升级数智底座：企业 AI 规模化应用的“中国解法”

文/科技正能量

过去企业部署 AI 应用时，通常将 AI 看做一项技术创新，总在某些单项应用上做基于 AI 的单点突破，尽管解决了一些具体问题，但从整个企业流程的维度上，这种提升其实微乎其微。

其实，企业 AI 要走向成熟，就必须要突破 AI 的规模化应用。对此，用友网络副总裁罗小江表示，“DeepSeek 大模型的出现，可以做到真正意义上的普惠大众、让企业拥抱 AI。过去的 AI 应用还停留在交流问话等基础应用，现在要构建的企业 AI，则是可信任、可追溯的 AI。”

这不仅要求企业以一种“AI 原生”的视角来重新审视整个 AI 战略的可行性，还需要建设统一的数智底座，支撑企业从流程到应用的全面 AI 化。

01  AI 原生视角重构企业数智化架构

DeepSeek 横空出世，引发了很多基于企业 AI 的讨论。有一种声音认为：除了过去大家关注较多的“AI 可以帮助企业做什么”这个问题，企业更需要明白“在推动 AI 之前需要做好哪些准备”。

这其实就是一种 AI 原生的视角。罗小江认为，“AI 原生视角，代表我们要从 AI 的底层逻辑去看业务。这不仅可以充分利用 AI 所有的能力，更重要的是可以从模型视角，根据组织流程和逻辑去设计业务。”

的确，在传统 AI 时代，企业智能化更多是“工具叠加”的逻辑。智能平台、人才画像等应用本质仍是基于规则的系统优化。但大模型技术的突破，彻底改变了游戏规则，AI 不再是被集成的工具，而是重构企业架构的原生力量。

这种重构体现在几个维度：

首先，是开发范式的颠覆。传统软件开发从需求调研到测试部署要经历 12 个环节，耗时且漫长。而 AI 全生命周期参与开发，可以将整个流程压缩为“需求输入-结果交付”的极简模式。比如用友 iuap 数智底座的开发平台，就已实现基于行业知识库的自动化详细设计生成，数据库设计、前后端代码生成等能力，开发效率得以大幅提升。

其次，是应对数据治理的难题，本质上也缺乏 AI 原生的视角。“传统数据库更多是给人去访问的，而真正意义上 agent，应该是要数据结果，并不需要我们去编 SQL 语句，自然语言就能够从数据底层去沟通数据。”罗小江说。

现在有了大模型，AI 能自动读懂主数据、生成管理体系，还能把散落在各个系统里的非结构化数据，比如合同、会议纪要转化成结构化知识。比如用友 iuap 的数据平台，通过大模型对行业知识和标准的内化吸收，可以生成最接近实战的企业应用，极大降低了企业数据治理的难度。

最后，是克服来自安全的挑战。在国产化的浪潮下，企业既要部署 AI 大模型提升效率，又要守住数据主权，实现从底层硬件到上层应用全链路可控。那么，就诞生了国产大模型和国产软件的组合，帮助企业走通企业 AI 的可信之路。

很明显，要应对这一系列变革，企业需要打造具备企业 AI 基因的，统一的新型数智底座。

02  AI 原生要求升级统一数智底座

在 AI 原生视角下，传统架构与 AI 原生需求在开发范式、数据治理和交互逻辑等方面存在根本性矛盾，这使得企业架构必须实现系统性重构。

因此，需要建设统一数智底座，打破系统壁垒、建立智能中枢、沉淀行业知识，最终让 AI 真正融入企业业务血脉，而非浮于表面。

首先，统一就代表着 AI 原生视角下的企业业务需要是连续的。

罗小江指出，“很多企业部署大模型后发现，业务连续性问题依然严重，这不单单是孤岛问题，还有很多基本要求，比如数据的标准，流程的规则一致性，再比如架构体系，成本中心，怎么做统一、做归集，标准体系还要足够坚固。因为必须要有完整的组织代码，带来的结果才能是相对准确的。”

其次，在企业从信息化到数智化的过程中，有很多历史性的包袱，不同的业务有不同的系统，这些系统之间也存在“断点”，这同样是业务连续性的重要挑战。“数据基础不够好，链条不完整，为 AI 提供基本养分就不够高，没有高质量的燃料就会容易熄火。”罗小江说。

所以，从架构、流程、数据、安全、标准五个方面着手构建一个统一的数智底座，是通向企业 AI 之路的基本原则。

但是，每家企业的技术背景和底座搭建的程度各不相同，要如何构建统一的数智底座呢？

罗小江提出一个循序渐进的可行性方案：第一步先做到架构一致性，要建设一个能够拉通所有业务的开发平台，先把不同系统之间的断点拉平；第二步，就是建立统一的数据平台，让数据在数据平台里做聚合，对包括结构化和非结构化在内的全量数据进行数据治理；第三部则是业务运营，结合数据运营去做数据供给，进一步拉通数据基础和 AI 应用之间的断层。

这种思路已经被用友践行在很多实际的客户实践中，比如，在远东数智采的案例中，就通过用友 BIP 建设开发平台去拉通客户集采、采购和商场业务的完整流程。在梳理好业务流程之后，帮助客户规范了不同行业采购的数据标准，进行数据拉通。最终远东数智化通过企业服务大模型，完成海量的标书完成智能化搜索、快速智能撰写标书，智能投标评审、交易价格预测等招采业务的全周期支撑。让公共资源交易服务平台安全可信，成为了企业 AI 落地的标杆。

这样的案例其实在用友比比皆是，用友 BIP 统一数智底座 iuap 的方法论和不断进化，本质上也源于大量客户需求的反馈，将数智底座融入企业实践，才形成了大模型时代数智新底座的新范例。

03  中国企业部署 AI 战略需要国产软件+国产大模型

当前，国产化信创向纵深推进，中国企业正面临双重命题：既要保证自主安全，不被技术封锁裹挟，又要把握大模型带来的数智化转型机遇。这场变革的本质，是构建从芯片到软件、从算力到模型的完整自主技术闭环。

因此，基于统一数智底座，构建“中国软件+中国大模型”，已是中国企业部署 AI 战略的时代命题。

当然，我们不仅要替代，更要能创新，能进化，能推动业务效率有效提升。这就要求既要有可形成标准的“中国大模型”，也要有理解所有企业业务逻辑的“中国软件”。

如罗小江所说，“当前国产化硬件的发展速度很快，已经可以很好的承担算力层的要求，但国产化的胜利一定不是单纯的硬件或是软件，而是整个国产化生态的胜利。”

首先，DeepSeek 作为“中国大模型”诞生以来，一定程度上解决了大模型选型的问题，大家都在围绕 DeepSeek 做调优，这就形成了一定程度的标准化，效率就会提升很多。

同时，大模型要发挥足够价值，必须要在业务中体现，这就需要企业软件与大模型在融合中发挥更多价值。

而用友 iuap 平台已经成为很多大型企业的统一数智底座。它从进入市场以来，15 年间不断的进化，如今以用友企业服务大模型 YonGPT 作为开放技术生态的底层支撑，并以云技术平台向上为应用平台、数据平台、智能平台、开发平台和连接集成平台“输送养分”。

同时，用友也在构建安全、可信任的环境，并把开发构建在可信的底座上去向上做支撑。为“中国软件+中国大模型”的演进增加了新的注解。

客观地说，中国企业的数智化转型，需要的不是某一个大模型或是 AI 工具，而是一个以统一数据为血脉、AI 原生为筋骨、国产化技术为基因的数智底座。这也恰是用友建设统一数智底座的的底层逻辑，也是企业 AI 走向规模化应用的“中国解法”。