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。就是说，所有以前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。
你逃不出来处理企业的流程、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，它还是要用 human in the loop 去做干预的。所以在未来的一段时间，不管叫 F D 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 天地里必经的路线。
欢迎收听晚点聊，我是曼奇。本期我访谈了 SAP 大中华地区的总裁原欣。SAP 从 ERP，也就是企业资源计划起家。自一九七二年在德国华尔道夫小镇创立后，它经过五十多年发展，成全球企业级软件巨头。去年的收入接近四百二十亿美元。全球百强企业里，大多数都是SAP的客户。但二零二六年以来，AI coding能力快速发展，也带来了大模型to B的热潮。
SAP这类老牌企业软件受到了更多的挑战和质疑。这期节目就直面了这些问题，这包括在复杂的企业级需求中，大模型的机会和边界是什么？有几十年数据和行业know how积累的SAP等老牌软件公司的壁垒和变化又是什么？最近非常火热的FDE潮流是否会持续？等等。自一九九八年以来，原欣有近三十年的企业市场经验，先后在甲骨文、VMware、微软等公司工作。
他也分享了多年来他观察到的企业提升治理能力的一些通用流程和规律。本期节目由SAP支持播出，我们正式进入节目吧。啊，原欣总，你可以先和我们的听友简单打一个招呼，简单自我介绍一下。大家好，我是原欣，我管SAP的大中华区的业务，非常高兴来。晚点参加这个节目，可以和我们的听友来简单介绍一下SAP是一家什么样的公司。
因为有的人可能知道这是一家全球的软件巨头，但也由于它是to B的，那可能对更多人来说不太了解这个公司。就是他具体是做什么的？他现在核心的业务是什么？对，就是大多数人都不太知道。我来SAP的时候，我们家里人问我，有人说那个换工作了，说去哪儿？去SAP，我家里人其实都不知道他是干什么的，但是在ERP领域里，我觉得SAP还是响当当的，属于业内数翘，对吧？
就是在我的认知里，做ERP的人，somehow都会把SAP就等同于ERP三个字儿，所以SAP基本上是件。最大的一百强里面，九十九家都在用SAP的软件，所以我们现在云转型以后，云的用户也都是超过三亿家，所以它的规模是很大的。全球十一万员工，然后大概在一百五十多个国家都有operation，所以。嗯，确实是一个to B的巨无霸啊，但是它也是一个现在。
成立于七二年的一个，从一个 startup 逐渐变成了一个庞大的软件体系。那特别是近两年，随着人工智能 AI 大模型的发展，那在过去的两三年，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，就是要做这个 autonomous enterprise。
这种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。嗯，可以给大家介绍一下 ERP 是什么吗？就它包括哪些模块，或者说它核心给企业带来的一个价值是什么，以及也可以简单的讲讲，就比如说ERP从最开始没有一个非常产品化的东西，到后来它逐渐变得比较系统化、比较成熟，是一个大概怎样的过程？
对 E R P 这三个字儿就是 Enterprise Resource Planning，其实它就是企业所有企业资源计划管理的一个平台。那在这个平台里，其实你运转一个企业，你想它都有什么？就是主要就管的人、财务这三件事儿，对吧？所以如果一个企业最开始从最基础的上，就是你可能什么都没有，但是你总要。做账对吧？
你总要报税对吧？你要管你的运营，所以最核心的是财务。所以最开始其实SAP起家的所谓R1的这个系统也是以财务为核心先去做的。然后财务慢慢就会扩展到说，我如何做？就大家熟悉的一个用语是财务业务一体化，就怎么把业务的数据更实时的反映到财务，因为财务指标本身是一个。之后的业务反应，那业务端发生的事情，比如说后面演进出来的所谓的CRM，它就会有一个说，我从一个例子的出现
leads to cash，说我从一个例子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。
嗯。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的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得用的，对吧？是，它会有一个平台，它也会有些 AM 即时通讯，有一些文档的东西。对对对对，因为我们在我们的客户群体里，基本上客户也都是在用会或者用飞书或者用钉钉，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。那这些呢，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的定义叫OA，就是Office Automation，对吧？办公自动化。
这些是管理日常操作的，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或者我的 H C M 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。
真正的业务流程的跑，它还是在后端的 ERP 系统里面跑。当然，现在 AI 出现了以后，就是。既有划分好的阵地，一定是被重新打乱、重新去看的。那其实，在AI出现之前，我们也看到。不管是钉钉和飞书，它也在去做一些应用的渗透，就是它不满足于我只是做一些会议系统啊，对吧？你你像飞书，它也有People，因为其实做企业应用，尤其在中国做，它也不是一个很容易的事情，对吧？
那在应用层级上，它会发现，如果我只是管交互是比较相对简单的一件事情，一旦深入到企业管理的流程里面，它涉及更。多的身份管理、安全性管理，以及需要集成的数据来源是更加多的。比如说，我管人，我就要做工资的计算。工资的计算，如果我只是在就其实我们现在每每个地方都会有当地的策略，更不要说我如果支持一个全球化的企业，我在不同的地方，我工资薪金计算的逻辑是不一样的，纳税的要求是不一样的。
所以就这么简单的一件事儿，其实它在一个全球化的企业里面的复杂度也是非常高的。所以这也就是为什么企业应用说起来是很简单的事儿，但是为什么它会支撑这么庞大的一个生态系统，要去做这件事儿。这个SAP它只是一个软件，就是它有一个数据，我我记得是IDC还是什么，就是整个产业里面大概就是一点二万亿，就我们自己的收入其实才。
三三百多亿欧元，对对，欧元，但是四百多亿美金，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，你就看它的暴露的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to B不太好干。但是另一方面，就是像飞书和钉钉，他们想做people，包括他们也想做CRM做。什么发票这些，我看他们也做电子签等等等等。对，但实际上是不是也没有像之前大家想象中的那么快的就进入到企业的你说的那个最核心的业务数据平台的那一块？
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，它还是以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。
那像SAP这种大平台的这种的，相对还是比较少。那进入到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AIgentic化，对吧？
那其实，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。
其实那时候，这个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。可能每一一个美元花在软件迭代上的，它会有三到四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。这个正好也是我想问的呀，因为就是在之前的互联网和移动互联网的浪潮里面，就这个对SAP这类公司的冲击，实际上不如大家之前想象中的那么大。
你觉得AI会怎么改变这件事情？尤其是今年以来AI coding的能力变得越来越强了。其实从资本市场的情绪来看的话，二五年年终SAP的股价是到了一个这几年以来一个比较高峰的状态，是超过了三百美元。但是最近的话，它是又回落到了一百六十美元。我觉得也和大家认为coding变强之后可能会冲击老牌企业软件是有关系的。
您自己会怎么看这个变化？以及你觉得市场哪些地方可能是高估了AI对这个事情的冲击？哪些地方是AI确实会带来比较大的变化？嗯，我先说说SAP本身的这件事儿哈，就因为确实，如果大家都用高点去比，从这个三百掉到一百六，确实是那个。但是我们稍微拉长点时间轴，就是以比如说我们。二一年，二一年因为是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，那从产品定义的角度是一个更完整的cycle。
那我们看从二一年，二一年的时候，那时候的股价还是一百二十几块，不到一百三十块。就算现在跌回到一百六，其实它还有百分之二十多的增长。你反观一些，比如说我们还拿这个周期二一年去对比，就是二一年和现在的股价。你看到很多的这个产品已经几乎不存在或者夭折了，对吧？那个AI带来的冲击就是在point
solution上有完全替代的，比如说像Photoshop、SaaS这，对SaaS的这种，对，就单点SaaS，单点SaaS，对吧？
这一种的，你像Adobe那时候快五百吧，四百八，现在两百多块，两百两百一，两百二。我们我最近没看啊，那是两百二对对，最近两百二左右，对，就是这种可能就是工具类的被替代的，它可能会更被显性的体现出来，对吧？还有一些就属于竞争加剧的这种，你还是像Zoom也是，基本上可能大部分都跌没了啊。当然那时候它也吃到了疫情的红利，对吧？
那现在可能AI出来了以后，很多的本身的竞争的加剧，包括它功能被AI的同化和替代会比较大。那看SAP本身呢，就是说，我觉得它就是除了这种对所有SaaS带来的恐慌，导致大家用脚投票对股价的打压之外。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就数你有多少个用户，我就收多少钱，对吧？
那首先我想问一下，ERP它算SaaS吗？要是云云化之后，它云化以后算SaaS，在广域里面都算SaaS，只不过我们是属于比较大的SaaS和单点的SaaS，单点SaaS跌的更厉害。只有我们可能还算挺在，嗯，是正向的，所以所以SaaS其实对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的这个效率提升了，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对于大家对于这种定价模式。的认知坍塌了，就是你你以后都A着呢，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。所以呢，其实像SAP这样的公司，它也意识到这些点，大家也不会坐以待毙的在这儿等着。
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 base的一个定价。而不再单纯是一个按 user 数量或者 c space 的就是坐席数定价的一个模式，consumption base 就是按用量来定价。对，按用量现在 token 基本上都是按用量定价的嘛。
嗯，但是当然现在硅谷更新的公司都是这种这种 ras 对吧？result service 那就是反正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公司的面临的一个挑战。就是您刚才说的这个冲击有两个点啊，一个是前面其实已经说的比较详细了，就是关于商业模式上，大家会从按坐席收费，更多的转向按消耗量去收费，未来也有可能是按你的服务的价值成果去收费。
然后刚才您还说到第一个点的冲击是在于说，coding来了之后会让有一些之前值钱的东西变得不值钱了。正好，我觉得可以拆开讲一讲，就哪些东西可能变得没有那么值钱了，哪些作为之前的这些软件企业所积累的东西，它还是有价值的，是AI可能短时间内比较难以去冲击的。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，其实就是说简单的编码可能一个小时几千行，两到三千行的代码，可能复杂的，比如说我要带校验、带安全性的，呃，那个可能两到三百一个小时。所以以这样的一个coding产生的就我们纯从数量对比来讲啊，我们取一个中线值，就是比如说一天两万行，对吧？
那以SAP现在S four是几亿行代码。哎，那你们如果去服务一个客户的话，这个东西，假如说在客户那儿是私有化部署的话，这几亿行代码都要部署在他那儿吗？对，在传统意义上，OP的时候是这样的，但是因为它是模块化的，就是就我说的是偷偷加在一起是大概几亿行代码，所以你就是说我复刻，我用A帧跑，可能它也不是一个。
轻易就是我看现在一些 startup
可能有个两三百万行代码，已经是一个比较成型的要上线去做的应用了，所以就是在数量级上还是有差异的。这只是一个。就是数量级的对比，当然，其实更复杂的其实还是业务逻辑，对吧？就是只是复刻代码本身其实是简单的，这个业务逻辑到底是什么？这个我觉得可能是更大的一个挑战。就是我们现在在企业里面也看到，就是只要现在的世界还是一个以碳基生物为主的管理的世界的话，那我们短期之内，我们企业运转的形式不会有大的调整，对吧？
那我该生产的，我可能还是要在工厂里生产，只不过这个生产流程里面人干预的少。但其实，我整个企业就是所谓ERP底层的流程，其实并不会改变。这个时候，SAP里面沉淀的就是所谓的这个，不管是这一行代码对于通用业务的。支撑的底层逻辑它还是存在的，当然是不是在流程上有提效的点一定是有的。那我们现在也在用AI的工具去。
探查说，在什么样的流程节点上，我们是可以做提效的？那，呃，反过头来说，我去用其他的手段去复刻这样的功能。其实你是没有必要，因为如果它已经是一个相对 standardized 标准化的东西，你干嘛不用呢？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求，用更。
高效和低成本的方式，这倒是未来一个广阔的空间啊！就是为什么我们说在基本流程之上的 A I 到底能做哪些事儿，是真正能带带来业务价值的这一趴，肯定是更重要的一个战场。总结下您刚才说的这个意思，是不是指就SAP过去历史上积累的很多这种软件，一个是系统层，就它有很多海量的代码，然后另外就是业务逻辑。因为现在这个世界的商业和制造还是这么运转的，所以这个部分是有用的。
然后这个标准化的基座是你们积累的东西，在这个基础上怎么用AI去更定制化的服务客户的个性需求，是AI可以发挥价值的地方。对，我觉得这个里面可能也细分不同的这个业务形态，因为其实大公司和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，是吧？不管他是管十几个。不同的什么东西，对吧？但是如果我只是用一个简单的管理，那其实我就用
web coding 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儿的。对，就之前跟别的一些人交流，比如说跟阿里的陈宇森交流，他也是提到说，他认为未来软件有一种可能的形式就变成日抛式的。就你的很多需求就是比较临时、比较个性化的，然后你可能以比较低的成本你就Web Coding出来了，然后你就自己用一用。过了一周、两周之后，也许你就不需要了。
是，嗯，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，就是，even是在大公司里，它也会有日抛型的。就是现在的架构设计，基本上就是它会给你这种Agent Studio，就是你如果现成给你做的都不满意，你自己就可以做这种日抛型的工具类型的，去摄入你某一个purpose，然后完了以后就日抛了。
它是这种随时产生的日抛型的工具类的，但是呢，我们还回到所谓的 ERP 的这个领域去看，如果是小公司，你只是。自己去管理，然后大家还是一个，比如说 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 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。在现在的这个社会条件下，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，那这个社会的基准值，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。
但只要我的业务能运转，我这样就没问题。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，嗯，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，他在墨西哥住了好几关，墨西哥的业务对吧？
可能就不work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自然而然就是我是你唯一的选择。大家在新的AI的平台上一定都在自我演进，那就在看我们自我演进的速度快，还是更多的也瞄准了这一块市场的新加入的player，他演进的速度快。
嗯，所以其实我觉得。SAP在这个时间点，第一，他自己是有这个自我认知，说我是被颠覆的那一趴，所以我更应该奋发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复杂呀，实施周期长啊，交互性差呀这些东西。能去做这些呢？反倒是因为有了AI，我自然语言交互是大家默认的方式了。
那其实我只要通过SAP自己就叫Joom嘛，就我们的这个工作助手。你就告诉他呢，你的意图。其实我们也是通过意图识别，然后指挥我的 agent，有 agent 有做 assistant，就做 orchestration 去做。指定分派的有做实际落地执行的 agent，其实它这个架构也是完整的，所以它会屏蔽掉以前所谓的这四亿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一个一个找一个一个点的这样的一个过程。所以，嗯，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。让客户能体验到AI给这个所谓的传统的ERP软件带来的不一样。嗯，您刚才说的有一个价值，我之前没想到过，就是对大公司来说的。因为我能想象到的，就是ERP这种东西对大公司的价值，肯定是在于大公司的业务它就比较复杂，相对于一个小的组织，它的流程可能也会比较长，它对外联系的人也比较多，所以它需要一个更复杂系统。
那青林刚才还说到一个点，就是你用一个相对大家都认可的。这种平台，你是在市场上去给自己的信誉背书的，是一个信任网络的一个建立的一部分。然后这个点挺有意思。但是顺着刚才说的这个话题，现在有一种想象，这个激进的想象就是未来可能没有特别大的公司。就公司都变小了，而你们的客户其实肯定还是偏中大客户的嘛。一个是你觉得就是未来大公司、大组织是否还会存在，或者说它会以什么样的形式存在？
然后另一个就是说未来这种公司本身组织的变化会怎么影响你们的一些调整？挺好的问题啊！我觉得一说 SAP 就默认就觉得这 SAP 是大公司，其实从我们实际数据告诉我们。SAP百分之八十的客户其实是中小企业。你们把多少规模以下的算中小企业？嗯，我们就是 one billion 十亿吧，十亿人民币收入收入啊，十亿人民币收入以下算中小企业。
嗯，对。所以呢，你看就是对外宣传的时候，我肯定都说。世界百强里九十九家是用，对吧？就是你用大的品牌做宣传，尽人皆知，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？那我们往根儿上倒，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大于你和外部交易的，所以你会存在公司这样的形态，对吧？
那。随着AI打破了很多既有的这个定价模式，那是不是你在公司内的交易的成本还低于你外包给一个A镇去做的成本？如果不一定的话，那公司存在的形态一定会发生改变。所以我觉得这个就是在我个人的认知里，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？而且是不是以这种紧耦合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under在一个可信的平台下，一个大的umbrella下面的。所谓采用这种联邦制的方式，可能能给他在面对未知的时候，我的背书的这个建立信任的机制会更好。所以你会看到有无形的手把它往往散里拆，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，但是比较形成共识的是。就我觉得我还是一个对AI长线发展是保有非常乐观态度的一个人。我觉得，嗯，它一定会影响现在的企业的一个结构，包括就业构成的一个节奏，一定会有一些岗位是慢慢减少甚至消失的。但AI带来的很多新的需求一定会长出来的，因为在未来，我们现在在。
所谓第四次工业革命的中间点，对吧？你回看，不管是蒸汽机、电力、互联网出现的所谓的工业一点零、二点零、三点零的过程里面。它可能都从一个扰动性的新技术到第一次工业革命，大概七八十年，你才有大面积的全社会的生产力的提升。到电的时代，可能就变成了大概三四十年的一个周期，就从技术变成有效果显现到互联网。这个周期大概就缩短到二十年左右。
那现在我们看到的，说AI带来的，或者我们说在泛的工业四点零的时代，我不管是物联网的技术，还是AI的技术带来的这些冲击，我到底什么时候能够泛化成更多的新的产业形态的出现？然后这时候你的。整个社会资源分配、生产资源的分配以一个新的形式出现的时候，它就是整个的生产力就能外溢到其他行业。虽然现在看到的可能还是在AI相关领域的一个狂欢，对吧？
但是对于传统领域里，大家并没有很好的能够显现和享受到这样的一个东西。我觉得不是不存在，只是。历史的规律告诉我们，它外溢是需要时间的。然后呢，这个时间你你看这个轨迹，它是逐步加速的，所以它一定会到来。那我们的问题还是说，我们ready去迎接这样的一个。很大的产业变革的重塑嘛，就刚才我说的，比如说企业个性化的服务如何被满足，这个诉求怎么被满足？
这个诉求怎么被满足了？正好可以说一下SAP现在自己的AI愿景。你们刚好是在今年五月的蓝宝石大会上发布了自主运营企业的愿景，推出了SAP商业AI平台。还有 JouWork AI交互界面，同时也推出了五十多个 Jou 智能助手。对，就是其实我们还是希望说，整个的这个 Autonomous Enterprise 它 so far 还是 Human in the Loop 的一个形态，对吧？
就是说 A 正执行，但是人要去做这个判断。嗯，然后呢，在人去做判断的时候，我们希望它是一个以 JU WORK 作为你前端交互的一个入口，然后呢，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 A 人不能满足你的。需要的话，其实 Do Work 可以给你空间，让你去在进一个 Studio 里里面，你手搓自己的 Agent。
我觉得 SAP 主要的这个变化是在于我们把应用的层面打薄以后，把更多的数据和呃呃流程性的东西暴露在上一层，那我们能够让 AI agent 的这一层与一层的定义会更顺畅。那这些呢，其实为未来不光是 serve。SAP的agent，那以后未来还有非SAP的数据和外部数据的交互的时候，如何让我们的这个业务流程能够走得更顺畅？
这个是我们现在要做的，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。知识图谱很很多还是在一个你自己的这个业务流程里梳理出来的。那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，对吧？就是现在其实很多模型，我们说这个agent还是因为。Long horizon的这个长上下文的能力不够，所以导致其实很多agent的能力受限，对吧？
那我们也在想说，除了基模本身，那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，这个可能也是ICP比较有优势的地方吧。因为ICP的语境它还是基于Table，就是这个关系型数据库的，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。
大语言模型带来的这个意图理解的好处，那这样的组合就让我们用户能够轻松的完成他的业务，同时还能保证它的准确性。如果一句话来总结一下的话，自主运营企业它指向一个什么样的目标呢？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。嗯，所以就也许越往后，他人的部分会越来越少，然后系统会更加的自主和自对，就是 agent 自动执行的部分会越来越多。
嗯。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。就光是比如说 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，它可能完成百分之。
七十、八十，甚至九十都可以给你对上，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AI正把你日常的这个百分之七八十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，这个描述听下来的话，SAP主要是在agents就是应用这一部分，你们会做很多工作，然后会联动上你们之前积累的企业里的这种业务逻辑，以及本来就沉淀在这个系统里的数据和源源不断新进来的数据。
你们选的这条路就是没有自己做基础模型的。我觉得如果方便的话，也可以对比一下，因为您之前在微软其实工作很多年嘛，那微软可能就是他会自己训一些模型。你们现在是和 SAP、 Google 和微软这些有规模的公司来合作，就可以讲一讲这个选择是怎么形成的，包括你们之前讨论过自己训大模型吗？因为其实 SAP 的体量。
和他的资源也还是比较多的。对，我觉得就是大家总体还是一个分工配合的。那从SAP历史上你去看它的这个业务发展本身，你看现在做基模的，不管是就是我觉得大家关注的重点还不一样。哎，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，基模的这个演进速度是非常快的，对吧？
你看 Cursor 也被收了，对吧？以前你做 coding 的时候，你认为你是在一个细分里面做，然后随着基模的提升，很多的领域就被吃掉了。那我们一方面希望我们能够利用。所有最强模型的这个能力，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，你像 Azure 上跑的模型，它不跑 AWS，AWS 跑的模型是没有那个。
然后其实很多是因为他们各自有各自闭源模型，而我们来讲，我们是开放给所有第三方的，所以我们会在这个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这个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。那现在也有很多说，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域数据里面提供更好的效果？那对我们来讲，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。那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，以表结构的这个表数据的形式存放。那在这里面，其实我们很多我们自己有RPT呃。杠万现在到一点五，就是我们自己基于表数据train出来的，也有垂域的模型。
那在真正满足客户的一个诉求里面，比如说我就是做一个未来收款的预测的时候，他会调用，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？然后最近他是不是有回款的压力啊？等等的。那同时在系统内部可获得的是我跟他打交道的时候，他所有历史订单履约的情况。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 保持开放的合作态度，看什么样的技术的组合更能满足客户的诉求。有一些技术不一定要用到模型，对吧？对，就大模型现在这种技术范式，它肯定是多多少少会有幻觉的。
是，所以我们现在就是在看，说什么样的，就是当然，其实，在这一层里面，大家会有很多的，比如说 agent 的 reflection
做校正，做这个。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，它不是说百分之九十九的准确率就是一个可接受的准确率，它可能就是百分之百，对吧？你任何的不准确，你可能到百分之九十以上，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要去判断用什么样的技术实践手段。
这个正好也是我想展开问的，就是从模型到企业应用之间的gap，一个是现在会有一个很流行的说法，就是模型及产品在to B市场，这个是不是不太成立？对，就我不想下很绝对的那个定义哈，就是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Antti无所不能的，可能真的是各种泛化能力都很好，走到那一天也未见得。
那可能就超级人工智能，对对对对对，无所不能。对，但是现在。在目前有的现实条件下，可能模型一下子很难达到。有的时候，甚至很基本的事情，它其实也不一定做的很好，对吧？那在未来五到十年可见的，说我们既有的业务形态、企业形态不变化的时候，其实，在to
B里面只把模型扔进去肯定是不够的。现在走的比较激进的。大的公司其实它都会有所谓的这个AI的专项去投，然后有一些企业也会有龙虾岗，就是除了人作为员工，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去补足最后一公里？就因为其实。模型还是说在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这样的一个过程。它还没有聚点到说我就丢给你，这就是标准选项一二三四五菜单很清晰，你就选你要什么吧。其实我觉得，呃，之所以现在这个 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，FD等会儿可以展开聊一下，我们可以先把这个gap聊完。就是您刚刚说的这个落差，如果从您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。对我，因为天天跟那些CIO啊、CLO打交道啊，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什么AI能干啥，然后丢给他说我也要。
这是现在就是尤其大企业的 CIO 最头疼的事儿，因为总体来讲，我们现在的这个很多企业的一号位，他其实对技术并不是那么知道，对吧？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位和落差。就是AI可以帮我们做很多的事情，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的过程。嗯，那。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。所以在AI的这个前提下，一方面我们如何能够通过AI的方式侦查到？
底层我数据的断点在哪儿？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。那这个是对新产生的数据是吗？如果是前历史级的数据，那还是得让AI发token清洗一遍，还是会？对，所以现在FDE其实你建本体就是要在你茫茫的这个历史数据里去把你的business
object，就是你的这些。
典型的数据按照业务对象做完梳理，其实它才能支撑你 agent 的运行嘛。其实就是这样一个过程。然后 AI 也可以帮助加速这个过程，就以前都是人干的，现在 AI 也可以帮助去梳理以前的历史数据。是的，是的。但是这里面分两步哈，一些是就刚才描述的固定流程。固定流程的，其实你没有必要花偷啃再去梳理，因为在 SAP 里，它一二三四五步是很清晰的，对吗？
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。那还有一些，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，把老师傅给蒸出来。就是以前可能是靠人去判断说，哦，我的计提我到底应该怎么计提？大家开了两个会，哦，我知道了，好，按这个比例去做计提。这个know
how给它征出来以后，那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的这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。除了这些之外，还有什么别的吗？我觉得还有一个经常被吐槽的，也是我认识的C H R O，基本上都会。给我打电话说，Bessie给我推荐个人。其实现在呢，就是你看到真正懂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？
然后呢，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？数据在哪儿，对吧？而且我过来，我可能不是一个人过来，我弄，我得带几个人，我才能把这事儿干了。那对于一个传统企业，他就首先他可能没有那么多张卡，然后呢，这个他对于AI来讲有向往，他又想找top tier的top tier，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，这一部分我觉得是，我现在看到就是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。那这个就是正好聊到你前面提到的 FDE，现在变成一个很火的事件。FDE 就是前向部署工程师，对我理解啊，他就是一个驻场的 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 用的更好。
首先，我最开始看到这个概念的时候，我其实有一个疑问啊，就这和比如说像 SAP 啊、 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？你看 FDE 这个模式出现还是 volunteer 对他们最开始用的对吗？嗯，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梳理，就是它更偏底层数据的角度去看。
所以你看 FDE 工程师的。背景其实他还是一个偏产品侧、偏技术侧的一个人，而反观像SAP，就是这些ERP软件，我们派所谓的顾问去那儿做访谈的时候，他更多的背景是。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到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。所以，首先人的技能和背景不一样，另外他切入的视角，他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roughly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儿。但是总体的流程它还是按照既有的这个标准化的流程走下来的，所以这就是传统的一个ERP实施的一个过程。那当时你们那个流程里面啊，需要做定制化开发的那部分人，他们是在客户的现场，还是其实不用去客户现场也能开发？
原来都是在客户现场，但是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，对，是否驻场不是最基本的，而是这个人的背景，因为那个时候就我们就算是做开发的人，其实他还是一个consultant，他不是产品。就最终你做的客户化开发的东西，它是作为一个功能模块挂在你标准产品之外的，嗯。而现在
FDE 是我把产品就本身做产品的人提前部署到你那儿，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，我做客户化的定制。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儿比较远的时候，到底我的产品。能力的演进，哪些可以包在这里面？他是直接用产品的人去做，所以他更偏底层的 engineer。
所以现在你看啊，现在 F D E 模式的演进，包括不管是 Anthropic，包括 Open A I，它不光和PE company合作，成立FDE的组织去做，他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product engineer前期的部署到客户那儿，他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。就一开始大家觉得代码是一切，我过去了，咔咔就可以做了。但其实发现这个过程里面，就是我的ontology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是就是这种组合的，又懂技术本身，但是同时还可以深入的了解客户的业务，完成这样的转化。
所以你看，现在Anthropic也跟这些咨询公司，Boss Chen啊，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。嗯，就相当于FDE那个是偏工程师的，然后咨询师是偏，其实就是你说之前的那种流程里的业务顾问的那个角色。是的。对，最近有很多这种大的合作。就五月的时候，SAP和 OpenAI 都是各自宣布成立了这种单独的 F E 的组织 company。
对对对对，就是部署公司 Deploying Company。然后他们的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 P E，我觉得 P E 是可以给他介绍客户。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 hands-on 的项目。
而且参与他们这个事儿的很多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，嗯，就也会寻找一些他们的出路。我们自己其实也有FDE的team，然后最近微软不是也成立了FDE的team？其实大家现在还是说对于实现方式是达成共识的，但是。
在FDE的过程里面出来的东西还没有完全的达成共识，就是大家现在都是认为该这么做，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中间。对，嗯，然后SAP的好处是因为我，毕竟我其实还是有一些业务的理解是在这里面的。那我举个例子，我们有一个大的，就是我现在不说名字了，大的很innovate的company，然后他自己也有很多的所谓的这个自己用cloud的去做的数字化员工去做，呃，比如说有一个官务系统，就是。
他在全球三十三个国家去做关务海关的申报，然后呢，因为不同国家它的关务单据是完全不一样的，然后这一套document的数据量是很大的。那他们自己做了这个所谓agent去做，然后这个关务的审核报关，然后。那准确率只有百分之六七十，所以发现上了这个A诊以后，人变忙了，因为人总要去查这些百分之六七十剩下的这些错误到底来源于哪儿，然后没有提效，反倒是大家怨声载道。
那我们进去了，因为我们本身对于这三十三个国家，我们有GTC，就是我们有一个Global本身就是做税务的一个平台，所以我们大概对这三十三个国家的。所以我是有基本理解的，而且我们有一个 document AI，它通过模型就是 template 的配置，就是模板的配置，就大概知道每个国家基本的这个数据项大概是什么样。
这这样基于一个标准，你做数据切片，你就不用每次都是长上下文，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百分之九十几，然后他们就本来是说做一个国家试点，然后马上争相的三十几个国家都说我要上线，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这个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，就是说，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，或者收集那样的数据代价很大的那一部分补充上，其实就是很好的一个。状态其实，那从刚才我们分享的这些Anthropic、OpenAI的做事的方式的改变和演进中，你也能看出来端倪。
说我想象的是原来F第一这样去做，后来演进成哦，我要在一个客户群体里，然后我要引入更了解业务的，然后大家一起去做。那那其实就是在企图分离出来哪些是。业务顾问能读懂本身，你不需要再去用大模型重新去做泛化生成的哪些是你可以快速叠加增量价值的部分？嗯，你怎么看Anthropic Open AI来做这件事儿所代表的他们背后的野心呀？
那如果他们自己把FDE这套也跑下来，我看起来他们就能自己的独立服务一些。to B的这种大客户会和你们有更多的竞争和冲突吗？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，大混战啊。对，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。好的事儿不是坏事儿，对吧？
然后就看以SAP见长的，就我们见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，它模型的能力很强，它怎么快速的补充上它对业务的理解的部分？就是大家其实都是在一个。就是发挥自己擅长的，同时补短板的一个过程，然后就看谁调整的更快。
你觉得哪个更难补？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。就是水涨船高，你基模的能力提升了，其实它会带动本身的效率的提升，对吧？然后这个。相对来讲，我觉得，尤其现在这个模型的本身有 cloud 的呀这些能力，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 不到我想 hire 的人。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儿的时候。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。所以前一阵儿就是敞开了烧头垦，鼓励大家烧头垦。even在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 在现实场景里面遇遇到的技术上的挑战远小于组织上的挑战，组织上挑战会更大。对，您觉得 F D E 这个潮流会持续吗？
我觉得这涉及到一个就很多人会关心的话题，就这是不是一个好的就业方向？因为一方面 coding 肯定是替代了很多程序员嘛，比如前端、后端中比较基础的程序员。然后就有一种声音说，大家可以去做 F T B，去做那个前向部署工程师。嗯呃，不过我就听下来，我觉得就比如说借鉴以前的 S A P 啊，像甲骨文这些大的公司发展历程，可能这个前向部署到了一定阶段之后，很多产品它又会沉淀成一个相对标准化的东西，是吗？
那这些类人他是持续需要还是会变少？我觉得总体来讲效率一定会提升，对吧？就是我们现在看到一个，比如说一个呃创业企业，它可能以前是一个需要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儿就干了，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儿。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啊。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 会？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，你逃不出来脏活累活梳理企业的流程、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的加速了，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 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 F D E 会不会持续的演进，是不是会完全复刻在两千年上下，就是咨询公司爆发的那段时间？
我觉得可能不一定有那样十倍、二十倍规模的增长，因为人效提升了，对吧？同时呢，其实是两波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 F D E 偏 A I 偏 coding 的人。在做那到底是它占据更主要的地位，还是它占据更主要的地位？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，能最后持续的在这个岗位上去去工作。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F D E这个角色上，嗯，对，嗯，正好我觉得可以聊到就是您说的从小圈子它外溢到更多行业的这个过程啊，可以以SAP大中华区为例子来讲讲，就你们看到就是从科技行业然后往外它是怎么一步一步的。
哪些行业可能用这种更加AI、更加自主、更加Agent的方式来运营企业正在变得普及？因为这个浪潮其实真正。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，我们也不是和所有的企业打交道啊，可能是片段的，但是我们会有大客户和小客户都有。那我们看到的趋势上，其实真金白银能付出钱去做这件事儿的，相对来讲大客户会多一点，因为它有。
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，让他去做这件事儿。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。像在国内的话，你们比较大的客户本身，他比如每年给你们的这个收入体量，或者说客单价是一个什么量级？
如果他们开始AI转型的话，他们大概会先从什么量级开始试？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，就是他访谈两千多家，百分之八十八的企业都或多或少的都会用AI去做一些项目，但是只有百分之三的。
觉得我真正的是有业务回报的，所以这个过程就导致现在更多的企业其实真正AI上production的，就刚才我描述的像观雾什么，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，然后呢做更大的时候，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这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演进的路数。反倒是最struggle的，就是中间层，可能在这个几个亿到一百亿左右这个中型企业。那这里面我们看到的是和创始人或者和这个企业的一号位的认知是强相关的，有一些。他会自然而然地认为我要拥抱AI，我要用AI去做提效。
那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。这个用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，其实就是他还是说我可能等你们导制清楚了，我再入场。我可能现在不是一个最好的入场的时间。尤其中国的这个中等规模的企业，它是非常现实的，即便是你。
你头脑里想的很多很创新、很创新的一些 cool branding 的企业，我不说名字，但是在他真正企业管理侧，真正愿意投钱去做 AI 提效的。并不那么多，他做AI很多的还是在AI赋能产品，比如说我可能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，我用更顶尖的人才，把我所有的端侧模型都优化一遍。
嗯，其实他愿意投钱在产品创新，他就不是组织层的。对，其实他自己的管理哲学相关，就是他不认为我现在投在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长出来全球的巨头？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，然后呢，导致后续又会售后运维的压力大，然后又会资源又倒到售后上，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 foundation 建好，对吧？所以现在 AI 来了以后，你觉得 AI 就自然而然的能帮助这个一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盘，它自然而然就变好了。其实不会，对吧？所以其实我觉得，就是虽然我们现在看上去很多国外的企业很慢，然后有的时候就我自己都会嘲笑他们，就是哎呀，做个审批这么烦，然后很多东西都很慢。
但其实有的时候你AI一旦赋能到所谓的一些这个国外的公司，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。冷静的去想，说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 runway，在未来 AI 真正体效来的时候，你有一个相对整齐的一个技术架构。
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，就可能是再补以前信息化的一些课是。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。嗯，比如说就是你的基础没打好，你数据很乱，对，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，而且我主要的驱动还是把AI放在产品侧，而不去看底下的这些东西的话，其实它不是说不行，这么多企业，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，你在遇着下一波技术变革的时候，它不会自然而然的帮你把以前落的课就自然而然的跨越。它不是个弯道超车的逻辑，对，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。对企业其实相对来讲还是比较复杂的一个东西，就是出来混总是要还的。那它这个东西有什么行业上的区别吗？就比如说。科技公司，尤其是互联网公司，肯定是AI接纳AI渗透比较好的，因为他们本身里面需要编程的工种和人和工作都比较多。
那再往下看的话，什么行业会先接受？然后什么行业？然后什么行业？对，我觉得一定的就是这种轻资产行业，其实对于AI是很，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ICP比较擅长的，把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四点零，所谓智能化工厂的建设，其实都出去规模以后，现在。不管各种机器人儿，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这个特性吧。但是后续我觉得啊，就是如果我们未来去畅想。AI就是现在，Even Anthropic也在投，开始弄那个Physical AI。
它那个新的blog里面已经开始说，对对对对对，OpenAI的blog，对OpenAI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E V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。那最后，最后大家选择我做Full Stack，就是从芯片到车我都做。我把Tier One的空间压缩，它最后，最后它就是变成一个。
你说它是一个传统企业，还是一个创新企业？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。是支撑未来这一波产业升级、成长、高速成长非常重要的一件事。嗯嗯，从这个角度来讲，我觉得SAP还是有可用之处的。而且我们自己，就我觉得这个公司。
敢于这么 fundamental 的 change 自己的 business model，颠覆自己，就是他也有他的可取之处。毕竟，七二年的时候，他也是一个五个人的 startup。我们现在就是公司的理念就是重回创业心态，再做一遍，对吧？其实就是这样的一个过程。嗯，有五十几年的历史了，七二年到现在五十四年，嗯嗯，五十四年。
我觉得比较有意思一点就是那个年代，就是甲骨文差不多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了啊，就它一直都在啊，也就是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。波动吗？对对，我觉得一定有刚才我解释过的底层逻辑，对吧？定价模式啊，这些一定是对就是传承厂商会造成冲击的。
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儿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。其实中国的外企外企人没自己创过业，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，嗯嗯。
但是呢，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。take risk就是承担风险，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，包括你的博客，也听很多外部的博客，就是我会被那些年轻的创业者所打动的地方是。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A I就会帮他去做实现，这样就是测试去实验对。超级个体成长的速度是是非常非常快的，嗯，那在创业群体里，他自然的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带来很好的一面的。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，因为我们也是无上限使用 Claude 随便使，对吧？嗯，就我们也看到很多有想法的，你可能日常他就按部就班的做工作，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 Mini 架在公司薅羊毛，去做各种的实现，去做。
其实他扔出去可能就是一个超级个体，对吧？那对我们外企的命题就是如何激发这样的人，更多的拉动着这样的一个组织去往前走。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，是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一个结合。它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在辅助上，AI的这些赋能，其实它会变得更 powerful，更强有力。嗯，你刚刚说的是个人层面，就在组织层面的话，你们和中国一些公司也有合作，比如说你们和阿里的合作是比较多的。
对，你们和阿里合作一起是来做什么？来给中国的这些客户提供一些什么特别的价值？对，我觉得，因为中国的AI确实是比较独特的一个生态，对吧？那我们在全球，因为和大的这个不管Hyper Scaler还是AI的公司都有合作。那在中国，因为AI的生态不同啊，那我们产品都首先会呃，就是落在阿里云的这个Infrastructure上面，基础架构的支撑是在阿里云上。
那同时面向AI，其实呃，我们会把阿里的千问的模型嵌入到。我们的MAS就是我们的Microsoft 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FDE。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兵力能结合在一起，去做出来更符合中国用户的特定的AI的这个场景，其实是大家。
现在一起在探索的方式，就说你们FDE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 Now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的ERP，本身跑在阿里云上，然后呢他又用钉钉，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，然后就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，调动我的这个生产执行落地？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。嗯，这个万森集团是个服装企业，对对吧？服装品牌做做羽绒服的。对他有品牌，他也给很多别的代工做代工，对，嗯，哦，对他，所以会涉及你刚刚说的那个问题，对，嗯嗯，都是大品牌，都是大老板，嗯，然后
SAP 还有一个在中国的，我觉得比较独特的价值就是你们是服务很多中国企业出海的，嗯，这个可以讲讲，就是有什么比较有意思例子吗？
尤其是 AI 来了之后，对他们出海。不过，包括怎么解决合规啊、税务啊、供应链的问题，能带来什么新的变化？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搭在这儿了，所以我们本身就支持，就我们自己就在一百五十多个国家运营，所以我们对于全球超过两百国家的这些税务啊，然后合规的要求，是我们就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，对巴西巴西的税务是全球最复杂的，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，那所以对于中国企业出海，不管你出到哪儿，那其实你都可以借助我们已经很好的这个 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箱。
那另外呢，就是我觉得中国企业现在出去做很多的收并购，嗯，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，尤其很多欧洲企业就是天然就是SAP的用户，所以它就会有很多的。这个组织的集成的问题，系统集成的问题，对吧？然后系统对接什么的，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去赋能这个这个企业。刚才我其实提到的这个观物就是一个特别好的例子哈。还有就是你像像联想，其实我觉得联想。也是民营企业里面所谓全球化比例度最高的，因为它海外已经超过百分之八十了。我们跟联想是从它两百亿一直到现在几千亿的规模，一直都在合作，就包括它的历数次的海外的这个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我们的 Signavio，就是这个。一个流程 process mining 的工具，帮他去做用 AI 助力他去看企业，现在已经有两千多个流程，嗯，他在一个全球化的视野里去看他这些内部的所有的流程，然后如何有断点在哪儿是有提效的空间，所以就在这种复杂架构下，其实 SAP 是就是非常。
自然的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。嗯，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。最后，想问一下您这么多年的一些总结性的观察，因为之前您在甲骨文、微软、SAP都工作过。
然后是经历了最开始大型的企业软件可能是本地部署，后来是云化放到云上，然后到现在生成式AI技术变化，就这一次技术周期的变化和你之前经历过的那些变化，就是从本地到云，然后到从信息化到智能化的，你觉得本质的相同和区别是什么？嗯。就是区别就是速度，就是因为它和人的交互方式的改变，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的，现在其实真的是AI平权做的非常好，所以每个人都可以轻松的去驾驭AI，然后所以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。带来包括之前我刚才谈到的工业革命的这个这个蒸汽机、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泡沫啊、小圈子狂欢，它一定是在。初期它就是这样的一个形态，然后随着时间去做外溢，然后我相信AI带来的外溢的速度会比之前的几波技术周期带来的要短，对吧？这个是底层逻辑是不变的。然后最终最终其实，嗯，很多的时候你看到，嗯，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糅合在一起。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，它它也是在一个逐步从担心、恐惧到慢慢的适应、pick up，然后学习的这样的一个过程。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。我也听很多VC的访谈，他们就看说投什么样的人，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。
嗯，你什么时代都是有这样特质的人，最终最终会变成金子打尖儿的那些人。一般高频回答就是学习能力快的，学习能力强的人。对对，所以我觉得这些其实就你自己的迭代循环，还是人的这一趴，其实是不太就是日。人和社会和组织的交织和技术冲击的这样的一个交互方式，其实并没有本质上的变化，就是一个速度的变化。对，包括您自己之前也说过，说人的判断是没有办法规模化的，就目至少在目前的这个技术条件下，这其实也是它带来，就是说你从模型技术到很多企业应用中间gap的那一部分。
对，现在好多人不是都说，哎呀，就反正我一天不睡觉我去弄，也就是二十四小时我就一个脑袋，对吧？就是你看，真正有那种创业冲动的人，他就是在。你的想法的实现不是瓶颈的时候，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，AI处理是海量数据，但是人接收不了，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？就是我觉得，就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一些一些再造和颠覆。
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的。嗯，那今天非常感谢原欣总做客晚点聊，分享了SAP在AI领域看到的一些机会，哪些SAP过往这五十多年的积累其实是AI技术也挺难撼动的，而哪些新的事情、新的价值是AI来了之后可以结合SAP这一类存在已久的ERP企业核心资源平台。可以去呃带来新的价值和发挥新的创新的地方，嗯，那今天节目就到这里，感谢各位的收听，拜拜，拜拜。
本期节目就到这里，感谢收听。如果你对今天聊的话题有观察、好奇或疑问，欢迎在评论区分享想法，这也会成为我们节目的一部分，让整个讨论更完整。你也可以把我们的节目分享给对这个话题感兴趣的朋友，推荐更多你想听的主题和嘉宾。你可以从小宇宙、苹果 Podcast 等渠道关注“晚点聊 Late Talk”，也欢迎关注我们的公众号“晚点 Late Post”。
下期再见。