晚点聊速读：AI 会拆掉 SAP 吗？企业软件的壁垒正在换位置
《晚点聊》#174 对话 SAP 大中华地区总裁原欣，拆解 AI coding、Agent、FDE 与企业数据流程之间的落地鸿沟，解释为什么模型越来越强，ERP 仍可能是企业 AI 的入口。
先给结论
这期《晚点聊》问的不是「SAP 会不会被一家更强的模型公司取代」这么简单，而是：当 AI coding 让写软件越来越便宜，企业还为什么需要 ERP、流程和大型软件供应商？原欣给出的答案是，模型会把很多临时应用、交互界面和定制开发拆得更碎，但企业真正难以外包的部分仍然是数据、业务流程、行业语义、合规责任和组织协作。1
这不是一场产品发布会，而是一场站在企业软件内部看 AI 冲击的访谈。主持人程曼祺对话 SAP 大中华地区总裁原欣，先从 AI coding 和「日抛式软件」聊到 SAP 这种老牌系统会不会被拆散，再进入 Autonomous Enterprise、Joule Work、FDE 和中国企业的 AI 落地。节目约 91 分钟，适合想判断「企业 AI 到底卡在哪里」的读者。
如果只记一句话，可以记住原欣在节目开头给出的判断：企业想用好 AI，仍然逃不掉数据、流程、业务理解和组织变革。模型能力决定上限，但企业能不能把 AI 接进真实业务，取决于最薄弱的那一环。
这期访谈在回答什么
SAP 是企业资源规划软件，也就是 ERP 的代表厂商。ERP 把财务、采购、生产、供应链、人力资源等核心业务放进一套相互关联的系统里。SAP 官方资料显示，公司 1972 年成立于德国沃尔多夫，并通过 SAP R/2、SAP R/3 等产品确立了 ERP 软件的市场标准。2
原欣 2025 年 3 月起担任 SAP 大中华地区总裁，此前在微软、VMware、甲骨文和 Hyperion 工作，长期负责企业业务、云和数字化转型。SAP 的任命公告称，她拥有 27 年企业科技行业领导经验。3 这段履历决定了她谈 AI 时更关注企业怎样买、怎样部署、怎样承担责任，而不是只讨论模型榜单。
节目围绕四个问题展开：AI coding 会不会把企业软件拆成一个个临时工具；SAP 多年积累的数据和流程是不是还构成壁垒；从「记录业务」走向「执行业务」需要什么产品和组织；中国企业为什么都在试 AI，却很少能把它变成业务回报。
一、AI coding 先冲击的是软件的表面
1. 「日抛式软件」会变多
原欣认为，AI coding 正在降低软件开发门槛。过去一个部门有临时需求，通常要排进 IT 项目、写需求、做开发、测试和上线；现在，业务人员或一个小团队可以用自然语言描述目标，让模型快速做出一个能用的工具。这样的软件可能只服务一次会议、一次分析或一个短期流程，用完就丢，节目把它形容成「日抛式软件」。4
这会直接压低一部分传统软件的价值：简单表单、低复杂度的工作流、只解决一个局部问题的内部工具，可能不再值得单独采购。用户也不必等一个供应商把所有功能做进产品，自己就能拼出一个临时版本。
但这并不等于企业会把财务、采购、供应链和人力系统全部换成临时生成的工具。临时工具只要能跑通任务就有价值，核心系统还要处理权限、审计、数据一致性、跨部门协作、法律责任和长期维护。一个人能把软件写出来，不代表这套软件能成为整个组织共同信任的工作依据。
2. 大企业买的是信任和可追责
访谈里有一个很实用的区分：小型团队可以接受「先做出来再说」，大型企业却需要知道每一步发生了什么，谁能访问数据，谁批准了结果，出错之后谁负责。模型把代码生成得更快，不能自动补上这些制度要求。
这也是 ERP 的旧价值在 AI 时代重新出现的原因。SAP 不是只卖一个界面，而是把企业不同部门的业务对象、流程和权限关系放在同一个系统里。SAP 的官方介绍也把 ERP 定义为覆盖采购、生产、物料管理、销售、营销、财务和人力资源等核心领域的软件系统。2
所以，AI 更像是在拆 ERP 周围的操作层和定制层，而不是立刻消灭记录系统。真正的竞争会发生在两件事上：谁能把企业内部的业务语义交给模型理解，谁能让模型在可控的权限和流程里执行动作。
二、SAP 想从「记录系统」变成「执行系统」
1. Autonomous Enterprise 不是无人管理
SAP 在 2026 年提出的 Autonomous Enterprise，中文可理解为「自主运营企业」。SAP 官方定义是：人类设定发展方向，AI 负责执行，每一步都有治理把关。SAP Autonomous Suite 由智能体和助手执行流程，人类负责监督绩效；Business AI Platform 则负责把流程情境、统一数据和业务专属模型放在一起，用于智能体的构建、推理和治理。5
原欣在节目里的表达很接近这个逻辑：SAP 过去主要记录企业已经发生的业务，下一步是让系统参与业务的运行。比如企业不只是看库存、订单和现金流，而是让 Agent 根据目标检查异常、调用相关系统、提出建议，必要时触发下一步流程。
这里最容易被宣传词带偏。「自主」并不意味着人类马上退出。原欣判断，未来 5 到 10 年，企业流程仍然需要 human in the loop，也就是人在关键环节审核、确认或接管。尤其涉及付款、税务、合规和客户承诺时，系统能自动运行不等于组织愿意把最终责任交给模型。
2. Joule Work 的核心是协调，而不是聊天
SAP 的 Joule Work 是一个动态工作空间。用户描述业务目标，Joule 可以从 SAP 和第三方系统提取相关信息，协调多个 AI 智能体执行工作流；官方页面把它定义为根据用户意图呈现洞察、自动执行常规任务，并在企业范围内协调 AI 智能体。6
这和一个孤立的聊天机器人差别很大。聊天机器人回答一个问题，Joule Work 要处理一个目标：先理解用户要交付什么，再找到相关数据、工具和权限，把任务拆给不同的 Agent，最后把结果交回来。SAP 官方页面还强调，Joule Work 可以协调 SAP 和非 SAP 系统中的工作流，但治理机制仍由 Business AI Platform 提供，包括基于角色的访问、数据权限、策略管控、审计追踪和人工监督。6
这套产品形态的前提，是 SAP 已经知道企业里的「订单」「供应商」「发票」「成本中心」和「员工」分别是什么，它们之间怎么关联，哪个动作需要谁批准。模型的自然语言能力让入口更简单，企业软件的业务语义则决定它能不能真的执行。
3. SAP 为什么不自己训练通用基础模型
原欣并不认为每一家企业软件公司都要自己训练最大的通用模型。SAP 更希望与 Anthropic、Google、微软、AWS、NVIDIA 等模型和基础设施厂商合作，把自己的流程、数据和行业知识放到应用层和业务平台里；在中国市场，节目也谈到 SAP 与阿里云、千问、钉钉的合作方向。4
这是一种分工判断：基础模型公司负责把通用能力做强，企业软件公司负责把能力放进真实流程。To B 的「模型即产品」并不一定成立，因为企业客户最终购买的不是某个模型的参数，而是一个能进入权限体系、经过审计、持续维护并对业务结果负责的系统。
三、企业 AI 的难点，不在老板说「我也要」之后
1. 脏数据不会因为接入模型自动变干净
节目多次回到一个不太好听、但很实际的事实：企业常常先买模型、做 Demo，再发现自己的数据根本不能直接使用。历史数据分散在不同系统里，字段名称不一致，流程靠老师傅的经验维持，权限和责任边界也没有被写清楚。模型可以帮忙整理已有信息，但不能替企业凭空补出业务规则。
原欣把企业 AI 的落差概括成一个数字对比：有 88% 的企业尝试使用 AI，但只有 3% 认为已经获得了业务回报。这两个数字来自节目中对调研结果的转述，节目没有给出原始报告、样本和调查口径，因此这里把它作为访谈里的观察，不把它写成独立验证过的行业统计。1
这个比例差并不奇怪。试用 ChatGPT 或部署一个内部助手属于采购动作，业务回报却要求企业先统一数据，再梳理流程，接着让员工改变工作方式，最后还要用收入、成本、交付速度或风险指标证明结果。模型上线只是起点，组织要为它改流程，才可能看到收益。
2. 「老师傅」的经验要先变成企业记忆
很多企业真正重要的决策没有写在数据库里，而在资深员工的判断中：某个供应商什么时候不能用，某种异常应该先问哪个部门，某个客户的订单为什么需要特殊处理。这些经验既不是标准表格，也不是一条能直接复制的规则。
节目把这件事说得很形象：企业需要把「老师傅」蒸出来。也就是通过流程记录、案例整理、知识库、审批轨迹和持续反馈，把个人经验沉淀成可检索、可解释、可授权的企业记忆。只有这样，Agent 才能在真实业务里理解「为什么这次和上次不一样」，而不是只根据表面字段生成一个看似合理的答案。
这也解释了为什么 SAP 把数据、流程和行业 know-how 看成长期资产。它们不是一堆历史文件，而是企业判断业务的上下文。AI 能把这些资产调用得更快，但前提是资产已经被整理到可以被调用的程度。
四、FDE 负责把模型送到最后一公里
1. FDE 和传统顾问的差别
FDE 是 Forward Deployed Engineer，直译是「前置部署工程师」。这个角色不是在办公室里做一套通用产品，再把文档交给客户，而是长期进入客户现场，把模型能力改造成具体业务可以使用的系统。
原欣认为，FDE 和传统驻场工程师、ERP 顾问的差别在于，FDE 需要同时理解模型能力和客户业务。他们要不断观察模型在哪些任务上失败，调整数据、提示、工具调用和流程设计，再把结果交回产品或研究团队。这更接近一个以客户结果为终点的工程角色，而不是把标准软件配置完成就结束。
这个趋势为什么现在变热？因为模型厂商能把通用能力做出来，却不一定知道一家制造企业的关务流程、供应链例外和内部权限。最后一公里往往不在模型接口，而在客户现场的细节里。
2. 一个关务案例说明了什么
节目分享了一个关务场景：Agent 最初的准确率只有六七成，经过 FDE 和客户一起梳理数据、流程与例外情况后，准确率提升到九成以上。这里的关键不是换了一个更大的模型，而是把业务语境补全了，明确哪些字段可信、哪些情况需要人工确认，以及模型怎样调用流程工具。1
这类案例也暴露出一个边界：九成准确率听起来不错，但如果剩下的一成错误会导致税务风险、货物滞留或重大财务损失，系统仍不能完全自动化。企业需要把高频、低风险任务交给 Agent，把高风险、低频和异常任务留给人处理。
五、模型公司会不会和 SAP 正面竞争
答案是会，但竞争位置不一样。
OpenAI、Anthropic 等公司可以直接向企业提供模型、Agent 或应用，SAP 也必须面对它们进入 To B 市场后的压力。最容易被替代的是上层的轻应用和标准化功能：一个模型足够强时，企业可能不再为每一个小问题采购一个独立工具。
SAP 想守住的则是更深的一层：业务对象、流程关系、数据权限、行业规则和客户长期积累的系统记录。SAP 官方将 Autonomous Enterprise 描述为由 AI 执行流程、人类监督绩效的运行方式，并强调它依托统一数据、业务情境和治理机制。5
但这套壁垒也不是自动存在的。若 SAP 只保留一套复杂、难用、无法与外部模型连接的系统，客户仍会从外围开始自建工具。它需要把多年积累的流程和数据变成更开放、更好调用的能力，同时把复杂性藏到产品里面。Joule Work 的意义就在这里：用户看到的是一个目标入口，背后仍然是流程、权限和 Agent 编排。
六、中国企业为什么会处在尴尬位置
节目把企业按规模做了一个粗略区分：大型企业有足够资金做实验，也有能力雇人维护系统；小公司决策快，数据范围相对集中，可以迅速试错；最难受的是中型企业，既没有大公司的预算和 IT 体系，又比小公司多出很多部门、历史系统和合规要求。1
原欣还谈到一个更长期的问题：中国过去高速增长，很多企业先把规模做起来，系统建设和流程治理往往落在后面。中国企业未必没有 SaaS 需求，但在过去很长时间里，客户更愿意为定制化交付付费，软件公司也更容易变成项目公司，结果是产品标准化、长期订阅和跨行业复制不够强。
AI 可能改变这件事，也可能把旧问题放大。若企业已经有清晰的数据结构和业务流程，Agent 能够把软件用得更灵活；若企业系统本来就碎，模型只会在更多系统之间增加一层不稳定的自动化。AI 不是治理的替代品，它会让治理缺口更快暴露。
七、哪些行业会先用起来
原欣判断，轻资产服务业可能先看到 AI 的大规模应用，因为它们的流程更容易数字化，结果也相对容易衡量。制造业则可能从市场、销售和售后服务切入，再逐步进入生产和供应链等更复杂环节。1
这条路径符合企业采用新技术的现实顺序：先解决一个边界清楚、失败成本可控、收益容易观察的问题，再把经验带到更复杂的流程。让 Agent 一开始就接管全公司的经营，既不现实，也不利于建立组织信任。
在中国市场，SAP 谈到与阿里云、千问和钉钉的合作，核心也是让企业应用、云基础设施、办公入口和大模型能力接在一起。对客户来说，真正重要的不是合作名单有多长，而是这些系统能不能在权限、数据和交付层面真正互通。1
八、出海会把企业软件的问题放大
节目后半段把话题从 AI 落到中国企业出海。企业一旦进入多个国家，税务、会计、劳动法规、数据合规、并购整合和供应链协同都会变复杂。单个部门做一个 AI 助手并不能解决这些问题，企业需要一套能把不同国家、不同公司和不同业务口径接起来的系统。
这也是原欣为什么把企业管理软件的价值说成「给数据赋予业务语义」。同一个收入数字，在不同国家的税务、会计和经营口径下可能有不同含义；同一个供应商，在采购、付款、合规和风险系统里也有不同关系。模型能生成自然语言，但企业必须先规定这些词在业务里到底是什么意思。
SAP 官方资料把自己的产品定位为连接财务、采购、人力资源、供应链和客户体验等核心运营的企业应用。3 从这个角度看，AI 对 SAP 的挑战既来自模型能力，也来自中国企业是否愿意把全球运营流程重新整理一遍。
这期值得完整收听吗
值得，尤其适合三类读者。
第一类是做企业 AI 产品的人。节目把模型能力、业务流程、数据治理、FDE 和商业交付放在同一条链上，能帮助你看清「Demo 很好」和「客户愿意长期付费」之间隔着什么。
第二类是使用 ERP、CRM、供应链或财务系统的企业管理者。你会听到一个并不轻松的结论：部署 AI 之前，企业往往得先补数据、流程和责任边界的课。
第三类是关注 SaaS 和大模型竞争的人。AI coding 确实会让许多软件变得便宜、短命和个性化，但越接近核心业务，企业越在意可追责、可审计和持续运营。模型公司和 SAP 的竞争不会只发生在「谁的回答更聪明」，还会发生在「谁能把一次回答变成可信的业务动作」。
这期没有给出一个可以直接下注的结论。它更像一张企业 AI 的施工图：外围软件会快速重组，核心系统会被迫开放，Agent 会逐渐进入执行层，但数据、流程、组织和责任仍然是最慢、也最难绕开的部分。
节目元信息
- 节目：晚点聊 LateTalk
- 单集：174: AI 冲击企业软件巨头？与 SAP 原欣聊大模型 to B 的颠覆与边界
- 嘉宾：原欣，SAP 大中华地区总裁
- 主持：程曼祺，《晚点 LatePost》科技报道负责人
- 发布时间：2026 年 7 月 28 日 07:00（中国标准时间）
- 时长：约 1 小时 31 分钟
- 原始音频：《晚点聊》#174 完整原始音频
完整中文逐字稿
以下附录来自本期完整原始音频的全量 ASR。原始音频没有可靠的 speaker diarization，无法据此准确区分主持人与嘉宾，因此每段统一标注为「讲话人（原始 ASR）」。正文中的专名和事实按节目详情及公开页面校正；附录只做机械分段和每 10 分钟时间轴标注，保留 ASR 原文中的重复、错听、英文识别和不完整句子，不删减原始文字。
00:00
讲话人（原始 ASR）
就是大家在探索 AI 真正能够带来业务价值的这个过程其实不用完全摒弃掉那些
讲话人（原始 ASR）
以前的东西就是说所有以前的东西肯定都是不好的很多的企业在快速发展的时候
讲话人（原始 ASR）
它都是在追逐 top line 的成长大家的压力都在获取市场和客户反倒是中
讲话人（原始 ASR）
间企业底层的很多系统建设都是非常潦草的因为涨得太快了它没有一个喘息的窗
讲话人（原始 ASR）
口让你好好的规划设计你逃不出来处理企业的流程组织和数据逃不掉对客户业务
讲话人（原始 ASR）
的理解逃不掉我怎么把业务转化成我的代码它还是要有人在路上去做干预的所以
讲话人（原始 ASR）
在未来的一段时间不管叫 FDE 还是叫什么就是这个业务和技术结合的过程一定
讲话人（原始 ASR）
是 AI 从小圈子的狂欢外溢到更广泛的一个 En ter prise 的天地里
讲话人（原始 ASR）
必经的路线欢迎收听晚点聊,
讲话人（原始 ASR）
我是曼琪本期我访谈了 SAP 大中华地区的总裁袁欣 SAP 从 ERP,
讲话人（原始 ASR）
也就是企业资源计划,
讲话人（原始 ASR）
起家自 1972 年在德国华尔道夫小镇创立后它经过 50 多年发展成全球企业级
讲话人（原始 ASR）
软件巨头确认的收入接近 420 亿美元全球百强企业里大多数都是 SAP 的客户
讲话人（原始 ASR）
但 2026 年以来 AI coding 能力快速发展也带来了大模型 2B 的热潮
讲话人（原始 ASR）
SAP 这类老牌企业软件受到了更多的挑战和质疑这期节目就直面了这些问题这
讲话人（原始 ASR）
包括在复杂的企业级需求中大模型的机会和
边界是什么有几十年数据和行业 know
讲话人（原始 ASR）
-how 积累的 SAP 等老牌软件公司的壁垒和变化又是什么最近非常火热的 F
讲话人（原始 ASR）
DA 潮流是否会持续等等自 1998 年以来,
讲话人（原始 ASR）
袁欣有近 30 年的企业市场经验先后在甲骨文、VM ware、
讲话人（原始 ASR）
微软等公司工作他也分享了多年来他观察到的企业提升治理能力的一些通用流程
讲话人（原始 ASR）
和规律本期节目由 SAP 支持播出我们正式进入节目吧原心总你可以先和我们的
讲话人（原始 ASR）
听友简单打一个招呼简单自我介绍一下大家好我是原心我管 SAP 的大中华区的
讲话人（原始 ASR）
业务非常高兴来满点参加这个节目可以和我们的听友来简单介绍一下 SAP 是一
讲话人（原始 ASR）
家什么样的公司因为有的人可能知道这是一家全球的软件巨头但也由于它是 2B
讲话人（原始 ASR）
的那可能对更多人来说不太了解这个公司比如它具体是做什么的它现在核心的业
讲话人（原始 ASR）
务是什么谢谢大家都不太知道我来 SAP 的时候我们家里人嘛我说换工作了去哪
讲话人（原始 ASR）
儿去 SAP 我家里人其实都不知道他是
干什么的但是在 ERP 领域里我觉得 SAP
讲话人（原始 ASR）
还是相当当的属于业内出窍对吧就是在我的认知里做 ERP 的人 some
how
讲话人（原始 ASR）
都会把 SAP 就等同于 ERP 三个字所以 SAP 基本上世界最大的 100 强里面
讲话人（原始 ASR）
99 家都在用 SAP 的软件所以我们现在云转型以后云的用户也都是超过 3 亿家
讲话人（原始 ASR）
所以它的规模是很大的全球 11 万员工然后
大概在 150 多个国家都有 operation
讲话人（原始 ASR）
所以确实是一个 2B 的居无吧但是它也是一个
现在成立于 72 年的一个从一个 start
讲话人（原始 ASR）
up 逐渐变成了一个庞大的软件体系特别是近两年随着人工智能 AI 大模型的发
讲话人（原始 ASR）
展那在过去的两三年其实我们整个的产品定位也从一个企业应用软件变成了一个
讲话人（原始 ASR）
我们希望自己成为一个全球最大的商业智能的软件特别是今年我们在这个蓝宝石
讲话人（原始 ASR）
大会上也官宣了我们最新的产品策略就是要做这个 Aut
onom ous Enterprise
讲话人（原始 ASR）
这个自主运营的一个企业这也是属于在 AI 这个大背景下传统的一个商业软件公
讲话人（原始 ASR）
司的自我颠覆的一个举措吧可以给大家介绍一下 ERP 是什么吗就它包括哪些模
讲话人（原始 ASR）
块或者说它核心给企业带来的一个价值是
什么以及也可以简单地讲讲就比如说 ER
讲话人（原始 ASR）
P 从最开始没有一个非常产品化的东西到后来它逐渐变得比较系统化比较成熟是
讲话人（原始 ASR）
一个大概怎样的过程对 ERP 这三个字就是 En
ter prise Resource
讲话人（原始 ASR）
Planning 其实它就是企业所有企业资源计划管理的一个平台那在这个平
讲话人（原始 ASR）
台里其实你运转一个企业你想它都有什么
就是主要就管的人财务这三件事对吧所以
讲话人（原始 ASR）
如果一个企业最开始从最基础的上就是你可能什么都没有但是你总要做账对吧你
讲话人（原始 ASR）
总要报税对吧你要管你的运营所以最核心的是财务所以最开始其实 SAP 起家的
讲话人（原始 ASR）
所谓 R1 的这个系统也是以财务为核心
先去做的然后财务慢慢就会扩展到说我如何
讲话人（原始 ASR）
做就大家熟悉的一个用语是财务业务一体化就怎么把业务的数据更实时的反映到
讲话人（原始 ASR）
财务因为财务指标本身是一个滞后的业务反映那业务端发生的事情比如说后面演
讲话人（原始 ASR）
进出来的所谓的 CRM 它就会有一个说我从一个例子的出现 L
ead s to
讲话人（原始 ASR）
cash 说我从一个例子出现到我如何一步一步转化成我的一个销售订单到我的
讲话人（原始 ASR）
回款到我最后收到钱这样的一个企业的全流程所以基本上一个所谓的 ERP 系统
讲话人（原始 ASR）
或者说 FANERP 系统一个企业管理系统就是在管企业的从收入到回款的一个
讲话人（原始 ASR）
过程从我花钱 pro c ure ment to pay 说我采购什么到我
讲话人（原始 ASR）
把这个寻源我去哪买对吧供应商怎么入库然后我怎么去议价然后怎么管理我的供
讲话人（原始 ASR）
应商然后怎么做采购订单怎么做付款就是所有串起来的这些端到端的流程最后就
讲话人（原始 ASR）
汇总成了庞大的一个企业软件系统我觉得也可以跟大家来对比一下比如说 ERP
讲话人（原始 ASR）
和飞书和丁丁的关系我觉得对更多人他会更直观的就知道这个之间的区别因为一
讲话人（原始 ASR）
般很多大的企业肯定是这两类东西都得用的对吧他会有一个平台他也会有些 IM
讲话人（原始 ASR）
即时通讯有一些文档的东西对对对因为
我们在我们的客户群体里基本上客户也都是
讲话人（原始 ASR）
在用或者用肥叔或者用丁丁然后也会和我们的 ERP 系统集成所以其实在一个日
讲话人（原始 ASR）
常办公里面就是大家肯定是有办公协同的对吧这个办公协同就是我有 IM 我有会
讲话人（原始 ASR）
议我有文档然后我有工作流有审批流那
这些呢其实是属于日常交互的部分所以其实
讲话人（原始 ASR）
我们说企业的生产力很多的时候它是在以前有一个老的传统的定义叫 OA 就是 O
讲话人（原始 ASR）
A automation 办公自动化这些是管理日常操作的而更偏后台的我们
讲话人（原始 ASR）
说这些财务的系统人力资源管理的系统它其实是和这些企业交互系统是有对接接
讲话人（原始 ASR）
口的然后有一些交互和协同是在不管是丁丁还是飞书里面发生但最终的交互的结
讲话人（原始 ASR）
果其实它还是要回传到或者我的 HCM 就管人的系统管钱的系统管采购的系统管
讲话人（原始 ASR）
生产制造的系统里面去指导业务的运行真正的业务流程的跑它还是在后端的 ER
讲话人（原始 ASR）
P 系统里面跑当然现在 AI 出现了以后就是既有划分好的阵地一定是被重新打乱
讲话人（原始 ASR）
重新去看的那其实在 AI 出现之前我们也看到不管是丁丁和飞叔他也在去做一些
讲话人（原始 ASR）
应用的渗透就是他不满足于我只是做一些
会议系统对吧你像飞叔他也有 people
讲话人（原始 ASR）
因为其实做企业应用尤其在中国做它也不是一个很容易的事情对吧那在应用层级
讲话人（原始 ASR）
上他会发现如果我只是管交互是比较相对简单的一件事情一旦深入到企业管理的
讲话人（原始 ASR）
流程里面它涉及更多的身份管理安全性管理以及需要集成的数据来源是更加多的
讲话人（原始 ASR）
比如说我管人我就要做工资的计算工资的
计算如果我只是在其实我们现在每个地方
讲话人（原始 ASR）
都会有当地的策划不要说我如果支持一个全球化的企业我在不同的地方我工资薪
讲话人（原始 ASR）
金计算的逻辑是不一样的纳税的要求是不一样的所以就这么简单的一件事其实它
讲话人（原始 ASR）
在一个全球化的企业里面的复杂度也是非常高的所以这也就是为什么企业应用说
讲话人（原始 ASR）
起来是很简单的事但是为什么它会支撑
这么庞大的一个生态系统要去做这件事这个
讲话人（原始 ASR）
SAP 它只是一个软件就是它有一个数据我记得是 IDC 还是什么就是整个产业
讲话人（原始 ASR）
里面大概就是 1.2 万亿就我们自己的收入
其实才 300 多亿欧元对欧元但是 400
讲话人（原始 ASR）
多亿美金但是它撬动的是一个几十倍的
一个产业这个产业它就是沿着这个路径出来
00:10
讲话人（原始 ASR）
的所有相关的外部数据的协同比如说我们要发工资我就得跟银行系统做对接我就
讲话人（原始 ASR）
要跟税务系统做对接对吧然后现在还有
电子发票还有各种其实一个简单的系统你就
讲话人（原始 ASR）
看它的暴露的 API 接口是很多的所有的这些都会涉及到安全的问题对吧数据一
讲话人（原始 ASR）
致性的问题然后这个数据颗粒度的问题
所以就是为什么兔育不太好干但是另一方面
讲话人（原始 ASR）
就像飞叔和丁丁他们想做 people 包括他们也想做 CRM 做什么发票这些我
讲话人（原始 ASR）
看他们也做电子签等等对但实际上是不是也没有像之前大家想象中的那么快的就
讲话人（原始 ASR）
进入到企业的你说的那个最核心的业务数据平台的那一部分对就是我觉得就是先
讲话人（原始 ASR）
不说 AI 其实之前你可以看到其实单点做一些小应用的公司还是挺多的对吧就是
讲话人（原始 ASR）
在 AI 出现之前其实 S aaS 里面当然全球的就是像 Work day 它还是
讲话人（原始 ASR）
以 HCM 这个领域为主的 S ales
force 还是以 CRM 领域为主的当然
讲话人（原始 ASR）
它也会去扩展到其他领域但相对来讲它还是属于典状去做企业管理的某一个方面
讲话人（原始 ASR）
那像 SAP 这种大平台的这种的相对还是
比较少那进入到 AI 以后其实你看到现在
讲话人（原始 ASR）
就是从提效的角度比如说我发票的这个识别对吧那我可能就用一个 OCR 马上的
讲话人（原始 ASR）
提效是非常明显的所以这种 Point S olution 和一个大的软件集
讲话人（原始 ASR）
成的情况会比较多但是你真正就是说我要整个去把它 ident ic 化对吧那
讲话人（原始 ASR）
其实在实操层面的难度是远高于我只是做个单点或者我只是做一个 dem
o 或者
讲话人（原始 ASR）
我在 F ront ier
Lab 里面想出来的一个东西然后真正能让它 fit
讲话人（原始 ASR）
到企业实际的场景里面还是有巨大的差异要去弥补的更不要说刚才我说的 SAP
讲话人（原始 ASR）
周边的这些咨询公司其实他们也需要去 p ick up 新的技能然后去帮助客
讲话人（原始 ASR）
户完成这样的一个转换其实那时候麦肯锡有一个调研报告其实你 AI 它不是一个
讲话人（原始 ASR）
简单的说我就换成一个所谓的 AI native 的平台这个事情就完成了而是
讲话人（原始 ASR）
可能每一个美元花在软件迭代上的它会有三到四个美元的所谓的变革管理的成本
讲话人（原始 ASR）
在里面你只是换一个平台它本身还是新瓶装老酒其实没有实质性的变化这个正好
讲话人（原始 ASR）
也是我想问的因为就是在之前的互联网和移动互联网的浪潮里面对 SAP 这类公
讲话人（原始 ASR）
司的冲击实际上不如大家之前想象中的那么大你觉得 AI 会怎么改变这件事情尤
讲话人（原始 ASR）
其是今年以来 AI coding 的能力变得越来越强了其实从资本市场的情绪
讲话人（原始 ASR）
来看的话二五年年中 SAP 的股价是到了一个这几年以来一个比较高峰的状态是
讲话人（原始 ASR）
超过了 300 美元但是最近的话它是又回落到了 160 美元我觉得也和大家认为
讲话人（原始 ASR）
c oding 变强之后可能会冲击老牌
企业软件是有关系的您自己会怎么看这个
讲话人（原始 ASR）
变化以及你觉得市场哪些地方可能是高估
了 AI 对这个事情的冲击哪些地方是 AI
讲话人（原始 ASR）
确实会带来比较大的变化我先说说 SAP 本身的这件事因为确实如果大家都用高
讲话人（原始 ASR）
点去比从这个 300 掉到 160 确实是
那个但是我们稍微拉长点时间轴就是以比如
讲话人（原始 ASR）
说我们 21 年 21 年因为是 SAP 等于是上云的元年他定义了 rise
with
讲话人（原始 ASR）
SAP 所以从上云到慢慢的让 AI 嵌入到更多的流程里面那从产品定义的角度是
讲话人（原始 ASR）
一个更完整的 cycle 那我们看从 21
年 21 年的时候那时候的股价还是 120
讲话人（原始 ASR）
几块不到 130 块就算现在跌回到 160 其实它还有 20%多的增长你反观一些
讲话人（原始 ASR）
比如说我们还拿这个周期 21 年去对比
就是 21 年和现在的股价你看到很多的这个
讲话人（原始 ASR）
产品已经几乎不存在或者是夭折了对吧那个 AI 带来的冲击就是在 Point
solution
讲话人（原始 ASR）
上有完全替代的比如说像 P hot oshop 对 S aaS 的这种就单点 S
讲话人（原始 ASR）
aaS 的产品对吧这种的像 A do be 那时候快 500 吧 480 现在 200
讲话人（原始 ASR）
多块 200201202 我最近没看 202 最近 202 左右对就是这种可能就是
讲话人（原始 ASR）
工具类的被替代的它可能会更被显性的体现出来对吧还有一些就属于竞争家具的
讲话人（原始 ASR）
这种你还是像 Z o om 也是基本上
可能大部分都跌没了当然那时候它也吃到了
讲话人（原始 ASR）
疫情的红利对吧那现在可能 AI 出来了以后很多的本身的竞争的家具包括的功能
讲话人（原始 ASR）
被 AI 的同化和替代会比较大那看 SAP 本身呢就是说我觉得它就是除了这种对
讲话人（原始 ASR）
所有 S aaS 带来的恐慌导致大家用脚投票对股价的打压之外本身对于 S
aaS
讲话人（原始 ASR）
的 bus iness model 一定是有冲击的因为传统的 S aaS 的定
讲话人（原始 ASR）
价模式都是以 user base 就数
你有多少个用户我就收多少钱对吧首先我想
讲话人（原始 ASR）
问一下 ERP 它算 S aaS 吗就是融化之后它也算 S aaS 在广域里面都算
讲话人（原始 ASR）
S aaS 只不过我们是属于比较大的 S
aaS 和单点的 S aaS 单点 S aaS
讲话人（原始 ASR）
跌得更厉害只有我们可能还算挺在是正向的所以 S aaS 其实对于这种就不是
讲话人（原始 ASR）
完全可替代的这种它是属于两种一个是竞争加剧确实是 c oding 的这个效
讲话人（原始 ASR）
率提升了成本降低了那你本身原来值钱的东西不值钱了对吧第二其实更多的还是
讲话人（原始 ASR）
一个对于大家对于这种定价模式的认知坍塌了就是你以后都 ag ent 了你还
讲话人（原始 ASR）
按人头对吧可能这裁员裁的你可能减少的慢已经是做的比别人好了而不是你更有
讲话人（原始 ASR）
明确的路径说我是增加用户数来去支撑我
业务的发展所以更多的冲击是来自于它的
讲话人（原始 ASR）
业务模式的冲击所以其实像 SAP 这样的公司它也意识到这些点大家也不会坐以
讲话人（原始 ASR）
待毙的在这等着所以为什么我们自己也去革新也去讲说未来 S aaS 的定价模
讲话人（原始 ASR）
式它可能更多的还是 cons um ption based 的一个定价而不
讲话人（原始 ASR）
再单纯是一个按 user 数量或者 C-space 的就是作息数定价的一个模式
讲话人（原始 ASR）
cons um ption
base 就是按用量来定价对按的量现在 t oken
讲话人（原始 ASR）
基本上都是按用量定价的但是当然现在硅谷更新的公司都是这种 RAS Res
讲话人（原始 ASR）
ource Service 服务价值对你反正按结果给我钱这样的时候就是你
讲话人（原始 ASR）
如何有一个准确的定价模式我觉得这个是对于 S aaS 公司的面临的一个挑战
讲话人（原始 ASR）
就是您刚才说这个冲击有两个点一个是前面其实已经说的比较详细了就是关于商
讲话人（原始 ASR）
业模式上大家会从按作息收费更多的转向按消耗量去收费未来也有可能是按你的
讲话人（原始 ASR）
服务的价值成果去收费然后刚才您还说到第一个点的冲击是在于说 c
oding
讲话人（原始 ASR）
来了之后会让有一些之前值钱的东西变得不值钱了正好我觉得可以拆开讲一讲就
讲话人（原始 ASR）
哪些东西可能变得没有那么值钱了哪些作为之前的这些软件企业所积累的东西它
讲话人（原始 ASR）
还是有价值的是 AI 可能短时间内比较难以去冲击的对就是因为我觉得现在 AI
讲话人（原始 ASR）
本身变现的路径看得清楚的也是 c oding 对吧就是大家为什么现在资本也
讲话人（原始 ASR）
加码加在 c oding 上会比较多所以就是一个通用的数据你看其实就是说简
讲话人（原始 ASR）
单的编码可能一个小时几千行两到三千行的代码可能复杂的比如说我要带教验带
讲话人（原始 ASR）
安全性的那个可能两到三百一个小时所以以这样的一个 c oding 方式生的
讲话人（原始 ASR）
就我们纯从数量对比来讲我们取一个中限
值就是比如说一天两万行对吧那以 SAP
讲话人（原始 ASR）
现在 S4 是几亿行代码但你们如果去服务一个客户的话这个东西假如说在客户那
讲话人（原始 ASR）
儿是私有化部署的话这几亿行代码都要
部署在他那儿吗对在传统意义上 OP 的时候
讲话人（原始 ASR）
是这样的但是因为它是模块化的就是我说的是 t otal 加在一起是大概几亿
讲话人（原始 ASR）
行代码所以你就是说我复刻我用 ag ent 跑可能它也不是一个轻易就是我看
讲话人（原始 ASR）
现在一些 start up 可能有个两三百万行代码已经是一个比较成型的要上
讲话人（原始 ASR）
线去做的应用了所以就是在数量级上还是有差异的这只是一个就是数量级的对比
讲话人（原始 ASR）
当然其实更复杂的其实还是业务逻辑对吧
就是只是复刻代码本身其实是简单的这个
讲话人（原始 ASR）
业务逻辑到底是什么这个我觉得可能是更大的一个挑战就是我们现在在企业里面
讲话人（原始 ASR）
也看到就是只要现在的世界还是一个以碳基生物为主的管理的世界的话那我们短
讲话人（原始 ASR）
期之内我们企业运转的形式不会有大的调整对吧那我该生产的我可能还是要在工
讲话人（原始 ASR）
厂里生产只不过这个生产流程里面人干预的少但其实我整个企业就是所谓 ERP
讲话人（原始 ASR）
底层的流程其实并不会改变这个时候 SAP
里面沉淀的就是所谓的这个不管是这个
讲话人（原始 ASR）
四一行代码对于通用业务的支撑的底层逻辑它还是存在的当然是不是在流程上有
00:20
讲话人（原始 ASR）
提效的点一定是有的那我们现在也在用 AI 的工具去探查说在什么样的流程节点
讲话人（原始 ASR）
上我们是可以做提效的那反过头来说我去
用其他的手段去复刻这样的功能其实你是
讲话人（原始 ASR）
没有必要因为如果它已经是一个相对 stand ard ized 标准化的东
讲话人（原始 ASR）
西你干嘛不用呢对吗反倒是未来真正能创造价值的地方还是说如何在一个既有的
讲话人（原始 ASR）
标准流程上 s erve 更多企业更个性化的需有用更高效和低成本的方式这倒
讲话人（原始 ASR）
是未来一个广阔的空间就是为什么我们说在基本流程之上的 ag ent 到底能
讲话人（原始 ASR）
做哪些事是真正能带给来业务价值的这一派肯定是更重要的一个战场总结下您刚
讲话人（原始 ASR）
才说的这个意思是不是指 SAP 过去历史上积累的很多这种软件一个是系统层它
讲话人（原始 ASR）
有很多海量的代码然后另外就是业务逻辑
因为现在这个世界的商业和制造还是这么
讲话人（原始 ASR）
运转的所以这个部分是有用的然后这个标准化的基座是你们积累的东西在这个基
讲话人（原始 ASR）
础上怎么用 AI 去更定制化的服务客户的个性需求是 AI 可以发挥价值的地方对
讲话人（原始 ASR）
我觉得这个里面可能也细分不同的这个业务形态因为其实大公司和小公司的路径
讲话人（原始 ASR）
还是不太一样的就举你刚才说的那个小公司的意思不管它是管十几个不同的什么
讲话人（原始 ASR）
东西对吧但是如果我只是用一个简单的管理那其实我就用 we
b c oding
讲话人（原始 ASR）
去做一个很简单的应用因为就是 s
erve 我能可建可管理的这样的一个 purpose
讲话人（原始 ASR）
其实小的公司是很容易用低成本去做这件事的对就之前跟别的一些人交流比如说
讲话人（原始 ASR）
跟阿里的陈宇森交流他也是提到说他认为未来软件有一种可能的形式就变成日炮
讲话人（原始 ASR）
式就你的很多需求就是比较临时比较个性
化的然后你可能以比较低的成本你就 we
讲话人（原始 ASR）
b coding 出来了然后你就自己用一用过了一周两周之后也许你就不需要
讲话人（原始 ASR）
了是就是我觉得不排除这种情况就是我们
还是把它分成不同的形态去看就是 even
讲话人（原始 ASR）
是在大公司里它也会有日抛型就现在的架构设计基本上就是它会给你这种 ag
ent
讲话人（原始 ASR）
studio 就是你如果现成给你做的都不满意你自己就可以做这种日抛型的工
讲话人（原始 ASR）
具类型的去 s erve 你某一个 purpose 然后完了以后就日抛了它是这
讲话人（原始 ASR）
种随时产生的日抛型的工具类的但是我们
还回到所谓的 ERP 的这个领域去看如果
讲话人（原始 ASR）
是小公司你只是自己去管理然后大家还是一个比如说 family 的这种形式你
讲话人（原始 ASR）
基于人和人之间的 tr ust 去做你不用对外说我是一个上市公司我要披露财
讲话人（原始 ASR）
务报表然后别人要审计我我其实这个东西是不是有严格的权限管理是不是有足够
讲话人（原始 ASR）
多的审计线索它不是最 crit ical 的我只需要让我的业务可见这是我最
讲话人（原始 ASR）
大的诉求那就没有问题所以小公司你快速的上手 build 一个东西然后 s
erve
讲话人（原始 ASR）
你的 purpose 然后就可以了对吧但是如果这个公司长大你不光是和你认识
讲话人（原始 ASR）
的人去协同你要跟外部的人协同在现在的这个社会条件下如何建立一个更广泛的
讲话人（原始 ASR）
信任基础让大家信你的数据是代表着你的实际业务然后我跟你做数据交互的时候
讲话人（原始 ASR）
这个数据是可信赖的有人背书的那你还是要在一个更广泛的大家达成共识的一个
讲话人（原始 ASR）
平台上你才能让你的数据变成别人可以 cons ume 那这个社会的基准值它
讲话人（原始 ASR）
就有各种法律法规的要求 reg
ulation 的要求那你就要合规合规的时候
讲话人（原始 ASR）
它就变成了一个企业级的诉求而不是我一个手搓的自己做一个手工小作坊但只要
讲话人（原始 ASR）
我的业务能运转我这样就没问题所以它和企业所谓的 life cycle 就是
讲话人（原始 ASR）
你在你生命周期的哪一步你的诉求是什么是高度相关的对吧那进到比如说我上市
讲话人（原始 ASR）
以后我现在很多企业要出海那这个复杂度就更高了我手搓的东西在中国我了解我
讲话人（原始 ASR）
搓出来的东西拿到说宇森拿到墨西哥他在
墨西哥住了好久管墨西哥的业务对吧可能
讲话人（原始 ASR）
就不 work 了那边的税务也不一样各种 reg ulation 也不一样对吧
讲话人（原始 ASR）
那你包括这种多币种的支持多元的支持
到底怎么做对吧那你还是需要更复杂的一个
讲话人（原始 ASR）
平台当然我不觉得 SAP 自然而然就是我是你唯一的选择大家在新的 AI 的平台
讲话人（原始 ASR）
上一定都在自我研究那就在看我们自我演进的速度快还是更多的也瞄准了这一块
讲话人（原始 ASR）
市场的新加入的 player 他演进的速度快所以其实我觉得 SAP 在这个时间
讲话人（原始 ASR）
点第一他自己是有这个自我认知说我是被
颠覆的那一趴所以我更应该奋发图强的是
讲话人（原始 ASR）
去自己肩负自己让我好的东西我对业务的理解对不同行业的理解能继承下来的同
讲话人（原始 ASR）
时我怎么能让原来大家抱怨比较多的 SAP 复杂呀实施周期长啊交互性差呀这些
讲话人（原始 ASR）
东西能去做这些呢反倒是因为有了 AI 我
自然语言交互是大家默认的方式了那其实
讲话人（原始 ASR）
我只要通过 SAP 自己就叫 Z o om 就我们的这个工作助手你就告诉他你的
讲话人（原始 ASR）
意图其实我们也是通过意图识别然后指挥我的 ag
ent 有做 ass istant
讲话人（原始 ASR）
有做 or chest ration 去做指定分派的有做实际落地执行的 ag
讲话人（原始 ASR）
ent 其实他这个架构也是完整的所以他会屏蔽掉以前所谓的这四一行代码在底
讲话人（原始 ASR）
层的一些复杂度而让用户的交互界面变得非常友好非常清亮然后很多 ag
ent
讲话人（原始 ASR）
能够帮助你去自动化的执行你以前需要自己进去一个一个找一个一个点的这样的
讲话人（原始 ASR）
一个过程所以我们是希望就是这样的一些架构上的变化功能性的变化能够让客户
讲话人（原始 ASR）
能体验到 AI 给这个所谓的传统的 ERP 软件带来的不一样您刚才说的有一个价
讲话人（原始 ASR）
值我这天没想到过就是对大公司来说的因为我能想象到的就是 ERP 这种东西对
讲话人（原始 ASR）
大公司的价值肯定是在于大公司的业务它就比较复杂相对于一个小的组织它的流
讲话人（原始 ASR）
程可能也会比较长它对外联系的人也比较多所以它需要一个更复杂的系统那心灵
讲话人（原始 ASR）
刚才还说到一个点就是你用一个相对大家
都认可的这种平台你是在市场上去给自己
讲话人（原始 ASR）
的信誉背书的是一个信任网络的一个建立的一部分这个点挺有意思但是顺着刚才
讲话人（原始 ASR）
说的这个话题现在有一种想象这个激进的想象就是未来可能没有特别大的公司这
讲话人（原始 ASR）
公司都变小了而你们的客户其实肯定还是偏中大客户的嘛一个是你觉得就是未来
讲话人（原始 ASR）
大公司大组织是否还会存在或者说它会以什么样的形式存在然后另一个就是说未
讲话人（原始 ASR）
来这种公司本身组织的变化会怎么影响你们的一些调整挺好的问题我觉得一说 S
讲话人（原始 ASR）
AP 就默认就觉得 SAP 是大公司其实从我们实际数据告诉我们 SAP80%的
讲话人（原始 ASR）
客户其实是中小企业你们把多少规模以下的算中小企业我们就是 one
billion
讲话人（原始 ASR）
十亿吧十亿人民币收入十亿人民币收入一下在中小企业对所以呢你看就是对外宣
讲话人（原始 ASR）
传的时候我肯定都说世界百强里九十九家是用的就是你用大的品牌做宣传近人皆
讲话人（原始 ASR）
知所以就会说的更多一点当然我觉得也是
就是复杂度高它对系统的依赖性会强这个
讲话人（原始 ASR）
也是一个天然的属性对吧那我们往根上倒就是公司定理为什么会存在公司是因为
讲话人（原始 ASR）
在一个公司边界内的交易成本是大于你和外部交易的所以你会存在公司这样的形
讲话人（原始 ASR）
态对吧那随着 AI 打破了很多既有的定价模式那是不是你在公司内的交易的成本
讲话人（原始 ASR）
还低于你外包给一个 ag ent 去做的成本如果不一定的话那公司存在的形态
讲话人（原始 ASR）
一定会发生改变所以我觉得这个就是在我个人的认知里我觉得这个趋势是会有的
讲话人（原始 ASR）
就是大公司到底是不是一定未来还会以大公司的形态存在而且是不是以这种紧偶
讲话人（原始 ASR）
合的形式存在都不一定对吧但是有让它变小变分散的力量但同时也有让它聚合的
讲话人（原始 ASR）
力量比如说在 AI 还对大家是未知的时候一个东西到底怎么提升它的可信度谢谢
讲话人（原始 ASR）
大家信的平台下一个大的 U mbre lla 下面的所谓采用这种联邦制的方
讲话人（原始 ASR）
式可能能给他在面对未知的时候我的背书的建立信任的机制会更好所以你会看到
讲话人（原始 ASR）
有无形的手把它往伞里拆也有无形的手要让
它聚合所以最后它的形态会是什么我觉得
讲话人（原始 ASR）
现在说还为时尚早但是比较形成共识的是就我觉得我还是一个对 AI 长线发展是
00:30
讲话人（原始 ASR）
保有非常乐观态度的一个人我觉得它一定会影响现在的企业的一个结构包括就业
讲话人（原始 ASR）
构成的一个节奏一定会有一些岗位是慢慢减少甚至消失的但 AI 带来的很多新的
讲话人（原始 ASR）
需求一定会长出来的因为在未来我们现在在所谓第四次工业革命的中间点对吧你
讲话人（原始 ASR）
回看不管是蒸汽机电力互联网出现的所谓的工业 1.02.03.0 的过程里面
讲话人（原始 ASR）
它可能都从一个扰动性的新技术到第一次工业革命大概七八十年你才有大面积的
讲话人（原始 ASR）
全社会的生产力的提升到电的时代可能就变成了大概三四十年的一个周期就从技
讲话人（原始 ASR）
术变成有效果显现到互联网这个周期大概就缩短到 20 年左右那现在我们看到的
讲话人（原始 ASR）
说 AI 带来的或者我们说在泛的工业 4.0
的时代我不管是互联网的技术还是 AI
讲话人（原始 ASR）
的技术带来的这些冲击我到底什么时候
能够泛化成更多的新的产业形态的出现然后
讲话人（原始 ASR）
这时候你的整个社会资源分配生产资源的分配以一个新的形式出现的时候它就是
讲话人（原始 ASR）
整个的生产力就能外溢到其他行业虽然
现在看到的可能还是在 AI 相关领域的一个
讲话人（原始 ASR）
狂欢对吧但是对于传统领域里大家并没有很好的能够显现和享受到这样的一个东
讲话人（原始 ASR）
西我觉得不是不存在只是历史的规律告诉
我们它外溢是需要时间的然后呢这个时间
讲话人（原始 ASR）
你看这个轨迹它是逐步加速的所以它一定会
到来那我们的问题还是说我们 ready
讲话人（原始 ASR）
去迎接这样的一个很大的产业变革的重述吗就刚才我说的比如说企业个性化的服
讲话人（原始 ASR）
务如何被满足这个诉求怎么被满足这个诉求怎么被满足了正好可以说一下 SAP
讲话人（原始 ASR）
现在自己的 AI 愿景你们刚好是在今年 5 月的蓝宝石大会上发布了自主运营企业
讲话人（原始 ASR）
的愿景推出了 SAP 商业 AI 平台还有 G ew ork AI 交互界面同时也
讲话人（原始 ASR）
推出了 50 多个 G ew 智能助手对其实我们还是希望说整个的这个 aut
onom
讲话人（原始 ASR）
ous enterprise 它 so far 还是 human in the
讲话人（原始 ASR）
loop 的一个形态就是说 ag ent 执行但是人要去做这个判断然后在人去
讲话人（原始 ASR）
做判断的时候我们希望它是一个以 J ew el work 作为你前端交互的
讲话人（原始 ASR）
一个入口然后它里面会有你的意图识别和所有的辅助你工作的所有的功能甚至刚
讲话人（原始 ASR）
才提到的比如说你歌情化的东西如果我现有的 ag
ent 不能满足你的需要的话
讲话人（原始 ASR）
其实 D rew Work 可以给你空间让你在一个 stud io 里面你手搓
讲话人（原始 ASR）
自己的 ag ent 我觉得 SAP 主要的这个变化是在于我们把应用的层面打薄
讲话人（原始 ASR）
以后把更多的数据和流程性的东西暴露在上一层那我们能够让 ident
ical
讲话人（原始 ASR）
的这一层与一层的定义会更顺畅那这些呢其实为未来不光是 s
erve SAP
讲话人（原始 ASR）
的 ag ent 那以后未来还有非 SAP 的数据和外部数据的交互的时候如何让
讲话人（原始 ASR）
我们的这个业务流程能够走得更顺畅这个是我们现在要做的所以其实更多的还是
讲话人（原始 ASR）
说在既有知识里面如何 build 你企业的知识图谱知识图谱很多还是在一个你
讲话人（原始 ASR）
自己的这个业务流程里梳理出来的那在随着个性化的东西多了以后其实你还是有
讲话人（原始 ASR）
很多和你企业自己相关的我们叫企业记忆
的对吧就是现在其实很多模型我们说这个
讲话人（原始 ASR）
ag ent 还是因为 long
horizon 的这个长上下文的能力不够所以
讲话人（原始 ASR）
导致其实很多 ag ent 的能力受限对吧那我们也在想说除了基模本身那我们
讲话人（原始 ASR）
在上面的层级上如何通过上下文通过我们的 H
ann es 能够让 ag ent
讲话人（原始 ASR）
执行的效率做提升准确度提升这个可能也是 SAP 比较有优势的地方因为 SAP
讲话人（原始 ASR）
的语境它还是基于 table 就是这个观行数据库所以它更多的是结构化的数据
讲话人（原始 ASR）
所以在结构化数据的语境下面如何既有这种传统的机器学习的优点和我做预测的
讲话人（原始 ASR）
准确度同时我还可以在合适的场景里去吸纳大语言模型带来的这个意图理解的好
讲话人（原始 ASR）
处那这样的组合就让我们用户能够轻松地完成他的业务同时还能保证他的准确性
讲话人（原始 ASR）
如果一句话来总结一下的话自主运营企业它指向一个什么样的目标呢我们是希望
讲话人（原始 ASR）
把 SAP 的系统从一个记录型的系统变成一个可执行的系统所以也许越往后它人
讲话人（原始 ASR）
的部分会越来越少然后系统会更加的自主和自动对就是 ag ent 自动执行的
讲话人（原始 ASR）
部分会越来越多我觉得可能在未来的五到十年一定还是一个 human
in the
讲话人（原始 ASR）
loop 一些复杂作业现在一定是需要人去干预的比如说我就说大的集团比如说
讲话人（原始 ASR）
我们就说一个财务关账对吧财务关账其实听上去是一个相对标准的流程但是在每
讲话人（原始 ASR）
次越结关账的时候就光是比如说 inter comp any 的 re con
讲话人（原始 ASR）
ciliation 就是企业接网来的一个核对它就会有各种 ag ent 运行
讲话人（原始 ASR）
完了以后它可能完成 70%80%甚至 90%都可以给你对上但是会有那些比如
讲话人（原始 ASR）
说会遇导致的差异到底是汇率差异还是数据错误这是需要人判断的比如说我的坏
讲话人（原始 ASR）
账记题我到底用什么样的模式记题多少这些所有的记题其实还都是人要在里面去
讲话人（原始 ASR）
做这个判断的所以其实我们现在看到一个
企业管理的一个典型场景里面一定是 ag
讲话人（原始 ASR）
ent 把你日常的这个百分之七八十的自动化工作做完了以后一定会需要人去做
讲话人（原始 ASR）
最后的审核确认包括刚才我说的一些关键性的就是不能直接用数据推演出来的东
讲话人（原始 ASR）
西你要做人为判断最后它才能完成整个的一个端到端的一个流程这个描述听下来
讲话人（原始 ASR）
的话 SAP 主要是在 ag ent 就应用这一部分你们会做很多工作然后会联动
讲话人（原始 ASR）
上你们之前积累的企业里的这种业务逻辑以及本来就沉淀在这个系统里的数据和
讲话人（原始 ASR）
源源不断新进来的数据你们选的这条路就是没有自己做基础模型的我觉得如果方
讲话人（原始 ASR）
便的话也可以对比一下因为您之前在微软
其实工作了很多年微软可能就是它会自己
讲话人（原始 ASR）
顺一些模型你们现在是和 A z ure Peak 和 Go ogle 和微软这
讲话人（原始 ASR）
些有机模的公司来合作就可以讲一讲这个选择是怎么形成的包括你们之前讨论过
讲话人（原始 ASR）
自己顺大模型因为其实 SAP 的体量和
他的资源也还是比较多的对我觉得就是大家
讲话人（原始 ASR）
总体还是一个分工配合的那从 SAP 历史
上你去看他的这个业务发展本身你看现在
讲话人（原始 ASR）
做基模的不管是就是我觉得大家关注的重点还不一样 SAP 擅长的还是在企业运
讲话人（原始 ASR）
营策的流程数据的处理包括用户交互策的一些知识积累会比较多现在说白了积膜
讲话人（原始 ASR）
的这个演进速度是非常快的你看 C urs
or 也被收了以前你做 c oding
讲话人（原始 ASR）
的时候你认为你是在一个戏份里面做然后随着积膜提升很多的领域就被吃掉了那
讲话人（原始 ASR）
我们一方面希望我们能够利用所有最强模型的这个能力所以为什么其实 SAP 是
讲话人（原始 ASR）
和基模厂商合作就是我们提供的可用的模型
数量是最多的因为我们对比过你像 ash
讲话人（原始 ASR）
上跑的模型他不跑 AWSAWS 跑的模型是没有那个然后其实很多是因为他们各
讲话人（原始 ASR）
自有各自的笔员模型而我们来讲我们是开放给所有第三方的所以我们会在这个模
讲话人（原始 ASR）
型选择上用最合适的场景去对应最合适的
模型去做然后另外就是其实刚才讲的就是
讲话人（原始 ASR）
说机模和最终满足客户诉求之间其实比如说现在的这种 H
arness 也好 Res
讲话人（原始 ASR）
on ance 也好这一层级都是大家逐渐在一个技术路线的摸索过程中形成的
讲话人（原始 ASR）
新的去做结果校正和改进的一些方式对吧在这里面其实我们认为现在的这个技术
讲话人（原始 ASR）
路线还没有完全收敛到明确的说什么样的组合是一个最优的组合当然基模的能力
讲话人（原始 ASR）
一定还在不断的提升那现在也有很多说我是不是可以通过后训练去做一些小的模
讲话人（原始 ASR）
型然后能够在一些特定的思维数据里面提供
更好的效果那对我们来讲我们也 open
讲话人（原始 ASR）
to 这样的一个合作模式所以其实你把它
打开以后你面对的可能性是更高的那我们
讲话人（原始 ASR）
自己其实我们也在做自己所谓的专属模型
就刚才我介绍了说 SAP 的数据其实基本
讲话人（原始 ASR）
上还是结构化的数据以表结构的这个表数据的形式存放那在这里面其实我们很多
讲话人（原始 ASR）
我们自己有 RPT 现在到 1.5 就是我们自己基于表数据 t rain 出来的也
00:40
讲话人（原始 ASR）
有垂域的模型那在真正满足客户的一个诉求里面比如说我就是做一个未来收款的
讲话人（原始 ASR）
预测的时候它会调用比如说外部的大模型能够获取到的比如说这个客户的商誉对
讲话人（原始 ASR）
吧然后最近它是不是有回款的压力啊等等的那同时在系统内部可获得的是我跟他
讲话人（原始 ASR）
打交道的时候他所有历史订单履约的情况那这些都是非常结构化的数据他不应该
讲话人（原始 ASR）
有任何的幻觉出现是非常准确的那客户可能一个简单的问题其实在 SAP 里面他
讲话人（原始 ASR）
会聚合不同模型的能力最后拼出来一个最
符合你要求的一个答案所以说单回答就是
讲话人（原始 ASR）
SAP 持开放的合作态度看什么样的技术的组合更能满足客户的诉求有一些技术
讲话人（原始 ASR）
不一定要用到模型对吧对就大模型现在这种技术范畴它肯定是多多少少会有幻觉
讲话人（原始 ASR）
的是所以我们现在就是在看说什么样的就当然其实在这一层里面大家会有很多的
讲话人（原始 ASR）
比如说 ag ent reflection
做校正做这个去尽量排除掉幻觉但是
讲话人（原始 ASR）
在一个企业尤其比如说像财务管理领域里面它不是说 99%的准确率就是一个可
讲话人（原始 ASR）
接受的准确率它可能就是 100%对吧你任何的不准确你可能到 90%以上可能
讲话人（原始 ASR）
在打榜的时候已经是很高的一个 bench mark 了但是在现实里面它就是
讲话人（原始 ASR）
不可用的数据所以这些东西其实是在具体的场景下要去判断用什么样的技术实践
讲话人（原始 ASR）
手段这个正好也是我想展开问的就是从模型到企业应用之间的 g
ap 一个是现在
讲话人（原始 ASR）
会有一个很流行的说法就是模型及产品在
2B 市场这个是不是不太成立啊对就我不
讲话人（原始 ASR）
想下很绝对的那个定义就是因为以后模型长成啥样确实不知道如果真像那个电影
讲话人（原始 ASR）
里面那个 ent ity 无所不能它可能真的是各种泛化能力都很好走到那一天
讲话人（原始 ASR）
也未见得那可能就是超级人工智能对对对无所不能对但是现在在目前有的现实条
讲话人（原始 ASR）
件下可能模型一下子很难达到有的时候
甚至很基本的事情它其实也不一定做得很好
讲话人（原始 ASR）
对吧那在未来五到十年可见的说我们既有的业务形态企业形态不变化的时候其实
讲话人（原始 ASR）
在 2B 里面只把模型扔进去肯定是不够的现在走的比较激进的大的公司其实它都
讲话人（原始 ASR）
会有所谓的这个 AI 的转向去投然后有一些企业也会有龙虾港就是除了人作为员
讲话人（原始 ASR）
工也有数字化员工大家 p air
together 然后一起联手去做工作其实
讲话人（原始 ASR）
都会有那在这个过程里面大家为什么用这样的形态去补足最后一公里就因为其实
讲话人（原始 ASR）
模型还是说在什么场合能帮到业务多少其实是一个大家逐渐在往前推进和探索的
讲话人（原始 ASR）
这样的一个过程它还没有据点到说我就丢给你这就是标准选项 12345 菜单很
讲话人（原始 ASR）
清晰你就选你要什么吧其实我觉得之所以现在这个 FDE 变成了一个大家的共识
讲话人（原始 ASR）
就是因为其实你在每一个企业里面如何把在这个企业边界里的私域数据能结合模
讲话人（原始 ASR）
型去做最大化的一个转化这是一个现在要研究出来的课题它没有一个标准答案对
讲话人（原始 ASR）
FDA 等会儿可以展开聊一下我们可以先把这个 GAF 聊完就是您刚说这个落差
讲话人（原始 ASR）
如果从您自己观察的一些案例里面来说这些落差的一些具体表现有什么就是从模
讲话人（原始 ASR）
型到应用的对我因为天天跟那些 CIO 啊 CRO 打交道他们吐槽了什么对他们吐
讲话人（原始 ASR）
槽的就是老板经常在微信上读了一个什么什么什么 AI 能干啥然后丢给他说我也
讲话人（原始 ASR）
要这是现在就是尤其大企业的 CIO 最
头疼的事因为总体来讲我们现在的这个很多
讲话人（原始 ASR）
企业的一号位它其实对技术并不是那么知道对吧我觉得现在看到的那个落差是在
讲话人（原始 ASR）
于大家认为 AI 来了以前我干的和数据相关的苦活脏活累活就不用干了这个其实
讲话人（原始 ASR）
是挺大的一个错位和落差就是 AI 可以帮
我们做很多的事情把无序变成有序你可能
讲话人（原始 ASR）
不用自己去梳理清楚再喂给它因为以前其实你做数据仓库或者数据库仓一体就是
讲话人（原始 ASR）
我们天天做 ERP 其实你为了把那些数据加载变得可用其实你耗费了大量的精力
讲话人（原始 ASR）
在数据清洗这个的过程嗯那 AI 的出现
其实它会加速这样的一个过程但并不是这个
讲话人（原始 ASR）
过程就不存在了所以在 AI 的这个前提下一方面我们如何能够通过 AI 的方式侦
讲话人（原始 ASR）
查到底层我数据的断点在哪然后把我底层数据在生成的那一刻就带着充分的业务
讲话人（原始 ASR）
上下坟而不是需要我再二次去做数据的清理加工费这么大的劲费这么多 t
oken
讲话人（原始 ASR）
去清洗我的数据其实就是现在很普遍的
一个诉求那这个是对新产生的数据是吗如果
讲话人（原始 ASR）
是前历史界的数据那还是得让 AI 发 t
oken 清晰一点对所以现在 FDE 其实
讲话人（原始 ASR）
你建本体就是要在你茫茫的历史数据里去把你的 bus
iness object
讲话人（原始 ASR）
就是你的这些典型的数据按照业务对象做完梳理其实它才能支撑你 ag ent
讲话人（原始 ASR）
的运行其实就是这样一个过程然后 AI 也可以帮助加速这个过程就以前都是人干
讲话人（原始 ASR）
的现在 AI 也可以帮助去梳理以前的历史数据是的但是这里面分两步一些是就刚
讲话人（原始 ASR）
才描述的固定流程的固定流程的其实你没有必要花 t oken 再去梳理因为在
讲话人（原始 ASR）
SAP 里它一二三四五步是很清晰的对吧你在 SAP 里你直接把这流程加载过去
讲话人（原始 ASR）
直接用就好了这也就是 SAP 最大的一个 d ifferent i ator
讲话人（原始 ASR）
就是我们的差异化那还有一些其实更多的是企业里面刚才提到的不管是丁丁飞书
讲话人（原始 ASR）
其实很多断点系统到系统里的断点是体外循环的或者我的一个人为判断为什么做
讲话人（原始 ASR）
这个人为判断他是开了会做了邮件的沟通然后形成了一个决议这个决议最后的实
讲话人（原始 ASR）
施是在系统里记录了这个结果但是为什么形成这样一个人为的决定它也是体外循
讲话人（原始 ASR）
环的所以这一部分其实 AI 能帮助我们把一些非结构化的历史数据把老师傅给争
讲话人（原始 ASR）
出来就是以前可能是靠人去判断说我的记题我到底应该怎么记题大家开了两个会
讲话人（原始 ASR）
我知道了好我按这个比例去做记题这个 know how 给它争出来以后那你在
讲话人（原始 ASR）
做所谓我们建立企业就是 comp any
memory 你企业记忆的时候你就
讲话人（原始 ASR）
有了标准的流程叠加上你自己的这些非解析的数据和 off line 的这个离
讲话人（原始 ASR）
线做的很多决策能给它结合在一起那这样你在面向未来再去做支持的时候其实你
讲话人（原始 ASR）
企业记忆一层一层沉淀下来你慢慢可自动化执行的部分就会越来越高除了这个之
讲话人（原始 ASR）
外还有什么别的吗我觉得还有一个经常被吐槽的也是我认识的 CHRO 基本上都
讲话人（原始 ASR）
会给我打电话说 B ess
ie 给我推荐个人其实现在呢就是你看到真正懂 AI
讲话人（原始 ASR）
的人他都在大场合 start up 里面怀揣对于 AI 的各种梦想去做对吧然后
讲话人（原始 ASR）
呢你看在传统领域里他需要找但是真正懂
AI 的人又不愿意加入传统企业你能给我
讲话人（原始 ASR）
几张卡你们花多少钱在这上面数据在哪对吧而且我过来我可能不是一个人过来我
讲话人（原始 ASR）
弄我得带几个人我才能把这事干了那对于一个传统企业他就首先他可能没有那么
讲话人（原始 ASR）
多张卡然后呢这个他对于 AI 来讲有向往他又想找 top
tier 的 top tier
讲话人（原始 ASR）
又对他提要求他又不能理解这样的诉求的时候其实人才的落差是很大的这一部分
讲话人（原始 ASR）
我觉得是我现在看到就是 AI 还没有在人才供给侧有这么多人才能够辐射到传统
讲话人（原始 ASR）
行业里帮他把这做了那这个就正好聊到你前面提到的 FDE 现在变成一个很火的
讲话人（原始 ASR）
事件 FDE 就是前向部署工程师对我理解
它就是一个驻场的 AI 应用工程师的一个
讲话人（原始 ASR）
角色就是他要去客户现场然后帮客户把 AI 用得更好首先我最开始看到这个概念
讲话人（原始 ASR）
的时候我其实有一个疑问就这和比如说像 SAPS ales force 这些
讲话人（原始 ASR）
大型的以前的软件公司都会做的这种授权
的工程师或者驻场的工程师的区别是什么
讲话人（原始 ASR）
它有啥本质的区别你看 FDE 这个模式出现还是 P ol ite er 开始弄
讲话人（原始 ASR）
的但在那个时间点上的工程师进去其实更多的还是从数据书底就是他更偏底层数
讲话人（原始 ASR）
据的角度去看所以你看 FDE 工程师的背景其实他还是一个偏产品侧偏技术侧的
讲话人（原始 ASR）
一个人而反观像 SAP 就是这些 ERP 软件我们派所谓的顾问去那做访谈的时候
讲话人（原始 ASR）
它更多的背景是我是一个行业专家我是一个财务专家然后你告诉我你的财务记账
00:50
讲话人（原始 ASR）
准则是什么样的然后你怎么去做你的财务分析我从你希望看到的财务分析的结果
讲话人（原始 ASR）
倒推到你的科目架构应该怎么设计然后你应该做几段定义然后把什么样的业务的
讲话人（原始 ASR）
信息埋在你的科目里面这样保证你在要
达到你的财务分析的结果的时候你应该这么
讲话人（原始 ASR）
走过来所以首先人的技能和背景不一样另外他切入的视角他是从业务端去切入的
讲话人（原始 ASR）
业务端切入以后最终他还是要落在一个标准化的产品里面这个标准化的产品是我
讲话人（原始 ASR）
从 A 到 B 我可能 rough ly 就是五步要走然后这个客户可能有一些个性化
讲话人（原始 ASR）
的诉求可能在这五步里我在第三步要做一些额外的定制化的开发所以我们会有额
讲话人（原始 ASR）
外的模块或者功能外挂在这但是总体的流程它还是按照既有的这个标准化的流程
讲话人（原始 ASR）
走下来的所以这就是传统的一个 ERP 实施的以後过程那当时你们那个流程里面
讲话人（原始 ASR）
需要做定制化开发的那部分人他们是在客户的现场还是其实不用去客户现场也能
讲话人（原始 ASR）
开发原来都是在客户现场当然后面大家都是远程交付也都没有问题其实我觉得倒
讲话人（原始 ASR）
不在于是否住场对是否住场不是最基本的而是这个人的背景因为那个时候我们就
讲话人（原始 ASR）
算是做开发的人其实他还是一个 cons ult ant 他不是产品就最终你
讲话人（原始 ASR）
做的科技化开发的东西它是作为一个功能
模块挂在你标准产品之外的而现在 FDE
讲话人（原始 ASR）
是我把产品就本身做产品的人提前部署到你那最后跟你做出来的这个东西会变成
讲话人（原始 ASR）
我的产品这个不一样我们是拿着一个标准的产品说我理解你然后哪些可以放在标
讲话人（原始 ASR）
准产品里面哪些不能放在标准产品里的我做科幻化的定制最后满足你的诉求但是
讲话人（原始 ASR）
对于现在的模式因为 AI 到底能解决你什么最后以什么样的形式解决它还停留在
讲话人（原始 ASR）
模型和离着那儿比较远的时候到底我的产品能力的演进哪些可以包在这里面他是
讲话人（原始 ASR）
直接用产品的人去做所以他更偏底层的 engine ering 所以现在你看
讲话人（原始 ASR）
啊现在 FDE 模式的演进包括不管是 An
th r otic 包括 Open AI
讲话人（原始 ASR）
他不光和 PE Company 合作成立 FDE 的组织去做他也会和咨询公司合
讲话人（原始 ASR）
作去做这就是为什么大家越来越意识到你不是把一个 P
rot otype Engineering
讲话人（原始 ASR）
前期的部署到客户那他就自然而然代码就出来了因为他缺乏一个转化器就是懂业
讲话人（原始 ASR）
务的人能把这个业务变成一个你可以 c oding 的一个 sc enario
讲话人（原始 ASR）
他才能回归到产品侧所以这也是一个演进的过程就一开始大家觉得代码是一切我
讲话人（原始 ASR）
过去了就可以做了但其实发现这个过程里面就是我的 ont ology 的建立
讲话人（原始 ASR）
其实是依据于你对客户的深度理解所以我们现在缺的人是就是这种组合的又懂技
讲话人（原始 ASR）
术本身但是同时还可以深入的了解客户的业务完成这样的转化所以你看现在 An
讲话人（原始 ASR）
throp ic 也跟这些咨询公司 B
oston 什么什么这些咨询公司也开始
讲话人（原始 ASR）
合作就是大家要有一个能力的互补这相当于 FDA 那个是偏工程师的然后咨询师
讲话人（原始 ASR）
是偏其实就你说之前的那种流程你的业务顾问的那个角色是的对最近有很多这种
讲话人（原始 ASR）
大的合作就五月的时候 SRP 和 Open AI 都是各自宣布成立了这种单独的
讲话人（原始 ASR）
FDA 的组织对对对就是部署公司 De ploy ment Company
讲话人（原始 ASR）
然后他们合作方就是有什么麦肯锡有艾森哲有这种咨询公司然后另外也是有一些
讲话人（原始 ASR）
PE 我觉得 PE 是可以给他介绍客户对他的 port
fol io company
讲话人（原始 ASR）
就是他的背头企业他会开放给他然后让他进到里面去做这样的一些 h ands
讲话人（原始 ASR）
-on 的项目而且参与他们这个事的很多 PE 都是 S
aaS 公司的这种比较重要
讲话人（原始 ASR）
的投资方所以理论上他们的 port
fol io 里面的 S aaS 公司就一些
讲话人（原始 ASR）
单点的 S aaS 公司可能也会和这个趋势来一起合作吧也会寻找一些他们的出
讲话人（原始 ASR）
路我们自己其实也有 FDE 的 te
am 然后最近微软不是也成立了 FDE 的 te
讲话人（原始 ASR）
am 其实大家现在还是说对于实现方式是
达成共识的但是在 FDE 的过程里面出来
讲话人（原始 ASR）
的东西还没有完全的达成公式就大家现在都是认为该这么做但是这个东西这么做
讲话人（原始 ASR）
沉淀下来什么东西是一个探索的过程中间
对然后 SAP 的好处是因为我毕竟我其实
讲话人（原始 ASR）
还是有一些业务的理解是在这里面的那我举个例子我们有一个大的我现在不说名
讲话人（原始 ASR）
字大的很 in nov ated 的 comp any 然后他自己也有很多的所
讲话人（原始 ASR）
谓的这个自己用 cloud code 去做的数字化员工去做比如说有一个官务
讲话人（原始 ASR）
系统就是他在全球 33 个国家去做官务海关的申报然后呢因为不同国家他的官务
讲话人（原始 ASR）
单据是完全不一样的然后这一套 d
ocument 的数据量是很大的那他们自己
讲话人（原始 ASR）
做了这个所谓 ag ent 去做然后这个官屋的审核报官然后那准确率只有百分
讲话人（原始 ASR）
之六七十所以发现上了这个 ag ent 以后人变忙了因为人总要去查这些百分
讲话人（原始 ASR）
之六七十剩下的这些错误到底来源于哪然后没有啼笑反倒是大家怨声载道那我们
讲话人（原始 ASR）
进去了因为我们本身对于这 33 个国家我们有 GTC 就是我们有一个 g
lo bal
讲话人（原始 ASR）
本身就是做税务的一个平台所以我们大概对这 33 个国家的税务我是有基本理解
讲话人（原始 ASR）
的而且我们有一个 d ocument
AI 它通过模型就是 t empl ate
讲话人（原始 ASR）
的配置就是模板的配置就大概知道每个国家基本的这个数据项大概是什么样这样
讲话人（原始 ASR）
基于一个标准你做数据切片你就不用每次都是长上下文所有 t oken 消耗也
讲话人（原始 ASR）
高然后准确率也低然后我们进去以后准确率瞬间就提升到百分之九十几然后他们
讲话人（原始 ASR）
就本来是说做一个国家试店然后马上争相
的三十几个国家都说我要上线我要做所以
讲话人（原始 ASR）
我想说的是就是大家在探索 AI 真正能够带来业务价值的这个探索的过程本身里
讲话人（原始 ASR）
面其实不用完全摒弃掉那些以前的东西就说所有以前东西肯定都是不好的不一定
讲话人（原始 ASR）
的因为毕竟你现在的业务的大部分其实还是遵循一定之规的你只需要在打底打得
讲话人（原始 ASR）
好的基础上把那些以前不太规范的和你
不能读懂的或者收集那样的数据代价很大的
讲话人（原始 ASR）
那一部分补充上其实就是很好的一个状态其实那从刚才我们分享的这些 ent
ropic
讲话人（原始 ASR）
open AI 的做事的方式的改变和演进中你也能看出来端倪说我想象的是原
讲话人（原始 ASR）
来 FDE 这样去做后来演进成我要在一个客户群体里然后我要引入更了解业务的
讲话人（原始 ASR）
然后大家一起去做那其实就是在企图分离
出来哪些是业务顾问能读懂本身你不需要
讲话人（原始 ASR）
再去用大模型重新去做泛化生成的哪些是你可以快速叠加增量价值的部门你怎么
讲话人（原始 ASR）
看 An throp ic Open AI 来做这件事所代表着他们背后的野
讲话人（原始 ASR）
心那如果他们自己把 FDE 这套也跑下来我看起来他们就能自己的独立服务一些
讲话人（原始 ASR）
2B 的这种大客户会和你们有更多的竞争和冲突吗我觉得肯定会吧现在大家其实
讲话人（原始 ASR）
整个 AI 的世界就是一个大的竞合的世界
大混战对就是谁也离不开谁但同时大家都
讲话人（原始 ASR）
想去圈出来自己的一块地所以我觉得有
这个竞争其实是个好的事不是坏事对吧然后
讲话人（原始 ASR）
就看以 SAP 建厂的就我们建厂的是对于业务的理解我怎么补充上我原来缺失的
讲话人（原始 ASR）
比如说工程的能力对吧那对于 Ant ropic 来讲它的 c oding 的能
讲话人（原始 ASR）
力很强它模型的能力很强它怎么快速的
补充上它对业务的理解的部分就是大家其实
讲话人（原始 ASR）
都是在一个就是发挥自己擅长的同时补短板的一个过程然后就看谁调整的更快你
讲话人（原始 ASR）
觉得哪个更难补啊我现在的判断我个人的
判断我觉得肯定是技术的容易补一点因为
讲话人（原始 ASR）
技术本身它是就是水涨船高你机模的能力提升了其实它会带动本身的效率的提升
讲话人（原始 ASR）
对吧然后这个相对来讲我觉得尤其现在这个模型的本身有 Cloud Code
讲话人（原始 ASR）
这些能力其实你让懂业务的人更容易上手
去驾驭所谓的大模型但是对于懂模型的人
讲话人（原始 ASR）
让他去懂记账是怎么做的对吧就是这个差异还是不太容易的另外就是其实我觉得
讲话人（原始 ASR）
更现实的一个挑战刚才我们聊到人人就是说他有能力的确实就我 h ire 不到
讲话人（原始 ASR）
我想 h ire 的人但更大的一个人的问题是组织的所谓的 grav
ity 就是
讲话人（原始 ASR）
组织惯性的问题就是你真正进到里面去做事的时候大多数人不会因为 AI 来了就
讲话人（原始 ASR）
自然而然的拥抱 AI 有些人是没有意愿有些人是有意愿没能力有些人是既没有意
讲话人（原始 ASR）
愿又没有能力对吧所以其实在越大的一个
组织里你会发现组织的惯性会更大就大家
01:00
讲话人（原始 ASR）
更倾向于用我熟悉的了解的会做的方式一直去做而不是你来了告诉我一个很好东
讲话人（原始 ASR）
西我就自然而然去学了所以前一阵就是敞开了烧 t
oken 鼓励大家烧 t oken
讲话人（原始 ASR）
even 在 high tech company 其实也不是所有的人都会拥抱
讲话人（原始 ASR）
和使用你更不要说进到一个现实的大的 enter prise 里面其实人才的
讲话人（原始 ASR）
构成可能人才密度更低那其实你想用 AI 去
拉动一个就是重力更大的一个实体的时候
讲话人（原始 ASR）
其实是更难的所以其实我觉得 AI 真正你去 scale 在现实场景里面遇到的技
讲话人（原始 ASR）
术上的挑战远小于组织上的挑战组织上的挑战会更大您觉得 FDE 这个潮流会持
讲话人（原始 ASR）
续吗我觉得这涉及到一个就很多人会关心
的话题就这是不是一个好的就业方向因为
讲话人（原始 ASR）
一方面 c oding 肯定是替代了很多程序员嘛就是前端后端中比较基础的程
讲话人（原始 ASR）
序员然后就有一种声音说大家可以去做 FDE 可以去做那个成像部署工程师嗯不
讲话人（原始 ASR）
过我听下来我觉得就比如说借鉴以前的
SAP 像甲骨文这些大的公司发展历程可能
讲话人（原始 ASR）
这个前项部署到了一定阶段之后很多产品它又会沉淀成一个相对标准化的东西是
讲话人（原始 ASR）
吗那这些类人它是随随需要还是会变少我觉得总体来讲效率一定会提升对吧就是
讲话人（原始 ASR）
我们现在看到一个比如说一个创业企业它可能以前是一个需要一个 50 到 200
讲话人（原始 ASR）
人规模我现在可能二三十个人就把两三百
个人的活就干了我觉得这是一个趋势也是
讲话人（原始 ASR）
AI 带来本身就是一个现实对吧所以不管你是做 FDE 还是做什么样的工作可能
讲话人（原始 ASR）
我们都需要 fe ar but better 就是更少的人更好的人去做这件
讲话人（原始 ASR）
事我觉得这个 stat ement 我
觉得还是成立的但并不意味着大多数人没有
讲话人（原始 ASR）
工作这个一会我们再去说这一段但是就是说在整个 FDE 的这个过程里面因为它
讲话人（原始 ASR）
本身包含的内涵你看就短短的不到一年的时间它已经内涵 e vol ve 变化
讲话人（原始 ASR）
了很多了对吧那到底最后的 FDE 会中继形态是什么样现在你也不知道对吧但是
讲话人（原始 ASR）
我们看到的更多的还是说你逃不出来脏活累活处理企业的流程组织和数据逃不掉
讲话人（原始 ASR）
对客户业务的理解逃不掉以前其实就是困扰说我怎么把业务转化成我的代码现在
讲话人（原始 ASR）
还是一样对吧只不过我用 AI 做代码的速度提效了但并不代表着这个转化的过程
讲话人（原始 ASR）
它就自然而然的加速了所以它还是要有 human in the loop 去
讲话人（原始 ASR）
做干预的所以在未来的一段时间不管叫 FDE 还是叫什么就是这个业务和技术结
讲话人（原始 ASR）
合的过程一定是 AI 从小圈子的狂欢外溢到更广泛的一个 enter
prise
讲话人（原始 ASR）
的天地里必经的路线所以这段时间这个工作一定是需要的就是说未来说 FTE 会
讲话人（原始 ASR）
不会持续的演进是不是会完全复刻在
2000 年上下就是咨询公司爆发的那段时间
讲话人（原始 ASR）
我觉得可能不一定有那样 10 倍 20 倍
规模的增长因为人效提升了对吧同时呢其实
讲话人（原始 ASR）
是两拨人在竞争这样的一份工作一个是像博士顿刚才说的这些麦肯锡的咨询顾问
讲话人（原始 ASR）
夏晨在做这个然后 FDE 偏 AI 偏 c oding 的人在做那到底是他占据更主
讲话人（原始 ASR）
要的地位还是他占据更主要的地位两股力量其实我觉得会合并成一个更综合的一
讲话人（原始 ASR）
种能力的人能最后持续的在这个岗位上去去工作就是工程背景偏工程师的人和偏
讲话人（原始 ASR）
咨询顾问偏业务知识的背景的人他可能这两个角色就合并了在 FD 这个角色上正
讲话人（原始 ASR）
好我觉得可以聊到就是您说的从小圈子它
外移到更多行业的这个过程可以以 SAP
讲话人（原始 ASR）
大中华区为例子来讲讲就你们看到就是从科技行业然后往外它是怎么一步一步的
讲话人（原始 ASR）
哪些行业可能用这种更加 AI 更加自主更加 ag ent 的方式来运营企业正在
讲话人（原始 ASR）
变得普及因为这个浪潮其实真正起来也就是过去一两年的事情所以其实我觉得采
讲话人（原始 ASR）
用数据并不全我们也不是和所有的企业打交道可能是片段的但是我们会有大客户
讲话人（原始 ASR）
和小客户都有那我们看到的趋势上其实真金白银能付出钱去做这件事的相对来讲
讲话人（原始 ASR）
大客户会多一点因为它有足够的数据然后他有足够的痛点因为企业大了可能他要
讲话人（原始 ASR）
提效和节省成本的诉求更强烈而他本身有足够多的财力支撑他去实验去用新的技
讲话人（原始 ASR）
术去解决自己最疼的地儿这是很原始的一个驱动力让他去做这件事所以我们看到
讲话人（原始 ASR）
动得快的其实确实是一些大的企业会动得快像在国内的话你们比较大的客户本身
讲话人（原始 ASR）
他比如每年给你们的这个收入体量或者说
客单价是一个什么量级如果他们开始 AI
讲话人（原始 ASR）
转型的话他们大概会先从什么量级开始试对我觉得具体数量我们不讲了但是我们
讲话人（原始 ASR）
看到的就是基本上你现在 IT 的预算都是被削减的而 AI 的预算都是增加的所以
讲话人（原始 ASR）
你基本上一个传统的 IT 的项目你想立起来没有一些和 AI 挂上钩其实现在立项
讲话人（原始 ASR）
都会比较困难所以可以看到是这样但其实不光是在中国其实麦肯锡做了一个全球
讲话人（原始 ASR）
的访谈他访谈了 2000 多家 88%的企业都或多或少的都会用 AI 去做一些项
讲话人（原始 ASR）
目但是只有 3%的觉得我真正的是有业务回报的所以这个过程就导致现在更多的
讲话人（原始 ASR）
企业其实真正 AI 上 production 的就刚才我描述的像官务什么真的上
讲话人（原始 ASR）
production 的项目并不是那么
多其实在探索阶段的做 POC 的去做一些
讲话人（原始 ASR）
原型的反倒是更多的所以大家也意识到单点可能投一些钱能够砸出来效果然后呢
讲话人（原始 ASR）
做更大的时候现在也看到一些咨询公司能接到一些单子去规划一些 AI 的场景原
讲话人（原始 ASR）
型设计然后岗位应该怎么调这些都在起步
慢慢看到越来越多的机会出现在这一部分
讲话人（原始 ASR）
然后小公司不一样小公司就是我刚才描述
的人家可能用点开源的或者 AI 工具自己
讲话人（原始 ASR）
就跑得很快了所以其实那个是另外一个形态的 AI 减轻的路数反倒是最 str
uggle
讲话人（原始 ASR）
的就是中间层可能在这个几个亿到一百亿
左右这个中型企业那这里面我们看到的是
讲话人（原始 ASR）
和创始人或者和这个企业的一号位的认知是强相关的有一些他会自然而然的认为
讲话人（原始 ASR）
我要拥抱 AI 我要用 AI 去做提效那你看到这样的企业就会动得快一点他一旦动
讲话人（原始 ASR）
起来其实他步子也会大因为他相对来讲企业规模不大然后这个用 AI 工具或者是
讲话人（原始 ASR）
颠覆性的用一些 AI native 的
工具会更容易而有一些企业其实就是他还是
讲话人（原始 ASR）
说我可能等你们导致清楚了我在入场我可能现在不是一个最好的入场的时间尤其
讲话人（原始 ASR）
中国的这个中等规模企业它是非常现实的即便是你你头脑里想的很多很创新很创
讲话人（原始 ASR）
新的一些 cool branding 的企业我不说名字但是在他真正企业管理
讲话人（原始 ASR）
侧真正愿意投钱去做 AI 提效的并不那么多他做 AI 很多的还是在 AI 赋能产品
讲话人（原始 ASR）
比如说我可能现在所有的扫地机器人都会因为大模型的出现我用更好的算法我用
讲话人（原始 ASR）
更顶尖的人台把我所有的端侧模型都优化一遍其实他愿意投钱在产品上他就不是
讲话人（原始 ASR）
组织层的对其实他自己的管理哲学相关就是他不认为我现在投在 AI 在管理侧带
讲话人（原始 ASR）
给我的收益会大于我投在产品侧所以我觉得这是一个缩影你看中国的 S aaS
讲话人（原始 ASR）
企业为什么到今天也没有长出来全球的巨头其实和这种企业的心态有强相关的关
讲话人（原始 ASR）
系你看很多的企业在快速发展的时候它都是在追逐 top line 的成长就是
讲话人（原始 ASR）
我要更快的 go to market 我要更快的抢夺市场我要更快的涨你涨得
讲话人（原始 ASR）
越快的时候其实大家的压力都在获取市场和客户然后呢导致后续又会售后运煤的
讲话人（原始 ASR）
压力大然后又会资源又倒到售后上然后就在业务侧不停的翻滚反倒是中间企业底
讲话人（原始 ASR）
层的很多系统建设都是非常潦草的因为涨得太快了它没有一个喘息的窗口让你好
讲话人（原始 ASR）
好的规划设计很多现在中国的公司变大了以后也是这样所以在这个过程里面其实
讲话人（原始 ASR）
中国本土的 S aaS 公司也没有一个好的定价的模式和大家对价值的认可能支
讲话人（原始 ASR）
撑着他们帮助企业把这个 F ound ation 建好对吧所以现在 AI 来了
讲话人（原始 ASR）
以后你觉得 AI 就自然而然的能帮助这个一个七拧八歪的非结构化的东西马上就
讲话人（原始 ASR）
能赚钱跑吗其实谢谢大家自然而然的帮你修复掉你不想做的那一盘它自然而然就
01:10
讲话人（原始 ASR）
变好了其实不会对吧所以其实我觉得就是虽然我们现在看上去很多国外的企业很
讲话人（原始 ASR）
慢然后有的时候就我自己都会嘲笑他们就是哎呀做个神聘这么烦然后很多东西都
讲话人（原始 ASR）
很慢但其实有的时候你 AI 一旦赋能到所谓的一些这个国外的公司它底层的基础
讲话人（原始 ASR）
好的时候其实它的加速度会更高所以我们现在还是希望说更多的企业能够冷静的
讲话人（原始 ASR）
去想说你到底的资源投放投放在什么地方能支撑你短期的增长诉求同时能够给你
讲话人（原始 ASR）
一个 run way 在未来 AI 真正体校来的时候你有一个相对整齐的一个基础
讲话人（原始 ASR）
架构否则现在我们做的很多的所谓 AI 基建确实都在补过去的很多的课就可能是
讲话人（原始 ASR）
在补以前信息化的一些课是但是如果我们
用同样的思维去指导我们现在所谓往 AI
讲话人（原始 ASR）
走的这一步其实过去犯的错误你现在还是会犯比如说就是你的机器没打好你数据
讲话人（原始 ASR）
很乱对就是你认为 AI 就可以我不用做一个完整的数据治理架构反正我就是既用
讲话人（原始 ASR）
既抛然后就可以快速的跑而且我主要的驱动还是把 AI 放在产品侧而不去看底下
讲话人（原始 ASR）
的这些东西的话其实他不是说不行这么多企业中国企业都这么长起来了而且长得
讲话人（原始 ASR）
也都挺好在全球也有竞争力对吧都可以但是你看你在找下一波技术变革的时候它
讲话人（原始 ASR）
不会自然而然地帮你把以前辣的课就
自然而然地跨越它不是个弯道超车的逻辑不是
讲话人（原始 ASR）
说你前面有些东西没干有个新技术之后你就不用干了对企业其实相对来讲还是比
讲话人（原始 ASR）
较复杂的一个东西就是出来混总是要还的那它这个东西有什么行业上的区别吗就
讲话人（原始 ASR）
比如说科技公司尤其是互联网公司肯定是 AI 接纳 AI 伸头比较好的因为他们本
讲话人（原始 ASR）
身里面需要编程的工种和人和工作都比较
多那再往下看的话什么行业会先接受然后
讲话人（原始 ASR）
什么行业然后什么行业对我觉得一定的
就是这种轻资产行业其实对于 AI 是很你看
讲话人（原始 ASR）
现在的趋势也是偏服务类型的对吧不管是金融服务还是什么类型的服务包括互联
讲话人（原始 ASR）
网企业其实它相对来讲对于 AI 的融入都会容易一点而这种也是 SAP 比较擅长
讲话人（原始 ASR）
的传统的生产制造企业其实会一个是它生产形态其实相对来讲现在变化不大对吧
讲话人（原始 ASR）
尤其是在比如说早期的工业 420 所谓
智能化工厂的建设其实都出去规模以后现在
讲话人（原始 ASR）
不管各种机器人其实还没有变成主流的生产制造的可替代方案的时候其实它的生
讲话人（原始 ASR）
产制造本身不会变但是它产品售卖的方式就是偏 go to market 的方
讲话人（原始 ASR）
式会变售后的方式也会变所以 AI 冲击一定是在这两头就是市场端和售后端的冲
讲话人（原始 ASR）
击是比较大的所以在这个群体里面我们现在的观察也是在前和后这两侧对 AI 会
讲话人（原始 ASR）
更多然后在生产制造侧其实现在看上去还是偏供应链的多一点但在生产制造本身
讲话人（原始 ASR）
的 AI 的还没有进入到主流的视野里面我
觉得这也符合一个行业的这个特性吧但是
讲话人（原始 ASR）
后续我觉得啊就是如果我们未来去畅想 AI 就现在 even
ent ropic
讲话人（原始 ASR）
也在头开始弄那个 ph ysical 它那个新的 b log 里面已经开始说对
讲话人（原始 ASR）
Open AI 也在搞对 Open
AI 更早一点其实对 Ph ysical AI
讲话人（原始 ASR）
而且如果我们去看中国走的 AI 的路线如果我们认为我们更可能取得胜利是在应
讲话人（原始 ASR）
用和 Ph ysical 就是结合上我们供应链的优势的话那未来就中国的这一
讲话人（原始 ASR）
波高成长的企业一定出现在 Ph ysical AI 的这个领域里那它就涉及
讲话人（原始 ASR）
到你必须得有自己的生产制造你必须得有软硬结合的东西那这里头它就不是一个
讲话人（原始 ASR）
纯轻量级去跑的了对吧那你看缩影就是 EV 电动车你可以说它是一个互联网企业
讲话人（原始 ASR）
你可以说它是一个传统制造企业最后最后大家选择我做 F
ood st ack
讲话人（原始 ASR）
就是从芯片到车我都做我把 T ier
1 的空间压缩它最后最后它就是变成一个
讲话人（原始 ASR）
你说它是一个传统企业还是一个创新企业它是一个组合那如果未来中国公司大多
讲话人（原始 ASR）
数的公司的高增长来自于 Ph ysical AI 驱动的软硬结合的这个路线
讲话人（原始 ASR）
的话那你把自己的供应链的底打好是支撑未来这一波产业升级成长高速成长非常
讲话人（原始 ASR）
重要的一件事从这个角度来讲我觉得 SAP
还是有可用之处的而且我们自己就我觉得
讲话人（原始 ASR）
这个公司敢于这么 fund
amental 的 change 自己的 bus iness
讲话人（原始 ASR）
model 颠覆自己就是他也有他的可取之途毕竟 72 年的时候他也是一个五个
讲话人（原始 ASR）
人的 start up 我们现在就是公司的理念就是重回创业心态再做一遍对吧
讲话人（原始 ASR）
其实就是这样的一个过程有五十几年的历史 72 年到现在 54 年 54 年我觉得比
讲话人（原始 ASR）
较有意思的一点就是那个年代就是甲骨文差不多也是七八十年代成立的对吧这些
讲话人（原始 ASR）
公司倒是穿越了挺多周期的它一直都在
也就是互联网并没有把这块吃掉 AI 能不能
讲话人（原始 ASR）
吃掉我觉得这是现在大家一个有分歧的
地方所以资本市场也会有一些波动对我觉得
讲话人（原始 ASR）
一定有刚才我解释过的底层逻辑定价模式
这些一定是对传承厂商会造成冲击的我们
讲话人（原始 ASR）
自己也会去想去做然后更多的还是怎么有回归创业者心态的这样的一个过程但是
讲话人（原始 ASR）
并不是说我们在这儿就不能做出来一些有中国特色化的东西但是外籍的人的成长
讲话人（原始 ASR）
路径都是在一个标准化流程里培养起来的对吧那我们如果现在讲重归创业者心态
讲话人（原始 ASR）
其实中国的外企外企人没自己创业他这个业不是他创的对吧所以你看我们现在转
讲话人（原始 ASR）
型里面会有挑战其实人上的挑战就是我按照流程做我都非常 prof
essional
讲话人（原始 ASR）
但是你要让我自发的去想一些东西我要创业我怎么去做的时候你会发现既有的所
讲话人（原始 ASR）
谓的一个高素质的人群会有分化所以其实我们现在面临的选择就是如何激发更多
讲话人（原始 ASR）
有想法的人能够在公司相对宽松的一个鼓励创新鼓励 take risk 就是承
讲话人（原始 ASR）
担风险你去尝试去做不一样的东西的这样
的氛围里面让这些超级个体更多的长出来
讲话人（原始 ASR）
有的时候我也听很多包括你的播客也听很多外部的播客就是我会被那些年轻的创
讲话人（原始 ASR）
业者所打动的地方是 AI 对于个人生产力的释放是超级大的只要他思考他只要有
讲话人（原始 ASR）
想法然后 ag ent 就会帮他去做实现这样去测试去实验对超级个体成长的速
讲话人（原始 ASR）
度是非常非常快的那在创业群体里他自然的会有这样很有想法的人被 AI 赋能以
讲话人（原始 ASR）
后会做出来很多在传统框架下出不来的东西我觉得这就是 AI 带来很好的一面的
讲话人（原始 ASR）
那在外企就我们这里面就没有这样的人吗有的就我们现在鼓励大家因为我们也是
讲话人（原始 ASR）
无上限使用 C lock work 随便使的就我们也看到很多有想法的你可能
讲话人（原始 ASR）
日常他就按部就班的做工作但是一旦你激发出来他会有很多的想法而且他会自己
讲话人（原始 ASR）
买两三个 min i 架在公司豪洋毛去做各种的实现去做其实他扔出去可能就是
讲话人（原始 ASR）
一个超级个体对吧那对我们外企的命题就是如何激发这样的人更多的拉动着这样
讲话人（原始 ASR）
的一个组织去往前走我觉得好处是什么反观刚才我说的中国企业也蛮生长的这个
讲话人（原始 ASR）
过程其实外企人培养出来的他还是对于流程的尊重对于体系架构的熟悉对于国际
讲话人（原始 ASR）
视野对吧怎么驾驭复杂这是他专业技能培训的一部分如果这些超级个体可以结合
讲话人（原始 ASR）
到本土的一些最需要补足的能力其实我
觉得这是一个非常非常好的一个结合他其实
讲话人（原始 ASR）
还是可以带着这种被训练好的相对来讲懂企业懂流程这样的思维同时叠加上超级
讲话人（原始 ASR）
个体的这些能力在辅助上 AI 的这些赋能其实它会变得更 power ful 更
讲话人（原始 ASR）
强有力你刚说的是个人层面就在组织层面的话你们和中国一些公司也有合作比如
讲话人（原始 ASR）
说你们和阿里的合作是比较多的对你们和阿里合作一起是来做什么来给中国的这
讲话人（原始 ASR）
些客户提供一些什么特别的价值对我觉得因为中国的 AI 确实是比较独特的一个
讲话人（原始 ASR）
生态我们在全球因为和大的不管 Hy pers cal ar 还是 AI 的公司
01:20
讲话人（原始 ASR）
都有合作那在中国因为 AI 的生态不同那
我们产品都首先会就是落在阿里云的这个
讲话人（原始 ASR）
inf rast ructure 上面基础架构的支撑是在阿里云上那同时面
讲话人（原始 ASR）
向 AI 其实我们会把阿里的前文的模型嵌入到我们的 MAS 就是我们的 M
obile
讲话人（原始 ASR）
App Service 变成我们整个
对外提供 AI 服务的模型然后同时其实包括
讲话人（原始 ASR）
FDE 包括后训练包括我们如果有共同针对的客户我们如何把双方的优势病例能
讲话人（原始 ASR）
结合在一起去做出来更符合中国用户的
特定的 AI 的这个场景其实是大家现在一起
讲话人（原始 ASR）
在探索的方式就是说你们 FDE 的团队有
可能是在一起去服务客户的我们现在已经
讲话人（原始 ASR）
在就比如说我们上次在北京的 SAP
Now 上我们请来的那个曼森其实就是我们
讲话人（原始 ASR）
一个非常典型的一个小企业他就是上了我们的 P
ublic Cloud ER
讲话人（原始 ASR）
P 本身跑在阿里云上然后呢他又用丁丁所以其实你对于一个小企业他可能没有特
讲话人（原始 ASR）
别高大上的 AI 诉求对于他来讲就是老板就头疼说我服务的都是大厂然后大厂一
讲话人（原始 ASR）
弄就是订单延期追单我天天接他们电话然后就这个一个订单的履约就是他很头疼
讲话人（原始 ASR）
的问题这样的问题其实只上一个 ERP 解决不了对吧那如何把我在丁丁里追单的
讲话人（原始 ASR）
信息然后我怎么去排我生产的顺序调动我的这个生产执行落地那我们就用 AI
agent
讲话人（原始 ASR）
帮他做了一个闭环帮他把 ERP 的数据和丁丁里的数据做了个闭环其实就解决了
讲话人（原始 ASR）
这个企业核心困扰的问题对吧我如何去更优化我的订单的履约保证我的运转效率
讲话人（原始 ASR）
的高效就这些其实都是我们和阿里就是能一起做出来的一些针对中国市场的 AI
讲话人（原始 ASR）
的 case 这个曼森旗舰是个服装企业对服装品牌做羽绒服的对它有品牌它也给
讲话人（原始 ASR）
很多人做代工对它随会设营当说的那个问题对都是大品牌都是大老板然后 SAP
讲话人（原始 ASR）
还有一个在中国的我觉得比较独特的价值
就是你们是服务很多中国企业出海的这个
讲话人（原始 ASR）
可以讲一讲就是有什么比较有意思的例子吗尤其是 AI 来了之后对他们出海不光
讲话人（原始 ASR）
包括怎么解决合规税务供应链的问题能带来什么新的变化全球化的这个东西就是
讲话人（原始 ASR）
因为本身不光是 SAP 所有的全球化的厂商其实全球化的平台本身就搭在这儿了
讲话人（原始 ASR）
所以我们本身就支持就我们自己就在 150 多个国家运营所以我们对于全球超过
讲话人（原始 ASR）
200 个国家的这些税务啊然后合规的
要求是我们就是日常产品升级迭代的一部分
讲话人（原始 ASR）
所以 SAP 本身在产品架构里就有一个叫 loc al ization 的团队
讲话人（原始 ASR）
就专门做本地化诉求这个本地化就是对中国有中国的对巴西巴西的税务是全球最
讲话人（原始 ASR）
复杂的有巴西的税务的组专门做针对巴西的 loc al ization 所以
讲话人（原始 ASR）
你可以理解它是在全球范围内所有底层的本地化诉求都是已经有一个 ready
讲话人（原始 ASR）
的平台供你使用了那所以对于中国企业出海不管你出到哪儿那其实你都可以借助
讲话人（原始 ASR）
我们已经很好的 inf rast ructure 帮你去运行就是你只需要关
讲话人（原始 ASR）
心你自己的业务而不需要关心这些打底的这些服务项那另外呢就是我觉得中国企
讲话人（原始 ASR）
业现在出去做很多的收兵购这个我们也是看到这个趋势是很明显的其实收兵购以
讲话人（原始 ASR）
后你会发现它买来的尤其很多欧洲企业就是天然就是 SAP 的用户所以它就会有
讲话人（原始 ASR）
很多的这个组织的集成的问题系统集成的问题对吧然后对接什么的对所以我们在
讲话人（原始 ASR）
这里面也是天然的会有一些优势会帮这些
出海企业在手柄沟里面能够快速的做一些
讲话人（原始 ASR）
系统和流程的整合然后涉及到现在就是所谓的如何用 AI 去赋能这个企业刚才我
讲话人（原始 ASR）
其实提到的这个关物就是一个特别好的例子还有就是像联想其实我觉得联想也是
讲话人（原始 ASR）
民营企业里面所谓全球化比例最高的因为它海外已经超过 80%了我们跟联想是
讲话人（原始 ASR）
从它 200 亿一直到现在几千亿的规模
一直都在合作就包括它的数次的海外的这个
讲话人（原始 ASR）
并购和系统的整合都是在我们的平台上做的然后现在我们还在用我们 S
ig na
讲话人（原始 ASR）
vio 就是这个一个流程 Pro cess M ining 的工具帮他去做用
讲话人（原始 ASR）
AI 助力他去看企业现在已经有 2000 多个流程他在一个全球化的视野里去看
讲话人（原始 ASR）
他这些内部的所有的流程然后如何有断点在哪是有提效的空间所以就在这种复杂
讲话人（原始 ASR）
架构下其实 SAB 是就是非常自然的融入到支撑它全球的这么复杂的一个运转架
讲话人（原始 ASR）
构然后包括面向未来的一些 AI 提效的
事情都是大家自然而然就在一起做当然我们
讲话人（原始 ASR）
也希望能够助力很多中国的公司从几十个
亿涨到几百个亿甚至几千个亿这样的一个
讲话人（原始 ASR）
快速发展的过程最后想问一下您这么多年的一些总结性的观察因为之前您在甲骨
讲话人（原始 ASR）
文微软 SAP 都工作过然后是经历了最开始大型的企业软件可能是本地部署后来
讲话人（原始 ASR）
是云化放到云上然后到现在生成是 AI 技术变化就这次技术周期的变化和你之前
讲话人（原始 ASR）
经历过的那些变化就是从本地到云然后到从信息化到智能化的你觉得本质的相同
讲话人（原始 ASR）
和区别是什么就是区别就是速度就是因为
它和人的交互方式的改变导致人会更容易
讲话人（原始 ASR）
上手去驾驭这些技术就是以前的技术其实
相对来讲还是在专业领域的现在其实真的是
讲话人（原始 ASR）
AI 平权做得非常好所以每个人都可以轻松的去驾驭 AI 然后所以导致这个技术
讲话人（原始 ASR）
演进的速度是非常快的但是我觉得回归到本质上其实大的技术变革带来包括之前
讲话人（原始 ASR）
我刚才谈到的工业革命的这个蒸汽机电力对吧互联网到 AI 它底层的逻辑并没有
讲话人（原始 ASR）
变就是一个 dis rupt ive 的就是突破性的底层技术到影响各行各业
讲话人（原始 ASR）
它就是有一个过程的对吧现在可能大家也在讨论什么 AI 泡沫小圈子缓缓它一定
讲话人（原始 ASR）
是在初期它就是这样的一个形态然后随着时间去做外溢然后我相信 AI 带来的外
讲话人（原始 ASR）
溢的速度会比之前的几波技术游戏带来的要短对吧这个是底层逻辑是不变的然后
讲话人（原始 ASR）
最终其实很多的时候你看到对于真正的
业务或者总体的 GDP 产生影响它不是一个
讲话人（原始 ASR）
简单的技术迭代的问题对吧这个复杂度是没有变的只要是人还主宰这个星球这个
讲话人（原始 ASR）
底层逻辑就不会变它一定是人在里面会有加速的部分人在里面也有减速的部分它
讲话人（原始 ASR）
有抵抗力也有创新力它一定是方方面面的各种复杂度融合在一起最后呈现一个结
讲话人（原始 ASR）
果所以这些东西都没有变每一次技术出现大家都会有向往有恐惧有学习然后有摒
讲话人（原始 ASR）
弃这样的一个 cycle 走下来对吧现在 AI 带来的这个冲击其实对于人本身他
讲话人（原始 ASR）
也是在一个逐步从担心恐惧到慢慢的适应 p
ick up 然后学习的这样的一个
讲话人（原始 ASR）
过程所以我觉得本质上这样的过程并没有变然后对于人的技能的要求其实本质上
讲话人（原始 ASR）
也没有变我也听很多 VC 的访谈他们就看
说投什么样的人什么样特质的人会更容易
讲话人（原始 ASR）
在 AI 领域胜出其实那些 fund amental 的特质都没有变你什么时代
讲话人（原始 ASR）
都是有这样特质的人最终最终会变成金字大尖的那些人一般高频回答就是学习能
讲话人（原始 ASR）
力快的人学习能力长的人对所以我觉得这些其实你自己的迭代循环还是人的这一
讲话人（原始 ASR）
派其实是不太就是人和社会和组织的交织和技术冲击的这样的一个交互方式其实
讲话人（原始 ASR）
并没有本质上的变化就是一个速度的变化对包括您自己之前也说过说人的判断是
讲话人（原始 ASR）
没有办法规模化的就至少在目前的这个技术小现象这其实也是它带来就是说你从
讲话人（原始 ASR）
模型技术到很多企业应用中间 g ap 的那一部分对现在好多人不是都说哎呀就
讲话人（原始 ASR）
反正我一天不睡觉我去弄你也就是 24 小时我就一个脑袋对吧就是你看真正有那
讲话人（原始 ASR）
种创业冲动的人他就是在你的想法的实现不是平静的时候自己的想法就变成了平
讲话人（原始 ASR）
静对吧所以其实你看很多的东西都是信息量巨大 ag
ent 处理是海量数据但是
讲话人（原始 ASR）
人接受不了人处理不了那么多信号对吧所以人他就会是一个平静但是很多的事情
讲话人（原始 ASR）
现在又需要人去判断对吧我可以跑各种各样的 re port 给你让你去做决断
讲话人（原始 ASR）
但是你能瞬间吸纳这么多有用的信息形成
你的判断吗其实很难所以其实为什么就是
01:30
讲话人（原始 ASR）
我觉得就是怎么能够在我们的教育体系
里面培养出来更多以后能够有能力驾驭 AI
讲话人（原始 ASR）
能力的个体可能也会带来一些教育体系的一些一些再造和颠覆所以为什么我说这
讲话人（原始 ASR）
AI 带来的冲击真的是对于社会里面方方面面都会有冲击的那今天非常感谢原心
讲话人（原始 ASR）
总做客晚点聊分享了 SAP 在 AI 领域看到的一些机会哪些 SAP 过往这 50 多
讲话人（原始 ASR）
年的积累其实是 AI 技术也挺难撼动的而哪些新的事情新的价值是 AI 来了之后
讲话人（原始 ASR）
可以结合 SAP 这一类存在已久的 ERP 企业核心资源平台可以去带来新的价值
讲话人（原始 ASR）
和发挥新的创新的地方那今天节目就到
这里感谢各位的收听拜拜拜拜本期节目就到
讲话人（原始 ASR）
这里,感谢收听。
讲话人（原始 ASR）
如果你对今天聊的话题有观察、好奇或疑问,欢迎在评论区分享想法,
讲话人（原始 ASR）
这也会成为我们节目的一部分,让整个讨论更完整。
讲话人（原始 ASR）
你也可以把我们的节目分享给对这个话题感兴趣的朋友,
讲话人（原始 ASR）
推荐更多你想听的主题和嘉宾。
讲话人（原始 ASR）
你可以从小宇宙、苹果 Pod
cast 等渠道关注晚点聊 L ate Talk,
讲话人（原始 ASR）
也欢迎关注我们的公众号晚点 L ate Post。
讲话人（原始 ASR）
下期再见。
References
- 1《晚点聊》#174 完整原始音频
aphid.fireside.fm
- 2SAP 官方公司简介
sap.com
- 3SAP 任命原欣为大中华地区总裁
news.sap.cn
- 4《晚点聊》#174 完整原始音频
aphid.fireside.fm
- 5
- 6SAP 官方 Joule Work 页面
sap.cn
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.
Related content
More from this channel
- 屠龙大实话速读：创业者别只想干干净的活儿，先把销售、供应链和管理做对
- 晚点聊速读：Evoken 如何在模型厂商的缝隙里活下来？陈冕谈 PMF、现金流与组织危机
- 半拿铁速读：豆瓣、知乎、贴吧、虎扑，为什么「精神角落」总是难赚钱
- 硅谷101速读：从「寻找杨植麟」到「AI二等公民」，叶奇意讲两代中国AI
- Lenny's Podcast 速读：Anthropic 首位 technical PM 如何在 token maxing 与 jagged edge 中做 AI 产品
- 纵横四海速读：营销不是卖货，Mini MBA 第一课讲清 STP 与 4P
- 高能量速读：机器人创业还没到 GPT 时刻，钱已经开始抢时间
- Reason访谈速读：Zion Lights 为什么从反核转向支持核能