，也要通过在线连接和技术机制，帮助系统保持可更新、可演进的状态。
所以，“Live AI”并不是一句口号，而是帮助企业降低焦虑、建立信心的一条现实路径。
07
案例与实践
一把手工程如何真正落地
武连峰
过去一年甚至两年里，你们做过很多客户项目。有没有一两个让您印象特别深的案例，可以给行业用户带来借鉴？
刘仲文
这样的案例其实不少。我举一个北京的客户例子。
这是一家国家级专精特新“小巨人”企业，属于高科技制造业。它采用的是比较复杂的阿米巴经营模式，内部经营单元多，生产过程也复杂。
这个客户的AI落地，就是典型的一把手工程。老板直接采纳使用BOSS助理，把整个阿米巴经营体系中的各类数据集成到智能应用中。
过去老板想了解经营情况，很多数据需要几天时间统计；现在基本可以做到实时掌握，甚至对部分生产调整和经营进度也可以实现更实时的感知。
阿米巴模式本身一方面能激活组织，另一方面也会带来管理复杂性。而通过智能体和数据集成，老板可以更实时、更全面地掌握所有经营情况。
下面是我们的部分成功案例分享给大家：
深圳能源应用AI辅助单据审核，实现高风险业务拦截率提升40%、整体审核效率提升30%的管控价值。
河南资本应用AI实现智能免审，在96%准确率前提下实现每年节约成本超50万元的降本价值。
英得尔应用金蝶AI智能体赋能正向研发，实现立项失误率控制在10%以内、研发质量事故低于2%的提质价值。
通威股份应用金蝶AI构建员工、业务、企业三类AI应用矩阵，实现人服比提升48.5%、整体效率提升98%的全场景数智化价值。
创思工贸应用金蝶AI构建智能阿米巴管理体系，实现经营异常定位从2-3人天压缩至实时洞察、决策效率提升100%的管理价值。
建发地产应用财务大模型于合同中台与数据洞察，实现60+字段智能提取、40+风险规则自动审查的合同管理智能化价值。
此外，我们也有一些客户正在使用新一代智能体去解决更深层的业务问题，比如呆滞料等高价值场景。未来这些案例也会陆续沉淀出来。
08
金蝶的AI转型优势与未来竞争力
武连峰
我注意到，金蝶在财报预披露时提到今年有望实现盈利。过去几年，中国很多软件和SaaS厂商经营压力都比较大，如果金蝶能够实现盈利，我觉得对整个行业都是非常积极的信号。
那从两个层面看：
第一，金蝶过去做对了什么，取得了今天的成果？
第二，未来在服务企业数智化转型和AI转型方面，金蝶有哪些优势？
刘仲文
第一个问题，我认为最核心的一点，是我们坚定执行了云转型战略。
徐总在十多年前就看到了行业变化，在非常早期就坚定推进云转型和SaaS转型。也正是基于这一路径，我们成功把商业模式从卖软件转向了云订阅。
截至去年，我们云收入已经超过80%，云订阅收入也已经超过整体营收的50%。这为我们带来了一个非常扎实的经营基础。过去几年大环境并不轻松，但在过去五年左右，我们整体营收几乎实现翻倍。
而且，云订阅模式并不容易，它要求企业在初期承受收入确认节奏变化带来的压力，需要很大的决心。但一旦走通，后面就会越来越稳、越来越好。这也是为什么去年我们能够逐步走向盈利。
这件事也为我们今天做AI转型打下了非常好的基础。
至于第二个问题——未来为什么是金蝶、金蝶有什么优势——我认为至少有四点。
场景优势
如果把客户AI转型的“三座大山”对照来看，场景识别恰恰是我们的优势。
我们有几百万客户基础，几十年的行业经验，有一支懂行业、懂客户、懂场景的人才队伍。通过SaaS模式，我们又与客户保持高频互动，所以很容易与客户共创出最适合落地的场景。
很多AI创业公司不缺技术，但最头疼的是“客户在哪里、场景是什么、是不是普适需求”。而我们恰恰最不缺场景。
2. 现有数字化系统优势
企业最核心的数字化系统，毫无疑问就是ERP。未来AI转型不是要抛弃这些系统，而是要让这些系统变成AI可调用的能力底座。
我们现在就在快速推进这件事，包括为现有系统建立API、建立Skill，使其可以被上层智能体调用。
所以，对现有数字化系统的深度使用、演进和资产保护，是我们的一个非常大优势。
3. 高质量数据集与上下文优势
企业级AI最终拼的不是“有没有模型”这么简单，更重要的是高质量数据、高质量上下文，以及对业务逻辑的理解。
很多财务、税务、合规、行业流程规则都已经沉淀在现有系统里。离开这些，仅靠大模型去“猜”，也许能得出结果，但准确性、一致性、鲁棒性都难以保证。
同时，好的AI系统一定依赖高质量数据飞轮。如果数据本身质量不高，再好的模型和框架也无法产生稳定价值。
这些年我们积累了大量行业数据和业务数据。比如我们推出的财报分析智能体，就可以帮助全球2万多家上市企业，在财报发布后的T+1时间内完成分析。一个财报平均三百页甚至更多，我们要把它浓缩成十几页的分析报告，同时还要保证数字准确、观点清晰，这背后需要很强的数据积累和能力沉淀。
我们还在持续沉淀行业级和产业级数据，在此基础上再结合知识图谱、本体等能力，进一步增强智能体推理能力。
4. 智能体工程能力优势
最后一个优势是技术跟进能力，也就是智能体工程能力。
今天企业最焦虑的就是技术更新太快，但这恰恰可以成为我们的优势。我们持续跟进新的框架、上下文工程、Agent Framework、Agent Harness等全新技术，也有自己的工程体系和方法论。
我们不去盲目预测未来会怎样，但我们会确保对新技术保持敏感、持续探索、快速应用。
所以总结来说，我们的优势在于：懂场景、懂现有数字化系统、拥有高质量数据与上下文、具备高效智能体工程能力。
未来企业级AI竞争，不一定是比谁拥有底层模型，而是比谁真正贴近客户、贴近场景、贴近结果。
武连峰
所以模型层面，金蝶的思路是采用市场上最好的模型。
刘仲文
对，谁好就用谁。我们也会与优秀的大模型厂商建立战略合作，形成从模型层到应用层的完整垂直解决方案，打造未来AI生态。
09
给企业CIO的三条建议
武连峰
如果让您给行业CIO提两三条建议，您最想说什么？
刘仲文
我会给三条建议。
第一，抓住真实需求，优先满足老板和业务部门的需求。
现在AI转型至少在现阶段，仍然是由一把手强力推动的。所以CIO要先理解老板真正想解决什么问题，也要深入业务部门，识别哪些场景适合用Agent落地。
至少要确保今年能够有一两个、两三个场景真正跑通，拿到结果。
这样做有两个意义：
一是让企业不掉队；
二是为未来更大规模推广积累经验和基础。
第二，持续跟进技术，必要时借助合作伙伴。
CIO必须保持对技术的敏感度。这种跟进可以是自己研究、自己做，也可以与合适的厂商合作。
尤其如果未来很快要扩大落地规模，那么提前建立一个好的AI平台、找到好的合作伙伴，会非常关键。因为如果完全靠自己慢慢摸索，试错成本和时间成本都可能太高。
第三，要有定力，也要有信心。
AI来了，很多人会慌，老板慌，CIO也慌。但如果老板焦虑、CIO也焦虑，那整个企业就会更焦虑。
所以CIO必须有定力。要静下心来思考：我们现有的优势是什么？在AI时代，企业到底可以怎么利用现有资源、现有系统、现有生态去迎接变化，而不是被焦虑裹挟。
每一次危机背后，其实都蕴含着一次行业洗牌和重构的机会。危中有机，关键是企业能否把这次变化转化为自己的新增长、新能力和新价值。
武连峰
我理解，您的三条建议可以概括为：第一，深入洞察老板和业务部门需求，抓住真实场景；第二，无论自建还是合作，都要紧跟技术浪潮；第三，CIO要保持信心和定力，带着企业穿越焦虑、推动AI落地与创新。
刘仲文
对，尤其是第三点非常重要。因为老板焦虑时，第一个找的就是CIO。如果CIO也没有定力，企业就更难形成方向感。CIO要有信心，把挑战转化成企业升级的机会。
👆 长按二维码添加金蝶数字化顾问
领取白皮书、案例册等高质量AI转型指南
