上週，金蝶雲·星空 V9.1 停止新購的消息在圈子裡傳開了。7月21日起，這個服務了成千上萬家中小企業的公有雲 ERP 版本，官方購買通道正式關閉，替代方案只有一個——金蝶 AI 套件公有雲。想繼續買舊版？可以，走「產品突破生命週期銷控申請」特批，但懂行的人都知道，特殊通道的時間和結果都不確定。
幾乎同一時間，浪潮數據在北京發佈了自己研發的 AI 數據操作系統，宣佈從雲計算、分散式儲存服務商升級為 AI 基礎設施服務商。再往前數幾天，IDC 公佈年度 AI 榜單，金蝶入選「IDC AI 50強」。
這幾件事單獨看各有各的敘事，但放在一起，信號就很清楚了：國產 ERP 的 AI 化，已經從一個宣傳口號，變成了切切實實的產品動作和商業決策。這篇文章想聊聊這三件事背後的共同邏輯，以及它對正在選型、正在用國產 ERP 的企業意味著什麼。
一、停售旧版本，是厂商最直白的表态
先說金蝶這次停售。很多人第一反應是「廠商想逼我們升級」，這個判斷方向沒錯，但只說對了一半。
金蝶 2026 年的產品動作其實是一套組合拳：年初 K/3 Cloud 系列多個歷史版本停售，3月星空 V7.x 系列停售，7月輪到 V9.1。每一步都在收窄舊產品線，把增量客戶往新方向引。而新方向非常明確——AI 套件。金蝶上半年發佈了企業 AI 原生操作系統「靈基」，管理層定下「AI 原生產品收入 10 億元」的年度目標，甚至提出了「2030 年用 AI 再造一個金蝶」。
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。
對老用戶來說，已經上線的系統不受影響，續費、服務都正常，這一點金蝶官方說得很清楚。真正要留意的是兩類人：一是正打算新購 ERP 的企業，現在擺在你面前的基本只有 AI 套件，選型邏輯要跟著變；二是計劃未來一兩年內擴容、換模組的存量客戶，窗口期內的決策會影響後面三到五年的技術路線。
這個趨勢不是金蝶一家。用友的 YonClaw、鼎捷的雅典娜、浪潮的工業大模型，加上 IDC 反覆強調的「AI-enhanced ERP 市場 2025 年同比增長 96.1%」，國產廠商已經集體把 AI 提到了產品戰略的核心位置。區別只是有的快、有的慢，有的激進、有的溫和。
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。
很多人聽到「數據操作系統」會覺得抽象，但它其實直指企業 AI 落地的真實痛點。浪潮數據在發佈會上總結了行業四大難題：一是持續演進難——企業原有雲數基礎設施不能浪費，新增 AI 算力得融入現有環境；二是數據就緒難——數據孤島普遍存在，多源多模數據融合不起來；三是生態協同難——芯片、存儲、模型、應用各玩各的，缺乏統一底座；四是應用落地難——數據怎麼變成知識、算力怎麼變成業務價值，投入產出難以評估。
這四條，做過企業 AI 專案的人應該都深有體會。尤其是第二條——資料就緒。我們服務過不少企業，很多老闆以為上了大模型就能「讓 AI 分析經營資料」，結果專案一啟動才發現，光是把 ERP、CRM、MES 裡口徑不一的資料清洗對齊，就要耗掉一大半預算。AI 再聰明，餵進去的是髒資料，吐出來的也是垃圾結論。
浪潮這套系統的設計邏輯，值得關注兩點：
- "玄同"負責數據底座——高性能全閃融合存儲，解決數據怎麼存、怎麼快的問題；
- "萬象"負責智能體運行環境——解決 AI 代理在什麼環境裡跑、怎麼調度算力的問題。
翻譯成人話：一邊把數據這個「糧倉」建好，一邊把 AI 這個「廚師」的工作台搭好，兩件事打包成標準化的基礎設施賣給你。
對企業來說，這意味著一個重要的認知更新：AI 落地的最大成本，從來不是模型調用費，而是數據就緒度。不管是選國產 ERP 的 AI 套件，還是用 Odoo 搭自己的 AI 能力，數據治理都是繞不開的前置投入。誰先把自己的數據底座理順，誰就能更快吃到 AI 的紅利。
三、實用化拐點：從「能聊」到「能幹活」
如果說金蝶停售是「廠商端」的加速鍵，浪潮發布底座是「基礎設施端」的加速鍵，那這週還有一條「應用端」的新聞值得放在一起看——英偉達創始人黃仁勳最近反覆強調的一個判斷：AI 已經進入實用化拐點。
他的核心觀點是：過去兩年大家關心 AI「能不能聊」，現在該關心 AI「能不能幹活」。新一代智慧體系統可以自主呼叫搜尋引擎、資料庫、API，反覆迭代直到任務完成，實現「端到端交付」——AI 不再只是輸出一段文字等你整理，而是直接幫你把活幹完。他甚至斷言，傳統 IT 輕資產時代即將終結，資料中心會從「儲存倉庫」變成「生產 Token 的工廠」。
國內已經有企業給出了可量化的佐證。上海藍盟在其25週年大會上披露：公司構建了覆蓋人事、財務、採購、營銷、商務、中台的「六大智能體體系」，實現了「1人+AI 30分鐘完成傳統團隊1週工作量」；桌面運維場景下，大模型 Agent 能自動處理 45%–90% 的常見問題；客戶服務報告生成時間從 90 分鐘壓縮到 2 分鐘以內。
注意：45 倍、90% 這類數字，意義不在於「AI 多厲害」，而在於它給了企業一個可評估、可複製的參照系。AI 實用化的標誌，不是技術演示有多驚豔，而是能否在真實業務流程裡穩定地縮短時間、降低成本。做不到這一點，再大的模型也只是玩具。
結語
把這週的三件事串起來看，國產 ERP 的 AI 化其實已經完成了「拼圖」：金蝶這類應用廠商在加速產品換代，浪潮這類基礎設施廠商在補齊數據底座，而黃仁勳和大量落地案例在驗證「AI 真能幹活」這個前提。三股力量合流，接下來兩年企業數位化的主旋律基本可以確定——誰先把數據和業務流程準備好，誰就能在 AI 時代跑在前面。
對企業而言，現在的當務之急不是糾結「用哪家的 AI」，而是回答三個更基礎的問題：我的數據就緒了嗎？我的哪些流程最適合 AI 先跑起來？我選的技術路線在五年內會不會被廠商停售、被市場淘汰？想清楚這三件事，比追任何熱點都重要。
