夜雨聆风一个凌晨3点的采购决策，说明了什么？
2026年4月，一家制造企业的采购总监在早会上收到了一份已经完成的采购方案。
前一天深夜，大宗商品价格出现异动，公司部署的采购Agent自动触发了重新询价流程，在凌晨3点完成了12家供应商的比价，生成了最优采购方案。采购总监需要做的，只是按下一个确认按钮。
这个场景放在18个月前，还只存在于科幻小说里。但今天，它已经被写进了产品白皮书，被搬上了工业博览会的发布舞台，被两家全球最大的ERP厂商同时押注。
Rimini Street把这类能力写入了Agentic ERP白皮书；SAP在2026年汉诺威工业博览会上发布了覆盖制造、物流、资产管理的AI Agent组合；Oracle则在2024年底凭借在AI Agent赛道上的激进布局，历史上首次超越SAP成为全球第一大ERP厂商。
这不是一次普通的产品升级，而是一场范式级别的变形。
从1960年代IBM打孔卡机房里诞生的MRP，到今天能够自主决策的Agentic ERP，企业软件走过了六十年。而现在，它正在经历有史以来最彻底的一次身份转换——从"记录系统"（System of Record）变成"行动系统"（System of Action）。
这篇文章，我们来聊清楚三件事：ERP为什么走到了这一步？Agentic ERP到底改变了什么？以及，为什么说2025到2027年是企业必须抓住的关键窗口？
六十年ERP演化史：每一代都在消灭一种信息孤岛
要理解Agentic ERP的必然性，必须先回到原点：ERP为什么会诞生？
答案很朴素——企业内部的信息不对称和协同摩擦，需要一个统一的系统来解决。
第一代：MRP（1960s）——打通生产与库存的第一堵墙
1960年代的工厂，管理靠纸张、电话和人脑。库存管理员用手工台账记录零件进出，生产计划员靠经验估算订货时机。数据和决策之间，隔了太多人，也隔了太多时间。
1964年，IBM与J.I. Case合作开发出史上第一套MRP系统。逻辑很简单：根据生产计划，反向推算需要什么原材料、什么时候需要、需要多少。这套逻辑在当时需要大型计算机才能运算，但它第一次把生产计划与物料采购通过计算机连接了起来。
SAP就在这个背景下于1972年在德国曼海姆成立。没人预料到，这家小公司会在三十年后成为全球企业软件的绝对霸主。
MRP解决的不是技术问题，而是部门协同问题。它用一个统一的数据模型，打破了生产与采购之间的信息孤岛。这个逻辑将贯穿ERP整个演化史。
第二代：MRP II与ERP（1980-1990s）——从制造扩展到全域
MRP有个明显的局限：它只关心物料，不关心产能、人力和财务。BOM算出来需要100个零件，但生产线只能跑80%负荷，工人班次也有限制。MRP不管这些，只告诉你"你缺料了"，至于怎么排产，还是靠人。
1980年代，MRP II扩展了产能规划、车间控制、采购管理，并开始纳入财务和人力资源模块。1990年，Gartner正式创造了"ERP"这个术语。
这一代的核心贡献是统一数据库。财务、HR、供应链、采购、销售，所有模块共享同一个数据库。销售订单一落，库存自动扣减，财务自动记账，采购实时看到库存水位。SAP R/3横空出世，成为企业级软件的里程碑。
但这一代ERP有一个从未被真正解决的根本性局限——它是被动系统。数据靠人输入，分析靠人做，决策靠人拍。ERP是一个精密的"数字记账本加流程引擎"，记录了一切发生过的事情，但它自己什么都不主动做。
用行业术语说，这是System of Record，而非System of Action。这个本质缺陷，在AI出现之后，会被无限放大。
第三代：Cloud ERP（2010s）——SaaS重塑形态，为AI埋下伏笔
云计算彻底改变了ERP的交付方式。Workday以云原生架构切入HR和财务领域，NetSuite成为中小企业云ERP代表，SAP推出S/4HANA，微软发布Dynamics 365。
Cloud ERP带来了三个关键变化：
实时性：库存变化、订单状态、现金流动全部实时可见，企业经营的"仪表盘"第一次做到了真正实时。
API化：云ERP原生提供REST API，第三方系统可以直接调用。这个变化为日后AI Agent调用ERP能力买下了关键基础。
微服务化：传统ERP是庞大的单体架构，微服务让每个业务能力可以独立部署和升级，为未来Agent层的快速迭代创造了空间。
全球积累了约140万家部署ERP的企业，服务超过6500万个用户。但这一阶段嵌入的"AI"——需求预测、异常检测、RPA——本质上是统计模型加规则引擎，无法理解意图、无法跨模块推理。用一个比喻：给汽车装了个定速巡航，方便是方便，但方向盘还在人手里。
从Copilot到Agent：质变发生在哪里？
AI进入ERP，经历了一个清晰的三波进化路径。搞清楚这个路径，才能理解Agentic ERP为什么是范式转变，而不是功能叠加。
第一波：BI+AI（预测与洞察层）
最早进入ERP的AI能力是分析类的：需求预测、库存优化、异常检测、财务预警。系统开始能回答"将来会发生什么"，而不只是"过去发生了什么"。
这一阶段AI的角色是顾问：它提供洞察，但不采取行动。系统会告诉你"Q3某品类库存可能短缺"，但补不补货、订多少，还是人来决定。RPA也在这一阶段大量嵌入，但本质上是按规则执行的脚本，遇到例外就卡住。
第二波：Copilot（对话式AI助手）
2023年生成式AI爆发后，ERP厂商几乎同时推出了自己的AI助手：SAP的Joule、Oracle的AI Assistant、微软深度集成进Dynamics 365的Copilot、Workday的Illuminate。
Copilot能做的事情比BI+AI多了一大步：你可以用自然语言提问，系统理解意图，去ERP数据库查询，再用人话把结果呈现出来。
"为什么这个季度华南区毛利率下降了3个点？"Copilot会分析销售数据、成本数据、退货数据，生成一份结构化分析报告，给出几个可能的原因供你判断。
但关键词是："供你判断"。Copilot不做决定。 它是一个极其聪明的助手，但它等待指令，响应问题，完成交办任务后就停下来等下一个指令。
AI Assistant ≠ Agent。这是理解Agentic ERP的第一个关键分野。
第三波：从Copilot到Agent，质变发生
AI Agent和AI Assistant的核心区别，不在于能力强弱，而在于主动性和自主性。
AI Assistant是响应式的：有问才答，有令才动。Agent是目标导向的：你给它一个目标，它自己规划步骤，调用工具，处理异常，直到目标完成或需要人工判断为止。
具体来说，Agent具备四个AI Assistant没有的核心能力：
把这四个能力放进ERP，一个完整的ERP Agent需要具备六项核心能力：目标驱动、工具调用、多步推理、自我反思、记忆、异常处理。
来看一个具体对比：
Copilot会说："这个季度利润下降，因为原材料成本上涨了18%。"
采购Agent会做：检测到原材料成本上涨时，自动评估影响范围，启动备选供应商比价流程，更新财务预测模型，向CFO推送一份已包含应对方案的综合简报，等待审批后自动执行采购调整。
从Copilot到Agent，是质变，不是量变。
Agentic AI对ERP的三层改造
Agentic AI对ERP的意义，不是让ERP变得更聪明，而是让ERP从被动执行变成主动运营。改造体现在三个递进层面：
第一层：Intent Interface（意图接口）
传统ERP的交互是菜单式的，用户必须知道功能在哪里才能使用。意图接口出现后，用户只需表达目标，系统自己决定调用哪些模块、执行哪些操作。
过去的操作方式：进入ERP，找到采购模块，新建采购单，逐一填写字段，提交审批。
未来的操作方式："库存低于安全阈值的A类物料自动补货，单笔50万以内自主下单，超出50万给我一个确认请求。"
这句话就是一个意图（Intent）。Agent根据这个意图，自主规划和执行所有后续步骤。UI正在被意图接口取代，这不是渐进式改良，而是人机交互范式的根本替换。
McKinsey把这个趋势称为"无头ERP"（Headless ERP）：ERP的逻辑层、数据层、规则层依然存在，但传统意义上用户每天打开来操作的界面层会逐渐消失，被Agent接管。ERP变成基础设施，就像电网一样，关键且不可见。
第二层：Autonomous Workflow（自治工作流）
传统ERP的工作流是硬编码的，每一个审批节点都必须由人来设计和维护。一个采购审批流程可能设计了十年没有改过，尽管业务早已大变样。
Agentic ERP中，工作流由Agent根据上下文动态生成和调整。紧急物料的流程和常规物料自动区分；合规风险高的单据自动路由到不同审批路径；供应链突发风险时，Agent实时重构应急响应流程。
Deloitte在2026年3月的研究给出了清晰的架构原则：核心保持刚性（规则、合规、数据结构），外围保持灵活（工作流、界面、交互方式）。 这就是"干净核心"（Clean Core）原则——不是冻结系统，而是让外围的Agent层能够高速迭代，同时不影响核心稳定性。
第三层：Multi-Agent Collaboration（多Agent协同）
单个Agent能力再强，也只能在自己的业务领域内行动。真正的企业级智能，需要多个Agent协同工作。
设想一个场景：某工厂关键设备出现故障预警。Asset Agent检测到异常信号，触发维修请求；Maintenance Agent评估故障严重程度，查询备件库存；Supply Chain Agent发现备件不足，自动发起紧急采购；Production Planning Agent根据设备停机时间重新排产；Customer Service Agent预先通知受影响客户；Finance Agent同步更新成本核算和财务预测。
整个过程，多个专域Agent通过编排层协同工作，没有人在中间手动传递信息和协调资源。Multi-Agent ERP的核心价值：把企业内部的信息协调成本压缩到近乎为零。
2026年3月Oracle宣布将财务和采购应用重构为Agentic Apps；同年4月SAP在汉诺威发布了覆盖制造、现场服务、资产管理和物流的AI Agent产品组合。两家全球最大的ERP厂商在同一个季度内同时宣布产品方向切换，这在ERP行业史上是第一次。
ERP为什么是Agentic AI最理想的落地土壤？
大家讨论Agentic AI落地，经常聚焦于"模型够不够聪明、Agent能力够不够强"，却很少问另一个同样关键的问题：Agent要真正落地，需要什么土壤？
Agent不是凭空运转的。它需要：有质量的数据（知道现在是什么情况）、完整的工作流（知道该做什么）、清晰的权限体系（知道能做什么）、可调用的API（知道怎么做）、丰富的业务规则（知道对错）、以及完整的历史上下文（知道以前怎么做的）。
把这些需求和ERP的天然属性对比，你会发现一个惊人的匹配度：
ERP是少数几种同时满足Agent所有基础条件的系统。 相比之下，CRM没有ERP完整的财务逻辑，SCM没有HR和财务数据，BI有数据但没有执行能力。
McKinsey在2025年的报告里有一个很有力的表述：ERP定义了价值如何流经企业，它构建数据、设定规则，并组织驱动日常运营的工作流程。 这个特性可以概括为一个核心概念——ERP是企业世界模型（Enterprise World Model）。
所谓世界模型，是AI领域的术语，指对现实世界的完整结构化表达，包含实体（主数据）、关系（组织结构、供应链关系）、规则（业务逻辑、合规约束）和状态（库存、现金流、人员状态）。AI Agent要在企业场景中自主决策，前提是理解这个企业的世界。ERP，恰恰是对企业世界最完整的数字化表达。
一个没有深度集成ERP的Agent，就像一个聪明但不了解公司规则的新员工——它不知道权限边界在哪里，不知道类似决策历史上是怎么做的，也不知道哪些操作会触发合规风险。
这就是为什么越来越多的研究机构开始强调：Agentic AI的落地，ERP不是可选项，而是必选项。 跳过ERP基础直接搭Agent，往往是最贵的弯路。
被严重低估的数据质量危机
王吉伟频道在与大量企业交流Agentic AI落地进展时，发现了一个高度一致的规律：AI POC做得很漂亮，一到规模化就卡住了。 根源往往不是模型不够聪明，而是ERP层的数据质量和流程成熟度根本无法支撑Agent的自主决策。
McKinsey在2025年11月发布的报告中，把这个现象称为"大分裂"（the Great Divide）：企业在AI上投入越来越多，但越来越忽视ERP系统的能力建设。
数据直接印证了这个判断：
近三分之二的全球企业已经在实验性使用AI Agent，但不足10%实现了可衡量的规模化价值；
八成企业将数据局限性列为扩展Agentic AI的首要障碍；
仅约40%的公司报告其AI举措产生了企业级EBIT影响。
这背后有一个残酷的逻辑：脏数据喂出来的Agent，不是智能助手，是放大器。 它会把数据里的错误以更快的速度、更大的规模传播出去，造成的损失可能远超没有引入AI之前。
ERP Software Blog在2026年4月的研究直接点出：如果你的ERP里同一个供应商在不同模块有三种写法，库存数据因为手工录入经常出错，财务数据和运营数据存在系统性逻辑矛盾——那引入Agentic AI不会解决这些问题，只会暴露并放大它们。
你的AI战略，取决于你的ERP数据治理水平。 ERP数据治理不是IT部门的清洁工程，而是AI战略能否落地的生死线。两件事不能分开谈。
SaaS会消失吗？ERP会被取代吗？
这是两年来争议最多的问题。王吉伟频道的判断是：SaaS作为一种软件形态会发生根本性转变，ERP的能力不会消失，但ERP作为"软件产品"的形态会彻底重塑。
拆解为三个层次：
第一，UI正在被意图接口取代。 传统SaaS的核心价值公式是：数据库+UI+Workflow=软件产品。当AI Agent成为企业系统的主要操作者，这套逻辑就断裂了。Agent不需要菜单，直接调用API；不需要表单，直接写入数据库；不需要仪表盘，直接读取数据流进行分析。人类用户的交互方式从"操作软件"变成"表达意图"。
第二，模块边界将在Agent时代塌陷。 传统ERP按业务职能划分模块，源于人类组织结构的专业分工。但Agent没有这个认知局限，它只关心目标。一个收到"提升Q4利润率2个点"目标的Agent，会同时调用财务数据、成本数据、销售数据、人力数据，横跨所有模块提出跨域综合优化方案。未来的ERP架构会从"按模块组织"转向"按能力组织"。
第三，Workflow将由硬编码变为动态协商。 传统ERP的工作流是静态硬编码的，修改需要IT团队介入，有时需要数周甚至数月。Agentic时代，工作流由Agent根据上下文动态生成，紧急物料和常规物料自动区分，合规风险高的单据自动路由到不同审批路径。
但有一个核心判断必须澄清：ERP的能力不会消失，消失的是它的软件形态。 ERP里沉淀的是企业几十年运营积累的规则、数据、流程和知识，AI不是要替代它们，而是要以更高效的方式调用它们。
一个有力的类比：ERP会变成企业的电网，Agent是各类电器。 电网不会因为家电越来越智能而消失，反而变得更关键。但没有人每天操作电网，它只是默默在那里，为所有需要电力的设备提供稳定支撑。
三类玩家，重塑ERP行业版图
面对Agentic AI的冲击，ERP行业正在发生竞争格局的结构性重塑。未来会形成三类玩家：
Oracle在Agentic ERP赛道上的激进布局，直接带动其在2025年底历史上首次超越SAP成为全球第一大ERP厂商，市场已经在用份额投票。SAP则通过Joule Studio AI Agent技能构建器加速从Copilot向自主Agent演进。
未来的竞争维度，不再是功能数量或模块多少，而是Agent能力、企业知识图谱、工作流智能和数据治理能力这四张核心牌。
关键窗口期：为什么非现在不可？
王吉伟频道写这篇文章，真正想传递的不是"Agentic AI很厉害，大家要重视"，而是一个更具体的判断：2025到2027年，是ERP向Agentic ERP迁移的关键窗口期。
三个时间坐标锁定了这个窗口：
第一，SAP ECC的延伸支持将于2027年到期。 全球大量仍在运行老旧SAP ECC的中大型企业，必须在这个节点前后做出升级决策。借这个节点同步做Agentic ERP的基础建设，是成本最低、效率最高的窗口。
第二，Gartner预测到2026年底，40%的企业应用将包含AI Agent，而今天这个比例不足5%。从5%到40%，意味着Agentic ERP从"领先企业在试"变成"主流企业的标配"，可能只需要18到24个月。先走一步，差距就会是指数级的。
第三，数据基础的准备周期很长。McKinsey调研显示，80%的企业将数据局限性列为扩展Agentic AI的最大障碍，而ERP数据治理的改善往往需要一到三年时间。今天不开始，两年后就已落后。
Bain & Company说得最直白：在流程、数据和应用清理上，没有捷径可走，等待技术尘埃落定是没有意义的。
数字已经在说话。2025年全球ERP市场规模达783亿美元，预计2032年将达到1405亿美元，复合增长率9.2%。Deloitte 2025年调研显示，43%的受调企业正在投资ERP，高于2024年的35%。
不是因为技术已经成熟，恰恰因为技术正处于从实验室走向规模化的临界点。
终局：从记录系统到自治企业
ERP六十年的演化史，本质上是一部消灭企业内部信息不对称、决策摩擦和协同成本的历史。
这条主线，从来没有断过。
QAD的Ron Davis对"行动系统"有一段精准的定义：不止于记录发生了什么，而是持续感知流程中正在发生的事情，理解影响，并实时驱动下一个最佳步骤。
从System of Record到System of Action，是ERP这60年来最重要的一次性质转变。不是量变，是质变。
ERP演化的终局，不是"更智能的软件"，而是Autonomous Enterprise（自治企业）：
CEO / 战略决策层 ↓AI Chief Agent（企业决策枢纽） ↓Finance Agent | HR Agent | SCM Agent | Operations Agent | Risk Agent ↓ERP Core（数据基础、规则引擎、合规保障、权限体系） ↓自动运营企业
在这个架构里，ERP不再是员工每天打开的软件，而是整个智能运营体系的数据基础和规则保障。人类负责战略方向和价值判断，Agent负责战术执行和日常运营。
ERP消亡的预言从来不新鲜。客户端/服务器时代，有人说ERP要被分布式系统替代；互联网时代，有人说ERP要被SaaS颠覆；最佳单品时代，有人说ERP套件会被最优单品生态瓦解。全都没有发生。每一次，ERP都选择了进化而非消亡。
这一次，不同的只是：进化的速度比以往任何一次都快，留给企业做准备的窗口期，可能只有三到五年。
历史上每一次技术范式转变，都重塑了ERP的边界，但ERP从没消失过，它只是在每一次浪潮里变得更核心。Agentic AI是ERP演进的必然下一站，不是威胁，是进化。
对于企业决策者来说，现在需要思考的不是"要不要做Agentic ERP"，而是"从哪里开始、怎么建立基础、如何在三到五年内完成这场转型"。
ERP的软件形态正在消失，企业智能系统的形态正在诞生。两者之间的这段路，值得每一个在企业数字化领域工作的人认真去走。
推荐阅读
