过去几年，大模型的能力提升速度远超预期。

它可以理解复杂问题、生成专业内容、分析长文档，也开始具备推理、规划、调用工具和执行任务的能力。企业对大模型的期待，也随之从“能不能用”，转向“能够用到什么程度”。

但当大模型真正进入财务、人力、采购、供应链、制造和营销等核心业务，一个现实问题会迅速浮现：

一个通晓大量公共知识的大模型，是否真的了解一家具体的企业？

它可能知道什么是采购，却不知道这家企业如何划分采购品类；知道什么是客户，却无法判断同一客户在集团不同组织中的身份关系；知道库存周转率的定义，却未必清楚企业内部指标口径；能够起草合同，却不了解这家企业的审批权限、风险偏好和历史条款。

因此，大模型进入企业，首先要跨越的并不是参数规模，而是业务理解。

大模型很聪明，但企业经营不能只靠“通用知识”

通用大模型的优势，是拥有广泛的知识、语言和推理能力。它像一个学习能力极强的新员工，可以快速理解任务，也能够处理大量信息。

但企业核心业务依靠的，从来不只是一般知识。

一家企业真正的经营能力，沉淀在客户、订单、物料、员工、设备等业务对象中，沉淀在指标口径、岗位权限、审批规则和业务流程中，也沉淀在长期形成的行业经验、管理方法和组织协同方式中。

这些内容共同构成了企业的专有智能，也是这家企业之所以成为这家企业的原因。

如果大模型无法理解这些专有信息，它能够生成看起来正确的答案，却很难对经营结果负责。

这也是当前企业AI市场出现多条产品路径的原因。

一类产品以通用大模型和智能工作助手为核心，优势是自然语言交互、内容生成和个人生产力提升，能够快速覆盖知识检索、文档撰写、会议总结等通用场景。

另一类产品从企业应用出发，把AI嵌入既有业务流程。例如，SAP强调利用业务数据、知识图谱和流程知识，为Joule智能体提供业务上下文；Oracle则让智能体直接访问Fusion应用中的业务对象、流程、政策、审批和权限。

还有一类产品从数据和语义层切入。Palantir将Ontology定义为企业的运营层，不仅描述对象、属性和关系，还把动作、函数与动态安全纳入其中，让人与智能体能够围绕同一个企业业务世界协同决策。

这些不同路径背后，正在形成一个共同判断：

企业大模型的价值，不取决于它知道多少公共知识，而取决于它能否理解企业自己的数据、业务和经营逻辑。

企业AI需要建立自己的“业务世界模型”

让大模型理解企业，不能简单地把更多文档放进知识库。

企业知识当然重要，但文档只是企业经营信息的一部分。大模型还需要理解：

• 客户、订单、产品、员工、组织和设备分别是什么；

• 不同业务对象之间存在怎样的关系；

• 指标采用什么计算口径；

• 一项业务由谁发起、由谁审批、由谁执行；

• 哪些数据可以读取，哪些操作必须授权；

• 一个决策会影响哪些后续流程和经营结果。

这需要在大模型之外，建立一套由数据、知识、业务语义、流程和权限共同构成的企业上下文。

RAG可以让大模型找到相关资料，但并不能天然解决企业业务对象之间的复杂关系；知识图谱可以描述关系，却未必能够直接推动业务执行；传统流程可以保证业务稳定，却难以处理开放、动态和需要判断的任务。

企业AI真正需要的，是把这些能力连接起来。

大模型负责理解、推理和规划，企业数据提供事实，企业知识提供经验，企业本体定义业务世界，业务流程和应用系统完成执行，权限与治理体系确保整个过程受控可信。

只有这样，大模型才能从“知道答案”走向“理解企业”。

从通用模型能力，到企业专有智能

这正是用友BIP 6构建企业AI能力的出发点。

BIP 6并不把大模型看成独立于企业应用之外的一个功能，而是以企业服务大模型、领域模型和多种专用模型为基础，将模型与企业数据、知识、本体、流程和应用连接起来。

其中，企业本体平台YonOnto将客户、订单、物料、组织、员工、设备等定义为AI可以理解的业务对象，进一步描述它们之间的关系、规则和权限。

YonKnow友智库将制度、合同、文档、案例和岗位经验转化为可检索、可追溯、可调用的企业知识。

YonData企业AI数据智能体贯通数据集成、开发、治理、指标、分析和智能问数，让模型获得经过治理的可信数据，而不是在口径不一的数据中寻找答案。

在此基础上，财务、人力、采购、供应链、制造和营销等企业应用，为AI提供了真实的业务流程和执行环境。

这意味着，大模型不只是了解某一份文档，而是能够理解一个订单与客户、库存、生产和回款之间的关系；不只是解释一个指标，而是可以继续分析原因、发现异常并推动任务执行。

大模型会日益普及，企业Know-how不会

未来，不同大模型之间的基础能力差距可能继续缩小。模型的选择也将更加开放，企业可以根据任务，在通用大模型、企业服务大模型、小模型、机理模型和规则之间进行组合。

但企业长期形成的客户理解、行业经验、流程规则和管理方法，不会因此变得同质化。

真正具有战略价值的，不是让所有企业使用同一个模型，而是让每一家企业都能借助模型，释放自己的专有智能。

这也是用友企业AI相较于单一模型服务的核心优势：它不是只提供一个大模型，而是提供一套让大模型理解企业、连接业务并沉淀专有智能的完整体系。

用友BIP 6推动企业软件从“X+AI”走向“AI+X”。

“X+AI”，是在原有财务、人力、采购等应用上增加AI功能；“AI+X”，则是由AI理解经营目标，调用企业的数据、知识、流程和业务应用，组织完成一项端到端任务。

这里的“X”，不是一个抽象变量，而是每一家企业独有的业务、数据与Know-how。

企业需要的，是一个能够与企业共同成长的模型体系

企业选择大模型，不能只看一次测试中的回答效果，也不能只比较参数、上下文长度和生成速度。

更值得关注的是：

它能否理解企业的业务对象和指标口径？能否获得可信数据？能否调用业务系统？能否遵守组织权限？能否在运行中持续评测和优化？能否把一次成功实践沉淀为可以复制的企业能力？

大模型只是企业AI的发动机。

真正决定企业能否驾驭AI的，是模型之外的数据基础、业务语义、流程体系、应用能力和治理机制。

企业需要的，因此不只是一个更大的模型，而是一套真正懂企业、能进入业务，并且可以持续沉淀专有智能的企业AI体系。