您的位置首页 >5G/通信 >

SAP 重构商业 AI 底座懂语义、能协同、强治理,让 AI 敢动核心账本

直接说结论:SAP 这次重构商业 AI 底座的核心思路,是先让 AI 读懂企业自己的业务语义,再通过统一入口让多个智能体跨系统协同干活,最后把智能体的自主执行全程纳入强治理框架。只有在 "管得住、查得清、可回滚" 的前提下,企业才敢把 AI 放进核心账本这类零容错场景。这套打法对应的不是再训一个参数更大的通用大模型,而是把 SAP 五十多年积累的业务数据、流程规则和行业经验,翻译成 AI 能理解、能调用、能担责的结构化能力,让 AI 从聊天助手走向真正的业务自主化。

为什么这件事现在变得紧迫?现状是期待很高、落地很慢。《2026 SAP AI 价值报告》里有一组反差数据:88% 的中国受访企业看好智能体并计划加大投入,但认为自己已经做好落地准备的只有 6%。卡点不在算力和通用模型能力,而在企业上下文。通用大模型读过互联网上的公开资料,却没在企业里 "上过一天班":销售部和财务部口中的 "大客户" 统计标准可能不一样,一张订单延期背后还会牵动库存、排产、违约金计算等一整条链路。缺少业务语义支撑,AI 给出的建议就会飘在空中,甚至在核心业务里得出错误且危险的结论。此外,企业最核心的数据并不是文本,而是大量表格和时序数据,通用大语言模型直接做预测分析,效率和精度都满足不了生产级要求。

第一步:懂语义 —— 用业务数据云和知识图谱补上 "企业经验"

让 AI 做判断,先要解决 "不懂行" 的问题。SAP 的做法是把分散在 SAP 系统、客户自建遗留系统、第三方来源和合作伙伴生态里的数据,统一融通到业务数据云(SAP Business Data Cloud,BDC),再通过知识图谱(SAP Knowledge Graph)和本体层(Ontology)把数据、流程和业务关系编码成语义网络。

  • 沉淀的业务资产:SAP ERP 体系内有 700 多万个字段、50 多万张数据表、超过 15000 个标准业务流程,这些资产正在被逐步整理成知识图谱,让 AI 既懂行业通用知识,也掌握企业自身的业务逻辑。
  • 表格与时序专项模型:除语义理解外,SAP 还自研了专攻表格数据的模型 SAP-RPT-2.0 和时间序列模型 SAP-RPT-TS。表格模型仅 2800 万个参数,普通电脑 CPU 即可运行,可结合天气、节假日促销和历史销售表格直接测算销量;这套轻量精准的表格 AI 甚至已部署到国际空间站,在外太空有限算力下读取设备传感器表格数据、预判硬件故障。
  • 业务上下文的两层含义:套用 SAP 方面的类比,做好商业判断需要 "知识 + 经验"。知识是业务规则与体系,经验是历史数据与实践,两者缺一不可;BDC 负责提取语义、整理历史数据,知识图谱负责说清一笔业务从采购、排产到结算的来龙去脉。

第二步:能协同 —— 智能体层取代 "人当信息搬运工"

读懂数据之后,要解决 "怎么干活"。传统 ERP 要求员工记住事务代码,在几十个窗口间来回切换;早期塞进去的 AI 助手也只是单点对话框,员工仍要在 A 系统查数据、复制到 Excel、再去 B 系统调整。传统 RPA 像流水线上的机械手,按固定规则重复执行;智能体则更像会观察、会思考、会判断的协作机器人,区别在于自主性 —— 用户给出业务意图,系统自主规划路径并完成执行。

在 2026 SAP TechEd 公开的架构中,SAP 把原有三段式结构升级为三层:底层是升级后的 SAP Business AI Platform,新增 AI 治理、数据整合、知识图谱构建能力;中间保留成熟应用体系;最上层新增智能体层。贯穿全局的统一入口是 Joule Work。

架构层承担角色关键组件
构建层(Build)创建智能体、应用和自动化流程Joule Studio、SAP Integration Suite
语境与推理层(Contextualize & Reason)用可信业务数据、语义和流程知识给 AI 打底业务数据云、知识图谱、领域模型、Signavio、LeanIX
治理层(Govern)对智能体和 AI 资产做全生命周期管控AI Agent Hub、AI 网关、身份与审计机制

具体协同方式可以拆成几条链路:

  1. 意图入口:员工在 Joule Work 中用自然语言描述业务目标,系统自动拆解任务、调用对应智能体、整合跨系统数据与流程,完成后反馈结果。模式从 "人找功能" 变成 "功能围着人的意图转"。
  2. 多智能体编排:Joule Assistants 对齐业务角色和流程,协调多个 Joule Agents 执行跨职能任务;复杂目标会被分解,交由领域智能体并行处理后汇总。Agentic Thinking 模式负责多步推理,动态加载技能和工具,并设置人在回路检查点。
  3. 低代码自建:Joule Studio 支持无代码与专业代码两种方式,业务人员无需编写大量代码,就能基于自身场景搭建专属智能体;平台提供 300 多个开箱即用的标准智能体,并支持 70 多种 AI 模型选用。
  4. 从数字流程走到物理执行:以英特尔成都工厂为例,仓库管理系统里的智能体算出拣货计划后,直接向车间具身智能机器人下发指令,机器人自行取料、送进洁净室,该环节省去约 90% 人工。SAP 目前正与富士康、安努智能等本土伙伴共创 Physical AI 场景。

第三步:强治理 —— 把管正式员工的制度搬到智能体身上

当智能体开始修改核心数据库、指挥工厂机器人,容错率几乎为零。低代码开发门槛降低后,如果各部门随便搭建,几天就能冒出上百个缺乏监管的 "数字野人" 在后台乱调数据。SAP 的原则是治理框架必须从项目第一天(Day One)就立住,而不是等数百个智能体跑起来出了乱子再补救。新升级的商业 AI 平台,把企业管理员工的制度原样用在智能体上:

  • 上岗前考 "准生证":自建智能体必须先在沙箱里通过功能、性能、安全等测试,合格后才能进入公司统一的智能体目录;面向出海企业的 AI 治理助手可辅助检查智能体是否符合欧盟《人工智能法案》(EU AI Act)等海外法规要求。
  • 干活严守权限边界:企业级 AI 网关统一管控所有进出的 AI 流量;智能体直接继承员工的 ERP 权限,运行时与具体企业用户账号绑定,只能读取有权查看的数据、执行职权内的操作,不能成为绕过制度的后门。
  • 关键决定真人签字:即 "人在回路"。智能体可以后台查数据、做测算,但执行 "修改部门预算" 这类关键动作时,流程强制卡住并提交真人领导审批;每一步操作全程留痕,发现异常可一键回滚。
  • 全生命周期管控:AI Agent Hub 统一登记所有 SAP 及第三方智能体、MCP 服务器和大模型,覆盖定义、验证、执行、监控、优化五个阶段,配合风险分级、合规校验和可追溯审计,只允许已验证的智能体落地运行。
  • 开放但可控:平台整体保持开放,支持第三方智能体通过 A2A、MCP、API 等标准协议接入互操作,但所有调用都有权限控制、全程可追踪、操作可回滚;客户数据所有权始终归属客户,SAP 不会把客户数据提供给第三方用于大模型训练或优化。

从落地条件看,企业自身也需要先把底子打好:一是干净的数字化核心(Clean Core),数据标准化、流程标准化、主数据治理到位;二是语义就绪,成本中心、客户等概念在各系统中的定义保持统一;三是清晰的治理管道,涵盖沙箱测试、性能测试、可观测性、生命周期管理和纠错机制;四是网关与协议治理,对 A2A、MCP、API 等开放协议统一管控。

总的来看,SAP 并不参与通用大模型的参数和算力竞赛,而是站在五十余年业务逻辑与数据底座上,架起一座弥合 AI 技术发展速度与企业采用速度落差的桥梁。当语义层让 AI 懂业务、智能体层让 AI 会协同、治理层让 AI 守规矩,成百上千个智能体才能在安全护栏内运转;员工从背事务代码、凑表格的繁重事务里解脱出来,把精力留给只有人能回答的业务方向与决策问题。商业 AI 最终能在企业里释放多大威力,既取决于平台能力,也取决于企业自身数据、流程和治理这道 "弱链" 能否打通。

【常见问题】

问题 1:SAP 商业 AI 底座凭什么敢让 AI 直接动核心账本?

回答 1:敢动核心账本的前提是强治理前置。SAP 商业 AI 平台通过沙箱测试准入、智能体目录登记、继承员工 ERP 权限、关键动作人在回路审批、全程留痕与一键回滚等机制,把智能体约束在用户职权范围内;同时业务数据云和知识图谱保证 AI 调用的是带业务语义的可信数据,减少误判。核心账本这类零容错场景,必须先满足可信、可控、可追溯,才会开放自主执行权限。

问题 2:"懂语义" 在 SAP 商业 AI 落地中具体指什么?

回答 2:懂语义就是让 AI 理解企业自己的 "行话" 和业务逻辑,而不只是读懂字面文本。SAP 用业务数据云打通异构系统数据,用知识图谱和本体层把 700 多万字段、50 多万张数据表、15000 多个标准流程编码成业务关系网,让智能体清楚一笔业务从采购、排产到结算的来龙去脉;再配合表格模型和时序模型,处理企业最核心的结构化数据,保证推理和分析贴合真实业务规则。

问题 3:SAP 智能体的跨系统协同和传统 RPA 有什么区别?

回答 3:RPA 基于固定规则重复执行,类似工厂机械手,规则写死就不能灵活应对例外;SAP 智能体具备观察、判断和跨系统协同能力,接收业务意图后自主规划路径、调用数据和工具完成多步任务。协同层面由 Joule Work 作为统一意图入口,Joule Assistants 协调角色与流程,Joule Agents 执行具体任务,并通过开放标准接入第三方系统,还能进一步把指令下发给车间具身机器人完成物理执行。

问题 4:SAP 的强治理框架具体包含哪些管控手段?

回答 4:主要包括四方面:一是准入治理,智能体先在沙箱通过功能、性能、安全测试并进入统一目录;二是权限治理,AI 网关统一管控流量,智能体绑定用户账号并继承 ERP 权限;三是过程治理,关键决策强制真人审批,操作步骤完整记录、支持回滚;四是生命周期治理,AI Agent Hub 统一发现、登记、审计所有智能体、模型和 AI 资产,覆盖定义、验证、执行、监控、优化全流程,并辅助完成 EU AI Act 等合规分类。

问题 5:企业要落地 SAP 商业 AI,自身需要先做好哪些准备?

回答 5:首先要有干净的数字化核心,把数据、流程和主数据治理到位;其次做到语义就绪,统一成本中心、客户等概念在各系统中的定义;再次建立清晰的治理管道,把沙箱测试、性能测试、可观测性、生命周期管理和纠错机制提前搭好;最后做好网关与协议治理,统一管控 A2A、MCP、API 等接入方式。数据整理和治理是当前构建智能体最大的痛点,底子不牢,再强的模型也难以进入核心业务流程。

【参考资料】

[2026-11-19](敢让 AI 直接动核心账本吗?从懂语义、能协同到强治理,SAP 重构商业 AI 底座)新浪财经

[2026-11-17](当 AI 开始自主运营企业,SAP 要从 "管理人" 转向 "管理智能体")IT 时报

[2026-11-16](跨越 POC 鸿沟:让 AI 真正进入企业核心业务)e-works 数字化企业网

[2026-11-14](从工具到主体:SAP 商业 AI 的自主运营进阶路)数字商业时代

[2026-10-28](SAP 赋能 AI 开发者打造核心应用,将业务意图转变为自主执行)COMPOTECH ASIA

[2026-10-25](SAP Business AI Platform)SAP Architecture Center

[2026-10-23](Foundation Layer: AI, Data & Knowledge Graph)SAP Architecture Center

[2026-10-22](Joule Work)SAP Architecture Center

[2026-06-01](云上共识,安全致远)IBM

[2026-05-25](2026 Sapphire Madrid 重磅发布全新商业 AI 平台,开启企业自主运营新时代)赛迪网

【免责声明】

本文信息整理自公开网络资料,仅供学习与参考,不构成任何投资、采购、选型或系统实施建议。文中涉及的产品功能、模型名称、智能体数量、合规要求与落地案例,均以 SAP 官方最新发布及客户实际部署环境为准;企业在推进商业 AI 与核心业务系统对接时,请结合自身数据治理、权限体系和监管要求独立评估决策。

今日大家都在搜的词: