摘要：对于企业 CIO 及财务、采购等业务负责人而言，AI 不是 “选择题” 而是 “生存题”——如何突破 “异构系统多、数据孤岛多、AI 落地难” 的困局，成为决定企业竞争力的关键。2025 用友 BIP 技术峰会上，用友网络副总裁兼数智平台事业部总经理罗小江提出
对于企业 CIO 及财务、采购等业务负责人而言，AI 不是 “选择题” 而是 “生存题”——如何突破 “异构系统多、数据孤岛多、AI 落地难” 的困局，成为决定企业竞争力的关键。2025 用友 BIP 技术峰会上，用友网络副总裁兼数智平台事业部总经理罗小江提出的“原生一体化数智架构”，为企业 AI 从 “试点” 走向 “规模化落地” 提供了可落地的实战路径。
作为企业数智化负责人，您是否常面临“买了大模型却用不起来” 的尴尬？作为财务、采购负责人，是否因 “数据不通、流程断裂” 导致 AI 无法支撑业务决策？这些问题的根源，在于企业尚未突破三大核心障碍：
异构系统 “拖后腿”AI 沦为 “碎片化工具”
众多集团型企业面临“系统各自为战” 的困境。采购系统的供应商数据、财务系统的付款数据、生产系统的成本数据无法互通，导致 AI 只能在单一环节发挥作用 —— 比如采购用 AI 筛选供应商，却无法联动财务判断付款风险，最终沦为 “局部工具” 而非 “全局能力”。
传统 IT 架构 “不匹配”，AI 需求难满足
传统架构以“流程搭建” 为核心，而 AI 需要 “全链路数据、实时服务、智能协同” 的支撑，例如：
财务部门想通过 AI 实现 “自动对账 + 风险预警”，却因数据分散在 ERP、OA、银行系统中，无法实时获取完整数据；
采购部门想通过 AI 优化库存，却因流程断裂，无法联动生产计划调整采购量。这种 “架构鸿沟”，让 AI 落地陷入 “看得见、用不上” 的困境。
数据 “不合格”，AI 成 “无米之炊”
财务、采购等业务场景对数据的“完整性、准确性、业务关联性” 要求极高，比如：
财务 AI 做 “两金压降” 分析，需要历史回款数据、客户信用数据、合同数据的联动；
采购 AI 做 “供应商风险评估”，需要供应商履约数据、舆情数据、合作历史数据的整合。
但多数企业面临“数据源未整合、模型体系断裂、数据效率低” 的问题，导致 AI 模型 “喂不饱、跑不准”。
AI 重塑商业：从 “锦上添花” 到 “核心引擎”
Gartner 数据显示，截至 2025 年 5 月，生成式 AI 在中国企业的生产落地比例已达 43%，智能化已成为企业生存与发展的必选项。
但企业数智化转型仍面临多重挑战：
-世界 500 强企业平均拥有几百个系统，存在大量应用竖井与数据孤岛的问题；
-大型企业数据整合耗时占高管决策时间的 40%；
-组织对资源整合的预估普遍低估 180-240%，实际消耗是计划的 3.4 倍。更关键的是，70%-90% 的企业数据为非结构化数据，数据治理与 AI 应用的割裂成为 AI 落地的核心瓶颈。
数智底座：原生一体化的 “三维融合” 架构
AI时代的企业数智化系统特征是AI X 数据 X 流程的原生一体化。用友BIP的数智底座以贯通的流程服务为骨架，全时空的数据服务为血液，可落地的智能服务为大脑，构建起覆盖“研、供、产、销、服、人、财、物、项、协” 全场景的多维能力体系。
数据平台：将数据转化为可信赖的业务资产，通过 DataAgent 实现 “数据洞察到数据行动” 的闭环，结合 Agent+DataOps 技术让 AI 更可靠；
应用平台：支持业务柔性扩展与 AIGC 智能生成规则，通过多智能体协同提升业务响应速度；
开发平台：实现智能化需求解析、代码生成与自动化测试，降低开发门槛；
集成平台：适配 AI 通信协议，优化集成过程与流程整合；
云技术平台：将 AI 嵌入开发与运营全链路，实现智能弹性扩展与问题定位。
这一架构打破了传统 IT 系统的 “应用烟囱、数据孤岛、智能碎片”，通过统一元数据与同源设计，实现纵向组织全级次、横向业务全流程的端到端穿透。
YonAI 引擎：企业 AI 的 “动力核心”
数智底座的智能内核是 YonAI 引擎，其以 YonGPT 大模型为核心，接入通用大模型，构建智能体集群，实现多智能体自主协同。目前已覆盖众多企业常用智能场景，包括合同助理、销售教练、招聘助理等领域应用，推动 “人机协同创新” 新模式。
例如，智能助理 “智友” 可实现会议纪要自动生成、差旅申请全流程处理、销售数据实时分析等功能；
例如：某钢铁集团，集团及下属30多家基地，基于其卫星基地组成废钢资源星链网络。用友废钢智能判级 5.0 累计处理车次 65.6 万辆，判级废钢 2466 万吨，通过 1400 + 万张图片库与精细算法，显著提升判级效率与准确性。6 大能力底座 + AI-Native 升级，降低 IT 复杂度。
用友数智底座具备 “软件工程、产业融合、原生框架、异构融合、数据治理、智能协同”6 大核心能力，可支撑集团型企业 “全子公司一体化管控”—— 比如某供销农产品基于该底座搭建 “全国统一大市场平台”，实现产供销全链路数据互通，IT 运维成本降低 30%。
同时，AI-Native 升级让 IT 管理更高效：AI 可自动感知服务器资源瓶颈，实现 “弹性扩容”；开发环节引入 Agent 协同开发，零代码、低代码工具覆盖 70% 的开发需求，某钢铁集团通过 YonBuilder 开发平台，将 “集团管控平台” 上线时间缩短 50%，大幅降低 IT 团队压力。
安全可控的智能体 + 高质量数据，支撑业务智能化
数据的 “安全性、准确性” 是底线。用友智能平台通过 “RBAC + ABAC ”，实现 “字段/属性级精准管控”—— 比如普通财务人员无法查看高管薪酬数据，区域财务无法查看其他区域的成本数据，完全符合 GDPR、数据安全法等合规要求。
同时，YonData 数据平台为企业AI 提供 “高质量燃料”：通过 “数据虚拟化 + 湖仓一体 HTAP”，实现 “业务数据实时处理”，企业通过该平台整合多厂商异构数据，领导获取 “两金分析、利润预测” 数据的效率提升 60%，业务部门无需再花费大量时间做 “数据整合、报表编制”。
多模型适配 + 全链路协同，优化业务全流程
例如在众多业务场景中，采购场景的 AI 需求 “场景化、差异化”：筛选供应商需要 “画像模型”，风险评估需要 “预测模型”，库存优化需要 “协同模型”。用友智能平台支持 “多模型接入”，可根据采购不同环节匹配最优模型 —— 比如通过 “供应商画像模型” 筛选优质供应商，通过 “履约预测模型” 判断供货风险，通过 “库存协同模型” 联动生产调整采购量。
人机协同的智能运营场景，触手可及
当 “原生一体化架构” 搭建完成后，企业 AI 将从 “辅助工具” 升级为 “业务伙伴”，财务、采购等场景的 “全自动闭环” 将成为现实：
以 “出口企业应对欧盟反倾销” 为例：智能体实时监控欧盟反倾销政策，发现越南、马来西亚供货受阻后，自动切换至巴西供应链；联动采购 AI 分析巴西供应商的履约能力、财务 AI 测算成本利润、生产 AI 调整生产计划；最终生成 “采购订单调整方案 + 付款计划 + 生产排期”，全程无需人工干预，实现 “监控 - 分析 - 决策 - 执行” 的全自动闭环。
这种场景并非“未来构想”，而是基于当前用友 BIP 能力可实现的落地方案的企业实践已经证明，只要找对“架构路径、数据基础、智能工具”，企业 AI 就能真正支撑业务价值提升。
上海企通 成就数智企业，聚力数智强国
来源：企通数字化