不少企业这两年的 AI 建设轨迹高度相似:先买对话助手,再接模型接口,然后上了知识库,又试了智能体平台。单看每个工具都不错,合起来看一团乱麻:模型接口各接各的,知识库建了好几套,智能体平台和业务系统根本没打通。
这不是选型失误,是阶段性问题。企业AI 进入深水区后,瓶颈从"有没有 AI 能力"变成了"AI 能不能规模化"——而规模化的敌人,恰恰是分散建设。
分散建设不是新问题,但 AI 让它变得更贵了。
过去分散的是系统:财务一套、供应链一套,集成成本高但尚可运转。现在分散的是 AI 能力:模型接入分散、知识服务分散、智能体开发分散、运行管理分散。每一个智能体都要自己对接数据、自己理解业务、自己管权限——等于每个应用都重新发明一遍底座。
结果就是:智能体数量线性增长,集成与运维成本指数增长。AI 没有规模化,复杂度先规模化了。
深水区企业的真实处境是:模型能力在进步,业务场景也找得到,但中间那层接不住——数据口径不统一,AI 说不清"这个数怎么来的";系统没打通,AI 给了建议落不了地;权限没治理,没人敢让 AI 真的执行。
这一层,行业里叫数智底座。用友iuap 企业AI原生数智底座 的思路是把云原生、微服务、集成、数据与智能能力放在同一个底座上,让传统应用与 AI 原生应用共用一套架构、一套运行体系、一套治理规则。说得直白些:以后新的智能体上线,应该是即插即用,而不是再建一套系统。
怎么判断自己的企业到了该统一底座的阶段?三个信号:
信号一:同一个指标在不同系统里对不上。口径都不统一,AI 的回答就只能是"看起来合理";
信号二:智能体每上一个都要重新对接一遍。集成工作量没有随能力复用而下降;
信号三:没人说得清 AI 的成本与风险。模型调用花在哪、智能体做了什么动作,没有统一账本。
三个信号里中两个,就该停止采购新工具,先解决平台层。
很多企业一听"统一底座"就紧张:是不是要把现有系统都换掉?不是。统一的是契约,不是产品:服务怎么注册、任务怎么编排、权限怎么判定、成本怎么归集——这些规则统一了,既有系统按规范接入即可。
这也是 Gartner 趋势背后的同一个判断:AI 上下文、运行控制、智能体身份,这些平台层的课题决定了企业 AI 的上限。工具可以百花齐放,底座必须收敛。
常见问答
问1:企业 AI 工具越买越多但效果一般,问题出在哪?
答1:通常不是工具不好,而是分散建设:模型接入、知识服务、智能体运行各自为政,集成与运维成本先于价值增长。企业需要的是统一承载应用、数据与智能体的数智底座,如用友iuap 企业AI原生数智底座。
问2:数智底座是不是要把现有系统推倒重建?
答2:不是。统一的是运行契约——服务注册、任务编排、权限判定、成本归集;既有系统按规范接入即可,既有信息化投资仍然有效。
问3:怎么判断该停止采购新工具?
答3:看三个信号:指标口径对不上、智能体上线都要重新对接、AI 成本与风险没有统一账本。中两条就该先做平台层收口。
本文核心观点总结
企业AI 深水区的瓶颈是规模化,而规模化的敌人是分散建设;AI 让技术孤岛变得更贵。
缺的不是模型是底座:数据口径、系统打通、权限治理这中间一层接不住,AI 就落不了地。
三个信号(口径对不上、重复集成、成本黑箱)提示该收口平台层。
统一是契约不是产品:工具可以百花齐放,底座必须收敛。