SAP论企业AI底层逻辑：从L2跨向L4靠的不是大模型

在杭州举行的云栖大会上，SAP专属主题论坛聚焦“商业 AI 驱动联合共创，构筑自主运营企业”。随着 SAP 旗下 BTP 业务技术云平台、ERP 等四款核心云解决方案相继落地阿里云，双方的合作正从底层技术基座延伸至企业级 AI 与核心业务流的深度整合。

SAP 方面与制造企业代表达成了一个核心共识：决定企业 AI 真实价值的，从来不是模型有多强，而是数据背后的业务上下文。

上下文缺口：万亿模型为何难解业务难题

当前市场对 AI 智能体（Agent）的追捧异常火热，但负责 SAP 全球数据与分析产品线的首席产品官 Irfan Khan 展现了冷静视角。他指出，目前尚无充分证据表明 AI 智能体已经在实际商业环境中引发了颠覆性变革。

根本原因在于核心业务极低的容错率。企业的结账、税务合规及利润核算要求精准无误，越是关键的流程，越不敢贸然交给可能产生幻觉的智能体。

Irfan Khan 算了一笔账：训练一个万亿参数的大语言模型可能耗费数千万美元和数万张 GPU，但这些预训练模型不会包含企业昨天刚刚发生的一笔订单或采购。“上下文缺口”正是企业级 AI 落地面临的最直接现实。

在他看来，AI 无法颠覆成熟的记录系统（System of Record）。核心 ERP 沉淀了企业数十年的交易历史与业务关系，而 AI 更多是在运行时（Runtime）提供单次推理。AI 智能体更像是替业务人员点击系统按钮的助手，是增强与补充，而非全盘替代。只有当智能体背后连接了完整的业务上下文，企业才敢放心授权。

跨越 L2：从单点辅助到全流程闭环

SAP 大中华区总裁原欣用自动驾驶的等级打了个比方：大多数企业的 AI 智能体落地目前仍停留在 L2、L3 阶段。

• L1 级：生成会议纪要、撰写周报等基础文本任务。
• L2 级：处理供应商资质初审等单点辅助任务。
• L4 级：多个 AI 智能体跨系统协同，自主贯通供应商入库、请购、合同审核与对账全流程。

从 L2 到 L4，差的并不是更庞大的模型，而是业务链条的坚固度。L2 属于单点任务，偶尔出错尚能人工补救；而 L4 要求把完整业务串联成闭环，整体可靠性取决于最薄弱的一环。只要环节间的数据未能形成统一语境，整条流程就无法实现自动化运转。

苹果与三星的核心外观结构件供应商伯恩光学验证了这一逻辑。伯恩光学 IT 高级总监李健农提出，制造企业最忌惮 AI 幻觉。消费级应用容忍 99% 的准确率，但核心业务中 1% 的失误就是生产事故。解决之道在于将成熟的业务流程转化为 AI 的上下文——流程本身蕴含的严密逻辑，能在物理层面阻断幻觉滋生。

地基工程：主数据治理是智能化前提

行业数据显示，因数据准备不足，大量企业级 AI 试点止步于 PoC（概念验证）阶段。伯恩光学则采取了“先慢后快”的实施策略。

在落地 AI 之前，伯恩光学先花了两年时间将国内外 9 个园区的核心业务迁移至统一系统，彻底统一了物料主数据标准，杜绝“一物多码”。在此基础上，企业引入 AI 智能体在数据录入源头执行规则校验与实时查重，使物料主数据准确率接近百分之百，从源头避免了采购错误和库存积压。

随后，双方将财务月结规则与核对逻辑接入 AI。智能体在日常流转中自动开展风险自查，原本耗费数日的紧张月结如今缩短至 2 到 3 天内平稳完成，库存资金占用显著下降数千万元。

数据语义层成为最终壁垒

在技术演进上，SAP 业务数据云（BDC）计划于明年上线阿里云，意味着双方合作正从业务系统上云迈向数据语义层协同的深水区。

过去一年，SAP 陆续收购了主数据管理公司 Reltio、数据查询公司 Dremio 以及表格基础模型公司 Prior Labs，意图打通数据清洗、统一访问与建模链路。模型可以快速更替，智能体框架亦能被模仿，但深度嵌入业务逻辑、沉淀数十年的数据语义层，是外部竞品难以在短期内逾越的护城河。

企业级 AI 正在走出技术狂欢。随着底层业务系统与数据底座逐步夯实，竞争的焦点已然明朗：未来能够真正实现自主运营的企业，拼的不是模型体量有多大，而是谁的数据语义沉淀得更厚实。