174: AI冲击企业软件巨头？与SAP原欣聊大模型to B的颠覆与边界

【嘉宾】就是大家在探索AI真正能够带来业务价值的这个过程，其实不用完全摒弃掉那些以前的东西，不是说所有以前的东西肯定都是不好的。很多的企业在快速发展的时候，它都是在追逐top line的成长，大家的压力都在获取市场和客户，反倒是中间企业底层的很多系统建设，都是非常潦草的，因为涨得太快了，它没有一个喘息的窗口让你好好的规划设计。你逃不掉处理企业的流程组织和数据，逃不掉对客户业务的理解，逃不掉我怎么把业务转化成我的代码，它还是要有human in the loop去做干预的。所以在未来的一段时间，不管叫FDE还是叫什么，就是这个业务和技术结合的过程，一定是AI从小圈子的狂欢，外溢到更广泛的一个enterprise的天地里必经的路线。

【嘉宾】大家好，我是黄陈宏，我管SAP的大中华区的业务，非常高兴来晚点参加这个节目。

【嘉宾】对，大多数人都不太知道。我来SAP的时候，我们家里人说，我说又换工作了，去哪儿，去SAP。家里人其实都不知道它是干什么的。但是在ERP领域里，我觉得SAP还是响当当的，处于业内头把交椅，对吧？就是在我的认知里，做ERP的人somehow都会把SAP就等同于ERP三个字。所以SAP基本上世界最大的100强里面，99家都在用SAP的软件。所以我们现在云转型以后，云的用户也都是超过3亿家，所以它的规模是很大的，全球11万员工，然后大概在150多个国家都有operations。所以确实是一个2B的巨头吧。但是它也是一个现在成立于72年的一个，从一个startup逐渐变成了一个庞大的软件体系。特别是近两年，随着人工智能AI大模型的发展，在过去的两三年，其实我们整个的产品定位，也从一个企业应用软件变成了一个，我们希望自己成为一个全球最大的商业智能的软件。特别是今年我们在这个蓝宝石大会上，也官宣了我们最新的产品策略，就是要做autonomous enterprise，自主运营的一个企业，这也是属于在AI这个大背景下，传统的一个商业软件公司的自我颠覆的一个举措吧。

【嘉宾】ERP这三个字就是Enterprise Resource Planning，其实它就是所有企业资源计划管理的一个平台。在这个平台里，其实你运转一个企业，你想它都有什么？主要就管的人、财、物这三件事。所以如果一个企业最开始从最基础的上，你可能什么都没有，但是你总要做账，你总要报税，你要管你的运营。

【嘉宾】所以最核心的是财物。所以最开始其实ICB起家的，所谓R1的系统也是以财物为核心先去做的。然后财物慢慢就会扩展到说，我如何做大家熟悉的一个用语，是财物业务一体化，就是怎么把业务的数据更实时地反映到财物。因为财物指标本身是一个之后的业务反映，业务端发生的事情，比如说后面衍伸出来的所谓的CRM，它就会有一个说，我从一个线索的出现，leads to cash，说我从一个线索的出现，到我如何一步一步转化成我的一个销售订单，到我的回款，到我最后收到钱，这样的一个企业的全流程。所以基本上一个所谓的ERP系统，或者说泛ERP系统，一个企业管理系统，就是在管企业的从收入到回款的一个过程。从我花钱，procurement to pay，说我采购什么，到我把这个寻源，我去哪儿买，对吧，供应商怎么入库，然后我怎么去议价，然后怎么管理我的供应商，然后怎么做采购订单，怎么做付款，就是所有串起来的这些端到端的流程，最后就汇总成了庞大的一个企业软件系统。

【嘉宾】我觉得也可以跟大家来对比一下，比如说ERP和飞书和钉钉的关系，我觉得对更多人，他会更直观地就知道这个之间的区别。因为一般很多大的企业肯定是这两类东西都在用的，对吧，是，他会有一个平台，他也会有些IM，是通讯有些文档的东西，对。

【嘉宾】因为我们在我们的客户群体里，基本上客户也都是在用，会用飞书，或者用钉钉，然后也会和我们的ERP系统集成。所以其实在一个日常办公里面，就是大家肯定是有办公协同的对吧，这个办公协同就是我有IM，我有会议，我有文档，然后我有工作流，有审批流，那这些其实是属于日常交互的部分。所以其实我们说企业的生产力很多的时候，它是在以前有一个老的传统定义叫OA，就是Office Automation，对吧，办公自动化。这些是管理日常操作的。

【嘉宾】而更偏后台的，我们说这些财务的系统、人力资源管理的系统，它其实是和这些企业交互系统是有对接接口的，然后有一些交互和协同是在不管是钉钉还是飞书里面发生，但最终的交互的结果其实它还是要回传到ERP，或者我的HCM，就管人的系统，管钱的系统，管采购的系统，管生产制造的系统里面去指导业务的运行。真正业务流程的跑，它还是在后端的ERP系统里面跑。当然，现在AI出现了以后。

【嘉宾】这个SAP它只是一个软件，就是它有一个数据，我记得是IDC还是什么，就是整个产业里面大概就是1.2万亿，就我们自己的收入其实才300多亿欧元，对，欧元，当然400多亿美金，但是它撬动的是一个几十倍的一个产业。这个产业它就是沿着这个路径出来的所有相关的外部数据的协同。比如说我们要发工资，我就得跟银行系统做对接，我就要跟税务系统做对接，对吧。然后现在还有电子发票，还有各种，其实一个简单的系统，你看它暴露的API接口是很多的。所有的这些都会涉及到安全的问题，对吧，数据一致性的问题，然后这个数据颗粒度的问题。所以就是为什么不太好看。

【嘉宾】对，就是我觉得，就是先不说AI，其实之前你可以看到，其实单点做一些小应用的公司还是挺多的，对吧。就是在AI出现之前，其实SaaS里面，当然全球的，就是像Workday还是以HCM这个领域为主的，Salesforce还是以CRM领域为主的，当然它也会去扩展到其他领域，但相对来讲它还是属于点状去做企业管理的某一个方面。像SAP这种。

【嘉宾】大平台这种的相对还是比较少。进入到AI以后，其实你看到现在，就是从提效的角度，比如说我发票的这个识别，对吧，那我可能就用一个OCR，马上的提效是非常明显的。所以这种Point solution和一个大的软件集成的情况会比较多。但是你真正就是说我要整个去把它Agentic化，对吧，其实在实操层面的难度，是远高于我只是做个单点，或者我只是做一个demo，或者我在Frontier Lab里面想出来的一个东西。然后真正能让它fit到企业实际的场景里面，还是有巨大的差异要去弥补的。更不要说刚才我说的SAP周边的这些咨询公司，其实他们也需要去pick up新的技能，然后去帮助客户完成这样的一个转换。

【嘉宾】其实那时候麦肯锡有一个调研报告，就是其实你AI，它不是一个简单的说，我就换成一个所谓的AI native的平台，这个事情就完成了。而是可能每一个美元花在软件迭代上的，它会有3-4个美元的所谓的变革管理的成本在里面。你只是换一个平台，它本身还是新瓶装老酒，其实没有实质性的变化。

【嘉宾】我先说说SAP本身的这件事，因为确实如果大家都用高点去比，从300掉到160，确实是那个。但是我们稍微拉长点时间，就是以比如说我们21年、21年，因为SAP等于是上云的元年，它定义了Rise with SAP。所以从上云到慢慢的让AI嵌入到更多的流程里面，从产品定义的角度，是一个更完整的cycle。我们看从21年、21年的时候，那时候的股价还是120几块，不到130块，就算现在跌回到160，其实它还有20%多的增长。你反观一些，比如说我们还拿这个周期，21年去对比，21年和现在的股价，你看到很多的产品已经几乎不存在，或者夭折了，对吧。那个AI带来的处理，就是在Point solution身上有完全替代的，比如说像Figma、SaaS这种，对SaaS的这种，对吧，单点SaaS，对吧。这种的，像Adobe，那时候快400吧。

【嘉宾】现在200多块、200、120，我们最近没看，220，对吧？这种可能就是工具类的被替代的，它可能会更被显性地体现出来。还有一些就属于竞争加剧的这种，像Zoom也是基本上可能大部分都跌没了，当然那时候它也吃到了疫情的红利，对吧。现在可能AI出来了以后，很多本身竞争的加剧，包括它功能被AI的同化和替代也会比较大。

【嘉宾】看SAP本身，就是说我觉得它除了这种对所有SaaS带来的恐慌导致大家抛售、对股价的打压之外，本身对于SaaS的Business Model一定是有冲击的。因为传统的SaaS的定价模式都是以User Base，就是数你有多少个用户，我就收多少钱，对吧。

【嘉宾】ERP算SaaS，就是用化之后它也算SaaS，用化以后算SaaS，在广义里面都算SaaS。只不过我们是属于比较大的SaaS，和单点的SaaS比，单点SaaS跌得更厉害，我们可能还算挺在、是正向的。所以SaaS其实对于这种就不是完全可替代的这种，它是属于两种。一个是竞争加剧，确实是coding的效率提升了、成本降低了，那你本身原来值钱的东西不值钱了，对吧。第二其实更多的还是一个大家对于这种定价模式的认知坍塌了，就是你以后都AI化了，你还按人头，对吧？可能这裁员裁的、你可能减少的慢已经是做的比别人好了，而不是你更有明确的路径说我是增加用户数来去支撑我业务的发展。所以更多的冲击是来自于它的业务模式的冲击。

【嘉宾】所以呢，其实像SAP这样的公司，他也意识到这些点，大家也不会坐以待毙的在这等着。所以为什么我们自己也去革新，也去讲说未来SaaS的这个定价模式，它可能更多的还是Consumption-based的一个定价，而不再单纯是一个按user数量或者Seat-based的、就是席位数定价的一个模式。

【嘉宾】对，按容量。现在token基本上都是按容量定价的嘛。但是当然现在硅谷更新的公司都是这种RaaS，Result as a Service，服务价值。对，你反正按结果给我钱，这样的时候就是你如何有一个准确的定价模式，我觉得这个是对于SaaS公司面临的一个挑战。

【嘉宾】对，就是因为我觉得现在AI本身变现的路径看得清楚的也是coding对吧，就是大家为什么现在资本也加码加在coding上会比较多。所以就是一个通用的数据，你看其实就是说简单的变码，可能一个小时几千行到三千行的代码，可能复杂的比如说我要带校验、带安全性的，可能量到300一个小时。所以以这样的一个coding产生的，就我们纯粗数量对比来讲，我们取一个中限值，就是比如说一天两万行对吧。那以SAP，现在S4是几亿行代码，那你们如果去服务一个客户的话，这个东西假如说在客户那是私有化部署的话，这几亿行代码都要部署在他那吗？

【嘉宾】相对standardized标准化的东西，你干吗不用，对吗？反倒是未来真正能创造价值的地方，还是说如何在一个既有的标准流程上serve更多企业更个性化的需要，用更高效和低成本的方式。这倒是未来一个广阔的空间，就是为什么我们说在基本流程之上的agent到底能做哪些事，是真正能带来业务价值的这一趴，肯定是更重要的一个战场。

【嘉宾】对，我觉得这个里面可能也细分不同的业务形态，因为其实大公司小公司的路径还是不太一样的。就举你刚才说的那个小公司的意思，不管它是管十几个不同的什么东西，对吧，但是如果我只是用一个简单的管理，那么其实我就用webcoding去做一个很简单的应用，因为就是serve我能可见可管理的这样的一个purpose，其实小的公司是很容易用低成本去做这件事的。

【嘉宾】是，就是我觉得不排除这种情况，就是我们还是把它分成不同的形态去看。一般是在大公司里它也会有日抛型的，现在的架构设计基本上就是它会给你这种agent studio，就是你如果现成给你做的你都不满意，你自己就可以做这种日抛型的工具类型的去serve你某一个purpose，然后完了以后就日抛了，对吧，它是这种随时产生的、日抛型的工具类的。但是我们还回到所谓的ERP的领域去看，如果是小公司，你只是自己去管理，然后大家还是一个说family的这种形式，你基于人和人之间的trust去做，你不用对外说我是一个上市公司、我要披露财务报表、然后别人要审计我，我其实这个东西是不是有严格的权限管理、是不是有足够多的审计线索，它不是最critical的，我只需要让我的业务可见，这是我最大的诉求，那就没有问题。所以小公司你快速的上手build的一个东西，然后serve your purpose然后就可以了，对吧。但是如果这个公司长大，你不光是和你认识的人去协同，你要跟外部的人协同。

【嘉宾】在现在的社会条件下，如何建立一个更广泛的信任基础，让大家信你的数据是代表着你的实际业务，然后我跟你做数据交互的时候，这个数据是可信赖的，有人背书的，那你还是要在一个更广泛的大家达成共识的一个平台上，你才能让你的数据变成别人可以consume。那这个社会的基准之，它就有各种法律法规的要求，regulation的要求，那你就要合规。合规的时候，它就变成了一个企业级的诉求，而不是我一个手搓的，自己做一个手工小作坊，只要我的业务能运转就没问题。所以它和企业所谓的life cycle，就是你在你生命周期的哪一步，你的诉求是什么，是高度相关的，对吧。那进到，比如说我上市以后，我现在很多企业要出海，那这个复杂度就更高了。我手搓的东西，在中国我了解，我搓出来的东西拿到说雨森，拿到墨西哥，他在墨西哥住了好久，墨西哥的业务可能就不一样了，那边的税务也不一样，各种regulation也不一样，对吧。那你包括这种多币种的支持，多语言的支持，到底怎么做，对吧，那你还是需要更复杂的一个平台。当然我不觉得SAP自然而然就是你唯一的选择，大家在新的AI的平台上一定都在自己演进。那就在看，我们自己演进的速度快，还是更多也瞄准了这一块市场的新加入的player他演进的速度快。所以其实我觉得SAP在这个时间点，第一，他自己是有自我认知，我是被颠覆的那一拨，所以我更应该发奋图强的是去自己颠覆自己，让我好的东西，我对业务的理解，对不同行业的理解能继承下来的同时，我怎么能让原来大家抱怨比较多的SAP复杂、实施周期长、交互性差这些东西能去做改变。这些反倒是，因为有了AI，自然而然交互是大家默认的方式了，那其实我只要通过SAP自己的Joule，我们的工作助手，你就告诉他你的意图，其实我们也是通过意图识别，然后指挥我的agent，有做assistant就做orchestration去做指令分派的，有做实际落地执行的agent，其实他这个架构也是完整的。所以他会屏蔽掉以前所谓的这一行行代码在底层的一些复杂度，而让用户的交互界面变得非常友好，非常轻量，然后很多agent能够帮助你去自动化的执行你以前需要自己进去找一个点的这样的一个过程。所以我们是希望就是这样的一些架构上的变化、功能性的变化，能够让客户体验到AI给这个所谓的传统的ERP软件带来的不一样。

【嘉宾】挺好的问题。我觉得一说SAP就默认觉得SAP是大公司，其实从我们实际数据告诉我们，SAP 80%的客户其实是中小企业。

【嘉宾】我们就是One Billion，十亿吧，十亿人民币收入，十亿人民币收入以下算中小企业。对，所以你看就是对外宣传的时候，我肯定都说世界五百强里99家使用，就是你用大的品牌做宣传，人尽皆知，所以就会说的更多一点。当然我觉得也是就是复杂度高，它对系统的依赖性会强，这个也是一个天然的属性，对吧。我们往根上倒就是公司定理，为什么会存在公司？是因为在一个公司边界内的交易成本是低于你和外部交易的，所以你会存在公司这样的形态，对吧。随着AI打破了很多既有的定价模式，那是不是你在公司内的交易的成本还低于你外包给一个Agent去做的成本？如果不一定的话，那公司存在的形态一定会发生改变。所以我觉得这个，就在我个人的认知里，我觉得这个趋势是会有的，就是大公司到底是不是一定未来还会以大公司的形态存在，而且是不是以这种仅以实体的形式存在都不一定，对吧。但是有让它变小变分散的力量，但同时也有让它聚合的力量。比如说在AI还对大家是未知的时候，一个东西到底怎么提升它的可信度？那可能安顿在一个可信的平台下，一个大的伞形品牌下面的，所谓采用这种联邦制的方式，可能能给它在面对未知的时候，它的背书的建立信任的机制会更好。所以你会看到有无形的手把它往散里拆，也有无形的手要让它聚合，所以最后它的形态会是什么，我觉得现在说还为时尚早。

【嘉宾】对，就是我们还是希望说整个的Autonomous Enterprise，so far还是human in the loop的一个形态，就是说Agent执行，但是人要去做这个判断。然后在人去做判断的时候，我们希望它是一个以Joule Work作为你前端交互的一个入口，然后它里面会有你的意图识别和所有的辅助，你工作的所有的功能。甚至刚才提到的，比如说你个性化的东西，如果我现有的Agent不能满足你的需要的话，其实Joule Work可以给你空间，再进一个Studio里面，你手搓自己的Agent。我觉得SAP主要的特长是在于我们把应用的层面打薄以后，把更多的数据和流程性的东西暴露在上一层，我们能够让Agentic的这一层，基于一层的定义会更顺畅。这些其实为未来不光是serve SAP的Agent，以后未来还有非SAP的数据和外部数据的交互的时候，如何让我们的业务流程能够走得更顺畅，这个是我们现在要做的。

【嘉宾】所以其实更多的还是说，在既有知识里面，如何build你企业的知识图谱，知识图谱很多还是在你的业务流程里梳理出来的。在随着个性化的东西多了以后，其实你还是有很多和你企业自己相关的，我们叫企业记忆的。现在其实很多模型，我们说Agent还是因为long horizon的长上下文的能力不够，所以导致其实很多Agent的能力受限。我们也在想说，除了基模本身，我们在上面的层级上，如何通过上下文，通过我们的Harness，能够让Agent执行的效率做提升，准确度提升。

【嘉宾】这个可能也是SAP比较有优势的地方，因为SAP的语境，它还是基于table，就是关系数据库，所以它更多的是结构化的数据。所以在结构化数据的语境下面，如何既有这种传统的机器学习的优点和我做预测的准确度，同时我还可以在合适的场景里去吸纳大语言模型带来的意图理解的好处，这样的组合就让我们的用户能够轻松地完成它的业务，同时还能保证它的准确性。

【嘉宾】我们是希望把SAP的系统，从一个记录型的系统，变成一个可执行的系统。所以就是越往后，它人的部分会越来越少，然后系统会更加的自主合作。

【嘉宾】我觉得可能在未来的五到十年，一定还是一个human in the loop。一些复杂作业现在一定是需要人去干预的，比如说我就说大的集团，比如说我们就说一个财务关账，对吧，财务关账，其实听上去是一个相对标准的流程，但是在每次月结关账的时候，光是比如说……

【嘉宾】intercompany的reconciliation就是企业间往来的一个核对，它就会有各种agent运行完了以后，它可能完成70%、80%甚至90%都可以给你对上，但是会有那些比如说汇率导致的差异，到底是汇率差异还是数据错误，这是需要人判断的。比如说我的坏账计提，我到底用什么样的模式计提多少，这些所有的计提其实还都是人要在里面去做这个判断的。所以其实我们现在看到一个企业管理的一个典型场景里面，一定是agent把你日常的70%、80%的自动化工作做完了以后，一定会需要人去做最后的审核确认，包括刚才我说的一些关键性的就是不能直接用数据推演出来的东西，你要做人为判断，最后它才能完成整个的一个端到端的一个流程。

【嘉宾】对，我觉得就是大家总体还是一个分工配合的。从SAP历史上你去看它的业务发展，本身你看现在做基模的，不管是我觉得大家关注的重点还不一样。SAP擅长的还是在企业运营侧的流程数据的处理，包括用户交互侧的一些知识积累会比较多。现在说白了，基模的演进速度是非常快的，对吧。你看Cursor也被收了，以前你做coding的时候，你认为你是在一个细分里面做，然后随着基模提升，很多的领域就被吃掉了。我们一方面希望我们能够利用所有最强模型的能力，所以为什么其实SAP是和基模厂商合作，就是我们提供的可用的模型数量是最多的。因为我们对比过，Azure上跑的模型它不跑AWS，AWS跑的模型是没有，然后其实很多是因为它们各自有各自的闭源模型。而我们来讲，我们是开放给所有第三方的，所以我们会在模型选择上用最合适的场景去对应最合适的模型去做。然后另外就是其实刚才讲的就是说，基模和最终满足客户诉求之间，其实比如说现在的这种harness也好，reasoning也好，这一层级都是大家逐渐在一个技术路线的摸索过程中形成的新的去做结果校正和改进的一些方式。对吧，在这里面其实我们认为现在的技术路线还没有完全收敛到明确的说什么样的组合是一个最优的组合。当然基模的能力一定还在不断的提升，现在也有很多说我是不是可以通过后训练去做一些小的模型，然后能够在一些特定的私有数据里面提供更好的效果，对我们来讲我们也open to这样的一个合作模式，所以其实你把它打开以后你面对的可能性是更高的。我们自己其实我们也在做自己所谓的专属模型，就是刚才我介绍了说SAP的数据其实基本上还是结构化的数据，以表结构的表数据的形式存放，在这里面其实我们很多我们自己有RPT-1。

【嘉宾】现在到1.5，我们自己基于表数据训练出来的也有垂域的模型。那在真正满足客户的诉求里面，比如说我就是做一个未来收款的预测的时候，它会调用比如说外部的大模型，能够获取到的比如说这个客户的商誉，对吧，然后最近它是不是有回款的压力等等的。那同时在系统内部可获得的是，我跟它打交道的时候它所有历史订单、违约的情况，那这些都是非常结构化的数据，它不应该有任何的幻觉出现，是非常准确的。那客户可能一个简单的问题，其实在SAP里面，它会聚合不同模型的能力，最后拼出来一个最符合你要求的一个答案。所以简单回答就是，SAP只是开放的合作态度，看什么样的技术的组合更能满足客户的诉求。有些技术不一定要弄到模型，对吧。

【嘉宾】是，所以我们现在就是在看说什么样的……当然，其实在这一层里面大家会有很多的，比如说Agent的reflection做校正，去尽量排除掉幻觉。但是在一个企业尤其比如说像财务管理领域里面，它不是说99%的准确率就是一个可接受的准确率，它可能就是100%，对吧。你任何的不准确……你可能到90%以上可能在打榜的时候已经是很高的一个benchmark了，但是在现实里面它就是不可用的数据。所以这些东西其实是在具体的场景下去判断用什么样的技术实现手段。

【嘉宾】对，就不想下很绝对的定义，因为以后模型长成啥样确实不知道。如果真像那个电影里面那个Entity无所不能，它可能真的是各种泛化能力都很好，走到那一天也未见得，那可能就是超级人工智能，对，无所不能。但是现在在目前有的现实条件下，可能模型一下子很难打到，有的时候甚至很基本的事情它其实也不一定做得很好，对吧。那在未来五到十年可见地说，我们既有的业务形态、企业形态不变化的时候，其实在ToB里面只把模型扔进去肯定是不够的。现在走得比较激进的大公司，其实它都会有所谓的这个AI的专项投资，然后有一些企业也会有冗余岗，除了人作为员工，也有数字化员工，大家pair together然后一起联手去做工作，其实都会有。那在这个过程里面，大家为什么用这样的形态？

【嘉宾】去补足最后一公里。就因为其实，模型还是在说什么场合能帮到业务多少，其实是一个大家逐渐在往前推进和探索的过程。它还没有到句点，到说我就丢给你这就是标准选项，S5菜单，很清晰，你就选你要什么。其实我觉得之所以现在FDE变成了一个大家的共识，就是因为其实你在每一个企业里面，如何把在这个企业边界里的私域数据能结合模型，去做最大化的一个转化，这是一个现在要研究出来的课题，它没有一个标准答案。对，FDE等会可以展开聊一下，我们可以先把这个盖幅留完，就是你刚说这个落差，如果从你自己观察的一些案例里面来说，这些落差的一些具体表现有什么，就是从模型到应用的。

【嘉宾】我因为天天跟那些CIO啊、CRO打交道，他们吐槽了什么。对，他们吐槽的就是老板经常在微信上读了一个什么什么AI能干啥，然后丢给他说我也要，这是现在尤其大企业的CIO最头疼的事。因为总体来讲，我们现在的很多企业的一号位，它其实对技术并不是那么知道对吧。

【嘉宾】我觉得现在看到的那个落差是在于，大家认为AI来了，以前我干的和数据相关的苦活、脏活、累活就不用干了。这个其实是挺大的一个错误和落差。就是AI可以帮我们做很多事情，把无序变成有序，你可能不用自己去梳理清楚再喂给它。因为以前其实你做数据仓库或者数据湖仓一体，就是我们天天做ERP，其实你为了把那些数据加载变得可用，其实你耗费了大量的精力在数据清洗这个过程。AI的出现其实它会加速这样的一个过程，但并不是这个过程就不存在了。

【嘉宾】所以在AI的这个前提下，一方面我们如何能够通过AI的方式，真正查到底层，我数据的断点在哪，然后把我底层数据在生成的那一刻，就带着充分的业务上下文，而不是需要我再二次去做数据的清理加工，费这么大的劲，费这么多Token去清洗我的数据，其实就是现在很普遍的一个诉求。

【嘉宾】对，所以现在FDE……

【嘉宾】是的。但是这里面分两步，一些是刚才描述的固定流程的，其实你没有必要花Token再去梳理，因为在SAP里，它一二三四五步是很清晰的，对吧。你在SAP里，你直接把这流程加载过去，直接用就好了。这也就是SAP最大的一个Differentiator，就是我们的差异化。

【嘉宾】还有一些其实更多的是企业里面刚才提到的，不管是钉钉、飞书，其实很多断点是系统到系统里的断点，是体外循环的。或者我的一个人为判断，为什么做这个人为判断？它是开了会，做了邮件的沟通，然后形成了一个决议，这个决议最后的实施是在系统里记录了这个结果，但是为什么形成这样一个人为的决定，它也是体外循环的。所以这一部分，其实AI能帮助我们，把一些非结构化的历史数据，把老师的经验给蒸出来。就是以前可能是靠人去判断，说我的计提，我到底应该怎么计提，大家开了两个会，我知道了按比例去做计提，这个know-how给它蒸出来以后，你再做所谓我们建立企业就是company memory，你企业记忆的时候，你就有了标准的流程，叠加上你自己的这些非结构化数据和offline的一个离线做的很多决策，能给它结合在一起。那这样你在面向未来再去做支持的时候，其实你企业记忆一层一层沉淀下来，你慢慢刻，自动化执行的部分就会越来越高。

【嘉宾】我觉得还有一个经常被吐槽的，也是我认识的CRO、RPG层面都给我打电话说帮我推荐个人。其实现在你看到，真正懂AI的人，他都在大厂和startup里面，怀揣对于AI的各种梦想去做，对吧。然后你看在传统领域里，他需要找，但是真正懂AI的人又不愿意加入传统企业，你能给我几张卡，你们花多少钱在这上面，数据在哪对吧？而且我过来，我可能不是一个人过来，我得带几个人，我才能把这事儿干了，那对于……

【嘉宾】一个传统企业，他首先可能没有那么多张卡，然后他对于AI来讲有向往，他又想找最顶级的，又对他提要求，他又不能理解，这样的诉求的时候，其实人才的落差是很大的。我觉得我现在看到，AI还没有在人才供给侧有这么多人才，能够辐射到传统行业里帮他把这做了。

【嘉宾】那这个就正好聊到前面提到的FDE变成一个很火的事件。FDE就是前向部署工程师，我理解它就是一个驻场的AI应用工程师的一个角色，就是他去客户现场，然后帮客户把AI用得更好。首先我最开始看到这个概念的时候，我其实有一个疑问，就这和比如说像SAP和Salesforce这些大型的以前的软件公司，都会做的这种售前的工程师，或者驻场的工程师的区别是什么，它有啥本质的区别。

【嘉宾】你看FDE这个模式出现，还是Palantir他们最开始弄的。但是你在那个时间点上的工程师进去，其实更多的还是从数据底层，就是它更偏底层数据的角度去看。所以你看FDE工程师的背景，其实它还是一个偏产品侧、偏技术侧的人。而反观像SAP就是这些ERP软件，我们派所谓的顾问去那做访谈的时候，它更多的背景是，我是一个行业专家，我是一个财务专家，然后你告诉我你的财务记账准则是什么样的，然后你怎么去做你的财务分析。我从你期望看到的财务分析的结果，倒推你的科目架构应该怎么设计，然后你应该做几段定义，然后把什么样的业务的信息埋在你的科目里面，这样保证你在要达到你的财务分析的结果的时候，你应该这么走过来。

【嘉宾】所以首先人的技能和背景不一样，另外它切入的视角，它是从业务端去切入的。业务端切入以后，最终它还是要落在一个标准化的产品里面。这个标准化的产品是我从A到B，我可能大概就是五步要走，然后这个客户可能有一些个性化的诉求，可能在这五步里我在第三步要做一些额外的定制化的开发，所以我们会有额外的模块或者功能外挂在这，但是总体的流程还是按照既有的这个标准化的流程走下来的，所以这就是传统的ERP实施的一个过程。

【嘉宾】原来都是在客户现场，当然后面大家都是远程交付，也都没有问题。其实我觉得倒不在于是否驻场，是否驻场不是最基本的，而是这个人的背景，因为那个时候我们就算是做开发的人，其实他还是一个……

【嘉宾】坑操腾，它不是产品，就最终你做出来、开发的东西，它是作为一个功能模块挂在你标准产品之外的。而现在FDE是，我把产品本身做产品的人提前部署到你那，最后跟你做出来的这个东西，会变成我的产品，这个不一样。我们是拿着一个标准的产品，说我理解你，然后哪些可以放在标准产品里面，哪些不能放在标准产品里面，我做客化的定制，最后满足你的诉求。但是对于现在的模式，因为AI到底能解决你什么，最后以什么样的形式解决，它还停留在模型和离着那比较远的时候，到底我的产品能力的边界哪些可以包在这里面？它是直接用产品的人去做，所以它更偏底层的engineering。所以现在你看，现在FDE模式的演进，包括不管是Anthropic，包括OpenAI，它不光和PE company合作，成立FDE的组织去做，它也会和咨询公司合作去做。这就是为什么大家越来越意识到，你不是把一个prod engineer前置地部署到客户那，它就自然而然代码就出来了，因为它缺乏一个转化器，就是懂业务的人，能把这个业务变成一个你可以coding的一个scenario，它才能回归到产品侧。所以这也是一个演进的过程，一开始大家觉得代码是一切，过去了Dev就可以做了，但其实发现，这个过程里面，就是我的产品力的建立，其实是依据于你对客户的深度理解。所以我们现在缺的人，就是这种组合的，又懂技术本身，但是同时还可以深入地了解客户的业务，完成这样的转化。所以你看现在，Anthropic也跟这些咨询公司，Boston什么什么这些咨询公司也开始合作，就是大家要有一个能力的互补，就相当于FDE那个是偏工程师的，然后咨询师是偏，其实你说之前的那种流程里的业务顾问的那个角色。

【嘉宾】对对对，就是deploy company，然后他们合作方就是有什么麦肯锡，有埃森哲，有这种咨询公司。然后另外也是有一些PE，我觉得PE甚至可以给他介绍客户，对，他的portfolio company就是他的被投企业，他会开放给他，然后让他进到里面去做这样的一些handson的项目。而且参与他们这个事的很多PE都是SaaS公司的这种比较重要的投资方，所以理论上他们portfolio里面的SaaS公司，就一些单点的SaaS公司可能也会和这个趋势来一起合作吧。

【嘉宾】但是这个东西这么做沉淀下来什么东西，是一个探索的过程。对，然后SAP的好处是因为我毕竟其实还是有一些业务的理解在这里面的。那我举个例子，我们有一个大的，我现在不说名字，大得很创新的公司，然后他自己也有很多的所谓自己用低代码去做的数字化员工去做。比如说有一个关务系统，就是他在全球33个国家去做关务海关的申报。然后因为不同国家，他的关务单据是完全不一样的，然后这一套单据的数据量是很大的。他们自己做了所谓agent去做，然后关务的审核报关，然后准确率只有67%。所以发现上了agent以后，人变忙了，因为人总要去查这67%剩下的这些错误到底来源于哪，然后没有提效，反倒大家怨声载道。

【嘉宾】那我们进去了，因为我们本身对于这33个国家，我们有GTC，就是我们有一个全球本身就是做税务的一个平台，所以我们大概对这33个国家的税务是有基本理解的。而且我们有一个文档AI，它通过模型，就是模板的配置，就大概知道每个国家基本的数据项大概是什么样，这样基于一个标准，你做数据切片，你就不用每次都是从头上下文，所有token消耗也高，然后准确率也低。然后我们进去以后，准确率瞬间就提升到90%，然后他们本来是说做一个国家试点，然后我马上这33个国家都争相地说我要上线我要做。所以我想说的是，就是大家在探索AI真正能够带来业务价值的探索的过程，本身里面其实不用完全摒弃掉那些以前的东西，就说所有以前东西肯定都是不好的，不一定的。因为毕竟你现在的业务的大部分其实还是遵循一定之规的，你只需要在打底打得好的基础上，把那些以前不太规范的和你不能读懂的，或者收集那样数据代价很大的那一部分补充上，其实就是很好的一个状态。

【嘉宾】我觉得肯定会吧。现在大家其实整个AI的世界就是一个大的竞合的世界，大混战，就是谁也离不开谁，但同时大家都想去圈出来自己的一块地。所以我觉得有这个竞争其实是个好的事，不是坏事，对吧？然后就看以SAP见长的。

【嘉宾】我们建长的是对于业务的理解，我怎么补充上我原来缺失的，比如说工程的能力，对吧。那对于Anthropic来讲，它的coding的能力很强，它的模型能力很强，它怎么快速的补充上业务理解的部分。就是大家其实都是在一个发挥自己擅长的，同时补短板的一个过程，然后就看谁调整得更快。

【嘉宾】我现在的判断，我个人的判断，我觉得肯定是技术的容易补一点。因为技术本身它是水涨船高，你基础的能力提升了，其实它会带动本身的效率的提升，对吧。然后这个相对来讲，尤其现在这个模型本身有Claude Code的这些能力，其实你让懂业务的人更容易上手去驾驭所谓的大模型。但是对于懂模型的人，让他去懂记账是怎么做的，对吧，就是这个差异还是不太容易的。另外就是，其实我觉得更现实的一个挑战，刚才我们聊到人，人就是说他有能力的缺失，就我hire不到。但更大的一个人的问题，是组织的所谓的gravity，就是组织惯性的问题。就是你真正进到里面去做事的时候，大多数人不会因为AI来了，就自然而然地拥抱AI。有些人是没有意愿，有些人是有意愿没能力，有些人是既没有意愿又没有能力，对吧。所以其实在越大的一个组织里，你会发现组织的惯性会更大，就大家更倾向于用我熟悉的、了解的、会做的方式一直去做，而不是你来了，告诉我一个很好的东西，我就自然而然去学了。所以Changer就是敞开了去招人，鼓励大家去招人。Even in high tech company，其实也不是所有的人都会拥抱和使用，你更不要说进到一个现实的大的enterprise里面，其实人才的构成可能人才密度更低。那其实你想用AI去拉动一个就是重力更大的一个实体的时候，其实是更难的。所以其实我觉得AI真正你去scale，在现实场景里面遇到的技术上的挑战，远小于组织上的挑战，组织上的挑战会更大。

【嘉宾】我觉得总体来讲，效率一定会提升。

【嘉宾】对吧，就是我们现在看到一个，比如说一个创业企业，它可能以前是一个五十到两百人规模，我现在可能二三十个人，就把两三百个人的活就干了。我觉得这是一个趋势，也是AI带来本身就是一个现实，对吧。所以不管你是做FDE还是做什么样的工作，可能我们都需要fewer but better，就是更少的人、更好的人去做这件事。我觉得这个statement我觉得还是成立的，但并不意味着大多数人没有工作，这个一会儿我们再去说这一趴。但是就是说，在整个FDE的这个过程里面，因为它本身包含的内涵，你看就短短的不到一年的时间，它已经内涵evolve变化了很多了对吧。那到底最后的FDE终极形态是什么样，现在你也不知道对吧。但是我们看到的更多的还是说，你逃不出来累活，处理企业的流程、组织和数据，逃不掉；对客户业务的理解，逃不掉。以前其实就是困扰说我怎么把业务转化成我的代码，现在还是一样对吧，只不过我用AI做代码的速度提效了，但并不代表着这个转化的过程它就自然而然地解决了，所以它还是要有human in the loop去做干预的。所以在未来的一段时间，不管叫FDE还是叫什么，就是这个业务和技术结合的过程，一定是AI从小圈子的狂欢外溢到更广泛的一个enterprise的天地里必经的路线。所以这段时间，这个工作一定是需要的。就是说未来说FDE会不会持续地增长，是不是会完全复刻在2000年上下SaaS公司爆发的那段时间，我觉得可能不一定有那样二十倍规模的增长，因为人效提升了，对吧。同时，其实是两拨人在竞争这样的一份工作：一个是像波士顿刚才说的，这些麦肯锡的咨询顾问下沉在做这个，然后FDE偏AI偏coding的人在做。到底是这个占据更主要的地位，还是那个占据更主要的地位？两股力量，其实我觉得会合并成一个更综合的一种能力的人，能最后持续地在这个岗位上去工作。就是工程背景、偏工程师的人和偏咨询顾问、偏业务知识的背景的人，他可能这两个角色就合并了，在FDE这个角色上。

【嘉宾】起来也就是过去一两年的事情，所以其实我觉得采用数据并不全，我们也不适合所有的企业打交道，可能是片段的，但是我们会有大客户和小客户都有。我们看到的趋势上，其实真正能付出钱去做这件事的相对来讲大客户会多一点，因为他有足够的数据，然后他有足够的痛点，因为企业大了，可能他要提效和节省成本的诉求更强烈。而他本身有足够多的财力支撑他去实验，去用新的技术去解决自己最疼的地儿，这是很原始的一个驱动力让他去做这件事。所以我们看到动得快的，其实确实是一些大的企业会动得快。

【嘉宾】对，我觉得具体数量我们不讲了，但是我们看到的就是基本上你现在IT的预算都是被削减的，而AI的预算都是增加的，所以你基本上一个传统的IT的项目，你想立起来，没有一些和AI挂上钩，其实现在立项都会比较困难，所以可以看到是这样。但其实不光是在中国，其实麦肯锡做了一个全球的访谈，就是他访谈2000多家，80%多的企业都或多或少的都会用AI去做一些项目，但是只有3%的觉得我真正的是有业务汇报的。所以这个过程就导致现在更多的企业，真正AI上production的，就刚才我描述的像客服什么真的上production的项目并不是那么多。其实在探索阶段的、做POC的、去做一些原型的反倒是更多的。所以大家也意识到单点可能投一些钱能够砸出来效果，然后做更大的时候，现在也看到一些咨询公司能接到一些单子去规划一些AI的场景、原型设计，然后岗位应该怎么调，这些都在起步，慢慢看到越来越多的机会出现在这一部分。然后小公司不一样，小公司就是我刚才描述的，人家可能用点开源的或者AI工具自己就跑得很快了，所以其实那个是另外一个形态的AI落地的路数。反倒是最纠结的就是中间层，可能在几个亿到100亿左右这个中型企业。这里面我们看到的是和创始人或和企业的一号位的认知是强相关的。有一些它会自然而然的认为我要拥抱AI，我要用AI去做提效，你看到这样的企业就会动得快一点，它一旦动起来，其实它步子也会大，因为它相对来讲企业规模不大，然后用AI工具或者是颠覆性的用一些AI native的工具会更容易。而有一些企业其实就是它还是说我可能等你们搞清楚了，我再入场，我可能现在不是一个最好的入场的时间。尤其中国的中等规模企业，它是非常现实的，即便是在你头脑里想的很多、很创新的一些cool branding的企业，我不说名字，但是在它真正企业管理层真正愿意投钱去做AI提效的并不那么多。它做AI很多的还是在AI赋能产品，比如说我可能……

【嘉宾】现在所有的扫地机器人都会因为大模型的出现，我用更好的算法，我用更顶尖的人台，把我所有的端侧模型都优化一遍。其实它愿意投钱在产品上形成侧，它就不是组织的可能，对，其实它自己的管理哲学相关，就是它不认为我现在投在AI、在管理侧带给我的收益会大于我投在产品侧。所以我觉得这是一个缩影，你看中国的SaaS企业为什么到今天也没有涨出来全球的巨头，其实和这种企业的心态有强相关的关系。你看很多的企业在快速发展的时候，它都是在追逐top line的成长，就是我要更快的go to market，我要更快的抢夺市场，我要更快的涨。你涨得越快的时候，其实大家的压力都在获取市场和客户，然后导致后续又会售后运维的压力大，然后又会资源又导到售后上，然后就在业务侧不停的翻滚。反倒是中间企业底层的很多系统建设都是非常潦草的，因为涨得太快了，它没有一个喘息的窗口让你好好的规划、设计。很多现在中国的公司变大了以后也是这样，所以在这个过程里面，其实中国本土的SaaS公司也没有一个好的定价的模式，和大家对价值的认可能支撑着他们帮助企业把这个底座基建建好，对吧。

【嘉宾】所以现在AI来了以后，你觉得AI就自然而然地能帮助这个七拧八歪的、非结构化的东西马上就能站起来跑吗？其实不行的，对吧。AI不会自然而然地帮你修复掉你不想做的那一版，它自然而然就变好了，其实不会，对吧。所以其实我觉得，虽然我们现在看上去很多国外的企业很慢，然后有的时候我自己都会嘲笑他们，就是要做个审批那么烦，然后很多东西都很慢，但其实有的时候，AI一旦赋能到所谓的一些国外的公司，它底层的基础好的时候，其实它的加速度会更高。所以我们现在还是希望说，更多的企业能够冷静地去想你到底的资源投放、投放在什么地方，能支撑你短期的增长诉求，同时能够给你一个车位，在未来AI真正体效来的时候，你有一个相对整齐的一个基础架构。否则现在我们做的很多的所谓AI基建，确实都在补过去的很多的课，可能是在补以前信息化的一些课。

【嘉宾】但是如果我们用同样的思维去指导我们现在所谓往AI走的这一步，其实过去犯的错误你现在还是会犯。比如说就是你的基础没打好，因为数据很乱。

【嘉宾】就是你认为AI就可以，我不用做一个完整的数据治理架构，反正我就是即用即抛，然后就可以快速的跑，而且我主要的去动还是把AI放到产品侧，而不去看底下的这些东西的话，其实它不是说不行，这么多中国企业都这么涨起来了，而且涨得也都挺好，在全球也有竞争力，对吧，都可以，都可以。但是你看你再遇到下一波技术变革的时候，它不会自然而然地帮你把以前落的课就自然而然地跨越，它不是个弯道超车的逻辑，不是说你前面有些东西没干，有个新技术之后你就不用干了。

【嘉宾】对，我觉得一定的。就是这种轻资产行业其实对于AI是……你看现在的趋势也是偏服务类型的，对吧？不管是金融服务还是什么类型的服务，包括互联网企业，其实它相对来讲对于AI的融入都会容易一点，而这种也是IT比较擅长的。传统的生产制造企业其实会……一个是它生产形态其实相对来讲现在变化不大，对吧？尤其是在比如说早期的工业4.0、所谓智能化工厂的建设，其实初具规模以后，现在不管各种机器人，其实还没有变成主流的生产制造的可替代方案的时候，其实它的生产制造本身不会变。但是它产品售卖的方式，就是偏go to market的方式会变，售后的方式也会变。所以AI冲击一定是在这两头，就是市场端和售后端的冲击是比较大的。所以在这个群体里面，我们现在的观察也是在前和后，这两侧对AI会更多。然后在生产制造侧，其实现在看上去还是偏供应链的多一点，但在生产制造本身的AI的，还没有进入到主流的视野里面。我觉得这也符合一个行业的特性吧。

【嘉宾】对，无外AI更早一点。其实对，physical AI。而且如果我们去看中国走的AI的路线，如果我们认为我们更可能取得胜利是在应用和physical，就是结合上，我们供应链的优势的话，那未来，就中国的这一波高成长的企业，一定出现在physical AI的这个领域里。那它就涉及到你必须得有自己的生产制造，你必须得有软硬结合的东西。那这里头，它就不是一个纯轻量级去跑的了，对吧。那你看，缩影就是EV，电动车。你可以说它是一个互联网企业，你可以说它是一个传统制造企业，最后最后大家选择我做full stack，就是从芯片到车我都做，空间压缩。它最后最后，它就是变成一个……你说它是一个传统企业还是创新企业？它是一个组合。那如果未来中国公司大多数的公司的高增长来自于physical AI驱动的软硬结合的这个路线的话，那你把自己的供应链的底打好。

【嘉宾】我觉得比较有意思一点就是那个年代，就是甲骨文、SAP也是七八十年代成立的，对吧。就这些公司倒是穿越了挺多周期的，就他一直都在。互联网并没有把这块吃掉，对吧，那AI能不能吃掉？我觉得这是现在大家一个有分歧的地方，所以资本市场也会有一些波动。

【嘉宾】对，我觉得一定有刚才我解释过的底层逻辑，对吧，定价模式一定是对传承场上会造成冲击的。那我们自己也会去想去做，然后更多的还是怎么有回归创业者心态的这样的一个过程。但是并不是说我们在这就不能做出来一些有中国特色化的东西。但是外企的人的成长路径都是在一个标准化流程里培养起来的，对吧。那我们如果现在讲重归创业者心态，其实中国的外企人没自己创业，他这个业不是他创的，对吧。所以你看我们现在转型里面会有挑战，其实人上的挑战就是我按照流程做，我都非常 professional，但是你要让我自发的去想一些东西，我要创业，我怎么去做的时候，你会发现既有的所谓的一个高素质的人群会有分化。所以其实我们现在面临的选择，就是如何激发更多有想法的人，能够在公司相对宽松的一个鼓励创新、鼓励承担风险、你去尝试去做不一样的东西的这样的氛围里面，让这些超级个体更多的长出来。有的时候我也听很多包括你的播客，也听很多外部播客，就是我会被那些年轻的创业者

【嘉宾】所打动的地方是，AI对于个人生产力的释放是超级大的。只要他思考，他只要有想法，然后AI就会帮他去做实现、去测试，对，超级个体成长的速度是非常快的。在创业群体里，他自然会有这样很有想法的人，被AI赋能以后，会做出来很多在传统框架下出不来的东西，我觉得这就是AI带来很好的一面。

【嘉宾】那在外企，就我们这里面，就没有这样的人吗？有的，就我们现在鼓励大家，因为我们也是无限上限使用，Claude Code随便使的。就我们也看到很多有想法的，你可能日常他就按部就班地做工作，但是一旦你激发出来他，他会有很多的想法。而且他会自己买两三个Mac mini，架在公司薅羊毛，去做各种的实现、去做。其实他单拎出去可能就是一个超级个体，对吧？那对外企的命题就是，如何激发这样的人，更多地拉动着这样的一个组织去往前走。

【嘉宾】我觉得好处是什么？反观刚才我说的中国企业野蛮生长的这个过程，其实外企人培养出来的，他还是对于流程的尊重，对于体系架构的熟悉，对于国际视野，对吧，怎么驾驭复杂，这是他专业技能培训的一部分。如果这些超级个体可以结合到本土的一些最需要补足的能力，其实我觉得这是一个非常非常好的结合。他其实还是可以带着这种被训练好的、相对来讲懂企业懂流程这样的思维，同时叠加上超级个体的这些能力，再辅助上AI的这些赋能，其实他会变得更powerful，更强有力。

【嘉宾】对，我觉得因为中国的AI确实是比较独特的一个生态，对吧。我们在全球，因为和大的这个不管是Hyperscaler还是AI的公司，中国因为AI的生态不同，我们产品都首先就会落在阿里云的这个infrastructure上面，基础架构的。

【嘉宾】支撑是在阿里云上。那同时面向AI，其实我们会把阿里的基础大模型嵌入到我们的MASS，就我们的Mobile Service，变成我们整个对外提供AI服务的模型。然后同时，其实包括联合研发、包括后训练、包括我们如果有共同针对的客户，我们如何把双方的优势能力结合在一起，去做出来更符合中国用户的特定的AI的场景，其实是大家现在一起在探索的方式。就说双方联合研发的团队有可能是在一起去服务客户的。我们现在已经在，就比如说我们上次在北京的SAP NAV上，我们请来的那个曼森，其实就是我们一个非常典型的一个小企业。他就是上了我们的Public Cloud ERP，本身跑在阿里云上，然后他又用钉钉。所以其实你对于一个小企业，他可能没有特别高大上的AI诉求，对于他来讲，就是老板就头疼说：哇塞，我服务的都是大厂，然后大厂一弄就是订单延期、追单，我天天接他们的电话，然后这个一个订单的履约就是他很头疼的问题。这样的问题其实只上一个ERP解决不了，对吧。那如何把我在钉钉里追单的信息，然后我怎么去排我生产的顺序，调动我的生产执行落地？那我们就用AI Agent帮他做了一个闭环，帮他把ERP的数据和钉钉里的数据做了个闭环，其实就解决了这个企业核心困扰的问题，对吧。我如何去更优化我的订单的履约，保证我的运转效率的高效，就这些其实都是我们和阿里就是能一起做出来的一些针对中国市场的AI的Case。这个曼森集团是个服装企业，对吧，做羽绒服的，对，他有品牌，他也给很多人代工，对对，所以会有刚刚说的那个问题，对，都是大品牌，都是大老板。

【嘉宾】全球化的这个东西，就是因为本身不光是SAP，所有的全球化的厂商，其实全球化的平台本身就大在这。

【嘉宾】所以我们本身就支持，我们自己就在150多个国家运营，所以我们对于全球超过200国家的这些税务，然后合规的要求，是我们日常产品升级迭代的一部分。所以SAP本身在产品架构里就有一个叫Localization的团队，就专门做本地化诉求。这个本地化就是对中国有中国的，对巴西的税务，全球最复杂的，有巴西的税务的组专门做针对巴西的Localization。所以你可以理解，它是在全球范围内所有底层的本地化诉求，都是已经有一个Ready的平台供你使用了。所以对于中国企业出海，不管你出到哪，其实你都可以借助我们已经很好的Infrastructure帮你去运行，就是你只需要关心你自己的业务，而不需要关心这些打底的这些服务项。另外就是我觉得中国企业出去做很多收并购，这个我们也是看到这个趋势是很明显的。其实收并购以后，你会发现它买来的，尤其很多欧洲企业天然就是SAP的用户，所以它就会有很多组织的集成的问题，系统集成的问题，然后对接什么的。对，所以我们在这里面也是天然的会有一些优势，会帮这些出海企业在收并购里面能够快速的做一些系统和流程的整合。然后涉及到现在就是所谓的如何用AI去赋能这个企业。刚才我其实提到的这个客服就是一个特别好的例子。还有就是像联想，其实我觉得联想也是民意企业里面所谓全球化比例度最高的，因为它海外已经超过80%了。我们跟联想是从它两百亿一直到现在几千亿的规模，其实都在合作，就包括它的数次的海外的这个并购和系统的整合，都是在我们的平台上做的。然后现在我们还在用Signavio，就是这个一个流程Process Mining的工具，帮它去用AI助力它去看企业。现在已经有2000多个流程，它在一个全球化的视野里去看它这些内部的所有流程，然后如何有断点，在哪是有提效的空间。所以就在这种复杂架构下，其实SAP就是非常自然地融入到支撑它全球的这么复杂的一个运转架构，然后包括面向未来的一些AI提效的事情，都是大家自然而然就在一起做。当然我们也希望能够助力很多中国的公司，对吧，从几十个亿涨到几百个亿，甚至几千个亿这样的一个快速发展的过程。

【嘉宾】区别就是速度，就是因为它和人交互方式的改变，导致人会更容易上手去驾驭这些技术。就是以前的技术其实相对来讲还是在专业领域，现在其实真的是AI平权做得非常好，所以每个人都可以轻松地去驾驭AI，然后导致这个技术演进的速度是非常快的。但是我觉得回归到本质上，其实大的技术变革，带来包括之前我谈到的工业革命的蒸汽机、电力，对吧，互联网到AI，它底层的逻辑并没有变。就是一个disruptive的，就是突破性的底层技术，到影响各行各业，它就是有一个过程的，对吧。现在可能大家也在讨论什么AI泡沫、小圈子、光环，它一定是在初期它就是这样的一个形态，然后随着时间去演进。然后我相信AI带来的演进的速度，会比之前的几波技术浪潮带来的要短，对吧。这个底层逻辑是不变的。然后最终，其实很多的时候你看到，对于真正的业务或者总体的GDP产生影响，它不是一个简单的技术迭代的问题，对吧，这个复杂度是没有变的。只要是人还主宰这个星球，这个底层逻辑就不会变。它一定是人在里面会有加速的部分，人在里面也有减速的部分，它有抵抗力也有创新力，对吧，它一定是方方面面的各种复杂度融合在一起最后呈现一个结果。所以这些东西都没有变。每一次技术出现，大家都会有向往、有恐惧、有学习，然后有摒弃这样的一个cycle走下来，对吧。现在AI带来的这个冲击，其实对于人本身，它也是在一个逐步从担心、恐惧到慢慢地适应，然后学习这样的一个过程。所以我觉得本质上这样的过程并没有变，然后对于人的技能的要求，其实本质上也没有变。

【嘉宾】什么样特质的人会更容易在AI领域胜出？其实那些Fundamental的特质都没有变，你什么时代都是有这样特质的人最终会变成金子，大浪淘沙留下来的那些人，一般核心伟大就是学习能力快的、学习能力强的人。所以我觉得这些其实对你的迭代循环，还是人的这一部分，其实是不太变的。就是人和社会、组织的交织和技术冲击的交互方式，其实并没有本质上的变化，就是一个速度的变化。

【嘉宾】对，现在好多人不是都说反正我一天不睡觉我去弄，你就是24小时，我就一个脑袋，对吧？你看真正有那种创业冲动的人，他就是在你的想法实现不了的时候，自己的想法就变成了瓶颈，对吧？所以其实你看很多的东西都是信息量巨大，Agent处理是海量数据，但是人接受不了，人处理不了那么多信号，对吧？所以人他就会是一个瓶颈，但是很多的事情现在又需要人去判断，对吧？我可以跑各种各样的report给你，让你去做决断，但是你能瞬间吸纳这么多有用的信息，形成你的判断吗？其实很难。所以其实为什么我说，就是怎么能够在我们的教育体系里面，培养出来更多以后能够有能力驾驭AI能力的个体，可能也会带来一些教育体系的再造和颠覆。所以为什么我说这AI带来的冲击，真的是对于社会里面方方面面都会有冲击呢。