AI 正在接管 ERP：经营分析的终局不是报表而是「自动驾驶」

Power BI小悦

220人浏览 · 2026-06-09 16:57:36

Power BI小悦 · 2026-06-09 16:57:36 发布

时隔三周，从奥兰多到北京，SAP 用两场大会完成了一次完整的战略闭环。

5 月 13 日，SAP 全球 CEO 柯睿安在奥兰多蓝宝石大会上首次提出"自主运营企业"（Autonomous Enterprise）愿景；6 月 3 日，SAP 大中华地区总裁原欣在北京中国峰会上，将同一战略注入了中国企业的落地语境。

而最引人注目的一个数字是：224。

基于 ERP 领域超过 50 年的积累，SAP 已经在财务、供应链、采购、人力资源和客户体验等核心业务领域，部署了 224 个 AI 智能体和 51 个业务助手。这些智能体不只是"回答问题"，而是能够主动识别异常、分析根因、触发流程处理——在关键节点引入人工审核，确保企业级可靠性。

当 ERP 软件开始自己运行自己，经营分析的格局就彻底变了。

最被低估的 AI 战场：不是聊天，不是编程，是 ERP

如果说 2025 年 AI 的主战场是对话（ChatGPT 式的人机交互）和编程（Claude Code 式的代码生成），那么 2026 年的主战场正在悄然转向第三个领域——ERP，也就是企业核心业务运营系统。

为什么是 ERP？

道理很简单：聊天可以偶尔出错，代码可以调试修改，但 ERP 里的每一笔财务凭证、每一条供应链指令、每一个采购决策，都直接关系到企业的真金白银。SAP CEO 柯睿安在蓝宝石大会上说了一句非常直白的话：“对于客户的关键业务流程而言，'差不多对’是远远不够的。”

这句话道破了企业级 AI 的核心矛盾——消费级 AI 追求的够用就好，在企业经营场景中完全行不通。

这也是为什么 SAP 选择和 Anthropic 合作引入 Claude 模型、与 NVIDIA 合作提供安全运行环境、与 AWS 实现零拷贝数据集成——每一项合作伙伴的选择，都在解决同一个问题：如何在保证企业级可靠性的前提下，让 AI 真正参与业务决策。

Gartner 最新数据也验证了这一趋势。该机构预测，企业在生成式 AI 模型和 AI 智能体上的支出在 2026 年将翻倍以上，相关追加投入将达到60 亿美元。而**88%**的企业表示将在 2026 年增加 AI 资金投入。值得注意的是，这些投入正在从对话类 AI 转向业务嵌入式 AI——花钱的方向变了。

"断层"之痛：为什么你的 AI 预算可能正在被浪费

在 6 月 3 日的中国峰会上，SAP 大中华地区总裁原欣提出了一个令人警醒的判断：

“AI 能为企业创造多大价值，不取决于模型能力有多强，而取决于企业最薄弱的一环能否打通。对今天大多数企业而言，这道’弱链’就是 AI 与核心业务系统之间的断层。”

什么叫"断层"？

简单说就是：企业在外面买了一堆 AI 工具、部署了各种大模型、建了不少智能体，但这些 AI 能力往往游离于 ERP、财务系统、供应链系统之外。它们既无法获取完整的业务上下文，也无法触发实质性的流程执行。

举个例子：一个财务分析智能体可以帮你分析利润表，但它不知道这笔成本异常是因为供应链那边的一个订单延迟，因为它根本连不到供应链系统。结果就是——分析归分析、业务归业务，AI 沦为挂在外面的装饰品。

阿里云智能集团资深副总裁刘伟光在同场峰会上有一个更犀利的判断：AI 时代正在重塑 SaaS，商业模式将从卖席位转向卖结果。当 AI 智能体能够自主完成任务并交付业务结果时，按用户数收费的传统模式将难以为继。

这三件事——原欣的"断层"论、刘伟光的"卖结果"论、SAP 的 224 个智能体——实际上在说同一件事：AI 真正的价值不在对话，在运行业务。

从记录系统到运行系统：经营分析的三个底层变革

理解了"断层"问题，再看 SAP 的"自主运营企业"蓝图就清晰了。这不是一个产品功能升级，而是企业经营分析的三重底层变革。

变革一：统一语义层——让 AI 听懂业务

SAP 在蓝宝石大会上正式推出了业务数据云（Business Data Cloud）和知识图谱（Knowledge Graph）。前者的目标是打通企业的异构数据，形成统一语义层；后者则是构建业务地图，让 AI 理解流程与数据之间的关系。

为什么这很重要？因为如果企业的"毛利率"在 ERP 里算一个数、在 BI 系统里算另一个数、在 Excel 里还有第三个版本，AI 再聪明也会算出错误结论。统一语义层是 Agent 化经营分析的第一块基石。

变革二：Agent 化流程——从人找数据到数据找人

SAP 公布的 224 个智能体覆盖了经营分析的所有核心场景：财务智能体可以自动识别异常费用并追溯根因，供应链智能体可以预测库存风险并生成补货建议，销售智能体可以分析区域业绩偏差并给出归因。

这些智能体的共同特征是什么？它们不是等待用户来问，而是主动发现问题、主动分析根因、主动推送建议。经营分析从人找数据变成了数据找人，从被动看报表变成了主动管业务。

变革三：统一 Agent 治理——多厂商智能体的指挥塔

值得特别注意的一点是，SAP 的 AI Agent Hub 是一个不绑定特定厂商的统一管控中心。它能够管理来自不同厂商的 AI 智能体、大语言模型和 MCP 工具——无论是 SAP 自己的智能体、合作伙伴的智能体，还是企业自建的智能体，都可以在一个统一平台上进行调度、监控和审计。

这意味着企业不需要担心智能体越多越乱的问题。这就像给经营分析体系装上了一个指挥塔——各种分析智能体各司其职，但统一调度、统一溯源、统一治理。

中国企业已经跑起来了：三一、联想、曼森的路径

战略讲得再好，还是要看落地。SAP 中国峰会上披露的三个案例特别有参考价值：

三一重工 依托 SAP ERP 为业务底座，深度融入 AI 的全球统一部署架构，支持其全球化、数智化、低碳化三大战略。

联想集团 以价值驱动为核心，将 AI 从单点探索推进到全价值链的规模化应用。

曼森集团 则借助部署在阿里云上的 SAP ERP 云，以云部署的敏捷性支撑高速发展与智能化转型。

三家企业的路径不同，但底层逻辑高度一致：以统一的数据与流程底座为前提，AI 才能真正嵌入业务运行。换句话说——先把 ERP 做好，再谈 AI。

这也呼应了原欣峰会上的另一个关键判断：“企业竞争壁垒不在于有多少智能体，而在于数据、流程与业务知识是否已经为智能体做好准备。”

Power BI 用户如何应对"ERP 的 AI 化"？

看到这里，很多 Power BI 用户可能会问：SAP 的智能体跟我们有什么关系？我们用的是微软生态啊。

关系大了。

第一，SAP 和微软不是互斥的。 SAP 自己就和微软深度合作：Joule 与 Copilot 实现双向互操作，SAP 数据与 Fabric OneLake 对接。在越来越多企业同时使用 SAP ERP + Power BI 做经营分析的现实下，两条线的融合是必然趋势。

第二，语义层是共同的命门。 无论 SAP 的业务数据云还是微软 Fabric 的 Semantic Model，都在围绕同一件事竞争：给 AI 一个统一的"数据字典"。谁的语义层建得好，谁的 AI 就能先跑起来。这也是悦策科技在 Power BI 实施中反复强调的一件事情——语义模型不是一次性的项目交付，而是经营分析智能化的基础设施。

第三，智能小 V 的定位恰好卡在了这个"融合点"上。 企业的 ERP 数据在 SAP（或金蝶/用友）里，BI 可视化在 Power BI 里，中间缺了一层经营分析 Agent 层。智能小 V 的角色正是打通这一层——对接 ERP 的业务语义、整合 Power BI 的指标模型、叠加 AI 的归因和推理能力，让经营分析从"我操作 BI 系统"变成"我问 Agent 一句"。

举个例子：当 SAP 智能体检测到某 SKU 的库存周转天数异常上升时，智能小 V 会自动调出 Power BI 中的相关指标面板，结合天气数据、竞品促销日历和区域销售趋势，给出"这不是库存管理问题，而是竞品提前做了 618 预售"的归因分析——三分钟完成过去需要三个部门开一上午会才能搞清楚的事情。