2026-10-29 · 企业数字化深度解读（架构 / 底座视角）
一、一个被忽略的细节：SAP 把模型做进了表格里
10 月 27 日柏林 TechEd 上，SAP 抛出的一组发布里，最值得企业 IT 负责人盯住的，不是又多了几个智能体，而是一个听起来很"底层"的动作——它发布了 SAP-RPT-2.0 和 SAP-RPT-TS，一类专门为企业结构化数据训练的表格原生基础模型。前者做多表结构的异常与离群检测，后者做时序预测，已经用在 SAP 集成业务计划的需求预测里。
为什么这件小事重要？因为过去两年，几乎所有 ERP 厂商的 AI 故事都是同一套：把通用大模型接进来，让它在聊天框里帮你总结、写邮件、答问题。SAP 这一步反过来——不靠通用模型"理解"企业的表，而是直接训一个"生来就懂表"的模型。这背后是一个判断：企业最重要的知识，绝大部分躺在 ERP 那些一行行、一列列的记账凭证、库存移动、生产工单里，而不是在文档和邮件里。
当 CTO Philipp Herzig 说出"从 AI 学习你的业务，转向 AI 运行你的业务"时，他描述的不是又一个助手，而是 ERP 底层被重写——数据层长出原生 AI 能力，治理层被抬成一个网关。
二、底座与网关：大厂打法的两条收敛线
把最近几周 SAP、Oracle、微软的动作摊开看，一条清晰的收敛线浮现出来：厂商不再比"谁的演示更炫"，而是比两件事——底座能不能承载受治理的执行，网关能不能管住智能体的边界。
SAP 的样本：网关 + 网关后的确定性
SAP 本轮同时端出了 Enterprise AI Gateway（计划 2027 年一季度）：一个受治理的入口，把第三方智能体的认证、策略、路由、监控、审计收口在一处。第三方 agent 不再各自直连 ERP，而是经过统一网关调用 Joule Agent。更妙的是，Joule Studio 内嵌了 n8n——合规敏感的任务走固定规则自动化，零幻觉；生成式 agent 负责开放式推理。这是"确定性 + 生成式"第一次被厂商正式放进同一个编排里。
Oracle 的呼应：执行包络与结果回执
两周前 Oracle 的 Fusion Claw 把"原生 agent 编排"塞进平台层，强调推理与执行分离、Enterprise Operating Envelope 与 Outcome Receipts（结果回执）。思路同构：先定义"这个 agent 能在什么包络内动"，再让它在里面跑，每一步留痕可回执。
MCP
SAP 与 Odoo 20 alike 支持 Model Context Protocol，让外部模型以用户既有权限接入
A2A
Agent-to-Agent 协议让跨厂商智能体可互操作，互通从单协议走向协议栈
中端的样本：Epicor 的 Headless ERP
Epicor 在 Insights 2026 把 Kinetic 做成"无界面 ERP"——agent、外部工具通过 MCP 直连数据并触发动作。一个运费智能体帮客户揪出两年间 70 万美元运费差异，把差异率从 19% 压到 1.5%；Ascend 计划承诺合格客户 90 天云上线。离交易层最近的人，拥有了通用 AI 厂商复制不了的数据优势。
开源视角的镜像。Odoo 20 的原生 MCP 把"连接外部模型"做成开关，但钥匙和治理交还给你：模型你选、数据 100% 留在自己的库、权限落在你既有的访问规则上。大厂把网关建在自己云里，Odoo 把网关的权利留给你——这是两条路线最本质的分叉。
三、为什么"底座"比"聪明"更值钱
Redwood Software 在 10 月 22 日的一份报告里，用百分比把一件事说透了：治理缺口已经不是"未来的风险"，而是"正在发生的成本"。
企业已经因"无治理智能体"经历过负面后果（意外云成本、运营中断、合规问题排前三）
82%
认为"现有系统"而非"缺乏战略"才是扩展 AI 的最大障碍
42%
拥有已部署智能体的集中注册表——多数企业连"跑过哪些 agent"都数不清
这组数据戳破了一个幻觉：很多公司以为"上智能体"的难点是模型不够强，真实难点是旧系统接不住、没人看得見、没人兜底。当 77% 已经付过代价，底座（数据干净度、连接、注册表、监控）就成了比模型参数更硬的指标。
对成长型企业的提醒。直接套用大厂的消费计费全家桶，却跳过注册表与实时监控，等于把"已发生成本"的概率放大。中端企业最该先补的，不是又一个智能体，而是一张"我到底跑着哪些 agent、它们能碰什么、谁负责"的清单。
四、真实环境会"打脸"基准：编排才是生死线
Twarx 的《2026 ORS Playbook》给了一组让采购者清醒的数字：Claude 在受控基准上约 24% 的任务成功率已被视为"强"，可一旦合规闸门和 ERP 连接器介入，企业试点内完成率崩到 8% 以下。原因很朴素——基准跑在干净沙箱里，而你的环境有四眼签批、SOC 2 日志、限流的老 API、身份系统 15 分钟会话超时。等一步要 VP 审批三小时，多数框架会丢状态、整条流无声死掉。
结论先行。模型是部署里最小的那部分。真正的成败在编排层与人在环：工具连接深度、审批容忍度、合规面、失败恢复逻辑、价值时延窗口。给环境打一打 Orchestration Readiness Score，比盯模型排行榜有用得多。
五、CIO 的三条实操建议
- 把"底座审计"放进立项第一步。先确认主数据一致、接口可连、日志可留，再谈上智能体；地基没平，上面越智能越危险。
- 网关先于智能体。无论自研还是采购，先有集中注册表与实时监控（今天仅 42% / 51% 做到），再放 agent 进生产。没有"看得见"，就没有"管得住"。
- 用协议降锁定。优先选支持 MCP / A2A 的开源或开放路线（如 Odoo 20 原生 MCP），把"连接"标准化，将来换模型、换厂商不至于推倒重来。数据主权这一条，写进合同，不写进 PPT。
结语
这一轮企业数字化的重写，主角不是某个更聪明的模型，而是 ERP 自己长出的数据底座与治理网关。大厂把底座建在云里、把网关收在自己手里；开源 ERP 把底座与网关的权利交还给你。对绝大多数成长型企业来说，真正的护城河从来不是"谁更聪明"，而是"我的数据干不干净、我的边界画没画清、我的主权在不在自己合同里"。先把这三件事做对，AI 才会从演示里的魔术，变成月底结账时真能省下的人工。
本文由企业数字化 × AI 每日聚合任务生成，基于 2026-10-22 ~ 10-29 公开信息整理，原创未重复历史发布。
主要信息源：SAP TechEd 2026（Berlin, 10-27）· Oracle Fusion Claw · Epicor Insights 2026 / TechFinitive / SoftwareReviews · Redwood Software《Enterprise benchmarks in AI and agentic orchestration 2026》(10-22) · Twarx ORS Playbook (2026) · Odoo 20 官方发布说明。
