上周，金蝶云·星空 V9.1 停止新购的消息在圈子里传开了。7月21日起，这个服务了成千上万家中小企业的公有云 ERP 版本，官方购买通道正式关闭，替代方案只有一个——金蝶 AI 套件公有云。想继续买旧版？可以，走"产品突破生命周期销控申请"特批，但懂行的人都知道，特殊通道的时间和结果都不确定。
几乎同一时间，浪潮数据在北京发布了自己研发的 AI 数据操作系统，宣布从云计算、分布式存储服务商升级为 AI 基础设施服务商。再往前数几天，IDC 公布年度 AI 榜单，金蝶入选"IDC AI 50强"。
这几件事单独看各有各的叙事，但放在一起，信号就很清楚了：国产 ERP 的 AI 化，已经从一个宣传口号，变成了切切实实的产品动作和商业决策。这篇文章想聊聊这三件事背后的共同逻辑，以及它对正在选型、正在用国产 ERP 的企业意味着什么。
一、停售旧版本，是厂商最直白的表态
先说金蝶这次停售。很多人第一反应是"厂商想逼我们升级"，这个判断方向没错，但只说对了一半。
金蝶 2026 年的产品动作其实是一套组合拳：年初 K/3 Cloud 系列多个历史版本停售，3月星空 V7.x 系列停售，7月轮到 V9.1。每一步都在收窄旧产品线，把增量客户往新方向引。而新方向非常明确——AI 套件。金蝶上半年发布了企业 AI 原生操作系统"灵基"，管理层定下"AI 原生产品收入 10 亿元"的年度目标，甚至提出了"2030 年用 AI 再造一个金蝶"。
说白了，停售不是目的，是手段。厂商在用生命周期管理这种最硬核的方式，告诉市场：AI 不是 ERP 的插件，而是 ERP 的新底座。你可以在外面慢慢观望，但增量市场已经没有旧版本可以买了。
对老用户来说，已经上线的系统不受影响，续费、服务都正常，这一点金蝶官方说得很清楚。真正要留意的是两类人：一是正打算新购 ERP 的企业，现在摆在你面前的基本只有 AI 套件，选型逻辑要跟着变；二是计划未来一两年内扩容、换模块的存量客户，窗口期内的决策会影响后面三到五年的技术路线。
这个趋势不是金蝶一家。用友的 YonClaw、鼎捷的雅典娜、浪潮的工业大模型，加上 IDC 反复强调的"AI-enhanced ERP 市场 2025 年同比增长 96.1%"，国产厂商已经集体把 AI 提到了产品战略的核心位置。区别只是有的快、有的慢，有的激进、有的温和。
二、AI 要落地，先得有"底座"
厂商端的产品动作之外，这周还有一个容易被忽略但分量很重的消息：浪潮数据发布了自研的 AI 数据操作系统。
很多人听到"数据操作系统"会觉得抽象，但它其实直指企业 AI 落地的真实痛点。浪潮数据在发布会上总结了行业四大难题：一是持续演进难——企业原有云数基础设施不能浪费，新增 AI 算力得融入现有环境；二是数据就绪难——数据孤岛普遍存在，多源多模数据融合不起来；三是生态协同难——芯片、存储、模型、应用各玩各的，缺乏统一底座；四是应用落地难——数据怎么变成知识、算力怎么变成业务价值，投入产出难以评估。
这四条，做过企业 AI 项目的人应该都深有体会。尤其是第二条——数据就绪。我们服务过不少企业，很多老板以为上了大模型就能"让 AI 分析经营数据"，结果项目一启动才发现，光是把 ERP、CRM、MES 里口径不一的数据清洗对齐，就要耗掉一大半预算。AI 再聪明，喂进去的是脏数据，吐出来的也是垃圾结论。
浪潮这套系统的设计逻辑，值得关注两点：
- "玄同"负责数据底座——高性能全闪融合存储，解决数据怎么存、怎么快的问题；
- "万象"负责智能体运行环境——解决 AI 代理在什么环境里跑、怎么调度算力的问题。
翻译成人话：一边把数据这个"粮仓"建好，一边把 AI 这个"厨师"的工作台搭好，两件事打包成标准化的基础设施卖给你。
对企业来说，这意味着一个重要的认知更新：AI 落地的最大成本，从来不是模型调用费，而是数据就绪度。不管是选国产 ERP 的 AI 套件，还是用 Odoo 搭自己的 AI 能力，数据治理都是绕不开的前置投入。谁先把自己的数据底座理顺，谁就能更快吃到 AI 的红利。
三、实用化拐点：从"能聊"到"能干活"
如果说金蝶停售是"厂商端"的加速键，浪潮发布底座是"基础设施端"的加速键，那这周还有一条"应用端"的新闻值得放在一起看——英伟达创始人黄仁勋最近反复强调的一个判断：AI 已经进入实用化拐点。
他的核心观点是：过去两年大家关心 AI"能不能聊"，现在该关心 AI"能不能干活"。新一代智能体系统可以自主调用搜索引擎、数据库、API，反复迭代直到任务完成，实现"端到端交付"——AI 不再只是输出一段文字等你整理，而是直接帮你把活干完。他甚至断言，传统 IT 轻资产时代即将终结，数据中心会从"存储仓库"变成"生产 Token 的工厂"。
国内已经有企业给出了可量化的佐证。上海蓝盟在其25周年大会上披露：公司构建了覆盖人事、财务、采购、营销、商务、中台的"六大智能体体系"，实现了"1人+AI 30分钟完成传统团队1周工作量"；桌面运维场景下，大模型 Agent 能自动处理 45%–90% 的常见问题；客户服务报告生成时间从 90 分钟压缩到 2 分钟以内。
注意：45 倍、90% 这类数字，意义不在于"AI 多厉害"，而在于它给了企业一个可评估、可复制的参照系。AI 实用化的标志，不是技术演示有多惊艳，而是能否在真实业务流程里稳定地缩短时间、降低成本。做不到这一点，再大的模型也只是玩具。
结语
把这周的三件事串起来看，国产 ERP 的 AI 化其实已经完成了"拼图"：金蝶这类应用厂商在加速产品换代，浪潮这类基础设施厂商在补齐数据底座，而黄仁勋和大量落地案例在验证"AI 真能干活"这个前提。三股力量合流，接下来两年企业数字化的主旋律基本可以确定——谁先把数据和业务流程准备好，谁就能在 AI 时代跑在前面。
对企业而言，现在的当务之急不是纠结"用哪家的 AI"，而是回答三个更基础的问题：我的数据就绪了吗？我的哪些流程最适合 AI 先跑起来？我选的技术路线在五年内会不会被厂商停售、被市场淘汰？想清楚这三件事，比追任何热点都重要。
