8月6日到8日，用友在南京办了 2026 全球商业创新大会。会后我翻新闻稿时，被一个看似不起眼的缩写勾住了注意力——AIX。
王文京在开场演讲里给这个缩写下了定义：企业软件正从「XAI」走向「AIX」。XAI 是"人执行、AI 辅助"——你坐在驾驶位，AI 在旁边念导航；AIX 是"人授权、AI 执行"——你把目的地告诉 AI，它自己规划路线、自己踩油门，你负责盯着仪表盘。
一个字母的位置变化，背后是整个行业对 AI 角色的重新定义。配合 BIP6 的发布——63 个垂直领域智能体、623 个智能能力、2.6 万多个应用接口——这轮发布想传达的信息很明确：中国头部 ERP 厂商，正式把"AI 能干活"写进了产品底座。
一、一个字母的移位：从副驾驶到授权执行
用友把这条路划成三个阶段，翻译成人话大概是这样的：
| 阶段 | AI 的角色 | 谁在干活 | 典型形态 |
|---|---|---|---|
| XAI（副驾驶时代） | 辅助者 | 人主导，AI 建议 | 问答、内容生成、流程引导 |
| AIX（智能体时代） | 执行者 | AI 主导，人授权+监督 | 自主规划、调接口、执行业务闭环 |
| AI 原生时代 | 主导者 | AI 主导，人监督 | 系统级智能体自主运营 |
这个划分跟我在过去一个多月观察到的行业动向完全对得上。Odoo 20 的路线图把 AI 从"独立应用"改成"嵌入会计、网站、工单、工时"的任务级 Agent；金蝶在 8 月 4 日港澳站正式发布了企业级 AIOS「灵基」，提供智能体开发、编排、运作、治理的完整能力；畅捷通上周发布的"小畅+畅龙虾"双引擎，更是直接把"会聊天的 AI"和"能干活的 AI"拆成了两个产品。
各家叫法不同——Agentic、AIOS、双引擎、AIX——但内核是同一个：AI 不再满足于回答问题，它要开始动手做事了。
二、BIP6 装了什么：五大 AI 原生新品背后的逻辑
看 BIP6 的发布阵容，能明显感觉到用友这次不是"功能叠加"，而是按"数据-模型-平台-应用"重新搭了一层架子：
- YonWork 企业 AI 工作台——员工的统一 AI 入口，把分散在财务、人力、采购、供应链里的活儿收进一个对话式界面；
- YonData 企业 AI 数据智能体——让 AI 直接面对企业数据资产做分析和决策支持，而不是隔着一层报表工具；
- YonCode 企业级 AICoding 平台——开发侧的 AI，跟"智能体软件"配套，解决"AI 时代的软件谁来写、怎么写更快"；
- BIP 穿透式监管平台——这个值得多说一句，它是给"AI 执行"兜底的：AI 干了什么、凭什么这么干、干完有没有留痕，得有人看得见；
- YonOnto 企业本体平台——把企业的业务对象、关系、口径沉淀成机器可理解的"本体"，相当于给 AI 配了一本企业词典。
把这五件套放一起看，逻辑就清楚了：YonOnto 管"AI 认不认识你的企业"，YonData 管"AI 有没有数据可用"，YonWork 管"员工怎么跟 AI 协作"，YonCode 管"AI 时代的开发效率"，穿透式监管管"AI 执行了能不能审"。
配套的落地数字也出来了：佰工钢铁依托 BIP 实现吨钢成本降低 82 元、岗位精算人效提升 7%、品种钢销售比例提升 18%；用友累计帮 300 多家大中型企业替换了国际厂商系统，迁移周期缩短 85% 以上、数据准确率 99.9%。
我的判断是：BIP6 真正的看点不在某个智能体多聪明，而在"穿透式监管"和"企业本体"这两个基建件——它们回答的是同一个问题：AI 执行得再快，出了事算谁的、怎么追溯。没有这一层，前面的 AI 执行能力在企业里是推不动的。
三、不只是用友：全球 ERP 正在同一时间点转向
把时间线拉出来看，会发现这轮"执行者转向"是集体行动，不是某一家抢先：
| 厂商 | 近期动作 | 对"AI 执行"的表态 |
|---|---|---|
| 用友 BIP6 | 8月6-8日发布 | AIX 战略：人授权、AI 执行，双模并存 |
| 金蝶灵基 | 8月4日港澳站发布 AIOS | AI 原生操作系统，智能体全生命周期治理 |
| Odoo 20 | 9月24-26日布鲁塞尔发布 | AI 从功能变底层，任务级 Agent 自主多步执行 |
| 畅捷通 | 8月6日双智能引擎 | 小畅（对话）+畅龙虾（自主执行）双引擎 |
| Oracle / Epicor | 7-8月陆续发布 | Agent 嵌入财务、供应链，自然语言直达业务 |
五家厂商、五个产品形态，指向同一个判断：企业软件竞争的下半场，拼的是"AI 的执行能力 + 治理能力"。以前比谁的模块全、谁的界面顺手；现在比谁的智能体真能在业务里闭环跑起来，同时跑完还能留下让审计放心的轨迹。
四、对选型者和实施者的三句话
第一句：评估 AI 能力，别再问"能生成什么"，改问"能执行什么、留不留痕"。让厂商现场演示一个端到端业务闭环——比如从销售机会自动创建报价、审批、发货、开票——看它是否真的调了业务数据、是否每一步都有记录可查。演示不了闭环的，再强的问答能力也只是副驾驶。
第二句：把"数据底座"写进选型合同。AIX 时代，主数据的干净程度直接决定智能体敢不敢上岗。选型时要把数据清洗、口径统一、本体建模的工作量和责任边界写清楚，这部分钱不能省，省了后面全从交付期里找补回来。
第三句：治理先行，权限和审计跟上。给 AI 授权执行之前，先定清楚：哪些动作 AI 能自主做，哪些必须人工确认；AI 的每一步操作有没有日志、能否回溯。建议从小范围、低风险的场景（数据查询、报表生成、单据录入）先试点，跑通治理机制再扩大授权面。
也泼一盆冷水：别被"全自动零人工"的宣传带跑。AIX 阶段企业要的是"人授权+AI 执行+人监督"的稳定三角，不是撒手不管。所谓"AI 原生"，落到企业内部首先是"治理原生"——没有治理的自主执行，等于给企业装了一台没有刹车的发动机。王文京演讲里那个"智能双模"的提法反而更务实：规则明确的流程继续用流程软件，需要判断和执行的才交给智能体，两条腿走路。
写到最后想说一句：XAI 到 AIX，一个字母的移位，是产业对"AI 该扮演什么角色"给出的答案。对企业数字化负责人来说，这既是机会也是功课——机会在于 AI 终于能从"汇报工具"变成"干活的人"；功课在于，授权之前，得先把数据、权限、审计这三件事钉死。方向已经很清楚了，接下来比的是谁执行得稳。
