财务AI还是AI财务?一词之差,两种活法

这段时间我做了一件事：把国内外能公开查到的"AI + 财务"产品，系统性扒了一遍——从金蝶、用友、浪潮，到 SAP、Oracle、Workday，到美国一批 AI 原生新贵，再到咨询公司、OpenAI 和 Anthropic，外加 2026 年顶级期刊上的论文。

花这么多功夫，就想搞清楚一个问题：AI 到底把财务做成什么样了？

先掰扯一个词，因为它是这篇文章的钥匙。

行业里有两个说法，词序相反，指的却是两回事：财务AI，中心词是 AI——用在财务场景的 AI，财务是舞台，AI 是演员；AI财务，中心词是财务——被 AI 重构过的财务，AI 是地基，财务是被推倒重建的对象。

别小看这个顺序。SAP、Oracle 这些传统大厂干的事，是在财务系统上叠一层 AI，财务是主体、AI 是配件——那是"财务AI"；而 Ramp、KPMG、OpenAI 干的事，是从第一天按 AI 设计、把财务职能整个重建一遍——那才是"AI财务"。OpenAI CFO 那篇复盘的标题就叫《Building an AI-native finance function》，中心词是财务，不是 AI。

结论先说：词序就是分水岭——"财务AI"把 AI 当补丁叠在旧系统上，"AI财务"把 AI 当地基推倒重建。但不管走哪条路，有一件事全行业罕见地一致：那道"付款前必须人点头"的闸门，谁都没敢拆。

如果你就是财务人——每天对账、贴票、赶月结的那种——这篇帮你搞清楚两件事：你手上哪些活正在被 AI 拿走，以及你该往哪站。往下看。

一、国产 ERP 厂商：金蝶、用友、浪潮、普联，路线各不相同

这是最容易被一句"国产都在搞AI财务"带过、其实差别极大的一块。同样是 ERP 起家，几家的转型姿势完全不一样。

金蝶，走的是"按活分工"的路。

金蝶今年 5 月发布了企业 AI 操作系统"灵基"，其中最受关注的是"AI 财务部"，分三层：智能中枢层——11 个财务智能体上岗，费用审核、银行对账、凭证生成、税务核算这些重复劳动交给 AI 自动干，官方口径是 80% 以上的会计核算可以独立完成；治理层——CFO 驾驶舱，实时盯智能体的运行状态、资源消耗、任务成功率，异常自动预警；价值判断层——4 个智能体（经营分析、预算管控、资金管理等）辅助 CFO 做战略决策。金蝶自己先当"0 号客户"：内部 AI 财务部 15 位 AI 员工 7×24 小时运转，全员费用报销提效 97%。

这个打法的特别之处在于：它不按部门、不按系统模块来切，而是按"AI 在干什么活"来组织——金蝶自己的说法是，财务的 AI 原生重构，是"从人的分工走向价值分层"，不是把 AI 加在旧流程上。国内三家里，金蝶的思路最接近"AI 原生"。

用友，走的是"业务模块 + 超级智能体"的路。

用友 YonBIP 是三层穿透架构：智能平台层 → 解决方案层 → 智能体集群层。财务是它的"十大领域"之一，内部按业务模块切——核算、资金、预算、费用、税务、报表、资产。已经落地近 20 个财务智能体，覆盖报销、税务、风控等场景。

今年 4 月用友发布了的YonClaw 超级智能体：把软件里成百上千个功能封装成 skill，用自然语言就能调用——你说一句"请帮我结账"，它就自动调用结账技能开始结账，结完还会生成一份漂亮的报告。用友自己的形容是"像汽车的 L3/L4 级无人驾驶"，可以连续数小时自主作业，但高危操作强制人工确认。这是国产厂商里把"对话式操作"做得最激进的一个。

浪潮，走的是"职能领域 + 外挂 AI"的路。

浪潮海岳 GS Cloud V8.0 官方口径是"基于 AI 原生架构重构"，建了 AI 中枢，财务侧覆盖财务共享、司库管理、财税管理、战略财务等领域，配上 40 多个智能体和 ChatBI。今年它也推出了自己的 OpenClaw 能力底座，把智能报销、智能审核、智能开票这些场景智能体串起来——报销智能体能做到"落地即报销、行程结束即付款"。

从切法上看，浪潮是按财务职能线来组织的，"司库、共享、战略财务"的职能边界划得很清楚，对理解财务的组织分工有参考价值——但相比金蝶和用友，它的 AI 更多长在既有的财务云底座上，转型姿势相对保守。

小结：金蝶按"AI 干的活"来组织、用友按"业务模块+超级智能体"、浪潮按"财务职能线"——三家恰好代表了国产 ERP 转型的三条不同路径。但还有第四条路，正在通过资本整合走出来。

普联软件，走的是"被 AI 公司收购、从内部重构"的路。

普联软件（300996.SZ）长期服务中国石油、中国石化、中国海油等大型央企，做的是集团财务、司库管理、财务共享、全面预算这些系统——客户壁垒极高，信创适配深厚，但 AI 转型压力不小。2026 年 7 月，港股 Agentic AI 公司明略科技（02718.HK）收购普联软件控股权，明确说了要做三件事：

第一，把明略的Octo 智能协作平台（多 Agent 编排+多智能体协作）接入普联的财务共享、司库管理、预算管理系统，打破"人找系统、人切流程"的割裂状态，实现跨部门跨系统的端到端执行。第二，引入FDE 模式（Forward Deployed Engineer，前沿部署工程师）——把过去装在专家脑子里的财务 know-how 沉淀成可标准化调度的智能化服务能力，服务计费从传统的"人月制"演进为按"业务结果"交付。第三，共同研发 AI 原生的企业管理应用——不是在旧系统上叠 AI，而是从底层重写。

这条路和前面三家都不一样：金蝶自己造 AI 平台、用友自己发超级智能体、浪潮在既有底座上加 AI 层——普联是被一家 AI 公司从外部"吃进来"，用 AI 能力从内部重构财务软件。明略科技管这叫"AI Rollup"战略：AI 公司不需要从零拓展每个行业，直接收购有客户、有场景、有信创资质的传统软件厂商，把 AI 能力注入进去，比自建快得多。明略科技 Agentic Services 业务已创收超 1 亿元，新增大客户中超过 30% 来自这条线。

当 AI 公司开始收购财务软件公司，"AI财务"的竞争就不再只是软件公司之间的事了。

二、国外传统大厂：AI 是"副驾"

看完国产，再看国外传统大厂。SAP、Oracle、Workday 这三家，2026 年的姿态都在往上加码——SAP 把 Joule 从"对话式副驾"升级成了 40+ 智能体、2400+ 技能的 agentic 平台；Oracle 在 Fusion 里塞进了 600+ 个 agent，还开了 AI Agent Marketplace；Workday 2026R1 一批财务 agent 落地，自己定性为"从 AI 辅助到 agentic AI 的转变"。三家的 agent 数量都在以两位数速度增长。

但拨开数字看本质，三家打法一致：agent 都长在自家 ERP 里，跑的还是 SAP/Oracle/Workday 原有的流程。

SAP 的 Joule，财务侧几个最硬的智能体：银行对账 agent（官方说能省 70% 手工对账时间）、自动过账 agent（实测减少 70-80% 手工分录录入）、预提 agent（自动生成预提并解释推理依据）、争议解决 agent（发票争议根因分析，争议解决从 4 天降到 4 小时）、应收分级催收 agent。底座是 SAP BTP + 知识图谱 + Joule Studio（今年 GA），还接了 NVIDIA 的 GPU 加速层。

Oracle 的 Fusion AI Agents，口号喊得最响："agent-driven finance"（智能体驱动的财务），600+ agent 遍布 ERP/EPM/SCM/HCM/CX。财务核心五个：应付（多渠道发票自动处理+三单匹配+反欺诈）、总账（自然语言查询+异常预警+自动生成调整分录）、规划（实时趋势方差分析+事件驱动预测+what-if 模拟）、付款（早付折扣/虚拟卡/融资选项优化）、费用（touchless 自动化）。配套的 AI Agent Studio 是个 no-code/low-code 平台，企业能改 prebuilt agent 或自建；2025 年底还开了 AI Agent Marketplace，Accenture、Deloitte、KPMG、PwC、IBM 等 100+ partner 上架了自家 agent。

Workday 的 Illuminate，2026R1（2026 年 3 月）一批财务 agent 落地：AI 驱动对账 GA（自动化对账准备最高 70%）、AP agent Early Access（非 PO 发票自动编码）、收入合同 agent Early Access（识别合同风险+自动下游会计）、财务关账 agent（官方说支持最高 4 倍快的合规周期）、财务审计 agent（年省 900 小时）。Workday 自己的定性是：2026R1 标志着从"AI 辅助"到"agentic AI"的转变——agent 持续匹配子账和总账、只在真异常时才升级给人。

你会发现一个规律：这三家的 agent 越发越多，但都长在自家系统里——对账还是那个对账、审批还是那个审批，AI 只是让每个环节跑得更快、人工更少。SAP 喊"Autonomous Enterprise"（自主企业）、Oracle 喊"agent-driven finance"、Workday 喊"从 AI 辅助到 agentic AI"——姿态上都在往"自主"靠拢，但流程本身没动，agent 是给旧系统打补丁，不是推倒重来。

有用吗？有用，而且见效快，因为不用动现有系统。但天花板也被旧系统框死了：流程不重构，AI 的价值上限就被锁在"提效"这一层，摸不到"重构"那一层。BlackLine、BILL 这类传统财务软件厂商，也是同样的路数——这就是标准的"财务AI"：AI 是新加的一层，不是地基。

三、美国 AI 原生新贵：AI 是"员工"

另一批公司从第一天就按 AI 设计，没有历史包袱——它们做的，才是开头说的"AI财务"。它们的共同点是：不追求大而全，先在一个环节把"AI 自己干活"做到极致。

HighRadius 是最接近"工作台"形态的一个。它 2006 年就从机器学习起家，1300+ 客户，如今把财务分成六大支柱：Order-to-Cash（收款）、Accounts Payable（应付）、B2B Payments（企业间支付）、Treasury & Risk（司库与风险）、Close & Reconciliation（关账对账）、Consolidation & Reporting（合并报表），190 多个 agent 编排在单一平台（背后是 600+ 算法、33+ 专利）。交互上是 FreedaGPT 对话式接口 + LiveCube 无代码工作流。它有句话说得挺狠："Agentic AI is End-to-End Process Orchestration, not a marketplace of siloed agents"——智能体 AI 是端到端流程编排，不是孤岛 agent 的集市。两个产品（Cash Application 现金入账、Cash Forecasting 现金预测）已经做到 90%+ touchless，公开目标是 2027 年全部产品达到 90%+。2026 年 2 月它还推了个大胆的定价——Outcome-Based Pricing：AI agent 不交付 KPI 改善就不收费。

Ramp 则是"人机协同"理念最硬的一家。50,000+ 企业在用，产品覆盖公司卡、费用、应付账款、采购、会计自动化，但真正出名的是它那条硬原则："钱不经人确认不动"——哪怕 AI 把流程自动跑完，付款这一步，必须人点头。2026 年它有三个核心 agent 上线：Policy Agent（自动审费用，抓违规支出比传统规则引擎多 7 倍，99% 准确率）、AP Agent（应付账款全自动，处理速度比传统快 2.4 倍）、Accounting Agent（自动编码，3.5 倍于传统工具的交易量）。还有个 Agent Cards（早期访问）——直接给 AI agent 发虚拟卡，每张卡绑死额度和场景，AI 花的每一块钱都可追溯。

剩下的几家，走的是"只做一件事、做到极致"的路子：

Vic.ai 只做应付账款，官方口径是 6 个月后达到 85% 无接触率、99% 发票准确率、5 倍处理速度。2026 年 1 月它推出 VicAgents——agentic AI 合作伙伴，从"只做发票"往"全 AP 流程"扩。

Numeric 只做月结。核心卖点不是对账自动化（虽然它做到 90%+ 现金对账自动化），而是 AI 自动写波动分析解释——以前要资深会计花 2-4 小时写一条，现在 AI 起草、人改。Brex 用它把月结从 6 天压到 4 天，Plaid、Wealthfront、Asana 都是客户。

Datarails 走的是"Excel-native + AI"路线——让财务人不放弃 Excel，又能在底层数据上跑 AI。它的 FinanceOS 2026 年 1 月发布三个 AI Finance Agent：Strategy（战略）、Planning（规划）、Reporting（报告），加上之前的 Insights（洞察）和 Storyboards（故事板），全按"产出物"命名。同期完成 $70M Series C（总融资 $175M），2000+ 客户。还做了个 FinanceOS AI Connector——把治理过的财务数据接到 Claude、ChatGPT、Copilot 外部 AI 上，让财务人用自己顺手的 AI 工具，但底层数据有审计链路。

还有 Digits 做总账、Airwallex T:0 做端到端记账。

这批公司给的最大启发是三点：第一，单点打穿比大而全更容易站稳；第二，agent 要按"产出物"命名，让客户一眼看懂它交什么活；第三，定价模式在变——从卖账号、卖 token 转向按"交付的业务结果"计费（HighRadius 的 Outcome-Based Pricing、Ramp 的 Agent Cards 按动作计费都是信号）。

判断一个产品是不是真"AI 原生"，可以看三件事：架构是不是从第一天按 AI 设计、对话是不是主要交互方式、AI agent 是"自己干活的员工"还是"给人打下手的助手"。

四、咨询公司：一边画地图，一边亲自下水

咨询公司这个群体其实在做两件事，性质完全不同，很多人容易混。理解了这两件事的区别，才能看懂咨询公司和 ERP 厂商在 AI 财务这件事上，为什么角度完全不同。

第一件，给 CFO 画"能力地图"。

麦肯锡的《Gen AI: A Guide for CFOs》开了一张应用机会清单：认知决策、自适应绩效优化、自主绩效监控、预测性成本与风险控制。麦肯锡的逻辑是"三波"——第一波打好数字基础（可视化看板），第二波用分析能力赋能具体场景（成本分析、预算、预测建模），第三波才是 AI 和机器人全面接管。它建议 CFO 先从 2-3 个最有影响力的场景切入，比如把竞品的财报丢给 AI 让它扮演激进投资者提问，先动手体验再谈战略。

普华永道做了个 Finance Intelligence Platform，塞进了 Finance 360、KPI 树、支出分析、盈利分析、现金流分析、流程挖掘、自动报告注释和预警。埃森哲的 SynOps 从外包业务里长出来，覆盖应付、应收、关账、财报、预测、情景规划，外加实时监控仪表盘。

咨询公司选这些场景画地图，不是拍脑袋——它们的切入点是"CFO 的决策链"：从感知（KPI 树、异常监控）到分析（支出分析、盈利分析）再到决策（预测、情景规划），每一环都是 CFO 日常要拍板的事。这和 ERP 厂商的切入角度完全不同：ERP 厂商想的是"我的系统里哪个模块能加个 agent"，咨询公司想的是"CFO 的脑子里哪一步判断能被 AI 加速"。前者从系统出发往上长，后者从决策出发往下拆。

所以这几张地图画出来的发力点高度重合——都集中在风险监控、经营分析、决策支持这几件事上，不是巧合。咨询公司比 ERP 厂商更清楚 CFO 的时间花在哪里：不是在对账上，是在判断和沟通上。对账是 ERP 的地盘，判断和沟通才是咨询公司服务的战场。

第二件，自己下场搭平台。这块才是真金白银的投入。

KPMG 的 oneFinance 平台，自我定位直接写着 "The AI native platform"，里面分三块：Agentic Finance Operations（智能体财务运营）——关账 agent 自动做分录、对账、方差分析、注释，采购到付款、订单到收款端到端自主处理，异常自动管理；Risk and Controls Hub（风险控制中心）——实时异常检测、动态控制预警、文档智能合规；Enterprise Digital Twin（企业数字孪生）——实时场景建模、多维盈利分析、营运资本分析和流动性配置。2026 年 4 月 KPMG 还和 Google Cloud Gemini Enterprise 合作，把这套能力部署给了 5.5 万名专业人士。KPMG 同期一份覆盖 20 国 1013 位财务高管的调研显示：AI 在财务的实际使用率，从 2024 年的 30% 涨到了 2026 年的 75%——两年翻了一倍多。

EY 走得更快：2025 年 3 月和 NVIDIA 合作发布 EY.ai Agentic Platform，包含负责任 AI 框架、agentic 框架、模型目录、模型开发套件和领域 agent 方案，首批 150 个 agent 服务自己 8 万名税务专业人员，从税务、风险、财务三条线起步——目标是年内完成 300 万税务合规交付、重定义 3000 万税务流程。EY 服务着 82% 的 Fortune 100，全球 40 万员工。到 2026 年 7 月，EY 又往前走了一步：把 5 个 EY.ai 解决方案跑到了 NVIDIA NemoClaw + LangChain Deep Agents 的开放蓝图上验证——供应链场景人工干预减少 60-80%、网络安全异常检测提速 66%、数据管线部署周期压缩到 2-3 天。这意味着 EY 的 agent 不再只是跑在自家平台上，而是能"重新平台化"到一个开放架构上，客户可以按自己的基础设施和治理策略来部署。EY 还给出一个 5 阶段 Agent 成熟度模型：L1 固定规则 → L2 专业助手 → L3 端到端流程重构 → L4 AI 原生业务/自治理 → L5 生态级超级智能。

咨询公司的出发点是"CFO 的决策"，不是"系统的功能"。这正是它们和 ERP 厂商最根本的差异——ERP 厂商在存量系统上加 agent，咨询公司在 CFO 的决策链上插 agent。前者优化的是"怎么干得更快"，后者重构的是"该干什么"。

这个差异，对所有做 AI 财务产品的人都是个提醒：别从"我的系统有什么模块"出发，从"CFO 每天要拍哪些板"出发。

五、OpenAI 和 Anthropic：最值得学的两堂课

OpenAI 的 CFO Sarah Friar 8 月 10 日刚发了一篇完整复盘。两个野心目标：零日结账（月结不再要三五天，当天完成，甚至持续进行、不再有"结账周"这种东西）和持续预测（预测不是每季度攒一次，而是随数据进来持续刷新）。核心机制是"连接证据层"——把预算、总账实际数、采购订单、预提、交易明细打通成一个持续对账的视图，AI 准备初始差异解释并标记异常，财务人负责核实、判断、签字。

她总结了五个教训，每一个都值得抄：① 人人能用 + 创造使用理由——OpenAI 办了场财务黑客松，把销售工程师拉进来，一天之内产出 IR-GPT（投资人尽调初稿从几小时通宵降到几秒）；② 围绕决策而不是任务重构工作流；③ 让财务人成为 builder；④ 速度必须和问责、控制配对；⑤ 按"智能单位"度量价值，而不是看账号数和 token 消耗。OpenAI 自己的研究还发现一个有意思的数据：财务人专门的 AI 使用里，40% 涉及传统财务之外的工作，22% 算是工程类活——财务人的活本身正在变。

第③条值得单独说说，因为它对财务人最有参考价值：OpenAI 有位支持广告业务的财务同事，从没写过代码，用 Codex 给自己搭了个预测工具——把月度广告预测自动拆成周和日的计划，连工作日和节假日都考虑进去了，每个数字都挂在已批准的模型上。工具不是 IT 部门给她配的，是她自己造的。

Anthropic 则给出了最清晰的"产品化"样板。2026 年 5 月它发布了 10 个金融服务 agent 模板，分两组：研究类 5 个（Pitch Builder 建模、Meeting Preparer 会前准备、Earnings Reviewer 财报分析、Model Builder 模型维护、Market Researcher 行业追踪）+ 财务运营类 5 个（Valuation Reviewer 估值审查、General Ledger Reconciler 总账对账、Month-End Closer 月结、Statement Auditor 报表审计、KYC Screener 尽调筛查），每个都是"skills（任务指令+领域知识）+ connectors（受治理的数据接入）+ subagents（子任务）"的组合。同时明确声明：用户必须留在闭环里，审查、修改、批准 Claude 的工作，之后才能发给客户、提交存档或执行。配套的 Claude Opus 4.7 在 Vals AI Finance Agent benchmark 上拿到 64.37%——这个数据后面学术界那段还会再出现，是个值得记住的基准。

这两家最值得学的点，恰恰是它们没说的部分：对外从不讲抽象架构，而是直接交付一个个可数、可验收的 agent；对内则把"人机协同"焊死在流程里——AI 负责准备和加速，人负责判断和签字。

六、学术界：泼冷水，但也给出了四个判断

把 2026 年这批论文放在一起读，学术界其实说了四件事。

第一，AI 已经真实进了财报，不是未来。Blankespoor 等人的研究显示，2024 年上市公司最高 4.5% 的新披露文本是生成式 AI 写的，小公司、没有投资者关系部门的公司用得更多。"AI 干活"不是概念，是已经发生的现实。

第二，"人机协同"有最硬的实证支撑。JAR 那篇 Choi & Xie 的研究跟踪了 277 名会计师和 79 家企业的 20 万条交易记录：AI 采用后生产力显著提升、工作从数据录入转向业务沟通和质量保证、月结更快；会计师会在 AI 置信度低时选择性干预（这叫互补）。但反过来，过度依赖非共识的 AI 建议，会增大错误风险。一句话：AI 和人搭配得好是互补，搭配不好是放大错误。

第三，AI 的能力边界很清晰——但要看清是哪一类任务。Levy 专门研究了 AI 的数值推理缺陷和前瞻偏差；Cao 等人的结论是，AI 能否改善信息环境，取决于"信息验证成本"——验证越便宜，AI 越有用。跑分要分开看：真实企业财务工作流基准 FinWorkBench（ACL 2026 论文，来源 Enron 数据），GPT 5.1 Pro 花平均 16.8 分钟，通过率仍只有 38.4%——真实企业的脏数据、跨表引用、多步推理，对 AI 还是硬骨头；但标准财务分析师任务（Vals AI Finance Agent，537 道题）上进步飞快——2026 年 5 月榜首 Claude Opus 4.7 已达 64.37%，前 10 名均超 57%，Vals AI 自己说"过去半年显著改善"。一句话：在结构化标准任务上 AI 已过及格线，在真实企业脏数据上还差得远。

第四，AI 改变的是技能结构，不是简单消灭岗位。陈俊等人用智联招聘数据发现：AI 减少的是基础会计技能需求，增加的是数字技能需求，技能结构的数字转向反而提升了财务报告质量。张丹丹等人测算，会计是"AI 暴露度"最高的白领职业之一——暴露度指的是任务内容里有多大比例能被 AI 接管。《管理世界》中石化案例，则展示了价值从服务价值→流程价值→生态价值逐级跃迁的另一条路径。

还有一个容易被忽略的判断：信任是分阶段建立的。MIS Quarterly 一篇研究跟踪银行财务顾问如何信任 AI，发现要经历"避免脆弱→保护脆弱→接受脆弱"三个阶段——企业对 AI 的信任，不是开个会就能建立的，是逐步交付出来的。

写在最后：这次扒下来，我真正学到的四件事

把上面六路信息放在一起，我更想把这几点经验记下来——它们不是结论，是能直接拿去用的判断方法。

1. AI 财务有两种活法，别搞混了。一种是"财务AI"——在旧系统上叠 AI，对账还是那个对账、审批还是那个审批，AI 只让每步快一点，天花板被流程锁死（SAP、Oracle、Workday 都是这路）。另一种是"AI财务"——从第一天按 AI 设计，流程本身推倒重来（Ramp、HighRadius、OpenAI 都是这路）。判断自己属于哪种，就一句话：你的 AI 是给现有活提效，还是AI把活干了、人只做监督和异常处理。这个想清楚了，后面所有的架构、定价、组织设计才有了方向。

2. 做 AI 财务，从 CFO 的决策链出发，别从系统模块出发。咨询公司画的能力地图，切入点是 CFO 的决策链——感知（异常监控）→分析（盈利/支出分析）→决策（预测/情景规划）。ERP 厂商的切入角度正好相反——"我的系统里哪个模块能加个 agent"。结果就是：ERP 的 agent 越发越多，但都长在旧流程里；咨询公司的 agent 虽然没几个，但全插在 CFO 最关心的地方。你做 AI 财务，先问"CFO 每天要拍哪些板"，别问"我的系统有什么模块"。

3. 人机协同不是口号，是唯一没有分歧的底线。Ramp 说钱不经人确认不动，OpenAI 说 AI 不替代判断，Anthropic 说文档必须人工审批，学术界实证说过度依赖会放大错误——五路证据指向同一件事。这不是厂商的道德选择，是全行业用真金白银试出来的安全底线。产品设计时，第一件事想清楚"什么能自动、什么必须人确认、高风险怎么兜底"，比想"AI 有多智能"重要一百倍。

4. 落地 AI 财务，别想一步到位，从一个环节打穿开始。美国那批 AI 原生新贵全是单点打穿——Vic.ai 只做应付账款、Numeric 只做月结、Datarails 只做 FP&A。不是做不了大而全，是单点打穿更容易站稳、更容易验证、更容易迭代。连 OpenAI 也是从一个"广告预测工具"开始，才逐步铺到零日结账。先挑一个高频、可追溯、责任清晰的环节做出闭环——做出闭环比喊口号管用一百倍。

所以下次看 AI 财务产品，别问"它有多智能"，先问三个问题：它的 AI 是助手还是员工？它的闸门握在谁手里？它是从一个环节打穿开始，还是想一口吃成胖子？

问完产品，再问自己一句：我手上的活，哪些正在变成 AI 的，哪些是我该攥紧的？

你们公司的 AI 财务，走到哪一步了？评论区聊聊。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我点个关注，～谢谢你看我的文章，我们，下次再见。

信息来源

以下为本文引用的主要信息来源，按章节排列，方便读者查阅原文。访问日期：2026-08-22。

一、国产 ERP 厂商

金蝶灵基发布会（2026-05-20）+ 金蝶官方渠道：https://www.kingdee.com

用友付建华深度访谈（用友官网）："大模型的落地，远没有想象中的快"：https://yonyou.com/news/5068（确认"请帮我结账"场景、近 20 个财务智能体、YonClaw 年初发布、三层架构）

用友 YonClaw 产品介绍（中国经营报）："以 YonClaw 为抓手驾驭企业 AI 新底座"：http://www.cb.com.cn/index/show/gd/cv/cv1362544631493（确认"L3/L4 级无人驾驶"比喻、"高危操作强制人工确认"）

用友 YonClaw 官方发布（用友官网，2026-04-28）："懂业务会执行更安全"：https://www.yonyou.com/subject/products/news/6140

浪潮海岳 OpenClaw 能力底座（大众日报）："赋能财务数智化全场景升级"：https://dzrb.dzng.com/general/0/NEWS3237786WQKXSOBXYLCFO（确认 OpenClaw、"落地即报销、行程结束即付款"、财务共享/司库管理/财税管理/战略财务等领域）

浪潮数字企业技术有限公司（0596.HK）2025 年度报告（2026-03-30 发布，港交所披露易）：https://www1.hkexnews.hk/listedco/listconews/sehk/2026/0330/2026033004250.pdf（确认"AI 原生为主线"、GS Cloud V8.0、海岳大模型 V3.0、100+ 智能体）

浪潮海岳商业 AI 2.0 数智财务创新论坛（中国网，2026-04）："AI 引领创新海岳驱动升级"：https://big5.china.com.cn/gate/big5/iot.china.com.cn/content/2026-04/21/content_43404901.shtml（确认 120+ 智能体、战略财务/共享财务/业务财务三位一体）

普联软件官网（产品方案：集团财务/司库/共享/预算）：https://www.pansoft.com

明略科技入主普联软件控制权变更公告（证券时报，2026-07-30）："明略科技入主普联软件 AI 叠加信创深耕央国企数智化赛道"：https://www.toutiao.com/article/7667981306726302251（确认 8.59 亿受让 19.07% 股权、Octo 平台、FDE 模式、AI 原生企业管理应用）

明略科技 AI Rollup 战略分析（界面新闻）："从技术能力到产业结果，明略科技的 AI Rollup 究竟在'Roll up'什么？"：https://m.jiemian.com/article/14880561.html（确认 AI Rollup 逻辑、FDE 角色、Agentic Services 超 1 亿收入）

二、国外传统大厂

SAP Sapphire 2026 Innovation Guide：https://www.sap.com/newsguide

SAP Community 博客（S/4HANA Cloud 2602 AI 更新）：https://community.sap.com/t5/technology-blog-posts-by-sap/sap-ux-q1-2026-update-part-3-ai-beta-innovations-in-sap-s-4hana-cloud/ba-p/14320120

SAP Joule agentic 平台分析（SAVIC）：https://www.savictech.com/insights/sap-joule-agentic-platform-40-agents-2026/

Oracle AI for Fusion Applications 官网：https://www.oracle.com/middleeast/applications/fusion-ai/ai-agents/

Oracle agentic AI 分析（iter21）：https://iter21.com?p=6658/

TechTarget（Oracle Fusion AI agents 报道）：https://www.techtarget.com/searchoracle

Workday 2026R1 Finance 发布会：https://webinars.workday.com/looking-forward/6ace4a82-1dee-4b26-bbca-7e38a1e56e77

Workday Blog（Next Wave of Agentic AI）：https://blog.workday.com/en-us/workday-delivers-next-wave-agentic-ai-power-new-work-day.html

Workday Accounting Center 分析（Surety Systems）：https://www.suretysystems.com/insights/streamlining-financial-processes-with-workday-accounting-center/

三、美国 AI 原生新贵

HighRadius 官网（含 2026 Benchmark Report）：https://www.highradius.com

HighRadius 评测（DebtBook）：https://www.debtbook.com/blog/best-treasury-management-systems

Ramp 官网：https://ramp.com

Ramp AI agents 完整指南：https://ramp.com/blog/ai-agents-finance

Ramp MCP/CLI 月结实践：https://ramp.com/blog/ramp-customers-are-running-month-end-with-ai-assistants

AI Agents Wiki（Ramp 评测）：https://aiagents.wiki/agents/ramp

Vic.ai 官网：https://www.vic.ai

Vic.ai 评测（ProcurementAIAgents）：https://procurementaiagents.com/blog/vic-ai-invoice-automation-review

Vic.ai PE 采用报道（Accordion）：https://www.accordion.com/?p=14134

Numeric 官网：https://www.numeric.io

Numeric 评测（ERP Research）：https://www.erpresearch.com/erp-add-ons/financial-close/numeric

Datarails 官网：https://datarails.com

Datarails Series C 公告（2026-01-21）：https://www.datarails.com/datarails-raises-70m-series-c-ai-for-cfos

Datarails Finance OS 指南：https://www.datarails.com/finance-operating-system

四、咨询公司

KPMG oneFinance 官方页面：https://home.kpmg/in/en/home/services/advisory/business-consulting/finance-transformation.html

KPMG 2026 AI 调研报告报道（1013 位财务高管，20 国）：https://enterpriseai.economictimes.indiatimes.com/news/industry/ai-emerges-as-decision-engine-for-finance-with-governance-and-data-quality-key-to-unlocking-value-kpmg/132981710

KPMG × Google Cloud Gemini 合作公告（2026-04）：https://kpmg.com/us/en/media/news/kpmg-new-agent-powered-by-google-cloud-gemini-enterprise.html

麦肯锡《Gen AI: A Guide for CFOs》："https://www.mckinsey.com/~/media/mckinsey/business%20functions/strategy%20and%20corporate%20finance/our%20insights/mckinsey%20on%20finance%20number%2084/mckinsey-on-finance-number-84.pdf（确认三波理论、CFO 切入建议）

麦肯锡《McKinsey on Finance Number 90: Finance in the age of AI》（2026-01）：https://www.mckinsey.com/~/media/mckinsey/business%20functions/strategy%20and%20corporate%20finance/our%20insights/mckinsey%20on%20finance%20number%2090/mof90-final-web.pdf

德勤 CFO Signals 2026 Q4 调研（200 位 CFO，50% 优先数字化转型、54% 嵌入 AI agent、87% 认为 AI 极其重要）：https://www.deloitte.com/us/en/insights/topics/business-strategy-growth/4q-2025-cfo-signals-survey.html

德勤 CFO Guide to Tech Trends 2026（"从试点到部署"转折年、三层价值：Finance for finance/enterprise/market）：https://www.deloitte.com/us/en/what-we-do/capabilities/finance-transformation/articles/cfo-guide-to-tech-trends.html

EY.ai Agentic Platform 发布新闻稿（2025-03）：https://www.ey.com/en_my/newsroom/2025/03/ey-launching-ey-ai-agentic-platform-created-with-nvidia-ai-to-drive-multi-sector-transformation-starting-with-tax-risk-and-finance-domains

EY × NVIDIA NemoClaw + LangChain 验证公告（2026-07）：https://ey.com/en_gl/newsroom/2026/07/ey-expands-nvidia-powered-enterprise-ai-capabilities-with-industry-first-validation-of-nvidia-nemoclaw-for-langchain（5 个 EY.ai 方案开放架构验证，供应链人工干预减 60-80%、网络安全异常检测提速 66%）

五、OpenAI 和 Anthropic

OpenAI CFO Sarah Friar 复盘报道（pivotnews，2026-08-10）：https://pivotnews.ai/finance/openai-cfo-describes-rebuilding-finance-around-ai-tools

OpenAI CFO 五教训详解（Complete AI Training）：https://completeaitraining.com/news/openai-cfo-shares-five-lessons-for-building-an-ai-native/

OpenAI CFO 分析（AI Insiders）：https://aiinsiders.net/article/openais-cfo-says-her-team-is-rebuilding-finance-around-ai

Anthropic《Agents for financial services》官方公告（2026-05）：https://www.anthropic.com/news/finance-agents

Anthropic finance agents 详解（AI News）：https://www.ainews.com/p/anthropic-launches-claude-finance-agents-for-regulated-workflows

Vals AI Finance Agent benchmark 官网：https://vals.ai/benchmarks/finance_agent

Vals AI 首页（全模型排行）：https://www.vals.ai

六、学术界

Blankespoor, E., deHaan, E., & Li, Q. (2026). "Generative AI in Financial Reporting."Journal of Accounting Research. DOI: 10.1111/1475-679x.70050（2024 年最高 4.5% 新披露文本为 GAI 生成）

Choi, J. H., & Xie, C. L. (2026). "Human + AI in Accounting: Early Evidence from the Field."Journal of Accounting Research, April 2026. DOI: 10.1111/1475-679x.70052（277 会计师 / 79 企业 / 20 万交易，月结快 7.5 天，总账粒度 +12%）

Levy, B. (2026). "Caution Ahead: Numerical Reasoning and Look-Ahead Bias in AI Models."Journal of Accounting Research, 64(3), 1139–1188, June 2026. DOI: 10.1111/1475-679x.70058（LLM 数值推理差 + 前瞻偏差，GPT-4 预测准确率从 60% 暴跌至 51%）

Cao, S. S., Chen, W. X., & Srinivasan, S. (2026). "Generative AI in capital markets: Information production, dissemination, and processing."Journal of Accounting Research.（JAR 2026 GenAI 专刊综述，信息验证成本决定 AI 价值）

Dong, H., Zhang, P., Gao, Y., et al. (2026). "Finch: Benchmarking Finance & Accounting across Spreadsheet-Centric Enterprise Workflows."Findings of ACL 2026. https://aclanthology.org/2026.findings-acl.523（GPT 5.1 Pro 通过率 38.4%，172 工作流 / 1710 表 / 2700 万单元格，来源 Enron 数据）

陈俊, 李永康, 龚启辉, 吴世农. "人工智能、会计人员技能结构与财务报告质量." 《会计研究》, 2026 年第 3 期, 第 60–74 页.（智联招聘数据，AI 减少基础会计技能需求、增加数字技能需求）

张丹丹, 于航, 李力行, 胡佳胤, 莫怡青, 李泓孛. "中国人工智能技术暴露度的测算及其对劳动需求的影响——基于大语言模型的新证据." 《管理世界》, 2025 年第 7 期, 第 78–94 页. DOI: 10.19744/j.cnki.11-1235/f.2025.0092（125 万条招聘广告，会计为暴露度最高白领职业之一）

董雪艳, 陈锋, 赵健宇, 熊轩. "AI 技术可供性驱动国有企业财务数智化价值创新的过程机理——基于中石化的探索性案例研究." 《管理世界》, 2026 年第 3 期, 第 198–227 页.（价值从服务价值→流程价值→生态价值阶跃式升维）

Hanelt, A., Wiesche, M., Benlian, A., & Hinz, O. (2025). "Opening the Network of Trust: How Domain Experts in Triadic Relationships Build Trust in AI-Based Counterparts."MIS Quarterly, 50(1), 299–326. DOI: 10.25300/misq/2025/18041（欧洲银行 robo-advisor 纵向案例，信任三阶段：避免脆弱→保护脆弱→接受脆弱）