夜雨聆风
当AI让个体能独立完成过去需要团队协作的事，组织的存在意义就被重新定义了。
来源｜《财经》新媒体
文｜时越
编辑｜蒋诗舟
2026年初，头部AI企业推出可直接替代部分专业软件功能的智能体工具，全球软件股价震荡。“SaaS末日”的讨论甚嚣尘上，有人甚至开始给企业软件写悼词。
人工智能新锐巨头Anthropic 联合创始人兼首席执行官达里奥·阿莫迪（Dario Amodei）在这个节点说了一句话，让整个行业沉默了几秒："在不久的将来，AI Agent将能完成一个中等水平员工能做的几乎一切白领工作。"
这不是科幻，这是今天正在发生的事情的合理外推。
两个月后，深圳。SAP全球运营高峰论坛，600多位企业家在场。SAP大中华地区总裁原欣站上台，没有回避：
“我们面对的是每个人都在养‘龙虾’的市场。如果我们自己不能把内生智能体做好，在应用层的空间会被极大地挤压。SAP是有紧迫感的。”
紧接着，她给出的回答不是防守，不是封闭——
“我们没有因为这种紧迫感而变成封闭系统。我们坚信，以SAP 54 年沉淀的对于业务数据、流程、行业的理解，会通过AI放大变成更有效的Native Agentic（原生智能体）的系统和生态，支撑SAP以及SAP生态圈往上走。”
原欣在科技行业深耕近30年，刚入选《财经》新媒体的新价值领域“年度影响力人物”。在演讲以及此次专访中，她对AI时代企业软件的命运给出了一系列很有锐度的判断。
SaaS不会消失，但会被重新定义——这是她的核心立场。而整个故事的展开，要从一个更底层的问题开始。
To Be or Not to Be：不是不做，而是Modernize
原欣在演讲中展示了一张技术堆栈图。她指出：从基础设施到平台，从平台到应用，技术堆栈正在逐层商品化（commoditize）。曾经需要企业重金投入的服务器、存储、中间件，如今都在被云服务快速抹平，价值一直在往上走。
而现在，这个迁移到了新的临界点：Agentic Layer（智能体层）的出现。智能体“下探”，开始直接与业务交互。如果应用层不能长出原生的智能体能力，就会被挤压。
原欣用莎士比亚来概括当下企业面对AI的处境——“To be or not to be”。但她回答的不是“做不做AI”：
“我们回答的不是‘做还是不做’，是如何把应用现代化做好。AI不是一蹴而就，你必须把底层应用的现代化做好，才能让企业变成‘AI就绪’的状态。”
这个判断在当下是反潮流的。所有人都在谈模型、谈智能体，原欣更关注的是企业AI的就绪。
她的逻辑很清晰：每一个CIO都面临CEO不断提出的AI期望——今天想让AI做这个，明天想让AI做那个。就像达里奥·阿莫迪在谈到企业AI落地时也有过类似的判断：智能体的能力上限不取决于模型，而取决于它能接触到的数据质量。如果核心业务系统还在本地部署，数据割裂，流程分散，再好的模型也跑不出价值。
这是行业共识。但原欣看到的不仅是这一层：
“SAP是坐在‘金矿’上的。我们服务这么多各行各业的企业，对于他们的业务数据、业务流程的理解，SAP肯定是非常到位的。如何在AI时代真正把商业领域的数据价值挖掘出来，把AI原生的To B到底长什么样子能摸索出来，这件事非常有意义。”
“金矿”是数据。但数据本身不是价值，带着上下文的数据才是。她用了一个精确的表述：
“AI Ready（AI就绪）的本质，是让数据‘出生’就携带语义基因。不是事后打标签、建仓库，而是让业务流动的每一刻，数据都自带上下文，最终沉淀为企业的数字资产。”
给AI一条"Apple"（苹果）的采购记录，没有上下文，它无法判断这是一笔消费电子采购还是食品采购——金额、供应商、合规要求完全不同。但当数据来自企业应用，自带订单号、客户信用、交付周期、合规状态——AI才能真正理解业务。这就是“AI即数据”。
应用就是新的AI操作系统
如果modernize（现代化升级）做好之后，上面长什么？
原欣的类比是：应用层就是新的AI操作系统。苹果的iOS驾驭底层芯片算力，企业应用驾驭底层算力堆栈。SAP的命题是：让新型应用系统长出原生的智能体，让这些智能体变得更智能。
她把Joule（SAP推出的企业级生成式AI智能助手，作为自然语言交互的“智能副驾”）生动地比喻为能跨业务流程的AI指挥家，协调供应链、财务、HR等不同领域的“专家”协同工作。这些专家之所以“专业”，因为它们建立在SAP半个多世纪对业务数据、流程和行业的理解之上。这些积累通过AI被放大，形成Native Agentic（原生智能体）系统和生态。
通用智能体能做很多事，但在企业场景中可靠地执行，需要具备三个前提：关联性——每个查询都需要权威记录系统佐证；可靠性——企业应用里数十年打磨的验证规则和合规检查，是防止AI幻觉的关键；上下文——原始数据对智能体毫无意义，数据需要业务语义才能变成决策依据。
Anthropic在构建Claude（Anthropic研发的大语言模型与AI 助手系列）的Agent能力时，也在强调同样的事：Agent能否真正可信赖地在企业环境运行，核心不是推理能力，而是它接触的数据是否有足够的上下文和权威来源。原欣的说法与这个方向也是一致的：
“SaaS不会消失，但会被重新定义。企业软件的价值正在从‘记录系统’迁移到‘智能体的真相来源和上下文提供者’。
以后To B的界面都不存在了。你的交互都是用自然语言进行的，通过传感器、语音、图像，系统自然就捕捉到了。你只需要表达意图，智能体会帮你完成。”
选择开放
54年的企业软件巨头，面对AI冲击，最直觉的反应本应是加固壁垒，但SAP做了相反的事。
SAP已在Hugging Face（美国人工智能开源社区与模型托管平台）上率先发布了业内基于真实客户数据的企业级ERP数据集，供研究社区使用；在新一代架构中采用了API优先策略；并推出了专为ABAP开发构建的基础模型SAP-ABAP-1，将多年积累的业务代码和优质实践转化为AI能力，赋能开发者和客户。
“我们相信未来一定是更开放的世界。”
在她看来，开放不是姿态，而是战略逻辑：只有开放的生态才能让SAP对行业数据和业务语义的深度理解真正释放价值，也只有开放的系统架构才能支撑客户应对未来的快速成长。
但原欣也坦言了硬币的另一面：
“有时候你的优势也会成为自己的包袱。SAP特别擅长做复杂场景，越复杂越适合SAP。但AI带来的变数恰恰是‘简化’。我们得保持开放心态，跟着客户一起学。”
AI时代的竞争，不是谁能处理更复杂的问题，而是谁能把复杂的问题变简单。对一家以"复杂"著称的公司来说，这是最需要勇气承认的一句话。
AI重画起跑线
采访中最让我意外的一个判断是：原欣认为AI对中小企业可能比对大企业更友好。
大公司花二三十年建立的数字化体系，由于历史系统复杂、数据割裂、组织惯性大，AI落地的门槛相对更高；而中小企业没有这些包袱，有机会成为第一批AI原生企业。
“以前企业是‘先开五菱，再换劳斯莱斯’。但数字化时代，高速换轮子的风险太高。AI正在改变这个逻辑——企业不再需要先小后大的切换。”
她在采访中解释了背后的产品逻辑：SAP也在用AI重塑交付方式，让上线周期从传统的一两年缩短到小步快跑、快速迭代；而公有云的产品半年迭代一次，功能增强非常快。中小企业可以先把业务跑起来，随着平台迭代一路成长，不用等到"长大了"再换系统。
出海：从卖产品到建生态
在谈到企业出海话题时，原欣用了一张全景图描绘正在发生的变化。
中国企业出海正从“老三样”（服装、家具、家电）到“新三样”（新能源汽车、锂电池、光伏），再到AI带动的“隐形冠军”。全球每3台扫地机器人中就有2台来自中国品牌（根据IDC 2025年前三季度报告）。更值得关注的是IP和AI能力出海——泡泡玛特、短剧、游戏、大模型本身，越来越多“生而全球化”的公司涌现。出海目的地也从东南亚扩展到拉美、中东、非洲、欧洲。
她引用了一位出海企业创始人在一档播客中分享的出海心路：从“我的产品最好，性价比最高、技术参数最好，到哪儿都应该被接纳”，到“我们不是卖产品做甲乙方的交易关系，而是你给当地带来了什么新技术、建设了什么生态、投入了什么长线资源”。
从卖产品到建生态，这一步的跨越，本质上是从交易思维到长期主义的跨越。而AI恰恰可以帮助出海企业在合规、本地化运营上大幅降低这个跨越的成本。
挑战在急剧加大，合规成本占比大幅攀升。新兴市场更复杂。面对这些挑战，原欣分享了SAP可以为出海企业带来的三重能力价值：
“第一，全球化合规能力——SAP在180多个国家和地区支撑税务、数据合规相关法律法规的know-how（专业知识），可以直接交付赋能给客户。第二，全球化业务语义数据模型能力——在数据生成的那一刻，就在应用侧帮助企业完成语义层的自动搭建。第三，数据智能转化能力——支撑企业的智能体自主执行与ERP相关的业务动作。”
一个人活成一支队伍
聊到AI对组织形态的冲击，原欣分享她的观察：
“有了AI，未来会有越来越多人，一个人就能活成一支队伍。今天的公司制是工业时代的产物，是人与人之间协同的最高效形式。但AI来了，所有的事情都在变。”
当AI让个体能独立完成过去需要团队协作的事，组织的存在意义就被重新定义了。
同时她也提到一个关键观察：CEO自己用AI的企业，AI渗透率远高于只要求员工学习的企业。“如果想让企业真正拥抱AI，掌舵人必须亲自上手。管理者亲自成为‘活样本’，带来的影响力完全不一样。”
AI在重画起跑线——不仅是企业之间的，也是个体之间的、组织形态之间的。
马斯克说可能以后没有工作，也没有公司。但原欣在采访中把视角拉到了更现实的维度——从今天“人还在loop（工作序列）里”的状态，到真正“自主运行” 的企业，中间一定充满变数。而在她看来，SAP要做的就是帮企业在这个过程中做好AI Ready的准备。
在采访中，她对AI发展的终局没有给出确定的答案。但仔细回看整次对话，她对当下该做什么、怎么做、以什么姿态做，都给出了非常清晰的路径：起跑线不在模型，不在算力，在应用现代化，在数据语义，在你的系统是否AI Ready。
采访结束时她说：
“AI已经为我们打开了潘多拉的魔盒，但我相信它所带来的世界一定是更美好的。最终不管是机器人指挥我，还是我指挥机器人，都希望每个人的脸上永远都有最灿烂的笑容。”
在人人都在兜售确定性的行业里，敢于直面不确定，也许才是看清方向的前提。
