传统软件公司AI转型的危与机

导出时间：2026/5/19 05:54:36

来源地址：https://www.doubao.com/chat/38425636918877186

消息数量：4

那同样的逻辑也可以利用到 Oracle 上。 Oracle 这种数据库公司，它本身像跟 SAP 这种公司，本身就是我们所讨论的 ERP 企业数据解决方案。那么 Oracle 目前的战略为什么让人觉得眼花缭乱？那同样的 SAP 这种行业巨头，它的目前的发展的战略又是怎样的？和国内的这些本土的 ERP 软件公司又有什么不同的地方呢？
搜索 2 个关键词，参考 8 篇资料
你的判断完全成立：Oracle、SAP 与国内金蝶 / 用友，本质上都在走 “数据 + AI + 垂直场景” 的同一条路，但因为出身、体量、全球化程度不同，战略表象和执行路径差异极大 ——Oracle 最 “眼花缭乱”，SAP 最 “体系化”，国内厂商最 “接地气”。

一、Oracle：为什么战略看起来 “眼花缭乱”？

Oracle 的底色是数据库 + 全栈软件 + 云，现在强行叠加 AI，三层逻辑交织，所以看起来摇摆、跨界、动作极多。

1. 战略本质：“AI× 数据” 的基础设施霸权

  • 核心定位：把数据库变成 AI 原生引擎（26ai 版本），让数据在库里直接训练、推理，不用搬来搬去。
  • 三层同时发力：
    • 数据库层：内核嵌入向量计算、NLP、自动调优，做 “AI 数据库”。
    • 云层（OCI）：疯狂砸算力，给 OpenAI、xAI 等供 GPU，做 AI 时代的 “电力公司”。
    • 应用层（Fusion ERP）：把 AI 塞进财务、供应链，和 SAP 正面竞争。
  • 一句话：既要做 AI 的 “地基”（数据库 + 算力），又要做 “房子”（ERP），还要给别人 “供电”（租 GPU），三线并行，所以动作多、战线长、看起来乱。

2. 为什么 “眼花缭乱”？三大矛盾

  • 历史包袱重：从数据库→ERP→云→AI，四次转型同时进行，旧业务（授权、硬件）和新业务（AI、云）撕扯。
  • 野心过大：既要跟 AWS/Azure 抢云，又要跟 SAP 抢 ERP，还要跟英伟达抢算力生态，四面开战。
  • 商业模式冲突：老客户要稳定、低成本；新 AI 业务要高投入、高毛利，左右互搏。
结论：Oracle 不是战略乱，是同时在四个战场作战，所以看起来眼花缭乱，但底层逻辑很统一 ——控制企业数据的入口，用 AI 把数据变成智能。

二、SAP：巨头的 “稳准狠”，战略最清晰

SAP 和 Oracle 一样是 “数据库 + ERP + 云”，但聚焦、克制、体系化，完全不 “眼花缭乱”。

1. 核心战略：S/4HANA Cloud + BTP + AI（Joule）

  • 底层：S/4HANA Cloud：内存数据库 + 云原生 ERP，全球统一数据底座。
  • 中台：BTP（业务技术平台）：开放数据、AI、低代码，让客户 / 伙伴在上面开发，做生态 “操作系统”。
  • AI 层：嵌入式 AI + 生成式 AI（Joule）：
    • 嵌入式：自动记账、排产、风控，深嵌流程。
    • 生成式：自然语言问数据、写报表、设计流程，做智能副驾。
  • 一句话：用统一云 ERP 管住全球数据，用 BTP 开放生态，用 AI 重构流程，三层环环相扣，非常清晰。

2. 和 Oracle 的关键区别

  • SAP 聚焦 “企业运营”：只做 ERP + 供应链 + 人力，不碰底层算力和通用大模型，专注垂直场景。
  • Oracle 想做 “全栈霸主”：从芯片→服务器→数据库→云→ERP→AI，全包全揽。
  • SAP 生态更开放：BTP 对接 AWS/Azure/ 阿里云，不独占客户数据；Oracle 强推 OCI，想把客户锁在自家云里。

三、国内 ERP（金蝶 / 用友）vs SAP/Oracle：同路不同层

三者底层逻辑一致：数据 + AI + 垂直场景，但起点、全球化、技术深度完全不同。

1. 相同点：都在做 “AI 落地最后一公里”

  • 都手握企业核心数据（财务、供应链）。
  • 都不做通用大模型，只做场景化 AI（自动记账、智能报表）。
  • 都从卖软件转向订阅 + 服务，靠数据和 AI 赚钱。

2. 核心差异（四大维度）

  • 全球化能力
    • SAP/Oracle：190 + 国家税务、多币种、多语言，跨国集团首选。
    • 金蝶 / 用友：深耕中国，适配国资 / 财税 / 信创，出海弱。
  • 技术底座深度
    • SAP：自研内存数据库（HANA）+ BTP 云原生，AI 深嵌内核。
    • Oracle：数据库内核级 AI + OCI 算力，技术壁垒最高。
    • 金蝶 / 用友：基于开源 / 公有云，AI 多为外挂式集成（对接文心 / 通义），底层自研少。
  • 行业 know-how
    • SAP：高端制造、汽车、化工，全球行业模板极丰富。
    • 金蝶 / 用友：国资、国企、中小企业，财税、本地化合规最强。
  • 商业模式
    • SAP/Oracle：高客单价、长周期、重实施，服务全球 500 强。
    • 金蝶 / 用友：中低客单价、快速交付、渠道密集，覆盖中国广大中小企业。

四、一句话总结

  • Oracle：全栈野心家，数据库 + 云 + ERP+AI 四线并发，看起来乱，实则要垄断企业数据智能的全链条。
  • SAP：垂直深耕者，聚焦全球企业运营，用 “云 ERP + 开放平台 + 场景 AI” 构建不可替代的商业操作系统。
  • 金蝶 / 用友：本土实干家，吃透中国市场，用 “本地化适配 + 低成本 + 快速 AI 落地” 服务国内企业，是 SAP/Oracle 的 “本土化镜像”。
三者同归而殊途：AI 时代，得企业数据者得天下——Oracle 想当 “全能霸主”，SAP 想当 “全球管家”，金蝶 / 用友想当 “本土龙头”。
要不要我把 Oracle、SAP、金蝶 / 用友的 AI 转型关键动作，整理成一份可直接对比的精简清单？
【金蝶突然赚钱了！给所有中国软件公司指了条活路】 点击链接打开👉 https://m.toutiao.com/is/8r6C0zzzhi0/ 8r6C0zzzhi0` eRk:/ S@y.tR :8am 复制此条消息，打开「今日头条APP」或「今日头条极速版APP」后直接查看~ 这个问题我们以前也讨论过这个问题，就是说在传统软件行业迈向 AI 时代的一个危机，生存危机，但是既是危机，从来就是又是危又是机会，就是既有危险又有机会，原因在哪里呢？就是原因在于企业的，就是在人工智能时代它需要的是什么呢？往往企业自己并不是那么。清楚，就是说即便清楚，他也没有这个能力去实施。而传统软件公司呢，虽然不是人工智能公司，但是它有资源，他有经验，他有这种对企业的数据的掌控的这些，或者说是呃近水楼台先得月它毕竟它是软件公司，它一直有人才，有资源，有这个框架，有这些经验。能够帮助企业去进行 AI 转型，或者说成为 AI 服务商，这一点其实很多人可能没有真的意识到，因为。对于大模型公司怎么去对接企业的数据，然后去训练模型，这一点，大家往往会认为说这是大模型公司的专业领域，其他传统软件公司无法参与。但是随着大模型。这个普及，或者说，他也需要一个最后1公里的这种帮他去做这个事情，也就是垂直领域的这些服务吧，它毕竟需要这么一个。他不可能，他做的是通用大模型，他要去服务专业的领域，专业的具体的公司，整合它的数据等等，这些它还是需要传统软件公司，尤其这种 ERP 公司，就是跟这个原来的企业数据紧密相关联的公司去帮他做这个事情，甚至于说呃。这种 ERP 这种传统软件公司，它可以去利用 AI 模型去直接做这些工作，而不是说由数据模型公司去做这个事情，这一点其实是一个很。灰色，或者说大家看的不是很清楚，就是具体他能做什么，具体怎么做，其实最难的都是这个 how，就是怎么做的这个关键的领域，这点没有看清楚，就会导致武断地认为说，或者说，传统软件公司在这个 AI 时代会彻底被淘汰，或者说武断地认为说传统软件公司还能够去做很多事情，这两者可能都不是百分之百对，但实际上呢。嗯，要具体分析，这里面就是真正的呃困难的地方
搜索 2 个关键词，参考 10 篇资料
你这段思考，刚好点中了传统软件公司在 AI 时代的核心矛盾与机会窗口：大模型在上、企业数据在里、传统软件卡在 “最后一公里”，危在 “被替代”，机在 “做连接器 + 场景落地者”。下面把逻辑理顺、把 “how” 讲透。

一、金蝶 “突然赚钱”，不是偶然，是路径跑通

2025 年金蝶扭亏为盈：营收 70.06 亿（+12%），经调整净利 2.32 亿，云订阅 35.56 亿（+20.9%），AI 签约 3.56 亿。本质是两件事叠加：
  • 云转型收尾：从卖 License 转向订阅，现金流与毛利率修复，盈利闭环完成。
  • AI 落地见效：不是做通用大模型，而是把大模型塞进 ERP 场景，做 “企业管理 AI”。

二、AI 时代，传统软件公司的 “危” 与 “机”

危机：被 “夹杀”

  • 上方：通用大模型公司（如文心、通义）想直接服务企业，做 “原生 AI 应用”。
  • 下方：企业自建 AI 团队，试图绕过软件厂商直连大模型。
  • 结论：纯工具型、无数据 / 场景壁垒的软件公司，会被边缘化。

机会：“近水楼台” 的三重壁垒

你说得很对：传统软件（尤其 ERP）手握企业数据、懂业务流程、有客户信任，这是大模型公司短期内拿不到的 “护城河”。
  1. 数据壁垒：ERP 里的财务、供应链、人力数据，是企业最核心、最敏感的生产数据，不会轻易交给第三方大模型公司。
  2. 场景壁垒：大模型懂语言，但不懂制造业 BOM、零售库存周转、集团合并报表—— 这些是 ERP 厂商 30 年积累的 “行业 know-how”。
  3. 落地壁垒：大模型输出的是 “文字”，企业要的是 “自动记账、自动排产、自动风控”——把 AI 能力翻译成业务动作，必须靠行业软件公司。

三、真正的战场：不是 “造模型”，是 “做智能体 + 深度运营”

大模型公司做的是通用能力（如聊天、摘要）；传统软件公司做的是专用智能体（如财务智能体、采购智能体），核心差异在 3 个 “how”：
  1. How 数据安全与治理：企业数据不能出私有部署 / 专属云，ERP 厂商做 “数据守门人”，在本地 / 专属域完成模型微调与推理，这是大模型公司难规模化的。
  2. How 场景化深度适配：把大模型能力嵌入 ERP 流程—— 比如发票自动识别→生成凭证→校验税务规则→自动过账，不是 “外挂 AI”，是 “AI 原生流程”。
  3. How 商业模式重构：从 “卖软件” 到按结果收费（RaaS）—— 差旅智能体按行程数收费、财报智能体按报表数量收费、供应链智能体按降本金额分成。金蝶已试点，客户接受度高。

四、结论：传统软件公司的活路，是 “垂直 AI 服务商”

不是和大模型公司抢 “通用 AI”，而是做通用大模型的 “行业翻译官 + 落地执行者”：
  • 大模型：提供 “大脑”（通用认知）。
  • 传统软件：提供 “躯干 + 手脚”（行业数据 + 业务流程 + 落地能力）。
  • 企业：获得 “开箱即用的行业 AI 系统”，不用自建团队、不用担数据风险。
一句话总结：AI 时代，懂行业、握数据、能落地的传统软件公司，不是被淘汰，而是价值重估—— 金蝶的盈利，只是开始。
要不要我把以上逻辑浓缩成一份可直接套用的 “传统软件公司 AI 转型 3 步清单”？