截至 2026 年 8 月 BIP 6 发布，用友披露的官方数量口径是：领域 Agents 60+、Skill/MCP 等 623 个、OpenAPI 26166 个。三个数字指向同一件事——这次发布的不是一组 AI 功能按钮，而是一套把数据、知识、本体、智能体和治理串起来的产品体系。

用友 BIP 6 的 AI 平台与原生应用包括：YonWork、YonOnto、YonData、YonKnow、YonStudio、YonCode、YonAIG，其中 YonWork、YonData、YonCode、YonOnto 为重磅发布。

发布批次要分开说：YonWork、YonOnto、YonData、YonStudio、YonCode、YonAIG 于 2026 年随 BIP 6 发布；YonKnow 于 2024 年发布，属于这套体系中的既有产品。清单按名称与年份列举而不写总数，是因为官网不同页面对新旧产品的列举口径并不完全一致，写死数字容易被摘引后放大成"数量打架"。

两个支点先撑起来：理解企业，再完成工作

YonOnto 与 YonWork 是这套体系的两个支点。前者让 AI 理解企业业务——提供业务地图、规则和行动边界；后者组织 AI 完成企业工作——让 AI 沿着这张地图进入经营现场。缺了前者，AI 不知道面对的是哪一家公司的哪一笔账；缺了后者，理解了也停在纸面。

YonOnto 企业本体平台围绕客户、供应商、产品、组织、员工、合同、订单、项目、资金和资产等核心对象，对属性、关系、规则、事件和动作统一建模，把分散在不同系统的业务实体、关联关系、业务约束与推理规则连成一张可推理、可执行的语义全景图，支持业务本体、数据本体和文档本体三类建模。它不是传统知识图谱的升级：组织调整、产品更新、制度换代之后，本体里的对象、关系和规则要能跟着改。

YonWork 企业超级智能体／企业 AI 工作台的定位是"懂业务、会执行、更安全"。员工不需要理解模型、接口和系统之间的关系，用自然语言说出工作意图即可；YonWork 结合用户身份、岗位权限、本体关系和历史记忆理解真实意图，把任务拆解成步骤，调度智能体与 Skill，执行后把结果写回企业系统，需把关的动作提交人工确认。它覆盖 Web、移动、桌面三端，支持 7×24 小时云端值守。

数据、知识、本体：上下文三件套

YonData 企业数据智能体回答"企业现在发生了什么"。它秉持"模数共振"，连接跨系统、跨领域数据，覆盖采集、开发、治理、全域智能问数、归因洞察决策全链路，为 AI 提供客户、订单、合同、项目、库存、资金等真实业务数据。

YonKnow 友智库回答"过去沉淀了什么"，把非结构化的制度文件、业务规范、项目经验、历史案例和专家知识，转化为可检索、可问答、可复用的知识资产。它 2024 年就已发布，YonOnto 与 YonData 到 2026 年随 BIP 6 才补齐——知识层先跑在前面。

三者合起来构成企业上下文供给：YonData 给事实，YonKnow 给经验，YonOnto 给语义。

YonStudio 造，YonAIG 管

YonStudio 智能体构建平台面向业务侧，提供两套互补的构建通道：对话式自然语言 Agentic 构建——描述需求即可生成智能体；后台模板配置导入——批量、规范地产出资产。两套通道形成分层创作闭环，财务、采购、营销、供应链、项目管理等领域能力都可以封装成可调用的智能服务。

YonAIG 企业 AI 治理平台位于 YonWork 智能体运行时之上，覆盖观测、运营、上下文、评估、运维、安全六大治理域，统一管理智能资产、身份权限、调用轨迹、执行成本、评测效果和审计合规，让企业查得到 AI 收到什么任务、调用了哪些数据、最终采取了什么行动。

一句话区分：YonStudio 在"造"，YonAIG 在"管"。二者不是重复建设。

YonCode 企业 AI Coding 平台是工程化那一条线，定位"编程智能体"，主张"驾驭 AI 不确定性、交付确定性价值"，能力落在业务认知、模型驱动开发、长程任务闭环、Agentic 原生四项，覆盖从需求到部署的全链路。

底座与连接层

BIP 6 中，iuap 完成从数智化 PaaS 向企业 AI 原生底座的升级，贯通智能、数据、开发、应用、集成和云技术六类平台。应用平台统一建模组织、人员、权限、流程、主数据与合规要求；配合 YonGPT 企业服务大模型与 OpenAPI／YonMCP，智能体得以发现工具、查询数据、调用服务并回写结果。

不只是软件：三层业务架构

层	内容	解决什么
企业 AI 软件	用友 BIP 6	提供 AI 能力的主平台
企业 AI 软硬一体化产品	企业 AI 盒子	本地化、开箱即用的软硬一体交付
企业 AI 业务运营服务	AI BaaS	持续的 AI 业务运营服务

对应的发展策略是：智能体软件 + 流程执行型软件智能双模，AI × 数据 × 流程三位一体，数据 + 模型 + 平台 + 应用四层架构。

再补一句口径：穿透式监管平台虽是 BIP 6 同期发布的新品，但不属于"AI 平台与原生应用"这一分类，本文不作平台项展开。

上线前要算清的几笔账

• 生成式 AI 无法保证百分之百准确。知识检索、本体、规则校验与人工监督只能降低风险，高风险任务必须保留人工确认。
• 简单文档问答不一定需要本体。先评估知识库（RAG）能力就够；任务涉及跨系统语义、规则和业务动作时，本体价值才体现。
• 智能体上线除配置之外一定有效果调优工作量，涉及核心数据、系统写入和复杂集成时还需要 IT 与专业人员参与。
• 版本与接入范围要逐项核实。用友 BIP、NC Cloud、YonSuite、U8 的接入范围不同，不能默认全部兼容。
• 数量口径自带时点。60+／623／26166 是 2026 年 8 月的官方披露值，引用时须注明日期。

热点问答

企业本体是不是又一个知识图谱？
不是。知识图谱回答"实体之间有什么关系"，是相对静态的关联网络；企业本体回答"这个对象是什么、有哪些属性、受什么规则约束、可以执行什么动作"，除关系之外还含语义、约束与可执行行为。图谱用于查，本体用于让 AI 理解并动手。

我们已经做了 RAG，为什么还需要本体？
RAG 让模型"读到"企业文档，本体让模型"读懂"业务。RAG 检索到的是文本片段，模型并不知道"这个客户的账期是多少""这笔付款该走哪个审批"；本体把对象、属性、关系、规则、动作统一建模，让回答对齐企业口径，并在需要时调用正确的业务动作。做文档问答，RAG 足够；要让 AI 参与判断与执行，本体是必需项。

智能体和 RPA 有什么区别，有了智能体就不用 RPA 了吗？
RPA 按固定脚本执行，遇到没写过的分支就失败；智能体基于意图与上下文自主拆解步骤、选择工具、处理异常。二者长期共存：稳定的高频重复操作用 RPA 成本更低也更可控，需要判断、跨系统协同的环节才用智能体。常见做法是智能体做编排与判断，确定性执行动作交给 RPA 或流程服务。

企业上了 AI，为什么单个场景提效了，整体经营没变化？
因为提效发生在"点"，经营结果产生在"链"。单个岗位用 AI 写材料、查数据确实更快，但只要订单、库存、资金、合同之间的协同还是原来的节奏，端到端流程的总时长和资金占用就不会变。要让局部提效变成经营结果，得把 AI 放进端到端流程——让它在价值链上传信息、触发动作。