用友產品煥新背后，企業AI已成確定性機會

在王文京看來，大模型、智能體、本體、技能包（Skills）等都是軟件在AI時代的新形態。隨著交互方式和部署方式的改變，AI反而會讓軟件加速普及。

文｜游勇

編｜周路平

春節前后，互聯網大廠在C端領域的大面積推廣，使得AI應用的熱度空前高漲，各家的Tokens消耗量呈指數級猛增。但熱鬧背后，業內也逐漸意識到，AI在C端領域的應用當前還很難轉化為真正的商業價值。

但與此同時，企業市場的AI應用則在悄無聲息中取得了巨大進展。美國去年增長最強勁的三家AI公司——大模型巨頭Anthropic、數據廠商databricks和企業數據分析公司Palantir，其核心營收都來自企業客戶。而在中國，同樣服務B端市場的智譜在上市后也市值暴增。

“這意味著在中國做企業AI應用的巨大前景。”用友網絡董事長兼CEO王文京說，AI在為軟件產業帶來了革命性的生產力工具，大幅提高了軟件研發、交付和服務的效率。而企業應用本身有流程、真實的數據，這些是現有AI大模型不具備的東西。

不難發現，C端和B端市場在AI應用上的邏輯上存在巨大差異。作為中國企業軟件的龍頭，用友在企業AI的思考和布局成了外界關注的重點。

01

企業AI，走向何方？

“AI不會殺死軟件，AI會使軟件煥生（煥發新生）。”在近日舉行的2026用友全球生態大會上，王文京表示，“AI為軟件的研發、交付與服務帶來10倍以上效率提升的革命性生產力工具，對軟件產業是巨大的促進，而不是毀滅。”

這一判斷直截了當回應了全球范圍內關于AI是否會吞噬甚至殺死軟件的爭論。今年2月，美國多家軟件巨頭的股價罕見地集體大跌。背后的導火索是Claude發布的Cowork工具，這是一個類似于“OpenClaw”的東西，可以讓AI直接讀取企業核心軟件的數據，形成新的工作流。業內擔心，具備自主執行能力的AI會吞噬軟件的入口，引起了不少恐慌。

但在王文京看來，大模型、智能體、本體、技能包（Skills）等都是軟件在AI時代的新形態。隨著交互方式和部署方式的改變，AI反而會讓軟件加速普及。

這種趨勢已經出現。兩三年前，AI在企業場景的應用還比較淺層，除了客服、營銷、編程等，其他場景的效果并不佳，但隨著大模型、智能體、本體、skills等整個AI技術棧的演進和工具鏈的豐富，AI在企業端的落地已經有了很好的技術支撐。

而且，AI已經在深刻改變企業軟件的形態和使用方式。比如AI拓展了軟件的用戶類型，原來軟件的使用者是人，現在還有智能體；以前的軟件創建者是專業的IT和服務商，而智能體時代，大量不懂編程但懂業務的一線人員，開始參與智能體的創建。

另外，AI也在帶來商業模式的升級。過去，軟件的收費方式是license或者訂閱費，但現在越來越多企業開始探索按結果付費。

但這種重塑并非意味著原有的軟件形態沒有價值。在AI走向智能決策、自主執行的背后，一方面得益于模型能力的大幅提升，而另一方面，也更依賴真實數據的反哺。

“‘智能雙模’是AI時代企業軟件的優選發展模式。”王文京說。所謂的雙模，指的是兩種不同的軟件形態，一種是執行型軟件，比如ERP、CRM都屬于執行型軟件，是提高人的效率工具；而另一種是能夠智能決策、自主執行的軟件，融入了AI能力，滿足敏態和動態業務的需求，不只是提高效率，而是基于數據和模型主動完成任務。

這兩類軟件各有自己的特點和應用場景，比如一些相對確定、偏流程處理類的場景，適合原有的軟件形態，穩定性更高。但在一些需要做決策、自主執行的場景，原有的軟件實現不了。用友當年曾嘗試將生產規劃做成自動化，但技術和工具鏈并不支持；而現在，用AI做排產規劃是一件相對容易實現的事。

用友的“智能雙模”思路，相當于針對不同類型的任務和場景，通過組合不同形態的軟件來滿足，而且這兩類軟件并不是誰取代誰的關系，而是互補關系。比如流程處理型軟件在運行過程中產生了大量數據，這些數據又成了智能決策型軟件的養分。

執行類軟件是用友過去幾十年的強項，用友未來的重心會放在智能決策型軟件。

這樣做的好處，除了讓企業軟件做到既穩定又智能，也能繼承企業原有的IT資產，并不是把原來的體系都推翻，而是將兩者結合在一起，加速產品的創新。

02

用友的解法：“AI×數據×流程”原生一體

企業AI的本質是AI、數據、流程共同發力形成的三角。但過去軟件產品被設計成能孤立的模塊，本應該共同配合的鐵三角成了強行糅合的三張皮，比如企業花費大量資源訓練模型，無法貼合實際業務場景，也無法融入核心流程；而數據倉庫里堆滿了交易數據、用戶數據、供應鏈數據，卻因為缺乏統一標準和關聯邏輯，難以轉化為支撐實時決策的有效信息；預設的審批流、業務規則欠缺彈性,難以適配企業動態的業務需求。

幾年前，基于智能雙模的思路，用友投入了百億元，打造了面向數智時代企業創新平臺——用友BIP，并逐步實現了“AI×數據×流程”原生一體。比如用友BIP涵蓋了企業業務的十大領域，相當于把企業主要的業務和管理流程都已經打通，這在AI智能體的上下文處理上擁有著天然優勢。

如今，用友基于BIP平臺打造出了涵蓋數據、模型、數智平臺、智能應用與服務四個層級的企業AI產品矩陣，構建起全鏈路、全閉環的企業AI全能力體系。

在今年的用友全球生態大會上，外界發現，用友的這套企業AI產品矩陣已經進行了大量煥新。除了本體構建和運營平臺、YonLOM本體大模型，用本體組織數據，讓大模型認識數據，還推出了Skills構建器，讓智能體在實現企業業務邏輯的精準推演與復雜決策的智能判斷的基礎上，通過Skills實現自動執行和反饋，把企業AI從技術到業務、從決策到執行的閉環走完。

其中，讓AI具備認識業務數據和現實世界的能力是這一次產品煥新的重點。這是一項比基礎模型能力的演進更具挑戰性但效果更加顯著的工程。

越來越多的企業意識到，要想讓AI在業務層面產生實際價值，光有基礎大模型還遠遠不夠。其中一個最大的問題是，大模型無法真正“讀懂”企業數據。企業建立了大量的數據庫、數據湖，這些數據在語義層面并沒有打通，加之缺乏統一的平臺底座支撐，導致智能體上線后又出現了新的孤島，難以實現全域協同。

用友網絡數據與智能BG總裁何強舉例稱，一家企業可能用A技術做了一個智能體，用B技術做了另一個智能體，但兩個智能體的數據口徑、語義標準不一致，很難互通互融，更難形成企業級的智能。

“目前為企業AI打地基的工作，比大模型本身的研發還重要，只有數據基礎好，上面的應用才能做好。”何強告訴數智前線，當企業的需求稍微深入一點，數據和知識治理的工作就回避不了。

用友的思路是將本體（Ontology）作為知識表示的基座。在YonLOM本體大模型的架構中，本體層位于底層，承載企業的業務知識——實體、關系以及隱含的規則與約束。圖編碼器將本體結構編碼為向量，文本編碼器處理用戶查詢，兩者在模型矩陣中融合，完成推理。再借助YonLOM本體大模型重塑企業AI內生邏輯，用顯式的規則公理賦能流程重構，用透明的推理路徑重塑組織能力，讓企業智能擁有專屬的邏輯化基因。

“本體”本身并不神秘，源于哲學中對“存在”的研究，在人工智能領域被定義為“對概念體系的顯式形式化規范”。但將本體作為用友智能產品的一環，背后其實藏著用友深耕企業服務38年對企業客戶需求的深刻認知與精準把握。

它的核心是在大模型與企業業務數據、業務規則之間，搭建一座高效溝通的橋梁。它并非簡單的知識庫，而是融合了企業業務的實體、屬性、關系、業務邏輯、行動等一系列的概念，這些元素構成的本體相當于智能體的“業務操作手冊+決策指南”，讓AI能精準理解企業業務邏輯。

以人力資源領域為例，本體會先明確定義 “崗位”、“候選人”、“員工”等核心實體，這些實體對應的具體信息就是屬性，然后再明確實體間的關聯關系，比如 “崗位隸屬于部門”“員工任職于崗位”；而“不符合晉升要求”“具備績效管理經驗” 這類判斷標準，就是本體中的標準化業務邏輯；最終將觸發的 “進入面試池”“獲得晉升推薦” 等業務動作，設定為可執行行動指令。

本體智能體要實現的效果是讓AI從“通用對話者”升級為“專業業務執行者”。“實現一次性的數據治理，多次的智能體應用。”何強告訴數智前線，本體相當于企業先搭建了統一的數據語義層，“是整個AI應用的一個地基工作”。

基于這一統一語義層，企業在做智能體時不需要每次都去把數據對齊。而且，隨著各種應用都連在了這張語義網上，智能體的廣度和深度也會大大提高。

更重要的是，本體賦予企業AI跨系統、跨場景的數據穿透能力。何強舉了個例子，財務里看到的問題，也許不是在財務系統里，可能在銷售管理系統。如果按照傳統的邏輯，很難實現多系統的數據關聯與問題的多跳溯源，但本體的數據可以穿透，跳到多個應用里面去，打通全域數據，讓智能體能根據多維度、全鏈路的數據做更精準的決策。

而為了降低本體構建的難度和使用成本，用友又專門推出YonLOM 本體大模型，它以構建企業全域業務本體為基礎，深度對齊企業真實業務邏輯與數據體系，憑借強大的推理能力實現業務場景的精準推演，搭載19個專業任務集，為企業打造一個能夠深度理解自身業務并進行復雜邏輯推演的“數字大腦”。

除了本體大模型，用友還發布了企業級Skills構建器來幫助企業創建技能庫，為企業打造覆蓋“執行、決策、知識、交互”的完整智能技能體系。企業級Skills構建器融合用友、生態、企業的多元 Know-how，通過本體驅動，將分散的能力封裝、編排為可自主決策與執行的智能技能體系，既能獨立完成單一業務場景的自動化處理，又能根據企業復雜業務需求進行多技能組合，適配不同行業、不同規模企業的個性化業務需求。

不難發現，在用友的企業AI產品框架里，已形成一套標準化、全閉環的智能應用邏輯：企業全量數據先經過本體形成統一的業務語義，交給大模型進行業務思考和智能決策，然后通過企業級Skills完成自動化標準化執行，最終形成“數據-認知-決策-執行”的智能閉環。

以經營分析的場景為例，當某家家電企業的管理者問智能體：哪些產品毛利未達標，問題出在了哪里？經營分析智能體通過跨系統的數據穿透與洞察定位到掃地機器人，并且同步調取各個產品相關的數據以及掃地機器人關鍵指標數據，然后基于YonLOM本體大模型的推理能力，智能體分析得出毛利不達標的核心原因。結合企業業務規則給到優化建議，并且可以進行模擬測算，在不同方案中選出最優解。最后，通過skills直接發起任務，制訂相應行動計劃，并持續跟進，直到業務目標達成。

整個過程，智能體做了數據和系統的穿透，不僅能從不同業務系統的海量數據中精準發現問題，更能依托企業級skills主動執行并解決問題。

03

數百企業已落地，生態建設亦提速

用友的這套技術架構和企業AI產品矩陣已經吸引了不少企業用戶的關注。

王文京透露，去年已有數百家企業應用了用友BIP的多項智能產品，而且客戶量還在快速增長。

比如鞍鋼集團企業員工基于用友BIP已自主開發智能體超過100個，其中53個正式上線運行，覆蓋了運營決策、垂直場景和通用知識類等。其中，鞍鋼在春節前后投入運行的小鞍數字員工，以數字員工的形式嵌入到整個業務流中，圍繞企業、數據穿透式管理做了全流程和全價值鏈的整體穿透。

復星集團則與用友聯合用友打造了AI+BI的智能問數分析平臺。復星在搭建AI資金管理體系時發現，傳統BI基本以檢索為中心，按業務、系統來搭建，數據之間是割裂的，很難支撐真正復雜的決策。而AI時代，復星轉換思路，以決策目標為中心，比如實時監控、風險預警、融資優化等具體目標，然后根據這些目標反推需要打通哪些數據，讓數據真正服務于決策。

目前，這套智能問數分析平臺，數據獲取和分析效率提升10倍以上，人力成本降低了30%到70%，決策響應從天縮短到秒，風險降低50%以上。

不過，企業級市場歷來有個特點，在滿足標準化需求之外，還要應對不同行業客戶的細分個性化訴求。因此，在用友推進AI戰略的過程中，生態將扮演至關重要的角色。

而且，AI的產品形態和服務形式被認為是一個更大的市場機會，不僅能提升伙伴自身的業務效率，也可以帶來更加多元的增值服務。王文京透露，用友在去年實現了經銷商伙伴云訂閱型收入超過60%的增長。

2026年，用友也將圍繞三大方向開拓——數智化（含AI）、國產化、全球化，并在伙伴側啟動三大專項行動，包括ISV高質量發展專項、國產化價值替代專項和全球化拓展專項，與伙伴共享企業AI的紅利。

同時，用友發布了智能體市場。據數智前線獲悉，這也是同行業中首次發布面向企業級服務的智能體市場，第一期將推出100個開箱即用的智能應用，滿足企業級用戶的個性化和碎片化需求。

該市場不僅有用友自主研發的智能體，也有用友ISV伙伴基于自身行業的Know-how和高質量數據構建的智能體，還有用友專業服務伙伴及客開伙伴開發的第三方智能體，這三類智能體產品都在智能體市場上進行推廣、迭代和運營。比如某個大省的招采平臺，每年有四萬個招投標，運行了十幾年，沉淀了大量的高質量數據，希望能以智能體的形式對外提供服務。

用友網絡EBG生態部總經理紀錄將其形容為企業服務“智慧藥房”，生態伙伴是浸泡在客戶場景里面的老中醫，了解客戶的體質、病灶，而用友智能體市場作為“智慧藥房”，則是把數據、流程、安全、權限、平臺等基礎設施準備好，伙伴根據自身的業務know-how，基于用友平臺即可調制出針對客戶的“特效藥”。

除了服務商和經銷商，用友也攜手移動云、阿里云、百度智能云等6家伙伴共同成立了“用友BIP企業AI戰略聯盟”，以推動企業AI技術的創新與應用落地。通過整合產業端實踐需求、技術端創新能力與生態端服務資源，打通AI從實驗室到產業線的完整閉環。

在這場企業AI的應用大潮中，用友憑借其38年在企業服務市場的理解和積累，正在摸索出一條更切合場景需要的企業智能進化之路。