讓應用成長為AI操作系統：SAP原欣談企業AI就緒路徑

來源｜《財經》新媒體

文｜時越

編輯｜蔣詩舟

2026年初，頭部AI企業推出可直接替代部分專業軟件功能的智能體工具，全球軟件股價震蕩。“SaaS末日”的討論甚囂塵上，有人甚至開始給企業軟件寫悼詞。

人工智能新銳巨頭Anthropic 聯合創始人兼首席執行官達里奧·阿莫迪（Dario Amodei）在這個節點說了一句話，讓整個行業沉默了幾秒："在不久的將來，AI Agent將能完成一個中等水平員工能做的幾乎一切白領工作。"

這不是科幻，這是今天正在發生的事情的合理外推。

兩個月后，深圳。SAP全球運營高峰論壇，600多位企業家在場。SAP大中華地區總裁原欣站上臺，沒有回避：

“我們面對的是每個人都在養‘龍蝦’的市場。如果我們自己不能把內生智能體做好，在應用層的空間會被極大地擠壓。SAP是有緊迫感的。”

緊接著，她給出的回答不是防守，不是封閉——

“我們沒有因為這種緊迫感而變成封閉系統。我們堅信，以SAP 54 年沉淀的對于業務數據、流程、行業的理解，會通過AI放大變成更有效的Native Agentic（原生智能體）的系統和生態，支撐SAP以及SAP生態圈往上走。”

原欣在科技行業深耕近30年，剛入選《財經》新媒體的新價值領域“年度影響力人物”。在演講以及此次專訪中，她對AI時代企業軟件的命運給出了一系列很有銳度的判斷。

SaaS不會消失，但會被重新定義——這是她的核心立場。而整個故事的展開，要從一個更底層的問題開始。

To Be or Not to Be：不是不做，而是Modernize

原欣在演講中展示了一張技術堆棧圖。她指出：從基礎設施到平臺，從平臺到應用，技術堆棧正在逐層商品化（commoditize）。曾經需要企業重金投入的服務器、存儲、中間件，如今都在被云服務快速抹平，價值一直在往上走。

而現在，這個遷移到了新的臨界點：Agentic Layer（智能體層）的出現。智能體“下探”，開始直接與業務交互。如果應用層不能長出原生的智能體能力，就會被擠壓。

原欣用莎士比亞來概括當下企業面對AI的處境——“To be or not to be”。但她回答的不是“做不做AI”：

“我們回答的不是‘做還是不做’，是如何把應用現代化做好。AI不是一蹴而就，你必須把底層應用的現代化做好，才能讓企業變成‘AI就緒’的狀態。”

這個判斷在當下是反潮流的。所有人都在談模型、談智能體，原欣更關注的是企業AI的就緒。

她的邏輯很清晰：每一個CIO都面臨CEO不斷提出的AI期望——今天想讓AI做這個，明天想讓AI做那個。就像達里奧·阿莫迪在談到企業AI落地時也有過類似的判斷：智能體的能力上限不取決于模型，而取決于它能接觸到的數據質量。如果核心業務系統還在本地部署，數據割裂，流程分散，再好的模型也跑不出價值。

這是行業共識。但原欣看到的不僅是這一層：

“SAP是坐在‘金礦’上的。我們服務這么多各行各業的企業，對于他們的業務數據、業務流程的理解，SAP肯定是非常到位的。如何在AI時代真正把商業領域的數據價值挖掘出來，把AI原生的To B到底長什么樣子能摸索出來，這件事非常有意義。”

“金礦”是數據。但數據本身不是價值，帶著上下文的數據才是。她用了一個精確的表述：

“AI Ready（AI就緒）的本質，是讓數據‘出生’就攜帶語義基因。不是事后打標簽、建倉庫，而是讓業務流動的每一刻，數據都自帶上下文，最終沉淀為企業的數字資產。”

給AI一條"Apple"（蘋果）的采購記錄，沒有上下文，它無法判斷這是一筆消費電子采購還是食品采購——金額、供應商、合規要求完全不同。但當數據來自企業應用，自帶訂單號、客戶信用、交付周期、合規狀態——AI才能真正理解業務。這就是“AI即數據”。

應用就是新的AI操作系統

如果modernize（現代化升級）做好之后，上面長什么？

原欣的類比是：應用層就是新的AI操作系統。蘋果的iOS駕馭底層芯片算力，企業應用駕馭底層算力堆棧。SAP的命題是：讓新型應用系統長出原生的智能體，讓這些智能體變得更智能。

她把Joule（SAP推出的企業級生成式AI智能助手，作為自然語言交互的“智能副駕”）生動地比喻為能跨業務流程的AI指揮家，協調供應鏈、財務、HR等不同領域的“專家”協同工作。這些專家之所以“專業”，因為它們建立在SAP半個多世紀對業務數據、流程和行業的理解之上。這些積累通過AI被放大，形成Native Agentic（原生智能體）系統和生態。

通用智能體能做很多事，但在企業場景中可靠地執行，需要具備三個前提：關聯性——每個查詢都需要權威記錄系統佐證；可靠性——企業應用里數十年打磨的驗證規則和合規檢查，是防止AI幻覺的關鍵；上下文——原始數據對智能體毫無意義，數據需要業務語義才能變成決策依據。

Anthropic在構建Claude（Anthropic研發的大語言模型與AI 助手系列）的Agent能力時，也在強調同樣的事：Agent能否真正可信賴地在企業環境運行，核心不是推理能力，而是它接觸的數據是否有足夠的上下文和權威來源。原欣的說法與這個方向也是一致的：

“SaaS不會消失，但會被重新定義。企業軟件的價值正在從‘記錄系統’遷移到‘智能體的真相來源和上下文提供者’。

以后To B的界面都不存在了。你的交互都是用自然語言進行的，通過傳感器、語音、圖像，系統自然就捕捉到了。你只需要表達意圖，智能體會幫你完成。”

選擇開放

54年的企業軟件巨頭，面對AI沖擊，最直覺的反應本應是加固壁壘，但SAP做了相反的事。

SAP已在Hugging Face（美國人工智能開源社區與模型托管平臺）上率先發布了業內基于真實客戶數據的企業級ERP數據集，供研究社區使用；在新一代架構中采用了API優先策略；并推出了專為ABAP開發構建的基礎模型SAP-ABAP-1，將多年積累的業務代碼和優質實踐轉化為AI能力，賦能開發者和客戶。

“我們相信未來一定是更開放的世界。”

在她看來，開放不是姿態，而是戰略邏輯：只有開放的生態才能讓SAP對行業數據和業務語義的深度理解真正釋放價值，也只有開放的系統架構才能支撐客戶應對未來的快速成長。

但原欣也坦言了硬幣的另一面：

“有時候你的優勢也會成為自己的包袱。SAP特別擅長做復雜場景，越復雜越適合SAP。但AI帶來的變數恰恰是‘簡化’。我們得保持開放心態，跟著客戶一起學。”

AI時代的競爭，不是誰能處理更復雜的問題，而是誰能把復雜的問題變簡單。對一家以"復雜"著稱的公司來說，這是最需要勇氣承認的一句話。

AI重畫起跑線

采訪中最讓我意外的一個判斷是：原欣認為AI對中小企業可能比對大企業更友好。

大公司花二三十年建立的數字化體系，由于歷史系統復雜、數據割裂、組織慣性大，AI落地的門檻相對更高；而中小企業沒有這些包袱，有機會成為第一批AI原生企業。

“以前企業是‘先開五菱，再換勞斯萊斯’。但數字化時代，高速換輪子的風險太高。AI正在改變這個邏輯——企業不再需要先小后大的切換。”

她在采訪中解釋了背后的產品邏輯：SAP也在用AI重塑交付方式，讓上線周期從傳統的一兩年縮短到小步快跑、快速迭代；而公有云的產品半年迭代一次，功能增強非常快。中小企業可以先把業務跑起來，隨著平臺迭代一路成長，不用等到"長大了"再換系統。

出海：從賣產品到建生態

在談到企業出海話題時，原欣用了一張全景圖描繪正在發生的變化。

中國企業出海正從“老三樣”（服裝、家具、家電）到“新三樣”（新能源汽車、鋰電池、光伏），再到AI帶動的“隱形冠軍”。全球每3臺掃地機器人中就有2臺來自中國品牌（根據IDC 2025年前三季度報告）。更值得關注的是IP和AI能力出海——泡泡瑪特、短劇、游戲、大模型本身，越來越多“生而全球化”的公司涌現。出海目的地也從東南亞擴展到拉美、中東、非洲、歐洲。

她引用了一位出海企業創始人在一檔播客中分享的出海心路：從“我的產品最好，性價比最高、技術參數最好，到哪兒都應該被接納”，到“我們不是賣產品做甲乙方的交易關系，而是你給當地帶來了什么新技術、建設了什么生態、投入了什么長線資源”。

從賣產品到建生態，這一步的跨越，本質上是從交易思維到長期主義的跨越。而AI恰恰可以幫助出海企業在合規、本地化運營上大幅降低這個跨越的成本。

挑戰在急劇加大，合規成本占比大幅攀升。新興市場更復雜。面對這些挑戰，原欣分享了SAP可以為出海企業帶來的三重能力價值：

“第一，全球化合規能力——SAP在180多個國家和地區支撐稅務、數據合規相關法律法規的know-how（專業知識），可以直接交付賦能給客戶。第二，全球化業務語義數據模型能力——在數據生成的那一刻，就在應用側幫助企業完成語義層的自動搭建。第三，數據智能轉化能力——支撐企業的智能體自主執行與ERP相關的業務動作。”

一個人活成一支隊伍

聊到AI對組織形態的沖擊，原欣分享她的觀察：

“有了AI，未來會有越來越多人，一個人就能活成一支隊伍。今天的公司制是工業時代的產物，是人與人之間協同的最高效形式。但AI來了，所有的事情都在變。”

當AI讓個體能獨立完成過去需要團隊協作的事，組織的存在意義就被重新定義了。

同時她也提到一個關鍵觀察：CEO自己用AI的企業，AI滲透率遠高于只要求員工學習的企業。“如果想讓企業真正擁抱AI，掌舵人必須親自上手。管理者親自成為‘活樣本’，帶來的影響力完全不一樣。”

AI在重畫起跑線——不僅是企業之間的，也是個體之間的、組織形態之間的。

馬斯克說可能以后沒有工作，也沒有公司。但原欣在采訪中把視角拉到了更現實的維度——從今天“人還在loop（工作序列）里”的狀態，到真正“自主運行” 的企業，中間一定充滿變數。而在她看來，SAP要做的就是幫企業在這個過程中做好AI Ready的準備。

在采訪中，她對AI發展的終局沒有給出確定的答案。但仔細回看整次對話，她對當下該做什么、怎么做、以什么姿態做，都給出了非常清晰的路徑：起跑線不在模型，不在算力，在應用現代化，在數據語義，在你的系統是否AI Ready。

采訪結束時她說：

“AI已經為我們打開了潘多拉的魔盒，但我相信它所帶來的世界一定是更美好的。最終不管是機器人指揮我，還是我指揮機器人，都希望每個人的臉上永遠都有最燦爛的笑容。”

在人人都在兜售確定性的行業里，敢于直面不確定，也許才是看清方向的前提。