8月6日到8日，用友在南京辦了 2026 全球商業創新大會。會後我翻新聞稿時，被一個看似不起眼的縮寫勾住了注意力——AIX。
王文京在開場演講裡給這個縮寫下了定義：企業軟體正從「XAI」走向「AIX」。XAI 是「人執行、AI 輔助」——你坐在駕駛位，AI 在旁邊念導航；AIX 是「人授權、AI 執行」——你把目的地告訴 AI，它自己規劃路線、自己踩油門，你負責盯著儀表盤。
一個字母的位置變化，背後是整個行業對 AI 角色的重新定義。配合 BIP6 的發佈——63 個垂直領域智能體、623 個智能能力、2.6 萬多個應用接口——這輪發佈想傳達的資訊很明確：中國頭部 ERP 廠商，正式把「AI 能幹活」寫進了產品底座。
一、一個字母的移位：從副駕駛到授權執行
用友把這條路劃成三個階段，翻譯成人話大概是這樣的：
| 階段 | AI 的角色 | 誰在幹活 | 典型形態 |
|---|---|---|---|
| XAI（副駕駛時代） | 輔助者 | 人主導，AI 建議 | 問答、內容生成、流程引導 |
| AIX（智能體時代） | 執行者 | AI 主導，人授權+監督 | 自主規劃、調接口、執行業務閉環 |
| AI 原生時代 | 主導者 | AI 主導，人監督 | 系統級智能體自主運營 |
這個劃分跟我在過去一個多月觀察到的行業動向完全對得上。Odoo 20 的路線圖把 AI 從「獨立應用」改成「嵌入會計、網站、工單、工時」的任務級 Agent；金蝶在 8 月 4 日港澳站正式發佈了企業級 AIOS「靈基」，提供智慧體開發、編排、運作、治理的完整能力；暢捷通上週發佈的「小暢+暢龍蝦」雙引擎，更是直接把「會聊天的 AI」和「能幹活的 AI」拆成了兩個產品。
各家叫法不同——Agentic、AIOS、雙引擎、AIX——但內核是同一個：AI 不再滿足於回答問題，它要開始動手做事了。
二、BIP6 裝了什麼：五大 AI 原生新品背後的邏輯
看 BIP6 的發布陣容，能明顯感覺到用友這次不是「功能疊加」，而是按「數據-模型-平台-應用」重新搭了一層架子：
- YonWork 企業 AI 工作台——員工的統一 AI 入口，把分散在財務、人力、採購、供應鏈裡的活兒收進一個對話式介面；
- YonData 企業 AI 數據智能體——讓 AI 直接面對企業數據資產做分析和決策支援，而不是隔著一層報表工具；
- YonCode 企業級 AICoding 平台——開發側的 AI，跟「智能體軟體」配套，解決「AI 時代的軟體誰來寫、怎麼寫更快」；
- BIP 穿透式監管平台——這個值得多說一句，它是給「AI 執行」兜底的：AI 幹了什麼、憑什麼這麼幹、幹完有沒有留痕，得有人看得見；
- YonOnto 企業本體平台——把企業的業務對象、關係、口徑沉澱成機器可理解的「本體」，相當於給 AI 配了一本企業詞典。
把這五件套放一起看，邏輯就清楚了：YonOnto 管「AI 認不認識你的企業」，YonData 管「AI 有沒有數據可用」，YonWork 管「員工怎麼跟 AI 協作」，YonCode 管「AI 時代的開發效率」，穿透式監管管「AI 執行了能不能審」。
配套的落地數字也出來了：佰工鋼鐵依託 BIP 實現噸鋼成本降低 82 元、崗位精算人效提升 7%、品種鋼銷售比例提升 18%；用友累計幫 300 多家大中型企業替換了國際廠商系統，遷移週期縮短 85% 以上、數據準確率 99.9%。
我的判斷是：BIP6 真正的看點不在某個智能體多聰明，而在「穿透式監管」和「企業本體」這兩個基建件——它們回答的是同一個問題：AI 執行得再快，出了事算誰的、怎麼追溯。沒有這一層，前面的 AI 執行能力在企業裡是推不動的。
三、不只是用友：全球 ERP 正在同一時間點轉向
把時間線拉出來看，會發現這輪「執行者轉向」是集體行動，不是某一家搶先：
| 廠商 | 近期動作 | 對「AI 執行」的表態 |
|---|---|---|
| 用友 BIP6 | 8月6-8日發布 | AIX 戰略：人授權、AI 執行，雙模並存 |
| 金蝶靈基 | 8月4日港澳站發佈 AIOS | AI 原生操作系統，智能體全生命週期治理 |
| Odoo 20 | 9月24-26日布魯塞爾發布 | AI 從功能變底層，任務級 Agent 自主多步執行 |
| 暢捷通 | 8月6日雙智能引擎 | 小暢（對話）+暢龍蝦（自主執行）雙引擎 |
| Oracle / Epicor | 7-8月陸續發布 | Agent 嵌入財務、供應鏈，自然語言直達業務 |
五家廠商、五個產品形態，指向同一個判斷：企業軟體競爭的下半場，拼的是「AI 的執行能力 + 治理能力」。以前比誰的模組全、誰的介面順手；現在比誰的智慧體真能在業務裡閉環跑起來，同時跑完還能留下讓審計放心的軌跡。
四、對選型者和實施者的三句話
第一句：評估 AI 能力，別再問「能生成什麼」，改問「能執行什麼、留不留痕」。讓廠商現場演示一個端到端業務閉環——比如從銷售機會自動建立報價、審批、出貨、開立發票——看它是否真的調了業務資料、是否每一步都有記錄可查。演示不了閉環的，再強的問答能力也只是副駕駛。
第二句：把「數據底座」寫進選型合同。AIX 時代，主數據的乾淨程度直接決定智能體敢不敢上崗。選型時要把數據清洗、口徑統一、本體建模的工作量和責任邊界寫清楚，這部分錢不能省，省了後面全從交付期裡找補回來。
第三句：治理先行，權限和審計跟上。給 AI 授權執行之前，先定清楚：哪些動作 AI 能自主做，哪些必須人工確認；AI 的每一步操作有沒有日誌、能否回溯。建議從小範圍、低風險的場景（數據查詢、報表生成、單據錄入）先試點，跑通治理機制再擴大授權面。
也潑一盆冷水：別被「全自動零人工」的宣傳帶跑。AIX 階段企業要的是「人授權+AI 執行+人監督」的穩定三角，不是撒手不管。所謂「AI 原生」，落到企業內部首先是「治理原生」——沒有治理的自主執行，等於給企業裝了一台沒有剎車的發動機。王文京演講裡那個「智能雙模」的提法反而更務實：規則明確的流程繼續用流程軟體，需要判斷和執行的才交給智能體，兩條腿走路。
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。对企业数位化负责人来说，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。
