摘要：在DeepSeek R1、GPT-4.5、豆包1.5Pro、Qwen3和AI Agent轮番冲击To B领域时，金蝶在深圳举行了一场别开生面的AI发布会。

在DeepSeek R1、GPT-4.5、豆包1.5Pro、Qwen3和AI Agent轮番冲击To B领域时，金蝶在深圳举行了一场别开生面的AI发布会。

这家以财务软件起家的老牌To B公司，没有发布参数超过千亿的大模型，也没有展示惊艳的文生图或自动写代码的魔法。而是端出了五个看起来非常“传统”的词——财务、招聘、差旅、报表、知识。只是这一次，每一个词后面都加了“智能体”三个字。

如果你熟悉企业软件行业，你会知道，这五个场景几乎构成了一个中大型组织最常用，也最容易出问题的管理接口。而金蝶想做的事情并不复杂——不是追着模型跑，而是用AI重构这些“接口”背后的管理逻辑。

这也解释了它没有从“模型”入手，也没有从“云”开始，而是选择从一个企业最难被技术改变的部分动手——流程。流程意味着规章制度、权限结构、组织习惯，甚至是权力边界。在这里动手，也意味着更难，也更值得。

企业管理软件，智能化迟滞的重地？

在过去两年里，生成式AI迅速席卷C端市场，从写作、绘图到代码生成，“效率工具”成为每个职场人的标配，几乎没有行业能置身事外。

但在B端世界，特别是企业管理软件领域，AI的推进却异常缓慢。

哪怕是走在数字化前列的大型企业，其AI使用大多仍停留在“插件化”阶段。

多数AI部署只是在系统中接入一个Chatbot，用来生成报表、总结文档，或作为搜索增强工具嵌入流程系统。但这类“助手级应用”与真正能执行任务、管理流程的“智能代理”仍有本质区别。

其背后，是企业管理系统特有的复杂性：

☆流程标准不一：不同企业、不同部门有各自的业务规则和数据结构，AI很难直接迁移应用；

☆权限体系重：涉及财务、人力、采购等敏感数据，任何错误操作都可能带来审计或合规风险；

☆组织阻力强：管理系统不仅是技术问题，更是组织运行方式的体现，容错空间小，改动成本高；

☆国产化与监管要求并存：数据出境限制、私有化部署需求，使得企业对“AI上云”的信心不足。

更深层的问题在于——AI要进入企业流程，不是加一个智能输入框那么简单。

这套系统是以“稳定”“规则”“结构”构建的，而AI天生具有“生成”“概率”的特征，两者之间有着天然差异。企业并不缺AI产品，而是缺一套让AI“说了算”的流程结构。

这也正是金蝶选择从“流程”入手的背景所在。它没有绕开这块难啃的骨头，而是反过来问：如果我们不是让AI适应原有系统，而是为AI重建一个系统，是否更有可能真正实现智能化管理？

金蝶的“打法”：

一套AI操作系统，而不是一个AI功能

2025年的金蝶云苍穹AI峰会上，金蝶并没有像其他科技巨头那样，发布一个更快、更强的生成模型。它亮出了两件本质上是“底层重构”的产品组合：一个智能体矩阵，和一个平台。

第一是“智能体矩阵”——把AI变成企业里的“任务型员工”，金蝶围绕五个高频管理场景，分别打造了专属智能体：

金钥财报：10分钟自动生成一份完整的财务分析报告，像刷短视频一样轻松，面向非财务专业人群；

ChatBI：用对话的方式与企业数据互动，跨越多个系统，实现实时问数、指标分析和业务诊断；

招聘智能体：端到端自动完成从JD撰写、筛选候选人、面试安排到入职通知的整个流程，匹配率提升至90%；

差旅智能体：根据员工偏好规划行程、订票、预订、报销一体化，全程免填表、免人工审核；

知识智能体：接入企业私有知识库，提供问答、政策解释、文档归档等能力，成为企业“知识调度中心”。

这些“体”，并不是简单的AI功能封装，而是具备感知→理解→决策→执行完整闭环能力的任务执行体。它们能够跨系统调取信息、响应上下文变化，并与其他智能体协同作业——在逻辑上，已经更接近“数字员工”而非AI助手。

第二是“苍穹 Agent 2.0平台”——一个为企业设计的AI平台。

如果说“智能体”是解决具体问题的“应用层”，那Agent平台则是金蝶试图建立的“操作系统层”。

这个平台具备五个核心能力：

1. 模板化任务流：预置多个行业常见的任务链与提示词，帮助企业快速构建Agent；

2. 系统集成组件：打通ERP、HR、CRM等内部系统，支持表单操作、流程查询等底层动作；

3. 多模型协同机制：接入金蝶自研模型、DeepSeek、豆包等，实现推理、生成与分析的分工协作；

4. 企业级RAG与权限管理：提供私有化知识增强与精细化数据访问控制，满足安全合规要求；

5. 多端部署能力：智能体可被嵌入云之家、H5、Web端，延伸至员工日常操作界面。

这不只是一个“开发工具箱”，而是一个让企业可以构建自己的AI系统、管理自己的AI员工的平台。

在这里，企业不再被动等待AI产品更新，而是可以根据业务需求，自行生成、组合、治理、演化智能体。“平台即系统”的概念，在企业AI领域首次获得完整落地。

无论是智能体还是平台，金蝶都在试图解决同一个问题：企业管理AI的结构化落地。

与C端AI应用追求“体验即生产力”不同，To B市场必须回答三个问题：

谁发起任务？

谁授权执行？

谁为结果负责？

金蝶的方案，不仅是让AI来“参与”流程，而是让AI变成流程的编排者、调度者、执行者。它的野心不只是增强人，更是重新定义企业的操作方式本身。

金蝶为什么能做这件事？

AI不是企业管理的万能钥匙，它能解决问题的前提，是你必须足够了解问题本身。

金蝶做得最“务实”的一件事，不是追模型速度，不是谈RAG新范式，而是从管理流程、组织结构、角色权限的语义深处出发，重新建模企业日常运行的逻辑。这听上去不性感，却是To B AI最难啃的骨头。

而金蝶恰恰具备三层底层能力，能够切入这个结构：

1. 场景理解力

金蝶做企业管理软件已有30年，它不是后来者。财务、人力、供应链、合同、销售，它几乎参与过中国大部分主流行业的流程建构。

这带来的不仅是产品经验，更是“组织行为模式”的深度认知：知道企业在什么节点最容易卡壳，知道哪些流程可以自动，哪些必须留给人判断。

2. 数据连接力

金蝶云·苍穹平台承载着数百万家企业的实时业务流，这使得它在企业数据结构、流程状态、权限配置上的积累具备“天然互联”优势。

其Agent并不是在裸模型上运行，而是建立在一个已经组织化的数据语境中。这决定了它能不仅生成结果，还能直接触发系统动作。

3. 模型掌控力

金蝶并不追求自建“最大的大模型”，而是构建“最能懂业务语义”的组合模型体系：早在2023年就发布了中国首个财务大模型；2024年开始搭建多模型调度机制；到2025年，DeepSeek、豆包、通义千问、自研模型均可在Agent平台中协同运行。

它的模型策略很清楚：不是参数比拼，而是匹配每一个任务所需的AI能力最优解。

此外，需要指出的是，AI转型不仅是技术采购，更是组织战略。为此，金蝶将企业的AI转型过程抽象为四步闭环，构成其“AIGO方法论”：

1. Assessment & Architecture（分析与架构）：分析企业成熟度，建立AI愿景，制定系统架构；

2. Implementation（实施与执行）：定义优先场景，构建Agent，嵌入流程；

3. Governance（治理与管理）：对权限、数据、模型调用进行可视化控制；

4. Operation（运营与优化）：跟踪Agent使用效果，循环迭代，做价值回溯。

这是一套为“复杂组织”设计的AI落地体系，覆盖了从决策层到一线使用者的全过程。它让AI部署从“交付功能”变成“沉淀能力”。

而且，金蝶的企业管理AI，已经有了大量的实践案例。接下来，让我们看几个典型例子。

通威股份，构建HR智能体服务中心，通过智能资讯、无感提单、一键导航等方式，将各HR业务模块能力服务化，为员工直接提供HR业务服务，平均系统操作时间缩短70%；

建发房产，共同搭建AI驱动的合同中台，支持200+合同类型的审查、推荐与履约自动化，整体处理效率提升50%以上；

海信集团，与金蝶共建干部考察与智能任职评定系统，通过AI分析历史数据与行为指标，优化组织选人用人效率，提升内部招聘比例120%。

这些案例背后并不是孤立的AI应用，而是一个系统性AI架构+流程再设计的结果。它们证明：金蝶不仅可以构建Agent，更可以让企业用得起来、管得下去、持续演进。

我们站在一个新时代的门口

To B的AI，不会像To C那样，在几个月内引发全民“爆款”效应。它的演进更像是一场深水区的结构重塑——缓慢、克制，却一步一个脚印。

金蝶的智能体与Agent平台，所呈现的不仅是自身产品的一次更新，而是一种企业级AI架构正在成型的信号。

几个明显的趋势正在浮出水面：

1. 企业AI应用，正从“模型调用”走向“任务系统化”

过去企业引入AI，常常是以“集成”方式进行：嵌一个Bot，接一个API，嵌入知识库问答。这种做法虽然见效快，但碎片化严重，无法支撑流程闭环和组织级调度。

金蝶的智能体矩阵与Agent平台，标志着企业开始进入任务原子化→智能体编排→流程执行闭环的新阶段。AI不再是外挂的“辅助工具”，而是成为业务流程的“发起者、执行者、反馈者”。

2. 从“大模型本位”，转向“流程重塑本位”

许多公司在谈AI落地时，焦点仍停留在“模型选型”：哪个更强？哪个参数多？

但企业真正要解决的问题，往往不是“AI能力不足”，而是“业务流程太复杂、数据打不通、组织不愿改”。

金蝶绕开了“算法争先”这条路，选择回到流程、回到接口、回到操作细节——它要做的不是更强的AI，而是更适合企业内部结构运行的AI。这意味着一个根本性转向：从“模型本位”到“管理系统本位”的AI设计哲学。

3. AI系统的“治理性”，开始比“生成能力”更重要

在企业场景中，AI能不能生成内容并不是第一要务，更关键的是它能不能被授权执行、能不能审计追踪、能不能分层赋权、能不能数据隔离。

Agent平台之所以被称为“企业级”，不只是因为它功能强大，更是它具备企业需要的“责任边界感”。谁触发？谁审批？谁有权限访问？流程如何留痕？这些决定了AI能不能被信任。

4. 企业将越来越依赖“可构建型平台”，而不是“功能型AI产品”

通用AI产品大多不可修改，不可组合，不可协同。它们适合小团队、标准化流程，不适合拥有复杂IT结构的大中型组织。

金蝶做的平台式智能体系统，其底层理念是：企业的AI系统不是买来的，而是建出来的。它要给企业提供的是一套“拼图式”的能力框架，而不是一个盒装App。

这是一种非常To B、非常中国式的AI思路——兼顾演进性、治理性与定制化空间。

这些趋势指向一个共同的结论：To B AI的真正壁垒，不再只看重模型，更在于对企业流程、组织行为与数据结构的深度理解与结构穿透。

这恰恰是金蝶过去三十二年不断耕耘的地方。

金蝶选择了一条不同寻常的AI路径：不是率先追逐参数、模型、生成能力，而是回头去打磨那些被管理者和一线员工反复操作、反复撞壁的“流程末端”。

这是一条很“重”的路，它要求理解每一份报销背后的制度逻辑，理解一个招聘流程中有哪些角色的博弈，理解一份合同从起草到履约会在哪些地方出错。

但正因为“重”，它才有可能沉下去，成为基础设施。不是一阵风，而是一个组织在AI时代的“操作系统重装”。而这，也许才是To B AI真正的机会所在：不只是更智能，还是更接近企业真实运作的节奏和痛点。

当然，金蝶并不是唯一在这条路上走的人。这条路还远远没走完，但它确实已经打开了一扇门——一扇通往企业管理方式被重新定义的大门。

来源：数据猿