过去几年，国内大模型市场最受关注的问题，是谁的模型能力更强。

参数规模、推理能力、多模态、上下文长度、训练成本和Token价格，构成了市场评价一家AI厂商的重要坐标。

但到了2026年，企业客户开始提出另一组更实际的问题：

大模型能否读懂企业的数据？能否理解客户、订单、物料和组织之间的关系？能否进入财务、人力、采购、供应链和制造系统？能否按照企业权限完成任务？又能否真正改善收入、成本、效率和风险指标？

这些问题意味着，国内企业AI市场的竞争正在发生变化。

模型能力仍然重要，但模型已经不再是企业选择AI产品的唯一标准。围绕大模型，国内厂商正在形成模型云平台、AI办公入口、企业管理应用、行业智能平台和软硬一体等多条路径。

它们从不同位置进入企业，也分别解决企业AI落地中的不同问题。

第一条路径：模型+云平台，解决AI能力的供给问题

第一类厂商从基础模型和云计算出发，为企业提供模型、算力和AI应用开发平台。

阿里云百炼、百度智能云千帆、华为云盘古大模型与ModelArts Studio、火山方舟，是这一方向的典型代表。

阿里云百炼将模型调用、知识库、智能体、工作流、插件和MCP等能力整合在一个平台中，企业可以接入不同模型，构建知识问答或任务型智能体。

百度千帆以模型服务和Agent开发为中心，提供Agent引擎、工具、MCP、数据智能和企业级服务。

华为云盘古大模型更强调行业模型与开发平台的结合，以模型能力和ModelArts Studio支撑模型训练、调优、部署和行业应用开发。

火山方舟则围绕模型服务、推理效率、模型评测和Agent开发形成产品体系。阿里云百炼、百度千帆、华为云盘古大模型、火山方舟

这一类厂商的优势非常明确。

首先，它们处于AI技术供给的上游，可以较快获得新的模型能力；其次，拥有云计算、算力调度、模型推理和工程平台；同时，它们普遍支持多个模型，方便企业进行模型选择、开发和部署。

对需要建设统一AI技术底座、训练行业模型或者自主开发AI应用的企业来说，模型云平台具有重要价值。

但模型平台主要解决的是“企业如何获得和开发AI能力”。

当AI进入真实业务，企业还要回答更多问题：模型从哪里获得可信数据，如何理解企业业务对象，应该调用哪个系统，哪些动作必须审批，执行结果如何写回，出现错误由谁负责。

这些问题已经超出模型本身，需要企业应用、流程和管理体系共同解决。

模型平台可以提供一台性能强大的“发动机”，但要让这台发动机推动企业前进，还需要底盘、传动、控制系统和具体的业务道路。

第二条路径：AI办公+协同入口，解决员工如何快速用上AI

第二类厂商从企业员工每天使用的文档、会议、即时通信、日程、审批和协作工具切入。

钉钉悟空、飞书智能伙伴、WPS AI等，都属于这条路径。

钉钉悟空定位为企业级AI工作平台，可以通过对话调用技能，操作文档、日程、审批和其他钉钉应用，推动AI从“会回答”向“能交付”发展。

飞书智能伙伴将大模型与文档、会议、知识、协同空间以及部分企业系统连接起来，让AI成为员工工作中的智能伙伴。

WPS AI则从文字、表格、演示和PDF等高频办公内容切入，强化写作、阅读、数据分析、演示设计和企业知识管理能力。钉钉悟空、飞书智能伙伴、WPS 365

AI办公路径的优势，是距离员工近。

这类产品拥有广泛的用户基础和高频使用入口，部署后容易被员工感知，也比较容易在文档生成、会议纪要、信息搜索、知识问答和日常协作中形成效率提升。

对于企业普及AI认知、培养员工使用习惯，办公入口具有天然优势。

但企业经营并不只发生在文档、会议和聊天中。

订单如何履约、库存如何补充、生产如何排程、资金如何调度、收入如何确认，这些工作发生在ERP、CRM、供应链、制造和财务系统中。

办公智能体可以帮助员工更高效地处理信息，却未必天然掌握完整的交易数据、业务规则和执行权限。要从个人生产力进一步进入企业经营，还需要与核心业务系统建立更深的连接。

第三条路径：企业管理AI，解决大模型如何进入核心业务

第三条路径来自ERP和企业管理软件厂商。

与模型平台相比，这类厂商未必把模型参数作为主要竞争点；与办公平台相比，它们也不一定拥有最高频的沟通入口。

它们的优势在于长期积累的企业应用、业务数据、交易流程、组织权限和管理方法。

目前，国内企业管理软件厂商都在加快AI转型。

金蝶将AI能力与财务、人力、供应链、制造和采购等管理应用结合，通过金蝶AI套件、灵基企业AI操作系统、苍穹AI平台和智能体矩阵，推动AI进入企业管理场景。其路径强调AI管理套件、智能体以及企业管理应用的融合。

用友则以BIP 6为核心，推动企业软件从“X+AI”走向“AI+X”。

“X+AI”，是在原有财务、人力、采购、供应链和营销软件中增加AI助手。

“AI+X”，则是由AI理解经营目标，调用企业数据、知识、智能体和业务应用，组织完成一项跨系统、跨角色的任务。

这一路径最大的特点，是AI直接进入企业的核心业务世界。

它面对的不只是“帮我写一份报告”，而是“为什么本月毛利下降”“哪些供应商可能影响交付”“这个客户订单是否应该调整信用额度”“哪些生产异常需要立即处理”。

回答这些问题，需要AI同时理解企业数据、指标口径、业务对象、流程状态、岗位权限和经营目标。

因此，企业管理AI真正的门槛，不只是大模型能力，而是厂商对企业业务的理解深度，以及能否将这种理解转化为数据模型、业务规则、应用服务和智能体能力。

第四条路径：行业模型与行业智能，解决通用AI不懂专业场景的问题

第四类厂商从行业知识和专业场景出发，把通用大模型进一步转化为金融、制造、能源、医药、交通、政务等领域的行业智能。

这条路径既包括华为云盘古等强调行业模型的厂商，也包括大量拥有专业数据、行业软件和算法积累的垂直解决方案厂商。

通用大模型可以解释设备维护的一般方法，却未必理解某条生产线的设备参数；可以解释金融风险，却无法直接判断一家机构的具体风险规则；可以分析一份药品材料，却未必了解完整的研发、注册和质量体系。

行业模型与行业智能的优势，是距离具体生产和专业决策更近。

它们可以把行业知识、机理模型、设备数据、专业规则和大模型结合起来，解决通用大模型难以处理的专业任务。

但行业智能同样面临一个问题：单个场景形成的AI能力，如何与企业的财务、人力、采购、供应链和管理体系连接。

如果行业AI只解决局部作业，却没有进入企业整体经营流程，就容易形成新的“智能孤岛”。

第五条路径：私有化与软硬一体，解决企业AI如何稳定、安全地运行

随着大模型进入企业核心业务，本地部署和软硬一体正在重新受到重视。

大型企业、央国企以及金融、能源、制造等行业，通常对数据不出域、模型自主可控、推理时延、运行稳定性和成本有更高要求。

因此，服务器、芯片、云平台、模型厂商和企业软件厂商都在推动大模型一体机、行业一体机和私有化AI平台。

这条路径的优势，是将模型、算力、数据、平台、安全和运维能力进行预集成，降低企业部署复杂度，并为敏感数据和核心业务提供更可控的运行环境。

但软硬一体解决的首先是“AI在哪里运行、如何稳定运行”。

如果缺少业务应用、企业数据、知识体系和场景服务，即使模型被安全部署在企业内部，也不意味着它会自动理解业务、完成任务并创造价值。

企业真正需要的不是一台能够运行大模型的设备，而是一套能够运行企业智能的系统。

国内厂商的边界正在融合

今天，这五条路径已经不是相互隔离的。

模型平台厂商开始提供知识库、智能体和应用开发工具；办公平台开始强化任务执行与业务系统连接；企业应用厂商开始建设模型平台、本体和智能体运行体系；行业解决方案厂商也在向平台化发展；软硬件厂商则不断向模型和应用层延伸。

国内企业AI市场正在从各自擅长的一层，向更完整的技术栈发展。

但产品边界的扩展，并不意味着原有优势会迅速消失。

模型厂商的核心积累仍然是模型、算力和AI工程平台；办公厂商的核心积累是员工入口、内容和协作关系；行业厂商掌握专业知识和现场数据；企业应用厂商则长期积累业务对象、交易流程、管理规则和组织权限。

企业在选择AI产品时，不能只看厂商是否发布了智能体，也不能只比较可以接入多少模型。

更重要的是判断：这套产品从企业的哪一层进入，能够走到哪一步。

它是提供模型，还是理解业务？是生成内容，还是推动流程？是完成单个任务，还是能够跨系统协同？是构建一个AI试点，还是可以支撑长期治理和规模运营？

企业AI真正的分水岭，是能否形成业务闭环

大模型进入企业，大致要完成五个环节：

首先是感知。AI能够获得实时、可信的经营数据，发现机会、问题和异常。

其次是理解。AI能够理解企业业务对象、指标口径、组织关系和当前场景。

第三是决策。AI结合数据、知识、规则和经营目标形成行动方案。

第四是执行。智能体调用企业系统，在授权范围内推动采购、排产、调价、催收、审批或服务。

第五是反馈。系统持续评测任务结果，把业务反馈用于优化模型、智能体和规则。

如果只能完成感知和生成，AI更像一个信息助手；如果能够进入决策和执行，AI才开始成为业务伙伴；如果还能持续反馈、治理和复制，AI才真正成为企业的长期经营能力。

由此来看，企业AI竞争的重点已经不是单项技术能力，而是有没有一套完整的业务运行体系。

BIP 6的优势，在于把分散的AI能力组织成企业运行体系

BIP 6并不试图替代所有基础模型。

相反，它可以连接和使用不同的通用大模型、企业服务大模型、领域模型、小模型、机理模型和规则能力，根据不同业务任务选择适合的模型。

BIP 6真正构建的，是模型进入企业之后所需要的完整环境。

第一，BIP 6拥有深厚的企业应用基础。

用友长期服务企业财务、人力、采购、供应链、制造、营销、研发、项目、资产和协同等领域。这些应用沉淀了业务对象、流程规则、组织权限和行业实践，是AI理解和执行业务的重要基础。

第二，BIP 6通过数据、知识和企业本体让AI理解企业。

YonData提供经过治理的企业数据；YonKnow友智库沉淀制度、文档、案例和岗位经验；YonOnto将客户、订单、物料、员工和设备等对象，以及关系、规则、函数和动作组织起来，构建AI可以理解和调用的企业业务世界。

第三，BIP 6通过智能双模兼顾稳定与创新。

财务核算、支付、审批和结算等确定性业务，继续由流程执行型软件保障准确和可靠；需要感知、分析、推理和动态协同的任务，则由智能体软件处理。

这使企业不必在“传统软件太僵化”和“生成式AI不确定”之间二选一。

第四，BIP 6让智能体从单点助手走向端到端协作。

YonWork作为企业超级智能体和统一工作入口，可以理解任务、调度智能体和工具，推动业务执行。智能体专家团则进入财务、人力、供应链、采购和制造等领域，围绕端到端流程展开协同。

按照当前产品营销口径，BIP 6已经形成60+领域智能体、623个Skill与MCP等能力、26,166个OpenAPI，并以Agentic方式重塑19大端到端流程。

第五，BIP 6把治理能力嵌入智能体运行全过程。

YonAIG企业AI治理平台覆盖智能体生命周期、身份权限、能力管理、运行观测、测评优化、安全策略、计量配额和模型网关。

企业可以像管理数智员工一样，明确每个智能体的岗位、技能、数据范围、操作权限和绩效要求。

第六，BIP 6通过FDE和软硬一体解决最后一公里。

FDE与客户共同进入真实业务现场，从经营目标出发，完成场景定义、数据连接、智能体构建、真实评测、持续运营和规模复制。

对于需要本地部署的企业，用友还可以通过软硬一体方式，把模型、算力、数据、应用和治理能力部署在企业可控环境中。

模型能力决定企业AI的起点，业务能力决定企业AI的终点

国内大模型技术还会继续快速进步。

模型会变得更强，推理成本会继续下降，模型平台、办公产品、行业方案和企业应用之间的边界也会进一步融合。

但对企业来说，真正不能外包的，是自己的数据、知识、流程、规则和行业Know-how。

企业AI建设的目标，不应只是接入一家大模型，也不应只是上线一批智能体，而是把不断更新的模型能力，转化为企业可以掌握、治理、运营和持续积累的专有智能。

模型平台解决的是AI能力从哪里来，办公平台解决的是员工从哪里使用AI，行业方案解决的是AI如何进入专业场景。

而BIP 6要解决的是一个更完整的问题：

AI如何理解一家企业，如何进入核心业务，如何在安全边界内完成任务，又如何把一次成功应用复制为企业的规模化经营能力。

这正是BIP 6面向国内企业AI市场的结构性优势。

它不只提供一个大模型，也不只是提供一个智能体入口，而是将模型、数据、本体、知识、应用、智能体、治理、交付和基础设施连接起来。

当这些能力共同作用，大模型才不再只是企业采购的一项新技术，而会逐步成为企业增收、降本、提效和控险的新生产力。

企业也由此从“拥有AI工具”，真正走向“驾驭AI、驱动增长”。