“龍蝦”狂熱下的冷思考：AI為何遲遲不能深入企業(yè)？

最近，科技圈的流行語變了。人們不再熱衷討論模型參數(shù)，轉而紛紛聊起“小龍蝦”。

在騰訊門口排長隊領雞蛋的人群，后來被發(fā)現(xiàn)其實是在排隊安裝OpenClaw（龍蝦）。這聽起來荒誕，卻真實上演。而這股“龍蝦熱”同樣飄到了B端。無論是技術訓練營還是行業(yè)峰會，若不提幾句，仿佛就落了下風。

這股從極客圈刮起的颶風，終究還是重燃了企業(yè)對AI的狂熱。于是乎，有人急于尋找解決方案，有人匆忙部署系統(tǒng)，還有人高喊“全面AI化”的口號。

然而，熱情是真實的，方向卻是模糊的。

“很多人聽得心潮澎湃，試起來卻一塌糊涂。”

在《首席信息官》與用友網絡高級副總裁兼企業(yè)BG總裁徐洋的深度對話中，這位行業(yè)老兵一針見血地指出， “碎片化的信息、被夸大的案例，再加上那些只為博流量的短視頻，正在給企業(yè)老板編織一場關于AI的幻覺。”

本文我們就撥開迷霧，讓企業(yè)老板和CIO看清楚： 為什么“龍蝦”如此熱，卻遲遲不能深入企業(yè)？ 難道，真的是AI還不夠強嗎？

01

AI在企業(yè)里集體失語

“龍蝦”之所以火，是因為它在C端展現(xiàn)了近乎無所不能的實力。寫文案、發(fā)郵件、甚至幫你規(guī)劃賺錢路子。即便它偶爾產生幻覺，咱們頂多付諸一笑。但在企業(yè)經營場景里，就沒那么輕松了。因為多數(shù)時候，幻覺是致命的。

“C端可以容忍80%的準確率，但企業(yè)不行。”徐洋舉例說，“在財務審計、在業(yè)務流程里，哪怕差一分錢、錯一個環(huán)節(jié)，都是大問題。企業(yè)要的是極其強烈的確定性，要合規(guī)、安全、可追溯、可審計。”

現(xiàn)實的局面也確實尷尬。老板們看著短視頻里的AI無所不能，轉頭一看自家的業(yè)務系統(tǒng)，卻發(fā)現(xiàn)連個簡單的跨部門任務都執(zhí)行不利索。更要命的是，為什么它敢擅自刪掉我的財務憑證？

徐洋道出了問題的本質： 因為你的AI根本聽不懂你的“業(yè)務方言”。

目前，很多企業(yè)在談AI時，第一反應往往是數(shù)據(jù)不夠、系統(tǒng)不全。但現(xiàn)實是，過去十幾年，ERP、CRM、財務、人力、供應鏈系統(tǒng)不斷上線，數(shù)據(jù)早已沉淀在各個系統(tǒng)之中，根本不缺。

那么，真正的問題就在于這些數(shù)據(jù)并沒有形成一種統(tǒng)一、清晰、可被機器理解的表達方式。這就導致AI滿懷熱忱地執(zhí)行任務，卻因聽不懂指令而處處碰壁，甚至在財務系統(tǒng)里制造災難。

“換句話說，企業(yè)的語言是割裂的” ，徐洋解釋，“銷售部定義的客戶，和財務部賬本上的客戶，往往在底層邏輯上根本不是一個物種。而一個訂單，在不同系統(tǒng)里，也可能對應不同狀態(tài)。

這些差異對人而言，可以通過經驗去彌補。 但對AI來說，面對這種方言割據(jù)的系統(tǒng)環(huán)境，再強大的模型也會在推理中跑偏。

他打了個極為貼切的比方，就像新中國成立初期推廣普通話一樣。企業(yè)AI要想真正干活，第一步不是買模型，而是統(tǒng)一語義。

因此，我們得出結論一個結論： 如果不能把業(yè)務中的名詞、動詞、規(guī)則映射到同一個語義層，AI就永遠無法準確理解指令，更談不上可靠執(zhí)行。

那么，有沒有一種方式， 能把這些割裂的業(yè)務方言，真正統(tǒng)一起來？

02

從Ontology到One YonSuite，打造“智能駕駛”

這時，一個過去相對小眾的概念開始變得重要——本體（Ontology）。這聽起來是個拗口的哲學詞匯，但在企業(yè)AI語境下，它其實就是“普通話”。

本體，簡單地說，就是 對業(yè)務實體、關系、流程與狀態(tài)變化的全面建模，構建出與真實業(yè)務實時同步的數(shù)字孿生。它的本質其實是一次“翻譯 ” ， 把原本只有人能理解的業(yè)務邏輯， 轉化為機器也能精準解讀的語言 。

因此，它做的事情可以簡單理解為三點：

1. 統(tǒng)一不同系統(tǒng)、不同部門對同一事物的語義；

2. 明確數(shù)據(jù)之間的邏輯關系；

3. 給AI設定行為邊界。

這聽起來并不復雜，但一旦缺失， AI就難以建立穩(wěn)定、可靠的判斷。正如徐洋所言，本體不是讓AI更聰明，而是讓它不出錯。

然而，構建這套普通話體系，傳統(tǒng)上是一條昂貴之路。參考美國Palantir的模式， 需依賴 大量高薪的FDE駐場，人工梳理業(yè)務、逐一定義本體，使得 單個項目年費動輒高達300萬美元。

這對巨頭企業(yè)或許是良藥，但對廣大的成長型企業(yè)而言，這劑藥太貴，根本吃不起。 難道成長型企業(yè)注定要在AI浪潮中當個看客？

當然不是。 當原生一體化平臺YonSuite遇見AI，轉機出現(xiàn)了。

作為與用友BIP同根同源的產品，YonSuite從誕生之初就是原生一體化的，財務、人力、供應鏈等十大核心領域天然集成，共享同一套數(shù)據(jù)標準、遵循統(tǒng)一的業(yè)務邏輯。這意味著，企業(yè)從第一天起，就運行在一個可被AI理解的語義環(huán)境中。

這也正是其去年全新品牌主張 “One AI-World ，One YonSuite” 的深意，即在AI驅動的新世界里，企業(yè)需要一個統(tǒng)一的智能底座。

更重要的是，當你部署YonSuite，企業(yè)本體其實就已經預裝完成，它已經是平臺內生、不可分割的一部分。所以說，當其他廠商還在幫客戶逐個對接接口、清洗數(shù)據(jù)、定義名詞時，YonSuite的用戶早已可以讓 AI 直接上手執(zhí)行任務。

“以前我們推一體化，跟企業(yè)講的好處是流程順暢、數(shù)據(jù)實時”，徐洋感慨地說，“但很多企業(yè)覺得，為了這點提升就要替換整套舊系統(tǒng)，成本太高，遲遲猶豫。

沒想到AI時代一來，局面徹底反轉。你不換底座，AI就聽不懂你的話，根本落不了地；而換了YonSuite，AI不僅能聽懂，還能直接“智能駕駛”。

此刻， 一體化不再是可選項，而是AI落地的前提 ， 它成了企業(yè)在智能時代最深的護城河。 而像YonSuite這樣的產品，其意義也不再僅是一個云服務，更像是為企業(yè)提前搭建好的AI運行環(huán)境。

為了讓這條路徑更平滑，用友近期還發(fā)布了LOM本體大模型。針對企業(yè)中少量遺留的異構系統(tǒng)，LOM能利用AI能力自動抽取、映射語義，準確率高達80%–100%。這相當于用AI來建本體，把原本依賴昂貴人工的工作，變成自動化、低成本的服務。現(xiàn)在，絕大多數(shù)成長型企業(yè)都負擔得起了。

總結一下：不換底座，AI只能當個“副駕駛”，陪你聊聊天、寫寫文案；換了YonSuite，企業(yè)才能真正開啟“智能駕駛”，讓AI深入業(yè)務，執(zhí)行復雜任務、創(chuàng)造真實價值。

怎么選？答案已經很清楚了。

03

AI時代最好的機會： 企業(yè)正迎來“數(shù)智基建潮”

技術的變革，往往裹挾著焦慮。

一方面，不少SaaS從業(yè)者陷入迷茫，擔心自己即將被AI取代。對此，徐洋給出了一個清晰而顛覆性的判斷： SaaS不會消失，但它的商業(yè)模式必須進化。

“過去的軟件是為人服務的，所以按人頭收費；未來的AI Agent是去執(zhí)行任務的，它理應按效果付費。”

另一方面，許多渠道伙伴也道出了內心的不安：技術迭代太快了，我們真的跟得上嗎？會不會被廠商甩在身后？

而徐洋的回答同樣出人意料：“這反而是最好的時代。大家不該焦慮，而應感到興奮。”

為什么？ 因為AI的爆發(fā)，正在倒逼中國企業(yè)完成一次數(shù)智底座的全面升級。

過去，老板總覺得現(xiàn)有的還能湊合用，但現(xiàn)在不一樣了。老板親眼看到了AI的價值，他希望AI能幫他省錢、幫他賺錢。這時候你告訴他，要讓AI真正干活，得先把地基打牢，把數(shù)據(jù)治理好，他會毫不猶豫地點頭。

更何況，中國有數(shù)千萬成長型企業(yè)，其中大量仍停留在手工賬、Excel表格甚至紙質文件階段，數(shù)智基礎極其薄弱。這一波AI浪潮，將引爆一輪前所未有的數(shù)智基建潮，這對商業(yè)伙伴而言，是千載難逢的機遇。

而且，機會遠不止于賣軟件。

有了統(tǒng)一的底座和預置的本體，下一步的關鍵是什么？就是設計場景 。每個企業(yè)的業(yè)務流程、崗位分工都不同。如何讓AI在采購環(huán)節(jié)自動比價？如何在生產中智能排程？這些復雜的智能體編排、人機協(xié)同機制，都需要既懂業(yè)務又懂技術的伙伴來落地。

那么，為幫助生態(tài)伙伴跟上節(jié)奏，趕上這波紅利，用友從去年起已連續(xù)舉辦多期伙伴總裁班，系統(tǒng)普及AI與數(shù)智化知識，拉齊認知水位。

“別被網上那些碎片化、博眼球的信息帶偏節(jié)奏，那只會加劇焦慮”，徐洋強調，“要動手去試，去真實體驗AI能做什么、不能做什么。只有建立起系統(tǒng)性認知，才能在這場變革中真正抓住機會！”

04

在泡沫中重塑認知

2026年，我們正式邁入Agentic AI時代。

在“龍蝦”掀起的全民AI熱潮之后，企業(yè)真正需要的，是一場認知層面的去泡沫，試著從喧囂回歸本質，從幻覺走向真實。或許，這才是所有AI轉型背后，最核心、也最容易被忽視的問題：不是追逐技術的熱度，而是真正的建立對智能的真實理解與駕馭能力。

那么，你準備行動了嗎？