来源：科技正能量
过去企业部署AI应用时，通常将AI看做一项技术创新，总在某些单项应用上做基于AI的单点突破，尽管解决了一些具体问题，但从整个企业流程的维度上，这种提升其实微乎其微。
其实，企业AI要走向成熟，就必须要突破AI的规模化应用。对此，用友网络副总裁罗小江表示，“DeepSeek大模型的出现，可以做到真正意义上的普惠大众、让企业拥抱AI。过去的AI应用还停留在交流问话等基础应用，现在要构建的企业AI，则是可信任、可追溯的AI。”
这不仅要求企业以一种“AI原生”的视角来重新审视整个AI战略的可行性，还需要建设统一的数智底座，支撑企业从流程到应用的全面AI化。
DeepSeek横空出世，引发了很多基于企业AI的讨论。有一种声音认为：除了过去大家关注较多的“AI可以帮助企业做什么”这个问题，企业更需要明白“在推动AI之前需要做好哪些准备”。
这其实就是一种AI原生的视角。罗小江认为，“AI原生视角，代表我们要从AI的底层逻辑去看业务。这不仅可以充分利用AI所有的能力，更重要的是可以从模型视角，根据组织流程和逻辑去设计业务。”
的确，在传统AI时代，企业智能化更多是“工具叠加”的逻辑。智能平台、人才画像等应用本质仍是基于规则的系统优化。但大模型技术的突破，彻底改变了游戏规则，AI不再是被集成的工具，而是重构企业架构的原生力量。
这种重构体现在几个维度：
首先，是开发范式的颠覆。传统软件开发从需求调研到测试部署要经历12个环节，耗时且漫长。而AI全生命周期参与开发，可以将整个流程压缩为“需求输入-结果交付”的极简模式。比如用友iuap数智底座的开发平台，就已实现基于行业知识库的自动化详细设计生成，数据库设计、前后端代码生成等能力，开发效率得以大幅提升。
其次，是应对数据治理的难题，本质上也缺乏AI原生的视角。“传统数据库更多是给人去访问的，而真正意义上agent，应该是要数据结果，并不需要我们去编SQL语句，自然语言就能够从数据底层去沟通数据。”罗小江说。
现在有了大模型，AI能自动读懂主数据、生成管理体系，还能把散落在各个系统里的非结构化数据，比如合同、会议纪要转化成结构化知识。比如用友iuap的数据平台，通过大模型对行业知识和标准的内化吸收，可以生成最接近实战的企业应用，极大降低了企业数据治理的难度。
最后，是克服来自安全的挑战。在国产化的浪潮下，企业既要部署AI大模型提升效率，又要守住数据主权，实现从底层硬件到上层应用全链路可控。那么，就诞生了国产大模型和国产软件的组合，帮助企业走通企业AI的可信之路。
很明显，要应对这一系列变革，企业需要打造具备企业AI基因的，统一的新型数智底座。
在AI原生视角下，传统架构与AI原生需求在开发范式、数据治理和交互逻辑等方面存在根本性矛盾，这使得企业架构必须实现系统性重构。
因此，需要建设统一数智底座，打破系统壁垒、建立智能中枢、沉淀行业知识，最终让AI真正融入企业业务血脉，而非浮于表面。
首先，统一就代表着AI原生视角下的企业业务需要是连续的。
罗小江指出，“很多企业部署大模型后发现，业务连续性问题依然严重，这不单单是孤岛问题，还有很多基本要求，比如数据的标准，流程的规则一致性，再比如架构体系，成本中心，怎么做统一、做归集，标准体系还要足够坚固。因为必须要有完整的组织代码，带来的结果才能是相对准确的。”
其次，在企业从信息化到数智化的过程中，有很多历史性的包袱，不同的业务有不同的系统，这些系统之间也存在“断点”，这同样是业务连续性的重要挑战。“数据基础不够好，链条不完整，为AI提供基本养分就不够高，没有高质量的燃料就会容易熄火。”罗小江说。
所以，从架构、流程、数据、安全、标准五个方面着手构建一个统一的数智底座，是通向企业AI之路的基本原则。
但是，每家企业的技术背景和底座搭建的程度各不相同，要如何构建统一的数智底座呢？
罗小江提出一个循序渐进的可行性方案：第一步先做到架构一致性，要建设一个能够拉通所有业务的开发平台，先把不同系统之间的断点拉平；第二步，就是建立统一的数据平台，让数据在数据平台里做聚合，对包括结构化和非结构化在内的全量数据进行数据治理；第三部则是业务运营，结合数据运营去做数据供给，进一步拉通数据基础和AI应用之间的断层。
这种思路已经被用友践行在很多实际的客户实践中，比如，在远东数智采的案例中，就通过用友BIP建设开发平台去拉通客户集采、采购和商场业务的完整流程。在梳理好业务流程之后，帮助客户规范了不同行业采购的数据标准，进行数据拉通。最终远东数智化通过企业服务大模型，完成海量的标书完成智能化搜索、快速智能撰写标书，智能投标评审、交易价格预测等招采业务的全周期支撑。让公共资源交易服务平台安全可信，成为了企业AI落地的标杆。
这样的案例其实在用友比比皆是，用友BIP统一数智底座iuap的方法论和不断进化，本质上也源于大量客户需求的反馈，将数智底座融入企业实践，才形成了大模型时代数智新底座的新范例。
当前，国产化信创向纵深推进，中国企业正面临双重命题：既要保证自主安全，不被技术封锁裹挟，又要把握大模型带来的数智化转型机遇。这场变革的本质，是构建从芯片到软件、从算力到模型的完整自主技术闭环。
因此，基于统一数智底座，构建“中国软件+中国大模型”，已是中国企业部署AI战略的时代命题。
当然，我们不仅要替代，更要能创新，能进化，能推动业务效率有效提升。这就要求既要有可形成标准的“中国大模型”，也要有理解所有企业业务逻辑的“中国软件”。
如罗小江所说，“当前国产化硬件的发展速度很快，已经可以很好的承担算力层的要求，但国产化的胜利一定不是单纯的硬件或是软件，而是整个国产化生态的胜利。”
首先，DeepSeek作为“中国大模型”诞生以来，一定程度上解决了大模型选型的问题，大家都在围绕DeepSeek做调优，这就形成了一定程度的标准化，效率就会提升很多。
同时，大模型要发挥足够价值，必须要在业务中体现，这就需要企业软件与大模型在融合中发挥更多价值。
而用友iuap平台已经成为很多大型企业的统一数智底座。它从进入市场以来，15年间不断的进化，如今以用友企业服务大模型 YonGPT作为开放技术生态的底层支撑，并以云技术平台向上为应用平台、数据平台、智能平台、开发平台和连接集成平台“输送养分”。
同时，用友也在构建安全、可信任的环境，并把开发构建在可信的底座上去向上做支撑。为“中国软件+中国大模型”的演进增加了新的注解。
客观地说，中国企业的数智化转型，需要的不是某一个大模型或是AI工具，而是一个以统一数据为血脉、AI原生为筋骨、国产化技术为基因的数智底座。这也恰是用友建设统一数智底座的的底层逻辑，也是企业AI走向规模化应用的“中国解法”。
