摘要：是不是说到你心坎上了？MIT 2025年《生成式AI鸿沟》报告指出，高达95%的企业AI项目未能产生可衡量的商业价值；而Gartner也预测，到2027年，超过40%的企业AI智能体项目将被叫停。

上AI就相当于给企业装大脑，但多数企业装完才发现：脑子是有了，神经却还断着，无法贯通业务。

是不是说到你心坎上了？MIT 2025年《生成式AI鸿沟》报告指出，高达95%的企业AI项目未能产生可衡量的商业价值；而Gartner也预测，到2027年，超过40%的企业AI智能体项目将被叫停。

就在众多企业为AI落地难题而困扰之际，在为期三天的2025全球商业创新大会上，用友重磅推出全新一代产品——用友BIP 5，且一经发布便引发广泛关注。

但一个有意思的事是，不少亲临现场的观众在震撼之余，纷纷发出灵魂拷问：新系统会不会太庞大、太复杂了？我们到底该从哪里入手，才能真正把AI用起来？

别急！这篇从小白视角出发的解读，或许能帮上点忙。

这段很长，但企业AI落地问题一步讲透

对不少企业而言，有个严重的误区：上AI等同于接入大模型。其实远不是这么回事。如果AI无法深入具体的业务场景、无法理解企业的特有流程、缺乏数据驱动，那么再先进的技术也只是空中楼阁。

所以，用友找到了破局的关键：原生一体化，而这也正是用友BIP 5的核心——AI×数据×流程 原生一体。

简单的说，它不是将AI叠加在现有系统之上，而是构建了一整套数智融合的新架构，实现AI、数据与业务的深度融合，产生强力化学反应，从而确保AI真正落地。

但是，相信不少人和我一样，乍一看这个组合，感觉好像懂了，但又具体说不清到底这是怎么运转的。那接下来，我们就站在企业视角，结合用友的产品能力，一一把这个逻辑讲清楚。

1

从数据中来，到智能中去

绝大多数企业启动AI项目时，第一步就是要搞清楚散落在各个系统中的数据如何汇聚、激活，又该如何用的问题。所以，从数据中来，到智能中去，言外之意就是用数据训练智能，用智能激活数据价值，形成双向反哺。

为此，用友BIP 5 直接给出了现成方案：通过构建从数据到智能、从知识到智能的两大闭环，让企业数据与智能真正循环提效。

在数据到智能的闭环中，企业大数据是基础，它主要以结构化数据为主，涵盖关系数据库、多维数据库。这些数据在通过数据平台治理后，就为智能提供了“养料”。

换句话说，通过将准备好的数据与业务对象、多维模型和语义理解深度融合，就可以实现分析、预测、决策等功能，更重要的是，可为YonGPT训练、精调提供保障。

另一方面，企业大智库则构成了从知识到智能的闭环。过去，ERP主要处理结构化数据，而在模型时代，用友通过协同平台，并利用友智库RAG，将知识图谱化、向量化或切片，最终转化为可检索、可推理的知识资产，然后再用这些资产训练YonGPT。

当理解了数据与智能的关系后，一个灵魂问题就出现了：谁来支撑这套体系运转？用友交出的结果是：企业数据云。

整体来看，作为底层支撑，企业数据云汇聚了企业业务大数据、企业知识资产数据以及用户行为数据，为上层模型和应用提供丰富且关键的数据源。

用友将行业领先实践沉淀为可复用、可调用的标准化模型资产，构建起强大的模型层。该层涵盖财务、人力、资产、采购等核心业务域模型。它的价值在于统一口径，比如，当领导问数时，若底层数据来源不一、计算逻辑各异，分析结果就极易出现偏差。而模型层可确保所有分析建立在一致、可信的基础上，实现数出一门。

在应用层，用友提供两类核心数据服务，DataAgent与数据应用服务。特别是DataAgent，它就像企业的数据翻译官和决策小助手，让找数、问数、用数变得像聊天一样简单。

比如，销售总监不用再让IT导报表，直接问智友：华东区上季度利润下滑的原因是什么？智能体就能基于权限内的多维数据，快速分析并给出结论，然后推送至看板。因此，它的价值就在于把原本需要专业能力才能获取的数据，变成业务人员开口就能问、一听就懂的答案，而这背后正是数据平台能力+数据模型+领域知识的强支撑。

总结一下，有了企业数据云，企业就能看清过去、预测未来。

然而，这就结束了吗？当然不。因为在数据层面，还有一个大型企业尤其关心的问题，就是实时性。

以某医药企业为例，这家企业有3万家门店、1个核算平台，每天数据超过150万条，每年更是5.4亿条以上。如此庞大的数据量，如果全部集中处理，实时分析和管理几乎是不可能的。因此，企业必须具备流批一体的能力。

用友BIP5结合HTAP与多维数据库，实现了业务数据和分析数据的实时融合。比如，今天录入一笔销售订单，销售收入会即时更新；做合并报表时，系统能在内存中快速汇聚，哪怕是千亿级数据，也能在一秒内响应。

举个例子，在某汽车集团的应用实践中，用友BIP已支持上万并发请求，业务响应时间稳定在400ms以内。

2

一套模型矩阵“整装交付”，无需东拼西凑

数据之上，便是模型。许多企业都关心，用友究竟是如何构建企业专属模型的？为此，他们打造了一个YonGPT模型矩阵，将多种类型的大模型与小模型组合在一起，实现从通用智能到行业与企业特需的深度适配。

除YonGPT外，用友还针对特定行业或业务域训练了垂类大模型；训练了可处理视频、PDF等非结构化内容的多模态大模型，帮助企业读懂自身知识资产；训练了向量模型，提升信息匹配精度；训练了推荐模型，基于用户行为偏好精准推送最有价值内容；训练了分类/排序模型，智能识别高频、高价值数据，优先呈现关键信息；训练了运筹优化与预测模型，应用于销量预测、资源调度等场景，帮助企业前瞻性决策。

事实上，模型层是用友BIP企业AI整体架构中的核心中枢之一。全新的用友BIP企业AI经过优化，整个架构以数据为基础、以模型为引擎、以智能体为执行与交互载体，形成从底层数据支撑，到中间的模型能力构建，再到上层智能应用与运营的完整闭环。

那么，当数据与模型准备就绪后，企业该如何自然的构建和运营智能体呢？

3

从“建好”到“用好”智能体

就目前来看，越来越多的场景化需求都依赖自建智能体来满足。市场上，此类产品不少，但都有一个明显的缺陷，那就是缺乏对于企业服务的理解，以及对于企业业务流程的专业性和深度。

但是，这正是用友BIP5打造了的智能体构建与运营平台的最大优势。因为，它可深度融合企业服务应用场景，帮助企业高效搭建与数据底座和应用深度集成的智能体，实现从理解需求到执行任务的全流程智能化。

这个平台的核心能力，可概括为几个方面：

当然，即便有了智能体，也不能放任不管。因此，用友还提供了智能体运营模块，它内嵌智能反馈机制，以便用户的每一次点赞或否定，都能成为智能体优化的依据。

最后，避免不了提及的就是大模型幻觉问题。据估算，企业应用的大模型仍存在5%的幻觉。但通过用友提供的智能体运营平台，就能精准分析问题根源，区分是大模型、技能还是编排流程方面的问题，从而有针对性地进行优化。

想象未来，企业内将涌现多种智能体。因此，用友除提供智友外，还将推出领域智能体、流程智能体、数据智能体等。而所有这些能力均在严格的企业级权限管控下运行，保障安全与合规。

4

你的“智能搭子”终于上岗！

作为统一智能入口，此刻我们深入展现下智友的全新价值。

它像一位全天候在线的同事，能够自主处理常规任务，如遇到复杂情况时，则无缝转交真人处理。企业甚至可以将这些数智员工纳入组织架构，与真实员工并肩协作。它们嵌入业务流程，在关键时刻主动提供知识支持、决策建议和执行辅助，真正实现知识与服务随流程而动。

但是，当企业开发了数十甚至上百个智能体后，又该如何高效地管理和使用？答案是：通过智友，可实现对多智能体的统一调度与集中管控，并依据企业组织架构灵活分配权限和任务。

大胆想象一下，用友BIP5的终极目标到底是啥？其实，就是让企业软件不再只是冷冰冰的工具，而是一个真正懂业务、能思考、会协同的智能搭子。不管是查数据、问业务，还是想提前预警风险、预测趋势，找智友就能轻松搞定。

这也许就是用友BIP5最想释放的价值：让技术和业务真正融为一体，提供自然、高效的人机协作体验！

走进鞍山钢铁的AI革命

最后，让我们通过几个典型场景和案例，直观感受用友BIP 5的强大能力。

在AI+供应链场景中，通过AI小模型精准预测销量，并智能计算安全库存，可有效降低库存资金占用，确保供应稳定。同时，在推动供应链从内部协同转向集成协同时，基于用友BIP 5可实现研产供销一体化计划、全流程可视化监控，让供应链更透明、响应更快。

数据显示，AI驱动的供应链优化，可帮助企业降低库存水平15%-35%，降低供应链整体成本10%-20%，提高按时交付率10%-20%，提升运营收益10%-25%。

在AI+人力场景中，用友BIP 5基于数据洞察，让AI融入从人才引进、入职融入、成长发展、日常服务、业务办理到企业文化的每一个环节，确保HR更智能，员工体验更流畅。

而鞍钢的智能转型，作为用友BIP的领先实践，已成为行业范本。他们所做到的不只是工具升级，而是业务模式和管理方式的系统性重塑。

班组作为生产经营与价值创造的基本单元，其执行力与创新力是企业核心竞争力的关键所在。如今，AI正为鞍钢的每一个班组、每一道流程注入全新动能。班长撰写工作记录的时间大幅缩短，管理要求得以真实记录、高效落地，整体执行效率显著提升。

目前，鞍钢员工可根据实际业务需求，在 10 分钟内自主构建一位数智员工，现在他们已建成了一支数智员工团队，比如，设备故障诊断 AI 助手可精准匹配知识库问题并提供指导，铁前工序成本分析 AI 助手能洞察成本变化、识别异常风险。这些数智员工已深度嵌入研发、生产制造、供应链等核心业务，最终通过智友，人、AI与业务被编织在一张网里，真正实现高效协同。

未来，鞍钢将推进“千模百业”计划，以1000个大/小模型覆盖100个业务场景，让AI深度赋能钢铁产业链的每一个环节。

至此，你是否对如何落地AI有了更清晰的认识？

对企业而言，真正的难题从来不是要不要AI，而是怎么让AI真正用起来。用友BIP5提出的“AI×数据×流程”原生一体，正是直击这一痛点。它不让AI飘在半空，而要让它长在业务中。

或许现在，正是迈出这一步的时刻。

来源：首席信息官