夜雨聆风👆 点击关注「悦策Power BI」 获取AI+BI前沿洞察与落地实践，让数据分析真正驱动业务决策。
时隔三周，从奥兰多到北京，SAP用两场大会完成了一次完整的战略闭环。
5月13日，SAP全球CEO柯睿安在奥兰多蓝宝石大会上首次提出"自主运营企业"（Autonomous Enterprise）愿景；6月3日，SAP大中华地区总裁原欣在北京中国峰会上，将同一战略注入了中国企业的落地语境。
而最引人注目的一个数字是：224。
基于ERP领域超过50年的积累，SAP已经在财务、供应链、采购、人力资源和客户体验等核心业务领域，部署了224个AI智能体和51个业务助手。这些智能体不只是"回答问题"，而是能够主动识别异常、分析根因、触发流程处理——在关键节点引入人工审核，确保企业级可靠性。
当ERP软件开始自己运行自己，经营分析的格局就彻底变了。
最被低估的AI战场：不是聊天，不是编程，是ERP
如果说2025年AI的主战场是对话（ChatGPT式的人机交互）和编程（Claude Code式的代码生成），那么2026年的主战场正在悄然转向第三个领域——ERP，也就是企业核心业务运营系统。
为什么是ERP？
道理很简单：聊天可以偶尔出错，代码可以调试修改，但ERP里的每一笔财务凭证、每一条供应链指令、每一个采购决策，都直接关系到企业的真金白银。SAP CEO柯睿安在蓝宝石大会上说了一句非常直白的话："对于客户的关键业务流程而言，'差不多对'是远远不够的。"
这句话道破了企业级AI的核心矛盾——消费级AI追求的够用就好，在企业经营场景中完全行不通。
这也是为什么SAP选择和Anthropic合作引入Claude模型、与NVIDIA合作提供安全运行环境、与AWS实现零拷贝数据集成——每一项合作伙伴的选择，都在解决同一个问题：如何在保证企业级可靠性的前提下，让AI真正参与业务决策。
Gartner最新数据也验证了这一趋势。该机构预测，企业在生成式AI模型和AI智能体上的支出在2026年将翻倍以上，相关追加投入将达到60亿美元。而88% 的企业表示将在2026年增加AI资金投入。值得注意的是，这些投入正在从对话类AI转向业务嵌入式AI——花钱的方向变了。
“断层”之痛：为什么你的AI预算可能正在被浪费
在6月3日的中国峰会上，SAP大中华地区总裁原欣提出了一个令人警醒的判断：
"AI能为企业创造多大价值，不取决于模型能力有多强，而取决于企业最薄弱的一环能否打通。对今天大多数企业而言，这道'弱链'就是AI与核心业务系统之间的断层。"
什么叫"断层"？
简单说就是：企业在外面买了一堆AI工具、部署了各种大模型、建了不少智能体，但这些AI能力往往游离于ERP、财务系统、供应链系统之外。它们既无法获取完整的业务上下文，也无法触发实质性的流程执行。
举个例子：一个财务分析智能体可以帮你分析利润表，但它不知道这笔成本异常是因为供应链那边的一个订单延迟，因为它根本连不到供应链系统。结果就是——分析归分析、业务归业务，AI沦为挂在外面的装饰品。
阿里云智能集团资深副总裁刘伟光在同场峰会上有一个更犀利的判断：AI时代正在重塑SaaS，商业模式将从卖席位转向卖结果。当AI智能体能够自主完成任务并交付业务结果时，按用户数收费的传统模式将难以为继。
这三件事——原欣的"断层"论、刘伟光的"卖结果"论、SAP的224个智能体——实际上在说同一件事：AI真正的价值不在对话，在运行业务。
从记录系统到运行系统：经营分析的三个底层变革
理解了"断层"问题，再看SAP的"自主运营企业"蓝图就清晰了。这不是一个产品功能升级，而是企业经营分析的三重底层变革。
变革一：统一语义层——让AI听懂业务
SAP在蓝宝石大会上正式推出了业务数据云（Business Data Cloud）和知识图谱（Knowledge Graph）。前者的目标是打通企业的异构数据，形成统一语义层；后者则是构建业务地图，让AI理解流程与数据之间的关系。
为什么这很重要？因为如果企业的"毛利率"在ERP里算一个数、在BI系统里算另一个数、在Excel里还有第三个版本，AI再聪明也会算出错误结论。统一语义层是Agent化经营分析的第一块基石。
变革二：Agent化流程——从人找数据到数据找人
SAP公布的224个智能体覆盖了经营分析的所有核心场景：财务智能体可以自动识别异常费用并追溯根因，供应链智能体可以预测库存风险并生成补货建议，销售智能体可以分析区域业绩偏差并给出归因。
这些智能体的共同特征是什么？它们不是等待用户来问，而是主动发现问题、主动分析根因、主动推送建议。经营分析从人找数据变成了数据找人，从被动看报表变成了主动管业务。
变革三：统一Agent治理——多厂商智能体的指挥塔
值得特别注意的一点是，SAP的AI Agent Hub是一个不绑定特定厂商的统一管控中心。它能够管理来自不同厂商的AI智能体、大语言模型和MCP工具——无论是SAP自己的智能体、合作伙伴的智能体，还是企业自建的智能体，都可以在一个统一平台上进行调度、监控和审计。
这意味着企业不需要担心智能体越多越乱的问题。这就像给经营分析体系装上了一个指挥塔——各种分析智能体各司其职，但统一调度、统一溯源、统一治理。
中国企业已经跑起来了：三一、联想、曼森的路径
战略讲得再好，还是要看落地。SAP中国峰会上披露的三个案例特别有参考价值：
三一重工依托SAP ERP为业务底座，深度融入AI的全球统一部署架构，支持其全球化、数智化、低碳化三大战略。联想集团以价值驱动为核心，将AI从单点探索推进到全价值链的规模化应用。曼森集团则借助部署在阿里云上的SAP ERP云，以云部署的敏捷性支撑高速发展与智能化转型。
三家企业的路径不同，但底层逻辑高度一致：以统一的数据与流程底座为前提，AI才能真正嵌入业务运行。换句话说——先把ERP做好，再谈AI。
这也呼应了原欣峰会上的另一个关键判断："企业竞争壁垒不在于有多少智能体，而在于数据、流程与业务知识是否已经为智能体做好准备。"
Power BI用户如何应对"ERP的AI化"？
看到这里，很多Power BI用户可能会问：SAP的智能体跟我们有什么关系？我们用的是微软生态啊。
关系大了。
第一，SAP和微软不是互斥的。 SAP自己就和微软深度合作：Joule与Copilot实现双向互操作，SAP数据与Fabric OneLake对接。在越来越多企业同时使用SAP ERP + Power BI做经营分析的现实下，两条线的融合是必然趋势。
第二，语义层是共同的命门。 无论SAP的业务数据云还是微软Fabric的Semantic Model，都在围绕同一件事竞争：给AI一个统一的"数据字典"。谁的语义层建得好，谁的AI就能先跑起来。这也是悦策科技在Power BI实施中反复强调的一件事情——语义模型不是一次性的项目交付，而是经营分析智能化的基础设施。
第三，智能小V的定位恰好卡在了这个"融合点"上。 企业的ERP数据在SAP（或金蝶/用友）里，BI可视化在Power BI里，中间缺了一层经营分析Agent层。智能小V的角色正是打通这一层——对接ERP的业务语义、整合Power BI的指标模型、叠加AI的归因和推理能力，让经营分析从"我操作BI系统"变成"我问Agent一句"。
举个例子：当SAP智能体检测到某SKU的库存周转天数异常上升时，智能小V会自动调出Power BI中的相关指标面板，结合天气数据、竞品促销日历和区域销售趋势，给出"这不是库存管理问题，而是竞品提前做了618预售"的归因分析——三分钟完成过去需要三个部门开一上午会才能搞清楚的事情。
经营分析的"自动驾驶"时代：你的企业到哪一站了？
如果把SAP的"自主运营企业"看作经营分析的终极形态——"自动驾驶"，那么大多数企业目前还处在"辅助驾驶"的阶段。
但方向是明确的。从Gartner的预测、SAP的战略布局、中国先行企业的实践来看，经营分析的演化路径已经清晰可见：
SAP的224个智能体正在把Level 3变成现实。而对大多数中国企业来说，当务之急不是部署224个智能体，而是做好Level 1到Level 2的过渡：统一数据底座、建立指标语义层、标准化经营分析流程。
正如原欣所说："企业竞争壁垒不在于有多少智能体，而在于数据、流程与业务知识是否已经为智能体做好准备。"
这个准备，今天就可以开始。
下方「在看」让你的同事也能看到 👇
