目录
- SAP与企业AI落地的底层逻辑 [00:00:00 - 00:10:00]
- 企业流程、数据与软件壁垒 [00:10:00 - 00:20:00]
- AI对企业软件形态的重塑 [00:20:00 - 00:30:00]
- 基础模型与企业私有数据 [00:30:00 - 00:40:00]
- Agent、垂直模型与FDE [00:40:00 - 00:50:00]
- FDE的能力结构与组织落地 [00:50:00 - 01:00:00]
- 组织惯性与企业转型 [01:00:00 - 01:10:00]
- AI落地的节奏与中国生态 [01:10:00 - 01:20:00]
- SAP在中国的AI合作与商业模式 [01:20:00 - 01:30:00]
- AI时代的企业能力与个人成长 [01:30:00 - 01:31:32]
SAP与企业AI落地的底层逻辑
原欣：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，它还是要有人在路上去做干预的，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的世界里必经的路线，欢迎收听晚点聊，我是曼琪，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 [00:00:53]
程曼祺：自1972年在德国瓦尔多夫小镇创立后，它经过50多年发展成全球企业级软件巨头，确认的收入接近420亿美元，全球百强企业里大多数都是SAP的客户，但2026年以来 AI coding（人工智能编程）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，由几十年数据和行业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1998年以来，原欣有近30年的企业市场经验，先后在甲骨文 VMware 微软等公司工作，她也分享了多年来她观察到的，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，原欣总你可也先和我们的听友，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 [00:02:27]
原欣：比如它具体是做什么的，它现在核心的业务是什么，对，大多数人都不太知道，我来SAP的时候，我们家里人们，我就说换工作了，去哪，去SAP 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还是相当当的，属于业内出窍，对吧，就是在我的认知里，做ERP的人 somehow都会把SAP 就等同于ERP（企业资源计划）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operation 所以确实是一个To B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，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，Sapphire大会上，也官宣了我们最新的产品策略，就是要做这个 Autonomous Enterprise（自主运营企业），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，可以给大家介绍一下 [00:03:41]
程曼祺：ERP是什么吗，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，以及也可以简单地讲讲，就比如说ERP从最开始，没有一个非常产品化的东西 [00:04:31]
原欣：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 ERP这三个字，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，滞后的业务反映，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 Lead 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，到我把这个巡园，我去哪买，对吧，空运商怎么入库，然后我怎么去溢价，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，我觉得也可以跟大家来对比一下 [00:06:32]
程曼祺：比如说ERP和飞书和丁丁的关系，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对用的，对吧，它会有一个平台，它也会有些IM 即时通讯，有些文档的东西
原欣：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，或者用肥书，或者用丁丁，然后也会和我们的 ERP系统齐成，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 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，是在不管是丁丁，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，既有划分好的阵地，一定是被重新打乱，重新去看的，其实在AI出现之前，我们也看到，不管是丁丁和飞叔，他也在去做一些应用的渗透，就是他不满足于我，只是做一些会议系统，对吧，你像飞叔他也有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，他会发现，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，其实我们现在每个地方，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，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 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，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，其实才三百多亿欧元，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 [00:09:31]
企业流程、数据与软件壁垒
原欣：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
程曼祺：然后这个数据颗粒度的问题，所以就是为什么，图语不太好看，但是另一方面，就像飞叔和丁丁，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，数据平台的那一部分，对，就是我觉得，就是先不说AI [00:10:24]
原欣：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，但是相对来讲，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 identic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，它本身还是新屏装老九 [00:12:39]
程曼祺：其实没有实质性的变化，这个正好也是我想问的，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（人工智能编程）的能力变得越来越强了，其实从资本市场的情绪来看的话，二五年年中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300美元，但是最近的话，它是又回落到了160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
原欣：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，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轴，就是以，比如说我们21年 21年因为是SAP 等于是上云的元年，他定义了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，就是21年和现在的股价，你看到很多的这个产品 已经几乎不存在，或者是夭折了，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的这种，就单点SaaS的产品，单点SaaS 对吧，这种的像Adobe 那时候快500吧 480 现在200多块 200 201 202 我最近没看 220左右，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，还有一些就属于竞争家具的这种，你还是像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，现在可能AI出来了以后，很多的本身的竞争的家具，包括的功能被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，首先我想问一下 ERP它算SaaS吗，就是融化之后，它也算SaaS 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跌得更厉害，只有我们可能还算挺在，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，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，大家对于这种定价模式的认知，坍塌了，就是你以后都agent了，你还按人头，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sees based的，就是作息数定价的一个模式 consumption based就是按用量来定价 现在token基本上都是按用量定价的，但是当然现在硅谷更新的公司，都是这种RAS Result as 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 [00:16:55]
程曼祺：SaaS公司的面临的一个挑战，就是您刚才说，这个冲击有两个点，一个是前面其实，已经说得比较详细了，就是关于商业模式上，大家会从按作息收费，更多的转向，按消耗量去收费，未来也有可能是，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，正好我觉得可以插开讲一讲，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 [00:17:15]
原欣：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，比如说我要带教验，带安全性的，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，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，但你们如果去服务一个客户的话
程曼祺：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，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，就是我说的是 [00:18:32]
原欣：total加在一起是大概几亿行代码，所以你就是说我复刻，我用agent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，不管是这个C行代码，对于通用业务的支撑的底层逻辑 [00:19:37]
AI对企业软件形态的重塑
原欣：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，更个性化的需有用，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 [00:20:49]
程曼祺：是真正能带给来，业务价值的这一派，肯定是更重要的一个战场，总结一下，您刚才说的这个意思，是不是指这种SAP 过去历史上积累的，很多这种软件，一个是系统层，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
原欣：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，那其实我就用webcoding 去做一个很简单的应用，因为就是serve 我能可建可管理的，这样的一个purpose 其实小的公司是，很容易用低成本 [00:21:29]
程曼祺：去做这件事的，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，就变成日炮式，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，就是我觉得不排除，这种情况，就是我们还是把它
原欣：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service你的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，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，拿到说宇森，拿到墨西哥，他在墨西哥住了好久，管墨西哥的业务，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，多元的支持，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，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，我是被颠覆的那一帕，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，时事周期长，交互性差，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JU 就我们的这个工作助手，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 有做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，以前所谓的这四一行代码，在底层的一些复杂度，而让用户的交互界面，变得非常友好，非常清亮，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 [00:25:53]
程曼祺：能体验到AI 给这个所谓的传统的ERP软件，带来的不一样，您刚才说的有一个价值，我这天没想到过，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的系统，那其实您刚才还说到一个点，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，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，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，我觉得一说SAP就默认，就觉得SAP是大公司，其实从我们实际数据告诉我们 SAP80%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，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 [00:27:33]
原欣：所以呢，你看就是对外宣传的时候，我肯定都说，世界百强里99家是用的，就是你用大的品牌做宣传，近人皆知，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偶合的形式存在，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，我的背书的建立信任的机制会更好，所以你会看到，有无形的手把它往伞里拆，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 [00:29:48]
基础模型与企业私有数据
原欣：对AI长线发展是，保有非常乐观态度的一个人，我觉得他一定会影响，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，一定会涨出来的，因为在未来，我们现在在，所谓第四次供应革命的中间点，对吧，你回看不管是蒸汽机，电力，互联网出现的，所谓的工业1.0 2.0 3.0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FAN的工业4.0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述吗 [00:31:47]
程曼祺：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5月的Sapphire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Gework AI交互界面，同时也推出了 50多个Gew智能助手，对
原欣：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agent执行，但是人要去做这个判断，然后呢，在人去做判断的时候，我们希望它是一个，以drew 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，比如说你歌情化的东西，如果我现有的agent 不能满足你的需要的话，其实drew work可以给你空间，让你在一个studio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 把更多的数据和流程性的东西，暴露在上一层，那我们能够让 identical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SAP比较有优势的地方，因为SAP的语境，它还是基于table 就是这个关系数据库，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，轻松地完成他的业务，同时还能保证他的准确性，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，所以就是 [00:34:51]
程曼祺：也许又往后，它人的部分会越来越少，然后系统会更加的自主和自动，对就是agent 自动执行的部分会越来越多，我觉得可能在未来的五到十年，一定还是一个human in the loop [00:35:17]
原欣：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，但是在每次越节关账的时候，就光是比如说intercompany的reconciliation 就是企业接网来的一个核对，他就会有各种agent运行完了以后，他可能完成70% 80%甚至90%都可以给你对上，但是会有那些比如说会遇导致的差异，到底是会遇差异还是数据错误，这是需要人判断的，比如说我的坏账记题，我到底用什么样的模式，记题多少，这些所有的记题，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，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 [00:36:25]
程曼祺：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agent 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，其实工作了很多年，微软可能就是，他会自己顺一些模型，你们现在是和 Azure Peak和Google 和微软这些，有机模的公司来合作，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，自己顺大模型，因为其实SAP的体量
原欣：和它的资源，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，你看现在做机模的，不管是，就是我觉得，大家关注的重点，还不一样 SAP擅长的还是在企业运营册的流程，数据的处理，包括用户交互册的一些知识积累会比较多，现在说白了，积膜的这个演进速度是非常快的，你看Cursor也被收了，以前你做Coding的时候，你认为你是在一个戏份里面做，然后随着积膜提升，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，然后其实很多是因为，他们各自有各自的笔源模型，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Resonance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思维数据里面，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-1 [00:39:12]
Agent、垂直模型与FDE
原欣：我们自己有RPT-1 现在到1.5 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，他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，他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
程曼祺：所以简单回答就是 SAP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畴，它肯定是多多少少 [00:40:51]
原欣：也会有幻觉的，是，所以我们现在就是，在看说什么样的，就当然，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99%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 [00:41:04]
程曼祺：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
原欣：就我不想下很绝对的定义，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，那个安提提无所不能，他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，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，他其实也不一定做得很好，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，其实他都会有，所谓的这个AI的转向去投，然后有一些企业，也会有龙虾港，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，它还没有据点到说，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，思域数据能结合模型，去做最大化的一个转化 [00:42:53]
程曼祺：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等会儿可以展开聊一下，我们可以先把这个GAF聊完，就是您刚说这个落差，如果从您自己观察的，一些案例里面来说 [00:43:41]
原欣：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 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 CIO最头疼的事，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，再喂给他，因为以前其实你做数据仓库，或者数据库仓一体 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，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，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坟，而不是需要我，再二次去做数据的清理加工，费这么大的金，费这么多token 去清洗我的数据 [00:44:50]
程曼祺：其实就是现在，很普遍的一个诉求，这个是对新产生的数据是吗，如果是潜力世界的数据，那还是得让AI 发token清洗一遍，对，所以现在FDE 其实你建本体 [00:45:37]
原欣：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
程曼祺：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，但是这里面分两步，一些是就刚才描述的，固定流程的 [00:46:03]
原欣：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，不管是丁丁飞书，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，把老师傅给争出来 就是以前可能是靠人去判断，说我的记忆体，我到底应该怎么记忆体，大家开了两个会，我知道了，好按这个比例去做记忆体，这个know how 给它争出来以后，那你在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，你慢慢克，自动化执行的部分，就会越来越高，除了这个之外，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 CHRO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，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，那这个就正好聊到，你前面提到的FDE [00:48:59]
程曼祺：现在变成一个很火的事件 FDE就是前项部署工程师，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 Salesforce这些大型的，以前的软件公司，都会做的这种，授权的工程师，或者铸厂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 [00:49:03]
原欣：还是Palantir开始用的，对嘛，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书底，就是他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做访谈的时候，他更多的背景是，我是一个行业专家
FDE的能力结构与组织落地
原欣：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，我从你希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，最终他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 我可能约就是五步要走，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 [00:50:53]
程曼祺：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，当然后面大家都是远程交付，也都没有问题 [00:51:07]
原欣：其实我觉得倒不在于，是否住场，对是否住场不是最基本的，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，而现在FDE是我把产品就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的，我做科幻化的定制，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，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Anthrotic 包括OpenAI 他不光和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Preda Engineer 前期的部署到客户那儿，他就自然而然代码就出来了，因为他缺乏一个转化器，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 他才能回归到产品侧，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，我过去了就快快就可以做了，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，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Boston 这些咨询公司也开始合作 [00:53:04]
程曼祺：就是大家要有一个能力的互补，这相当于FDE那个是偏工程师的，然后咨询师是偏，其实就你说之前的那种流程，你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 SRP和OpenAI都是各自宣布，成立了这种单独的 FDE的组织，对，对对对，就是部署公司 Deployment Company 然后他们合作方就是有什么，麦肯锡，有艾森哲，有这种咨询公司
原欣：然后另外也是有一些PE 我觉得PE是不是可以给他介绍客户，对他的portfolio company 就是他的背头企业，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
程曼祺：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 [00:54:11]
原欣：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
程曼祺：但是在FDE的过程里面出来的东西，还没有完全的达成共识，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
原欣：然后SAP的好处是因为，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，我现在不说名字，大的很innovated的company 然后他自己也有很多的，所谓的这个，自己用Claude Code去做的，数字化员工去做，比如说有一个官务系统，就是他在全球33个国家，去做官务海关的申报，然后呢因为不同国家，他的官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，然后这个官务的审核，报官，然后那准确率只有百分之六七十，所以发现上了这个agent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，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33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33个国家的税务，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，就是说所有以前的东西，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 Antropic 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FDE这样去做，后来演进成，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，你怎么看Anthropic Open案来做这件事，所代表着他们背后的野心 [00:57:30]
程曼祺：那如果他们自己把FD 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
原欣：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建厂的，就我们建厂的是，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Antropic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，你机模的能力提升了 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Claude Code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确实，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的时候，大多数人不会因为AI来了，就自然而然的拥抱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 [00:59:54]
组织惯性与企业转型
原欣：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东西，我就自然而然去学了，所以前一阵就是敞开了烧头，肯鼓励大家烧头，可能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
程曼祺：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，您觉得FDE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，比如前端后端这种比较基础的程序员，然后就有一种声音说，大家可以去做FDE 可以去做那个成像部署工程师，不过我就是听下来，我觉得就比如说借鉴以前的SAP 像甲骨文这些大的公司发展历程，可能这个前项部署，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，那这些类人 [01:00:39]
原欣：它是确确需要还是会变少，我觉得总体来讲，效率一定会提升，我们现在看到一个，比如说一个创业企业，它可能以前是一个需要一个 50到200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，所以不管你是做FDE 还是做什么样的工作，可能我们都需要 fear 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，我们再去说这一段，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 中继形态是什么样，现在你也不知道，但是我们看到的更多的，还是说你逃不出来，脏活累活，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，我怎么把业务转化成我的代码，现在还是一样，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的世界里必经的路线，所以这段时间这个工作一定是需要的 就是说未来说FDE会不会持续的演进，是不是会完全复刻在2000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，夏晨在做这个，然后FDE偏AI偏coding的人在做，那到底是他占据更主要的地位，还是他占据更主要的地位，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 [01:03:07]
程曼祺：能最后持续的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，正好我觉得可以聊到，就是您说的，从小圈子，它外移到更多行业的这个过程，可以以SAP大中华区，为例子来讲一讲，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
原欣：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，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，像在国内的话，你们比较大的客户，本身他比如每年 [01:04:31]
程曼祺：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 [01:05:23]
原欣：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，他访谈了2000多家 88%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，就刚才我描述的像官务什么，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straggo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的认为，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，其实就是它还是说，我可能等你们捯饬清楚了，我在入场，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，我用更顶尖的人台，把我所有的端侧模型，都优化一遍，其实他愿意投钱在产品上，他就不是组织层，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，他都是在追逐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 售后运为的压力大，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不会自然而然的帮你修复掉 [01:09:11]
AI落地的节奏与中国生态
原欣：AI不会自然而然的帮你修复掉，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，就是哎呀做个神聘这么烦，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真正体校来的时候，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 [01:10:52]
程曼祺：确实都在补过去的很多的课，就可能是在补以前，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
原欣：你现在还是会犯，比如说就是你的机器没打好，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，反正我就是既用既抛，然后就可以快速的跑，而且我主要的驱动，还是把AFN产品测，而不去看底下的这些东西的话，其实他不是说不行，这么多企业，中国企业都这么长起来了，而且长得也都挺好，在全球也有竞争力，对吧，都可以，但是你看，你在找下一波技术变革的时候，他不会自然而然的，帮你把以前辣的课，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，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 [01:11:09]
程曼祺：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 [01:12:04]
原欣：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SAP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420 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，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 就现在Even Entropic也在头，开始弄那个Physical AI 它那个新的blog里面，已经开始说，对对对 OpenAI也在搞，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，那最后最后大家选择，我做Foodstack 就是从芯片到车，我都做，我把Tier1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，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72年的时候，他也是一个五个人的start up 我们现在就公司理念就是，重回创业心态再做一遍，对吧，其实就是这样的一个过程 [01:14:58]
程曼祺：有五十几年的历史 72年到现在 54年 54年，我觉得比较有意思的一点就是，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，穿越了挺多周期的，它一直都在，也就是互联网，并没有把这块吃掉，对吧 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，对，我觉得一定有 [01:15:45]
原欣：刚才我解释过的，底层逻辑，对吧，定价模式这些，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 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，包括你的播客，也听很多外部的播客，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agent就会帮他去做实现，这样去测试去实验，对超级个体成长的速度，是非常非常快的 那在创业群体里，它自然的会有这样，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，有的，就我们现在鼓励大家，因为我们也是无上限使用 Clockwork随便使，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，他会有很多的想法，而且他会自己买两三个mini 架在公司豪洋毛，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 中国企业也蛮生长的这个过程，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一个结合，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，在辅助上AI的这些赋能，其实它会变得更powerful 更强有力，你刚说的是个人层面 [01:18:56]
程曼祺：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 [01:19:41]
原欣：对我觉得因为中国的AI确实是比较独特的一个生态，我们在全球因为和大的不管Hyperscalar还是AI的公司都有合作
SAP在中国的AI合作与商业模式
原欣：我们在全球因为和大的不管Hyperscalar还是AI的公司都有合作，那在中国因为AI的生态不同，那我们产品都首先会落在阿里云的infrastructure上面，基础架构的支撑是在阿里云上，那同时面向AI 其实我们会把阿里的前文的模型，嵌入到我们的MAS 就是我们的Mobile AI 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病例，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，就是说你们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 ERP 本身跑在阿里云上，然后呢他又用丁丁，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，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，那如何把我在丁丁里追单的信息，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，和丁丁里的数据，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 这个曼森企业，是个服装企业，对，服装品牌 [01:21:46]
程曼祺：做羽绒服的，对，它有品牌，它也给很多，别的代工，做代工，对，所以会设计，你刚刚说的那个问题，对，都是大品牌，都是大老板，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，很多中国写出海的，这个可以讲一讲，就是有什么，比较有意思的例子吗，尤其是AI来了之后，对他们出海，不光包括，怎么解决合规，税务，供应链的问题 [01:22:14]
原欣：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150多个国家运营，所以我们对于，全球超过200个国家的，这些税务啊，然后合规的要求，是我们，就是日常产品，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，打底的这些服务项，那另外呢，就是我觉得，中国企业现在出去，做很多的shopping go 这个我们也是看到，这个趋势是很明显的，其实shopping go以后，你会发现他买来的，尤其很多欧洲企业，就是天然就是SAP的用户，所以他就会有很多的，这个组织的集成的问题，系统集成的问题，对吧，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，在手柄沟里面，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，这个关物就是一个，特别好的例子，还有就是像联想，其实我觉得联想，也是迷因企业里面，所谓全球化比例最高的，因为它海外已经超过80%了，我们跟联想是从它200亿，一直到现在几千亿的规模，一直都在合作，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我们Signavio 就是这个一个流程 Process Mining的工具，帮它去做，用AI助力它去看，企业现在已经有2000多个流程，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，在哪是有提效的空间 所以就在这种复杂架构下，其实SAB是，就是非常自然的融入到，支撑他全球的，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，从几十个亿 [01:25:21]
程曼祺：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，深层是AI技术变化，就这次技术周期的变化，和你之前经历过的，那些变化，就是从本地到云，然后到
原欣：从心理化到智能化的，你觉得本质的相同和区别是什么，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，做得非常好，所以每个人都可以，轻松地去驾驭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泡沫小圈子的黄昏，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游戏，带来的要短，对吧，这个是底层逻辑是不变的，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，他也是在一个逐步，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，你什么时代，都是有这样特质的人，最终最终会变成金字大尖的，那些人 一般高频回答就是学习能力，快的人，学习能力强的人，对对，所以我觉得这些，其实，你自己的迭代循环，还是人的这一帕，其实是不太，就是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 [01:28:51]
程曼祺：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 [01:29:10]
原欣：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24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，不是平静的时候，自己的想法就变成了平静，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平静，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
AI时代的企业能力与个人成长
原欣：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
程曼祺：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，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50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，可以去带来新的价值，和发挥新的创新的地方，那今天节目就到这里，感谢各位的收听，拜拜，拜拜 也欢迎关注我们的公众号，晚点LatePost 下期再见 [01:31:28]