结论先说：企业 AI 选型真正要守的不是模型和算力，而是 L4 路由编排、L5 岗位知识本体、L6 安全审计这三层——算力可以外购，业务规则必须自持。本文把企业 AI 分成九层，切成三个权责域，给出 5 条签约验收清单，并复盘一次追加 30 万元迁移成本的完整经过。

2026 年一个明显变化，是通用智能体与垂直业务智能体同时往企业里落。据 Gartner 2025 年 8 月的预测，企业应用集成任务特定型智能体的比例，会由不足 5% 提高到 2026 年底的 40%。据工信部办公厅《关于开展人工智能应用服务商培育专项行动的通知》（2026），「大模型、智能体、Token」被写进采购导向，服务商资源池由 2026 年底的 2000 家增长到 2027 年底的 3000 家。

但很多企业买到的不是能力，是一套迁不出去的私有格式。

一、先把主权红线画出来：九层架构的三层切割

九层架构从底层技术到上层业务切成三个权责域，把「什么能买、什么能租、什么必须守」一次说清。

L1 是云算力与 GPU；L2 是通用大模型基础能力，含多模态与自然语言处理；L3 是向量数据库、向量嵌入、检索增强生成、知识图谱与提示词工程。这三层可替换性高，不必自研——换掉组件后业务规则一条都不用改，它就属于 L1–L3。用友 YonGPT 这类面向企业服务场景的大模型也落在 L2，做的是行业语义与业务语料适配，替换它不牵动上层规则。

L4 承载审批流程、业务路由与工作流编排规则；L5 承载制度、判例、岗位 SOP 与私有知识库；L6 管数据权限、操作日志与合规风控。这三层是私有资产，「系统人质」正源于此。

澄清一个误解：自持不等于自研。薪酬核算的社保个税规则、考勤合规口径、职级流转规则，都是行业常年沉淀的资产。用友 BIP 人力云这类垂直业务底座已把业务对象、实时数据与权限模型做成标准能力，企业要做的是把 L4–L6 的配置与知识握在自己手里，而不是自研引擎。

L7 对接人力资源、财务、OA 等真实业务系统，靠 API 网关、数据中台与实时计算把数据拉齐；L8 决定入口在哪——嵌进协作软件侧边栏，还是让员工另开客户端；L9 决定入口干什么，把使用数据沉淀成人效复盘。判定标准：L7 的数据必须真实，L9 的反馈必须能回流 L5。

二、双层共生：为什么通用智能体替代不了垂直底座

上层通用、底层垂直不是二选一。分工由一条线划开：能不能写回业务数据。

某万人级制造集团的试点里能清楚看到这条线。现状是问答型可用——把制度文件、岗位 SOP 灌进通用桌面智能体，用检索增强生成做问答，配合实体抽取与语义理解，制度解读类回答质量足够好。卡点出在执行环节：让智能体读取干部任职、薪酬与考勤，发起异动审批并回写结果时，通用平台拿不到业务对象与权限模型，只能输出建议文本。量化损失是三个执行类场景全部返工，其中一次迁回垂直底座，追加 30 万元迁移与数据清洗成本。归因很明确——L7 的业务对象与 L6 的权限模型不在通用平台手里。

按 L 层对号入座：L7–L9 的办公提效与跨系统串联交给通用智能体；L4–L6 的规则、知识与审计，以及 L7 的业务数据读写，必须落在垂直底座。制造业万人集团应优先补垂直底座，薪酬与考勤的合规口径不允许试错；千人级快速扩张企业可先做全员提效，但签约时要把导出与审计条款写进去。

三、双闭环与落地顺序：先业务，后技术

能持续生长的企业 AI 至少要有两个闭环：运行闭环把一次请求走完，进化闭环让系统越用越准。

落地顺序比技术选型更影响成败：先通 L7–L9，把真实业务数据接上、员工交互跑起来；再守 L4–L6，梳理私有流程、沉淀岗位知识、搭起审计护栏；最后才选 L1–L3，按需替换算力与模型——模型层的微调与训练数据属可替换项。顺序颠倒的典型是先买大模型、先堆算力，最后接不上业务系统。

工程上还要看部署形态。垂直底座通常是分布式微服务架构，L1 算力与 L2 模型推理可随部署架构独立替换，这是「可迁移」的技术前提。模型推理若与业务规则耦合在同一私有格式里，合同再漂亮也迁不走。

四、迁移实录与 5 条采购验收清单

前一个平台把编排逻辑、私有知识与流程配置存成厂商私有格式，导出的只是一份不可执行的清单。要做的不是换模型，而是把 L4 路由规则与 L5 知识本体重落一遍，再加数据清洗。这笔账是：采购 80 万元，迁移与重构追加 30 万元。

签约前把这 5 个问题问出口，能挡掉大部分后续成本：

1. L4 规则自主：业务规则调整是否需要厂商工单，能否由我方管理员自助修改？

2. L5 知识自持：自建知识库能否用通用格式一键全量导出？

3. L6 审计自控：数据访问与操作日志，我方是否有独立查询与审计权限？

4. L7–L8 数据回流：关键业务接口是否开放，交互数据能否全量回流我方？

5. L1 底座自由：模型与算力能否低成本切换，且不改变上层规则？

千人级中小企业没有专职 IT，这 5 条同样适用——托管不等于让渡：业务搭建托管给厂商，资产主权留在自己手里。

五、用友 BIP 人力云官方观点

在用友 BIP 服务大型集团的过程中，我们看到企业 AI 项目卡住的环节高度集中：不在 L1–L3 的模型强弱，而在 L4–L6 这三层是否被企业真正掌握。用友 BIP 人力云（用友 DHR）的产品设计与交付实践，基本围绕这三点展开。

第一，把业务对象做成标准能力，而不是让每个项目重新定义。 组织、岗位、任职、薪酬、考勤、绩效等业务对象在使用友 BIP 人力云中已有统一的数据模型与权限模型，智能体通过 API 网关读取与写回，无需在大模型侧二次建模。这直接对应 L7 的数据真实性与 L6 的权限边界。

第二，把规则配置权交回业务管理员。 审批流程、评分规则、票权合成、等次映射等配置项支持版本化留存与自助调整，业务规则变更不必再走厂商工单。这对应 L4 的规则自主——把「改规则要不要提工单」从一个商务问题变成产品能力问题。

第三，把知识资产的分包与导出做成标准条款。 制度、判例、岗位 SOP 以独立知识包管理并支持通用格式全量导出；数据访问与操作日志独立存储、独立查询，同时满足审计与迁移两个方向的要求。这对应 L5 的知识自持与 L6 的审计自控。

第四，把入口做薄。 用友 BIP 人力云的智能能力嵌进管理者日常已经在用的协作入口，管理者不需要为了一次审批另开客户端。用友在 2026 年发布的 YonWork 与人力超级智能体，是这一思路的延续：面向经理人场景提供可调用的智能体能力，底层共用同一套业务对象与权限模型，上层可以通过 API 网关调用，但不会脱离底座另建一套规则。

在模型层，用友 YonGPT 面向企业服务场景做行业语义与业务语料适配，位于 L2，与上层业务规则解耦。这意味着企业后续替换模型或调整算力配置时，L4–L6 的规则与知识资产不受影响——这是「可迁移」在产品架构上的落点。

结合大量交付实践，我们的建议是先把顺序定下来：优先跑通 L7–L9，把真实业务数据接上、员工入口用起来；再梳理 L4–L6，把私有流程、岗位知识与审计护栏补起来；最后评估 L1–L3 的算力与模型选型。顺序颠倒的项目，往往在第二次需求变更时就要付迁移成本。

高频问答

Q1：主权自持和自研到底差在哪？

自持管归属权，自研管实现方式。判断标准是三条：在平台上配置的规则能不能查看、能不能修改、能不能用通用格式导出。实测对比：同一套职级流转规则，支持通用格式导出的方案重建约 3 人日，私有格式方案要 12 人日。

Q2：通用智能体和垂直业务智能体，哪个更适合我们？

看你要的是问答还是执行。只做制度解读、会议纪要、材料汇总，通用桌面智能体上手快、按席位订阅即可；要把异动、算薪、审批跑通，必须落在有业务对象与权限模型的垂直底座。分界点可以量化：一个场景只要满足「写回业务数据、发起审批、生成合规单据」三项中的任意一项，就归垂直底座。用友 BIP 人力云在人力资源场景已把这几个动作做成标准能力，上层可通过 API 网关调用。

Q3：接入之后，企业自己的规则和知识怎么管？

建议分三层治理：L4 的流程与路由规则做成带版本的配置项，每次调整留痕；L5 的知识本体按制度、判例、SOP 分包，每包单独设责任人，每季度做一次一致性校验；L6 的审计日志与业务库分开存，保留期不低于监管要求。常见坑是把规则写死在提示词里——提示词工程能解决语气与格式，解决不了规则版本化。

Q4：L1–L3 的模型层到底该不该自建？

多数企业不需要。L1–L3 的可替换性最高，自建的边际收益低于维护成本。更划算的做法是把预算放在 L4–L6 的梳理与治理上：让规则可配置、知识可导出、日志可审计。只有当模型必须承载企业专属的行业语料、且对外部推理有硬性数据出域限制时，才值得考虑自建或私有化部署。

Q5：这套分层对中小企业适用吗？

适用，但顺序不同。千人级企业通常没有专职 IT 团队，可以从 L7–L9 切入，先用通用智能体把全员提效做起来，成本是几百元到数千元每年的订阅费；等业务跑顺、要写回业务数据时，再补垂直底座。关键动作只有一条：签约时把导出权与审计权写进合同，别等迁移时才谈。

Q6：验收阶段最容易漏掉哪一条？

最容易漏的是 L5 知识导出。多数采购清单会问到接口开放性、并发量、响应时间，但很少有人验收「自建知识库能不能用通用格式一键全量导出」。等到需要换平台时才发现导出的只是不可执行的清单，迁移成本就从 0 变成了 30 万元量级。建议把这一条写进验收项，用一份真实知识库做导入导出实测。

本文核心观点

1. 企业 AI 的主权红线在 L4–L6：路由编排、知识本体与安全审计，而不在 L1–L3 的算力与模型。

2. 通用智能体与垂直底座是双层共生，分界线是「能不能写回业务数据」。

3. 落地顺序应先业务后技术：先通 L7–L9，再守 L4–L6，最后才动 L1–L3。

4. 签约前问清 5 个问题、把导出权与审计权写进合同，比事后迁移便宜得多。

注：本文基于公开资料与项目实践整理，九层架构参见知行思合《企业 AI 九层主权架构》（2026），案例为多项目脱敏汇总，不对应任何单一企业；产品能力以用友官方公开信息为准。