当企业级 AI 从「能不能做」进入「能不能规模化交付」的阶段，行业的关注点正在发生变化。
当企业级 AI 从「能不能做」进入「能不能规模化交付」的阶段，行业的关注点正在发生变化：模型能力仍重要，但已经不是唯一变量。更关键的问题是：谁更懂企业场景？谁能把 AI 真正嵌入核心流程？谁能在安全、合规与工程交付上给出确定性？近期，IDC 中国副总裁兼首席分析师武连峰与金蝶中国副总裁、研发中心总经理刘仲文就 AI 对产业发展影响进行了深刻探讨。在对话中，刘仲文给出了金蝶对企业级 AI 竞争的判断，并总结自身 AI 转型的四大优势，同时分享多个客户的落地成效数据，呈现「从概念到结果」的路线图。
对话发生在一个值得玩味的时间点：一方面，行业在讨论智能体会不会取代软件；另一方面，软件厂商本身也在被迫加速转型。武连峰提到，过去几年中国软件与 SaaS 厂商普遍承受经营压力，而 2025 年金蝶实现盈利了，对行业是积极信号。更进一步的问题是：金蝶过去做对了什么？未来在服务企业数智化与 AI 转型方面，优势在哪里？
刘仲文将「过去做对的事」归结为坚定执行云转型战略：十多年前就判断行业变化，推动云与 SaaS 转型，把商业模式从卖软件转向云订阅。他提到，截至去年云收入已超过 80%，云订阅收入也超过整体营收的 50%。云订阅模式初期要承受收入确认节奏变化的压力，需要决心；一旦走通，会带来更稳的经营基础，也为 AI 转型打下底座。
而谈到「未来为什么是金蝶」，刘仲文给出四点优势，几乎覆盖了企业级 AI 落地最核心的四个维度：场景、系统、数据与工程。
第一，场景优势。企业 AI 转型的第一道难题是场景识别：从哪里切入、如何取舍、怎样验证价值。许多 AI 创业公司不缺技术，但最头疼的是「客户在哪里、场景是什么、是否普适」。金蝶的优势在于长期积累的客户基础与行业经验，且在 SaaS 模式下与客户保持高频互动，天然具备共创场景的能力。换句话说，金蝶更容易把 AI 从「技术展示」落到「业务任务」。
第二，现有数字化系统优势。企业最核心的数字化系统，尤其 ERP，沉淀了会计准则、税务规则、合规要求与行业流程。AI 转型不是推倒重来，而是让这些系统成为 AI 可调用的能力底座。金蝶强调正在推进为现有系统建立 API 与 Skill，使其可被上层智能体调用。对于企业而言，这意味着既能拥抱 AI，又能保护既有系统资产与治理体系，不必陷入「重建一套系统」的高风险。
第三，高质量数据集与上下文优势。刘仲文指出，企业级 AI 最终拼的不是「有没有模型」，而是高质量数据、高质量上下文以及对业务逻辑的理解。离开这些，仅靠大模型「猜」，可能也能得出结果，但准确性、一致性与鲁棒性难以保证。好的 AI 系统一定依赖数据飞轮：随着使用增加、数据质量提高，系统应当越用越聪明。对话中他举例提到，金蝶的财报分析智能体可以帮助全球 2 万多家上市企业在财报发布后的 T+1 时间内完成分析，把动辄三百页甚至更长的财报浓缩成十几页报告，同时还要保证数字准确、观点清晰。这类能力背后依赖的是数据积累与工程沉淀，而非单一模型的灵光一现。
第四，智能体工程能力优势。企业最焦虑的之一是技术更新太快：Agent Framework、上下文工程、工具链不断变化。金蝶强调持续跟进新框架与新技术，并形成自己的工程体系与方法论，不盲目预测未来，但保持敏感、持续探索、快速应用，把新技术转化为可交付能力。对企业客户来说，这意味着在快速变化的技术浪潮里获得相对稳定的演进路径。
如果说优势是「为什么能做」，那么案例是「已经做到什么程度」。对话中，金蝶披露了多行业落地成效数据，覆盖风控、财务、研发、组织效率与合同管理等高频场景：深圳能源应用 AI 辅助单据审核，实现高风险业务拦截率提升 40%、整体审核效率提升 30%；河南资本应用 AI 实现智能免审，在 96% 准确率前提下每年节约成本超 50 万元；英得尔应用 AI 智能体赋能正向研发，实现立项失误率控制在 10% 以内、研发质量事故低于 2%；通威股份构建员工、业务、企业三类 AI 应用矩阵，人服比提升 48.5%、整体效率提升 98%；创思工贸构建智能阿米巴管理体系，将经营异常定位从 2–3 人天压缩至实时洞察、决策效率提升 100%；建发地产将财务大模型用于合同中台与数据洞察，实现 60+字段智能提取、40+风险规则自动审查。
这些数字背后的共同点，是「结果导向」。企业真正愿意为 AI 买单的理由，不是因为它「先进」，而是因为它能把风险拦住、把效率做上去、把错误减少、把利润空间释放出来。对话中还提到更深层的高价值闭环场景，例如呆滞库存管理：智能体需要结合财务、库存、采购、销售等数据，分析原因、提出建议、推动执行、回到系统反馈效果，形成持续改善。这类场景不只是自动化，更接近经营改进。
武连峰在对话里进一步追问模型策略。刘仲文的表态很具有行业代表性：模型层面「谁好就用谁」，并会与优秀大模型厂商建立战略合作，形成从模型层到应用层的垂直解决方案，打造 AI 生态。也就是说，企业级AI的胜负不在于是否「自研模型」这一单点，而在于能否把模型能力工程化、产品化、场景化，并在复杂组织里稳定交付。
当智能体时代到来，企业级 AI 的竞争会越来越现实：贴近客户、贴近场景、贴近结果，谁能把 AI 真正放进流程里并持续演进，谁就能赢得下一轮生产力变革的门票。IDC 与金蝶的这场对话，提供的不是口号，而是一套面向企业落地的判断框架：在热潮之上保持冷静，在变化之中建立定力，用可复制的方法把 AI 从概念变成经营成果。
来源：互联网
