9月23日，在杭州国际博览中心举办的云栖大会SAP专属主题论坛上，SAP方面系统阐述了其商业AI的技术路径与落地判断。论坛以“商业AI驱动联合共创，构筑自主运营企业”为主线，SAP大中华地区总裁原欣、SAP数据与分析业务总裁兼首席产品官Irfan Khan及客户代表伯恩光学IT高级总监李健农等出席。此次论坛恰逢SAP与阿里巴巴深化战略合作推进的重要节点，此前SAP已宣布BTP业务技术云平台、ERP公有云、IBP集成业务计划云、ERP私有云四款核心云解决方案分批落地阿里云。
Irfan Khan在媒体交流中对企业级智能体的当前成熟度给出了审慎判断。他表示，目前尚未看到足够证据表明智能体AI已在商业环境中带来颠覆性变化。其论据指向企业核心流程的低容错特征：企业定期结账涉及EBITDA、税前利润、税后利润等指标，这些流程很少会成为完全由AI驱动的流程。他同时算了一笔成本账：训练一个大语言模型通常需要万亿级参数、高达50万张GPU、连续运行约一个月，成本在2000万至2500万美元之间，但企业新增的订单、销售或采购信息并不会被包含在原有训练数据中，这构成了企业AI中具象化的“上下文缺口”。
在AI与SaaS关系的判断上，Khan同样保持克制。他指出，企业业务系统是记录系统，沉淀了从产品构建、服务到并账关账的完整交易历史，而AI更多是在做运行时，运行时是一次性的，无法完全镜像整个数据的历史。他以流程调用为例说明，智能体承担的是替人按下按钮的角色，属于补充而非替代。而按钮能够被安全交给智能体的前提，是背后系统装载着企业数十年的业务历史。
关于上下文的价值，Khan举了一个查询场景：当业务员询问东部排名前10的销售人员在某段时期的业绩表现时，该问题会被交给SAP知识图谱解构，拆分为销售绩效与历史时期等部分，解构的目的是完整回答问题而非断章取义，否则将造成AI幻觉。他对比了两种补齐上下文的路径：企业自行搭建需要先定位数据、搭建管道、搬迁至仓库，此时语义层尚未开始建立；而直接使用带上下文的智能体，业务上下文与数据拓扑可同时获得。他强调，一个仅填充源数据的空知识图谱与一个完全填充业务上下文的知识图谱截然不同。
这一判断并非首次出现。2009年，时任Sybase CTO的Khan合著《The New Data Imperative》，讨论资本市场如何用实时数据支持交易员的毫秒级决策，当时数据的使命是“快”。16年后，作为SAP业务数据云的操盘者，他要让数据支持AI智能体的自主运营决策，数据的使命转变为“懂”。
原欣借用自动驾驶分级逻辑描述了企业智能体的落地阶段。她表示，大多数企业的智能体落地仍停留在L2、L3的探索阶段，其中L1是写PPT、写周报，L2是供应商资质审查这类单点辅助任务，而到L4才能由多个智能体将供应商入库、请购、采购合同整条流程串联。从L2到L4，差的不是模型。她此前在SAP中国峰会上曾表达过类似观点：AI能为企业创造多大价值，不取决于模型能力有多强，而取决于企业最薄弱的一环能否打通。L2作为单点任务，错一次可以兜住；L4将整条流程串成链条，链条强度由最薄弱环节决定，任何一环数据未打通，整条链就不敢交给智能体。
场景验证来自伯恩光学。作为苹果、三星背后的外观结构件提供商，伯恩光学用两年多时间将国内外园区核心业务迁移至SAP，今年进一步与SAP针对主数据治理、月结等场景展开AI智能体创新实验。伯恩光学IT高级总监李健农在访谈中提出“本体”这一概念。他表示，SAP中很多基础数据本身也是本体，如果本体出错，AI基于错误本体构建的应用全部会出错。制造企业最怕幻觉，生成式AI存在一定幻觉尚可接受，但企业应用中99％的准确率也不敢使用——单点任务出错尚能兜住，整条流程出错即为事故，这正是企业只敢停留在L2的原因。
从论坛释放的信号看，SAP与阿里云的合作正从底层技术底座就位，迈向企业级AI与核心业务流的深度融合。在9月22日的云栖主论坛上，阿里云CTO李飞飞谈及企业级智能体时，亦将“实时上下文环境”列为与模型能力同等重要的技术支柱。中外两家战略合作公司的技术决策者在同一产业峰会上强调同一关键词，反映出行业对企业AI短板的判断正在形成共识：模型能力之外，数据语义与业务上下文的完整度，将成为决定企业AI从单点智能走向流程协同的关键变量。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
