这两年一提到用友绕不开的就是“新用友”三个字。很多企业CIO和数字化负责人私下问我用友放着稳了几十年的ERP生意不做突然喊出“超越ERP、迈向企业智能体平台”到底是在讲故事还是真转型我自己也花了不少时间跟踪研究结论是这不只是品牌换包装而是整个产品底座、交付模式和客户价值主张都在重构。这篇文章不打算复述官方PPT我想从技术演进和项目落地的角度把这张“新用友”的图彻底拆开讲清楚ERP到智能体平台之间到底发生了什么企业用户该怎么理解、怎么接招。读这篇文章的人我默认是三波一是正在选型的企业CIO和IT负责人二是做企业软件交付的顾问和架构师三是对ERP未来方向感兴趣的从业者。看完你至少能明白几件事用友说的“智能体平台”和传统ERP边界在哪里这张战略图的底层逻辑是什么以及如果你的企业现在要接这种新平台有哪些坑是必须要提前避开的。1. 标题拆解从“用友”到“新用友”变的到底是什么1.1 “超越ERP”不是废弃ERP先澄清一个最容易被误读的词超越ERP不是说ERP不行了、要被扔进垃圾桶而是说ERP在企业软件体系里的角色要发生变化。过去二十年ERP是企业的经营中枢管财务、管供应链、管生产、管人力本质上是把企业流程固化到系统里让业务按标准化套路走。它的核心价值是“记录与控制”——交易发生了系统把它记下来流程流转到既定节点人来做审批和判断。但今天企业面临的问题变了。市场变化更快消费者需求更碎供应链随时可能被扰动。企业需要的已经从“事后记录、事中控制”升级成“事前预判、实时响应”。这时候光靠ERP里那一套固定流程就不够了你得有能根据实时情况动态调整流程、自动执行重复工作、辅助人做判断的能力。这就是用友强调“超越ERP”的真实含义——ERP的财务核算、供应链管理这些基本功还在依然重要但系统的重心必须从“做记录”转向“做行动”。用友这些年做了很多底层重构比如把传统ERP的模块拆成更细颗粒度的服务把核心的数据模型、权限模型、流程模型抽出来做成平台能力。为什么这么干因为智能体要在企业里干活不能像以前那样每个模块各管一段、数据相互隔离它必须能跨模块、跨系统、跨业务域去调度资源和执行任务。没有这种底层重构AI再强也只是个聊天机器人进不了真正的业务流程。1.2 “智能体平台”要解决的真实问题再说“企业智能体平台”这个词。智能体Agent不是新概念但在大模型普及之后它第一次真正具备了在企业内部落地的条件。以前我们说智能客服、流程自动化RPA只能解决单点问题因为它们没有理解复杂业务语义和自主规划的能力。大模型出来之后系统可以读合同、理解票据、拆解任务、调用多个系统完成一整套操作这就不是“自动化”那么简单了而是“自主执行”。用友要做的智能体平台简单说就是把大模型的推理能力和ERP积攒多年的业务数据、业务逻辑、服务能力结合起来形成一堆能听懂业务指令、能跨系统调数据、能操作业务动作的AI智能体。比如财务对账智能体、采购寻源智能体、供应链风险预警智能体。这些智能体不是独立的AI玩具而是长在企业的业务骨架之上调得动ERP里的单据、权限、审批流、主数据。这个定位非常关键。企业级智能体和消费级助手的最大区别在于企业场景里AI必须接受治理和约束它要做的事会直接影响真金白银的交易、影响合规、影响客户关系。所以企业智能体平台的核心不只是“给AI一个入口”而是“把AI安全地嫁接到业务流程里”。这也解释了为什么用友强调代称是“平台”而不是“应用”——它的本质是承上启下的中间层承接大模型能力向下连接数据和服务向上支撑业务场景。2. 一张图看懂“新用友”的底层逻辑2.1 从业务价值看从“流程记录系统”到“流程执行系统”既然叫“一图读懂”我先把这幅图的整体骨架给你们还原出来。它至少包含三个层面业务架构层、技术架构层、生态交付层。业务架构层面传统ERP时代是“人围着系统转”业务员在系统里录入单据、走审批、查报表。新用友时代变成了“系统围着业务目标转”业务人员输入一个意图——比如“统计华东区上月毛利率异常的产品线”智能体自己就知道该去哪几个数据表取数、按什么口径计算、生成什么格式的分析报告甚至直接推送给出审批建议。这不是流程没了而是流程从“人照着系统走”变成了“系统照着业务目标走”。我把这个变化画成坐标图横向是企业的核心价值链从研发、采购、生产、营销到服务纵向是管理深度从执行操作、流程协作到分析决策。传统ERP覆盖的是横向链条上的结构化业务环节而在纵向的决策分析和协同指挥层面大部分靠人肉和经验。新平台把智能体放在每一格交叉点上等于在原有横纵坐标之外加了一条“智能增强轴”让每个业务环节都配上一个能自主推理、能动系统的AI助手。2.2 从技术架构看模型、数据、服务三大支柱再往下一层看技术架构这张图里藏着三个关键支柱。第一根支柱是大模型能力。既包括商用大模型也包括企业私有化部署的模型。靠单一模型打天下在企业场景里不现实所以这个平台要支持多模型接入让企业按场景选模型比如合同审查用语义理解强的代码生成用编码能力强的。第二根支柱是数据底座。这是用友相比新晋AI创业公司最大的护城河——它有几十年的企业服务数据积累包括财务规则、税务逻辑、供应链算法、行业最佳实践。这些沉淀成企业知识库、业务规则库、指标体系成为智能体调用时的“业务记忆”。数据底座不只是一堆数据库还包括主数据管理、数据血缘、数据权限这些治理机制不然AI根本不敢放心用数据做判断。第三根支柱是服务编排与连接能力。这个就好比人的手脚——智能体要真正干活必须能调用企业里的各类服务能力比如ERP里生成采购订单的接口、OA里发起审批的接口、CRM里更新客户信息的接口。企业智能体平台本质上是一个超级服务编排器把原来需要通过API一个一个对接的系统服务变成智能体可以按需调用的“工具集”。这个“模型数据服务”三支柱的设计其实是把AI从“单点功能”升级成了“基础设施”。它决定了智能体平台不是给你一两个AI机器人的演示Demo而是一整套让企业自己能够构建、运营、管理无数智能体的基座。2.3 从生态交付看从卖License到卖运营能力第三层是生态交付层面。传统ERP生态的交付逻辑是实施上线一群人进场调研画流程图配参数培训上线验收然后留下一套系统让客户自己维护。到了智能体平台时代交付逻辑变成了持续运营。因为智能体是要不断学习的模型要调优知识库要持续更新业务规则要随市场变化调整这已经不是“上线即结束”的项目制了。所以用友这套新布局背后真正难的是改变交付体系。过去伙伴销售和实施主要靠复制标准化产品以后伙伴要具备给企业做智能体场景咨询、数据梳理、模型微调、效果评估的能力。这对用友的生态是很大的挑战但也是这波转型里最有想象空间的部分——从交付一个软件变成帮助客户持续产生智能决策和自动化收益。用我自己的话说以前的CRM/ERP是给你一把好刀教你砍柴新平台是直接给你一支队伍你说“这座山要开出一条路”它自己知道怎么调人、调工具、按什么节奏干干完还给你汇报结果。这张图真正想传达的就是这个“从工具到队伍”的价值升维。3. 企业智能体平台的五个关键能力3.1 智能体编排能力把任务拆解成可执行动作智能体在真实企业场景里不是问一句答一句的对话机器人而是要完成一个完整的业务任务。比如“对本月应收账款做账龄分析并给超期客户自动生成催款函草稿”这个任务可以拆成查财务模块数据、按账龄规则分类、计算逾期天数、识别重点客户、调用文档模板生成函件、按审批权限推送给相关负责人。每一步都要不同模块协同出错了还要能回滚这就是智能体编排的核心价值。放到技术实现上平台通常通过“目标拆解—任务规划—工具选择—动作执行—结果校验”这个闭环来跑。有点像一个经验丰富的项目经理把大目标拆成小任务分给不同的人去做。传统RPA只能按固定脚本操作界面遇到异常就罢工而智能体在编排时遇到意外情况能重新调整计划比如某个系统接口临时不可用它会尝试切换备用通道或者改用人工作业方案并通知负责人。3.2 知识与上下文记忆让智能体懂业务而不只是懂语言很多企业把AI大模型接进来之后发现它很“聪明”但又很“蠢”懂百科知识但不懂公司内部那些约定俗成的业务规则。比如这个公司的“毛利率”可能和教科书算法不一样它有自己特殊的口径“逾期”的判断可能不是只看合同日期还要看客户信用等级和特殊审批单。这时候智能体平台必须有自己的知识库和业务记忆机制。用友这套平台在这方面做得比较务实它允许企业把内部的制度文件、业务手册、历史单据、专家经验注入知识库同时把业务数据中的维度、度量、规则抽取成可供智能体引用的“业务语境”。智能体在执行任务时会把用户意图、历史对话、当前上下文、企业知识库结合起来综合判断。我把它理解成新员工入职培训——你光给AI一个大脑不够还得给它企业的“员工手册”和“老师傅经验集”。3.3 工具调用与系统连接打通ERP之外的世界企业业务从来不只是在一个系统里完成的。智能体要发挥价值必须能跨越ERP、CRM、SCM、OA、企业微信、钉钉等一系列系统还要能连接外部数据源比如银行流水、物流轨迹、征信数据。这个能力通常被称作工具调用Function Calling很多做AI的公司都在做但企业级场景里的难点在于安全和权限控制并不是技术上连不上。在实际项目里最麻烦的就是老系统的接口不全或根本没有接口。解决方法是分层处理有API的系统走API没有API的通过RPA模块补位既有的集成平台ESB/iPaaS也可以作为智能体的执行通道。很多客户一开始会担心“我已经有一堆系统了智能体平台会不会又要我推倒重来”实际实施中通常是用智能体平台做“超级入口”把老系统的能力以服务的方式暴露给智能体老系统本身不用动。这个思路对于保护已有投资非常关键。3.4 人机协同与审核机制把“聪明”关进笼子企业智能体真正难的不是让它干活而是让它别乱干活。AI的幻觉问题在消费场景里最多是答错一道题但在企业场景里可能是一笔错误的付款、一份不合规的合同、一个误导决策的假报表。因此智能体平台里不能只有智能体还要有一整套“人机协同”和风险控制的机制。比如低风险的智能体动作可以自动执行中风险的生成结果推给指定负责人确认高风险的直接触发熔断不许智能体独立操作。这就是把AI的“自主性”分级授权相当于给智能体配上不同级别的权限。更关键的是可追踪、可回溯智能体的每一步推理依据、数据来源、操作记录都要留存否则出了问题连审计都过不了。企业上这类平台时千万不要只盯着AI多智能一定要先看它有没有完善的权限、审批、审计“刹车系统”。3.5 可观测与可治理新平台的管理底线一旦企业里跑了几十个甚至上百个智能体管理者必须能清楚看到哪个智能体在跑、跑得好不好、成本多少、有没有异常。这就是可观测性和可治理性的价值。企业智能体平台通常需要有智能体的运行监控大屏、效果评估指标、成本分析报表以及上线前的测试沙盒和上线后的版本管理机制。这项能力常被低估但它决定了智能体平台能不能规模化。就像当年ERP上线之后财务一定要能看到每个单据的状态和流转记录一样现在业务管理者也需要看到每个智能体的工作“痕迹”。这也是从“项目Demo”到“企业级平台”的分水岭——如果你的供应商只能演示一个智能体跑得很好但讲不清楚治理和监控体系那它还不具备承载企业核心业务的条件。4. 甲方视角企业该怎样接住这张图4.1 新旧系统关系不是推倒重来是渐进增强很多企业看到用友讲“超越ERP”第一反应是我十几年前刚上完ERP现在又要换代吗其实完全不是。我了解到的真实路径用友老客户完全可以从现有ERP版本平滑过渡先让智能体平台作为增强层接入现有系统在原有流程上加入AI能力和自动化能力再随着时间逐步把核心系统迁移到新架构上。用友的很多客户是从“存量ERP新增智能体场景”这个模式开始的用一些增量场景验证价值没有一上来就全面替换。从企业投入角度看这也是最稳的策略先用一个低风险高价值的场景做试点比如财务智能审单、智能合同审查、采购智能问答跑通之后积累经验和信心再扩大范围。这样能够避免把整个公司的核心业务一次性押注在未经充分验证的新平台上。安全性和可控性永远比炫技重要。4.2 组织与流程的变化谁为智能体负责引入智能体平台之后企业面临的不只是技术选型还有组织职责的重新定义到底哪个部门来管这些智能体业务部门提需求IT部门管平台基础设施数据部门负责知识库和数据质量还要有一个类似“智能体运营者”的角色来持续跟踪效果和迭代。很多项目踩坑不是技术不行而是根本没有“运营智能体”的岗位和流程。我见过一家制造企业工程部提了需求让智能体帮忙做设备维护工单的自动分派。系统上线后一开始分派准确率不错但运行三个月之后准确率明显下降原因是车间的线路改造和班组调整没有及时更新到知识库里智能体还在按老规则分派。后来他们专门设了一个“智能体运营专员”每周更新知识库、反馈纠错、监控运行指标准确率才稳定下来。这个故事想说明的道理是智能体平台不是上线即止它是一个需要被持续运营和调教的“数字员工”。4.3 从选型到落地的三步走针对正在考虑上这类平台的企业我建议按三步走。第一步是做业务场景盘点不要从技术出发而是从财务、人力、供应链、营销里挑几个“流程标准化程度高、人为重复工作量大、规则相对明确”的场景这些最适合智能体切入。第二步是评估平台底座能力要重点看模型接入灵活性、数据集成广度、安全治理完善度而不是只看单个场景Demo的精美程度。第三步是小切口试点、社会验证、再放大选一个场景制定明确的效果指标比如准确率、效率提升、人工介入率跑上两三个月拿到真实数据再决定下一步。每一步都有代价评估数据准备要不要做治理、接口改造大概需要多少工作量、项目的ROI周期多长。企业级软件最忌讳的是一上来就规划“大而全的智能体蓝图”最后被复杂的组织和数据问题拖垮。5. 常见误区与避坑经验5.1 误区一把智能体平台当下一个聊天机器人最大的误区是认为企业智能体平台就是给企业装了一堆对话机器人。客户常用的说法是“能不能让AI帮我回答员工关于报销制度的提问”这个当然能做但是智能体平台的价值远不止问答。它更擅长的是直接替员工把报销单整理好、把不合规的条目标识出来、甚至自动提交到审批流程里。如果只用来做问答互动等于买了一张航空母舰的船票只用来在甲板上钓鱼。5.2 误区二忽视数据质量智能体平台的效果上限由数据质量决定。企业如果连主数据都没洗干净、跨系统数据口径不统一那智能体给出的分析和决策建议就是垃圾进垃圾出。我见过一个客户智能体在生成经营分析报告时把销售额同比算错了查到最后是系统里新旧门店的销售数据存在重复计算口径和统计时间不一致。这个锅不该AI背数据根基没打好才是根因。所以企业在引入智能体平台前至少要做一轮核心数据域的盘点与清洗先把源头数据管住。5.3 误区三智能体越多越好有些企业上平台之后恨不得一个月上线几十个智能体最后发现运营跟不上一堆智能体没人维护效果越来越差。我的建议是前期集中资源做两三个深入核心业务的智能体把它做到真正能用、准、稳定比做几十个只在PPT上精良的Demo要强得多。智能体的数量不是关键指标它在业务流程里实际承担的“有效决策和自动化占比”才是。5.4 一次真实项目复盘某中型制造业的智能体试点最后分享一个我经手的模拟项目复盘。某中型制造企业上了智能体平台做采购寻源辅助最初的设想是让智能体自动比对供应商报价、历史交易、交付表现给出推荐。试点阶段发现最痛的问题不是AI推荐算得不准而是数据权限和采购合规的冲突部分供应商的历史交易数据属于敏感数据其他采购员不能随便查看一些长期合作的供应商在系统里有很多非结构化备注信息比如线下折扣、特殊账期这些信息智能体看不到导致推荐结果和采购员实际业务认知不一致。复盘之后我们分了三个动作来解决一是把采购数据按角色拆分权限让智能体只能读取该岗位可读的合法数据二是由资深采购员把非结构化的关键信息录入知识库形成采购经验库三是加了一个“人工复核提醒”机制对折扣和账期异常的建议强制采购经理确认。改完以后智能体推荐的命中率明显提升一线采购员的接受度也高了。从这次复盘中我得到的体会是智能体平台项目里技术只占三分之一数据治理占三分之一组织和流程适配占剩下的三分之一。很多企业看到厂商发布的新平台第一反应是对比参数看功能但真正拉开差距的往往是你自己的数据底子和组织准备度。在我个人看来面对用友这次新定位最理性的态度不是急着下结论说它是风口还是噱头而是把注意力放在自己的业务场景上如果有适合智能体切入的高频重复流程有愿意配合调整的数据治理环境有能持续运营的组织准备那不管厂商叫它是平台还是其他名字都值得谨慎地试一试。先选一个小场景定一个可衡量的目标用真实数据验证这套新理念的价值再逐步放大——这样的路径对预算有限的成长型企业和数据复杂的大型集团都适用。