企业AI进入深水区,该如何重新定义PaaS平台?
2026年11月20日


当人工智能从辅助工具进入企业核心业务,从单点应用走向多智能体协同,企业需要解决的问题也随之变化:如何让AI融入既有技术体系、业务流程和管理机制,支撑安全、可控、可持续的规模化应用?


一方面,AI原生开发、多智能体协同等技术正在改变企业软件的开发与运行方式;另一方面,央国企DRP(全域数字化资源管理平台)建设、穿透式监管,以及民营企业降本增效、技术集约化建设,对IT架构的统一性、敏捷性和治理能力提出了更高要求。


这些需求共同指向同一个目标——企业技术底座的升级:企业需要的不再是孤立的AI工具或分散建设的技术平台,而是能够统一承载传统应用、AI原生应用、数据服务与智能体的新一代数智化底座。


作为用友BIP的重要技术基础,用友iuap正以企业AI原生数智底座为定位,推动PaaS平台从应用开发与技术支撑平台,向集AI开发、应用运行、业务连接、数据智能和统一治理于一体的企业AI原生数智平台演进。

01

技术趋势演进
AI正在重塑企业软件的底层架构


全球企业技术架构正进入AI原生时代,Gartner在面向2026年的十大战略技术趋势中,将AI原生开发平台、多智能体系统、领域专用语言模型和AI安全平台列为重要方向。相关趋势表明,企业AI建设的关注点正在从单项能力,延伸至软件开发、应用协同和安全治理。


 

Gartner 2027十大战略技术趋势


2026年10月,Gartner发布面向2027年的十大战略技术趋势,其中包括AI上下文平台(AI Context Platforms)、AI编程智能体运行控制框架(AI Coding Agent Harness)和AI智能体身份(AI Agent Identity)。这些趋势进一步强调了业务上下文、开发过程控制和智能体身份管理的重要性。


传统PaaS主要面向软件开发人员,提供微服务、集成、工作流、数据库和应用运行等技术服务。AI原生PaaS则需要进一步面向开发者、业务人员与智能体,形成统一的应用开发、智能执行和运行治理体系。支撑企业业务与AI协同运行。

02

从央国企DRP监管到民企降本增效

统一底座成为共同需求


不同类型企业虽然经营目标和管理模式有所差异,但在数智化建设进入深水区后,正面临相似的底层挑战:系统架构分散、数据与业务难以贯通、技术资产重复建设、运行维护复杂,以及AI能力难以规模化推广。央国企更关注全域协同与穿透管控,民营企业更关注成本效率与敏捷创新。两者的建设重点有所不同,但都需要开放、可扩展、可治理的企业级技术底座。

对于央国企而言,DRP建设与穿透式监管正在对数智底座提出系统性要求。

2026年7月,国务院国资委召开穿透式监管工作会议,强调加快构建智能化穿透式监管体系,建强智能化监管系统,加强重点领域穿透监管,健全监管闭环。

穿透式监管并不只是建设一套监管看板,而是要求企业能够跨越集团、子企业及多级组织边界,将经营主体、资金、资产、业务和风险信息有效贯通,实现从集团汇总指标向下穿透至业务明细,从风险识别向后延伸至处置与整改。这背后需要统一的数据标准、业务对象、系统连接能力和管理规则,同时需要能够适应大型集团多层级、多业态、异构系统并存环境的技术架构。因此,央国企DRP建设不仅需要业务管理系统升级,更需要统一的数智技术底座作为支撑,使各级业务系统能够在统一规范下连接、协同和持续演进。

对于民营企业而言,技术统一的驱动力则更多来自经营效率与投入产出。

随着企业业务规模扩大,各业务部门独立采购系统、重复建设技术组件、采用不同开发框架和数据标准等问题逐渐显现。多套技术体系不仅推高开发、集成与运维成本,也制约业务创新速度。在AI时代,如果模型接入、知识服务、智能体开发和运行管理继续分散建设,还可能形成新的技术孤岛。因此,民营企业同样需要通过统一技术栈、统一开发规范和公共能力复用,推动应用快速交付、技术集中运营和资源集约使用。

03

从传统PaaS走向AI原生PaaS

实现统一架构、统一运行、统一治理


回应上述需求,AI原生PaaS需要将AI能力纳入应用开发、业务连接、数据处理和系统运行全过程,同时保留传统PaaS在稳定性、确定性和工程化方面的能力。其建设重点可以归纳为三个方面。


企业AI原生PaaS并非简单地在传统平台中增加大模型接口或智能体开发工具,而是将AI能力融入应用开发、业务连接、数据处理与系统运行全过程,在保留传统PaaS确定性、稳定性和工程化能力的基础上,构建面向AI时代的新型技术架构。其核心可归纳为三个统一。


01

统一架构,让传统应用与AI原生应用共同演进


通过云原生、微服务、元数据、API集成、工作流及AI原生开发能力,构建统一技术架构。既支持传统企业应用的持续建设与升级,也支持智能体、AI服务和新型智能应用开发,避免形成相互割裂的两套技术体系。


02

统一运行,让应用、数据服务与智能体协同


AI应用不仅需要模型推理,还需要访问企业数据、理解业务规则、调用系统能力并完成任务执行。统一运行底座应打通应用服务、数据服务、智能体服务与业务流程,支持跨系统任务编排、服务调度、资源监控和运行管理,使AI从单纯提供建议走向参与业务执行。


03

统一治理,让创新效率与安全可控并行


随着智能体数量增加、模型调用规模扩大,企业需要对人员、应用、模型和智能体实施统一身份与权限管理,对AI生成内容、工具调用、业务操作和执行结果建立追踪审计机制,并对运行质量、资源消耗和AI使用成本进行统一管控。对大型集团而言,这种治理还需要兼顾总部统一管控与下属企业分级运营。


由此,企业技术底座将不再只是承载软件运行的技术基础设施,而是贯穿技术架构、业务运行、数据智能和管理治理的统一平台体系。这三个方面需要共同作用:架构决定能力如何组织,运行机制决定任务如何完成,治理机制则明确执行权限、过程记录和责任边界。

04

用友企业AI原生底座

持续释放企业AI价值    


面向企业AI原生化升级,用友iuap融合云原生、微服务、集成、开发、数据和智能技术能力,支撑企业建立统一的技术架构、应用运行环境与治理体系。


 

用友iuap企业AI原生数智底座总体架构


在这一体系中,AI不再作为独立于传统业务系统之外的技术组件,而是与应用开发、数据服务、业务执行和平台运行深度结合。这一平台体系既能够为央国企DRP建设、穿透式监管和集团管控提供统一技术支撑,也能够帮助民营企业统一技术栈、沉淀公共能力、减少重复建设,提高应用交付与技术运营效率。更为重要的是,通过平台能力复用、业务能力服务化和统一治理,企业能够在既有信息化投资基础上持续开展AI创新,避免因AI技术快速迭代而不断重建底层系统。落地企业AI取决于AI能否真正融入企业技术体系、业务体系和治理体系。用友iuap企业AI原生数智底座,将围绕三个深度融合方向,持续释放企业AI价值。



AI重构开发:定义企业软件开发AI范式

推动AI与低代码、专业编码、模型驱动开发和软件工程全生命周期融合,实现从需求理解、应用设计、代码生成、自动测试到部署运维的智能化协同。以YonCode与YonBuilder等能力为支撑,让开发人员由传统代码编写者向需求定义、架构设计和工程治理者转变,在保障企业级软件质量与安全的前提下,提升交付效率、降低开发维护成本。


AI重构业务:推动企业业务从流程自动化走向智能自主决策执行

依托YonOnto构建企业统一业务语义与规则体系,以YonData提供可信数据服务,通过YonWork进行任务编排与智能执行,并连接用友BIP及企业既有业务系统,形成从业务理解、任务规划到系统执行、结果反馈的完整闭环。让AI不仅能够回答企业问题,更能够在授权和可控的前提下参与业务流程,支撑经营分析、风险管理、财务运营、供应链协同等场景的智能化升级。


AI全面治理:构建安全、可信、可持续的企业AI运行体系

将AI安全与治理能力融入平台架构和运行全过程,围绕模型、数据、智能体、应用和业务操作,建立统一身份权限、行为审计、运行监控、质量评测、成本计量与风险管控机制。让企业既能够充分利用多模型和多智能体带来的创新能力,也能够对AI运行过程及业务执行结果实施有效管理,形成创新与治理协同发展的机制。


从开发交付到业务执行,再到运行治理,用友iuap正推动企业级PaaS向企业AI原生数智底座演进。其价值在于,让企业能够基于既有系统和技术资产,持续建设、运行和管理AI应用,使AI逐步融入日常业务与管理过程。