企业AI的护城河，被一只“小龙虾”验证了

当AI开始取代人类操作软件时，真正的护城河不是技术，而是对业务逻辑的深刻理解与安全边界的精准把控。

2026年的春天，企业软件行业经历了一场过山车。

2月第一周，美国软件股市值蒸发超过1万亿美元。恐慌的导火索是一款名为Claude Cowork的产品——Anthropic推出的这款Agent工具能够通过API直接调用企业核心软件的数据，“绕过前端”执行工作流程。市场瞬间联想到一个可怕场景：如果AI可以直接操作业务流程，软件还有什么价值？

“SaaS末日论”迅速蔓延。Forrester甚至抛出论断：“我们熟知的SaaS已死。”

然而就在同一时间，另一则新闻把所有人拉回地面：开源智能体OpenClaw（最近火爆全球的“小龙虾”）出现严重失控事故。Meta AI安全总监眼睁睁地看着自己部署的OpenClaw“遗忘”了用户确认指令，自顾自删光了200多封邮件；另一位技术大佬为了省5美元月费，被Claude Code一键抹除两年半、194万行生产数据。

一边是“AI很快将无所不能”，一边是“AI独立完成工作还没那么靠谱”。两种截然相反的情绪，折射出市场面对技术变革时的集体焦虑。而在喧嚣背后，一个更本质的问题被忽略了：企业软件的护城河，其实是沉淀了几十年的业务逻辑、数据模型和管理实践。

当AI开始“绕过”软件

传统上，人类使用软件需要通过界面——打开Salesforce，点击客户记录，阅读信息，然后决定下一步行动。Claude Cowork的改变在于：它不再需要人类进入界面，而是通过API直接读取数据、执行操作。

听起来确实像是要“干掉软件”。但问题在于：绕过界面，不等于绕过软件的核心价值。

用友网络董事长兼CEO王文京在接受采访时表示：“交互层只是软件的其中一层。作为一个企业软件，还有更重要的层级。”他指出，用友在AI时代的核心竞争力体现在三个方面：一是企业应用的数据模型、业务逻辑和治理体系；二是数据服务和智能服务；三是行业实践经验。“即便软件的交互方式被AI改变了，我们仍然具有不可替代的核心竞争力。”

这并非自我安慰。a16z（安德森霍洛维茨风险投资公司）在与Atlassian CEO Mike Cannon-Brookes的对话中得出了类似结论：那些掌握了企业核心业务逻辑的系统，反而会借助AI构筑起更深的护城河。

关键在于区分两类SaaS公司。一类是与“产出”直接挂钩的，比如客服软件，如果AI能解决大部分终端问题，企业对人工客服账号的需求就会趋近于零。这类SaaS确实危险——如果不改变商业模式，现有订阅收入将面临毁灭性打击。

另一类是承载核心数据的，像用友BIP这样的系统，它们不仅仅是工具，更是企业数十年复杂业务流程、合规要求和隐性规则的集合体。当企业要在系统里录入一名新员工时，AI可以直接调用数据去自动完成背景调查——AI没有摧毁这些系统，反而成了它们的放大器。

为什么通用Agent会“翻车”

如果说理论分析还不够有说服力，那么过去OpenClaw的连环翻车事件，则给狂热的AI信徒们上了一堂惨痛的现实课。

3月10日，一个3000多人的“龙虾聚会”群里，一只刚出生10天的AI智能体正在被群友们“调戏”。起初，它只是乖巧地回答着问题。可几分钟后，这只“龙虾”却把主人的IP地址、真实姓名、公司名称，甚至去年整年的营收，全都一字一句地“吐”了出去。当事人“龙共火火”是一家AI公司的CEO，他本想把自己的“龙虾”拉进群“自学进修”，结果却眼睁睁看着隐私信息被套走。更讽刺的是，当他让“龙虾”把那些人骂一顿时，它反而把他教育了一顿：“虽然那样做对我不好，但是我们要宽恕。”

金融风险紧随其后。一名个人开发者把OpenClaw绑定了钱包，并把相关信息发到了开发者社区。结果有人伪装得“很可怜，吃不起饭”，问能不能往地址里打点钱。OpenClaw信以为真，真就给对方打钱了。

与此同时，技术漏洞也在大面积爆发。根据国家信息安全漏洞库（CNNVD）统计，自2026年1月至3月9日，共采集OpenClaw漏洞82个，其中超危漏洞12个，高危漏洞21个。根据declawed.io截至3月9日的数据，全球共探测到超过41万例OpenClaw公网暴露实例，其中约15.6万例存在已知的数据泄露。

OpenClaw的连环翻车事件给技术狂热者泼了一盆冷水，也揭示了一个更残酷的真相：当AI从C端的玩具走向B端的生产力工具时，狂欢背后的安全边界问题，远比想象中复杂。如果说上述案例还只是个人用户的惨痛教训，那么在企业级应用中，AI落地面临的挑战则更为深层。

“智能双模”与“又稳又灵”

既然通用Agent靠不住，传统的SaaS又需要进化，那答案是什么？

王文京给出的答案是“智能双模”——把流程执行型软件与智能决策型软件基于统一数智底座，融合发展，实现“又稳又灵”。

这个理念的底层逻辑是：不是所有业务场景都需要同样的处理方式。有一些业务场景是相对确定的、偏流程化的、对精确度要求高的——比如财务记账、库存管理、生产排产。这类场景适合用传统的软件形态去满足，因为原有的软件形态本身就是基于成熟技术构建的，稳定可靠。

另一些场景则相反——需要做预测、做决策、自主执行。比如生产计划规划，当年用友尝试过能不能自动智能地做，但做不到，因为那时的技术工具链不支持。今天的AI具备了这种能力。

关键在于，这两类软件不是割裂的，而是互助的。流程处理型软件在业务处理中产生大量数据，这些数据恰恰是智能类应用的真正养分。“光模型不行，得结合现实数据，这个时候做出来的预测、决策才是精准的。”王文京强调。

鞍钢集团的案例提供了实证。依托用友BIP企业AI，鞍钢推动决策智能化转型，分析效率提升80%，决策速度提升50%。复星集团资金管理部借助用友BIP，实现从静态数据到实时智能决策的跃升，数据获取和分析效率提升10倍以上，决策响应从“天”缩短至“秒”。艾克瑞特将用友BIP深度融入各经营环节，财务凭证100%自动生成，审批效率提升8倍，薪资核算工作量减轻70%。

看不见的护城河

如果说“智能双模”是战略层面的回答，那么技术层面的答案藏在另一个词里：本体。

用友在这方面做了一个关键选择：推出“本体大模型（YonLOM）”。

为什么需要专用模型？因为企业ToB场景的逻辑和通用大语言模型不一样。大语言模型靠的是概率，靠整个架构去猜下一个字，猜完以后排序选最优——底层逻辑是“猜出来”的。但企业决策关乎发展全局，要求结果精准、逻辑可追溯、依据真实可靠，不能靠猜。

“YonLOM本体大模型的核心竞争力，在于对企业数据的精准逻辑推理。所有业务动作的推演与决策建议的输出，都必须基于企业治理后的标准化、可靠数据源，以真实、可验证的企业业务数据为基础，完成后续的逻辑推导与决策支撑，从底层杜绝无依据的推测性输出”用友网络数据与智能BG总裁何强介绍。

在设计上，YonLOM本体大模型基于“构建-对齐-推理”的技术闭环，搭载19个专业任务集，将零散的企业数据转化为统一的智慧资产，实现企业业务逻辑的精准推演与复杂决策的智能判断。

举个例子：企业合同管理场景。系统里的合同和文本里的合同，都有甲乙方、都有条款等核心要素。如果人工去把这两者关联起来，难度很高且效率低。但把这个任务交给YonLOM本体大模型，它会依托自身的逻辑推理能力，主动挖掘数据与数据、数据与文档之间的内在业务关联，大幅降低跨类型数据关联匹配的难度，在提升效率的同时降低企业运营成本，实现企业数据价值的高效挖掘与激活。

在实际技术应用中，以通用大语言模型承接人机交互需求，完成用户请求与指令的精准理解；再通过YonLOM本体大模型对接包含结构化/非结构化、显性/隐性、静态/动态的全量企业私有数据，开展专业的逻辑推理与数据检索，输出精准、可验证的结果。“YonLOM本体大模型与大语言模型配合在一起，YonLOM本体大模型与大语言模型形成核心配合，同时可结合预测类、表格类等各类专业模型，实现多模型的协同应用，适配企业复杂的业务场景。”何强补充道。

这种技术路线的背后，是对企业AI落地规律的深刻理解：在AI时代，企业软件的核心能力，已从单纯的“拥有数据”、“调用数据”，升级为能让AI对企业全量数据实现精准理解、逻辑推理、价值挖掘。如果没有统一数据平台，只接入局部数据，再聪明的模型也只能“盲人摸象”，无法形成对企业业务的完整认知；没有统一语义框架和真实业务上下文作为支撑，AI极易出现断章取义、选错字段、概念混淆，甚至给出自相矛盾的结果，无法真正为企业经营决策提供有效支撑。

汇丰银行在《软件将吞噬AI》研究报告中的观点获得了不少业内人士认同：“绝大多数企业软件不会受到AI的威胁，相反，AI将通过代理被驯化在应用技术栈内，并在这一过程中创造巨大价值”，并强调“软件是企业可控地使用AI的关键途径。”

用友的实践印证了这一判断。AI不会杀死软件，但会深刻地改变软件的形态——从流程驱动到数据驱动，从功能模块到智能体，从许可订阅到按结果付费。软件不再只是记录工作的工具，它开始参与工作、执行任务。

但无论如何变化，那些真正有价值的核心没有变：对企业业务的理解，对管理实践的沉淀，对数据模型的积累，以及对安全合规的坚守。这些看不见的东西，恰恰是企业软件最深的护城河。

正如微软CEO Satya Nadella所说，Agent会重塑软件形态，但不会消灭软件。因为企业的业务逻辑没有消失。AI时代企业最重要的资产是数据与信任，没有深度业务数据，AI只是空转。

SaaS没有末日。它只是换了一种活法。

本文来源：财经报道网