中国ERP行业重生 ｜ AI洗澡ERP和AI原生ERP

随着AI 热潮的不断升温，几乎所有ERP厂商都在谈“AI加持”（AI Enable 或者AI Empower）。然而，那些打着AI驱动旗号的ERP 软件之间存在本质差别：有的只是给传统ERP软件贴上AI标签，有的则从底层重构，以AI为核心逻辑。

这两类系统，前者称为AI 洗澡（AI Washing）ERP ，后者称为AI 原生（ AI Native）ERP。理解它们的区别，不仅关乎企业软件的技术架构发展方向，更决定了企业未来在运营智能化上的竞争力。

在美国技术圈里，AI Washing这个词源自“Greenwashing”（漂绿，指企业、组织或个人通过虚假宣传一些表面的环保举措，营造自身可持续的正面形象，等于是“挂羊头卖狗肉”或者是“阳澄湖洗澡蟹”的意思），意指通过营销手段给传统产品贴上AI 标签。

所谓AI洗澡ERP，是传统ERP系统在既有技术架构上，加入一些人工智能的功能，例如预测报表、智能推荐、聊天助手等。

这些系统的底层仍是以事务处理为核心的架构：每个业务动作都需要人工输入、审批、触发，AI模块只是在表面上的用户智能化辅助。从系统本质上，它们仍是“人告诉系统做什么任务”，而不是“系统理解业务目标并行动”。

AI洗澡ERP 通常具备以下特征：

AI功能以插件或外部API形式接入，就是今年年初时，很多公司声称的“接入DeepSeek”；

主要提供静态化的预测、 数据分析的报告，而非根据环境变化的动态业务决策；

数据结构仍是传统面向事务处理的关系型数据库；

智能化主要体现在界面和报表，而非核心逻辑。

例如ERP 厂商在财务模块添加“现金流预测”，或在供应链模块增加“自动补货建议”，这些都算是AI 洗澡ERP。

而AI 原生ERP 是指从架构设计之初，就以人工智能为系统的核心驱动力。

这种系统不再依赖人工去触发流程，而是通过AI模型持续感知、理解、预测并执行业务。它的底层结构从“以事务处理为中心”转向“以事件与语义为中心”，即系统通过不断采集事件流（event stream）和语义数据，构建实时学习的知识图谱，并在此基础上，进行自主决策。

AI原生ERP的典型特征包括：

AI内嵌于系统逻辑：AI不仅存在于界面层，而是贯穿流程引擎、决策层、数据层；

语义化数据模型：数据以业务意图而非事务记录而组织起来；

智能编排：系统内存在多个AI智能体，分别理解采购、财务、生产、销售的业务目标，并能通过智能编排，智能体间以及与人类协作完成任务；

持续学习机制：系统能从历史操作中学习，自动优化业务规则；

自然语言交互：用户可以直接表达业务意图，AI理解后，生成操作，交付结果。

在AI原生ERP中，采购主管无需向系统输入复杂指令，只需说一句“确保下季度供应不中断，且库存成本不超预算”，系统就会自动调用供应链、财务、生产等模块的数据，预测需求、评估供应风险、调整采购计划，并提供可执行的建议给相关的业务人员或直接行动，在系统中去完成任务。

“AI 洗澡ERP”如同传统燃油车加了智能语音助手，“AI 原生ERP”则如同具备自动驾驶功能的智能电动车。

在短期内，大多数主流ERP厂商仍停留在AI洗澡阶段——因为改造底层架构代价高昂、风险巨大；然而从技术演进趋势看，AI原生ERP 已是不可逆的方向：

数据层技术发展：企业开始采用事件驱动架构（EDA）与语义层模型，为AI理解业务语境提供基础。例如最近广受关注的Palantir 的“本体”，就是典型代表。

智能体式编排：多智能体（AI Agent）系统逐渐成熟，可在不同业务域内协同完成复杂任务。

用户体验革新：大模型应用使用户们越来越熟悉自然语言界面（NLI）和对话式操作（Conversational UX），豆包、元宝式的用户交互操作，将取代传统菜单式交互。

决策智能化：ERP从记录与执行工具，升级为预测、规划与行动主体。

从长期看，AI原生ERP将重新定义企业管理系统的边界。

我观察到AI原生ERP 这个概念今年开始从硅谷开始蔓延开来，不过，目前几乎所有号称“AI 原生ERP”的硅谷创业公司，实际上提供的解决方案主要都是面向提供订阅服务的SaaS 公司的收入确认（Revenue Recognition）流程的财务记账解决方案，远未达到全面替代传统ERP 的产供销财全部功能的地步。

这种现象应该跟美国最近几十年的“制造业空心化”的产业背景有关。上世纪90年代 初ERP 兴起时，美国还是全世界第一大制造业大国，ERP 解决方案也主要围绕着芝加哥湖区、纽约上州等制造业核心地带的企业开展，参见《ERP 起源 ｜ 只有知识开源能救中国企业管理软件行业》。

今天，美国经济结构已经今非昔比， 以SaaS为代表的科技产业已经替代了三十年前的制造业的经济地位。

对于高速成长的SaaS 公司而言，收入确认的错误可能导致财报错误、审计问题从而带来公司声誉风险。传统ERP 或财务软件往往对这种细粒度、动态变更的收入管理流程支持不足，企业记账需要拼装各种数字化工具或者依靠手工。所以在收入会计上，记账准确、流程简化、风险可控的ERP 解决方案成为SaaS 公司的刚需。我过去写过这个行业的 ERP特性：《服务行业 ERP ｜ ERP 只是制造企业用的吗？》

收入确认的会计准则（例如美国的ASC 606 / IFRS 15）规定公司确认收入的流程要遵守以下原则：

识别合同：判断客户和公司之间的协议是否构成具有约束力的合同。

识别履约义务：一份合同可能包含多个服务或产品，例如软件许可+ 技术支持+ 续费选项等，每一项都可能需要单独确认收入。

确定交易价格：涉及折扣、返利、浮动费用、使用量计费、里程碑付款等复杂情况。

分配交易价格：按履约义务比例，配比收入。

在履约时确认收入：收入确认可能基于时间（按月、按期）或事件（达到交付节点）。

这一系列动作涉及业务规则繁多、数据分散、变更频繁，从业务向财务传递用于记账的数据源，存在于各种业务系统中（例如 CRM 系统、合同系统、Billing开帐系统、客户收款资金管理系统等），人工处理既费时又容易出错。

这些流程中的难点是AI 擅长处理的领域，例如合同与条款识别，适合用AI 的 自然语言处理（NLP）能力，提取关键合同条款，如“自动续订”、“基于使用量计费”等；对于一个合同中多种服务的履约义务拆分，可用规则引擎+ AI 分类模型，根据过往模式判断哪些义务应独立确认；对于服务变更处理，如修改、取消、升级等，涉及大量的历史数据对比，基于机器学习的异常检测模型可自动识别非标准变更或不符合合同逻辑的情况，开展处理。

例如，我前几天看到用友宣布和中智公司合作，中智是中国乃至全球最大的人力资源外包服务公司之一，业务模式（参见《战略观察 ｜ 中国人力资源服务行业的商业模式转型》）实际上就和典型的 SaaS 公司一样，具备复杂的合同、交付、开帐、收款和收入确认的流程问题，不知道有没有考虑这些 AI 措施。启动： 用友协力中智集团推进人力资源行业数智化转型 

SaaS业务的收入确认的底层数据，例如合同条款、订单、使用量、发票等，具备天然的结构化特征，便于利用AI 来建模，例如合同文本类信息可以利用AI 进行文本解析，使用量日志则可以做流式数据建模，来预测使用趋势、检测异常来预测服务变更。

SaaS公司的业务特点使得他们成为AI 原生ERP的最佳早期应用场景，更容易构建“AI 自动识别履约义务+ 自动生成会计分录+ 自动异常审查”的业财一体化闭环：

合同多变：订阅模式（如月付、年付）、按用量计费、升级降级、促销折扣都频繁发生。

收入递延：常有已收未交付的递延收入问题，需要精准分摊。

高频变更：客户随时可能变更套餐或续约。

数据统一：业务数据都在云端系统中，方便AI 训练和集成。例如合同和客户信息通常在Salesforce 一类系统里，目前美国新兴AI 原生ERP 都将和Salesforce 集成作为主要功能点。

目前在美国出现的“AI原生ERP” 创业公司大多数都是围绕以上功能，有些也称为“智能收入”（Intelligent Revenue）管理系统，获得大额融资、值得关注的有这么几家公司：

DualEntry

Rillet，我在《什么叫AI原生ERP ｜ ERP的中国时代降临》文中介绍过

Everest Systems

Campfire

这类基于AI 进行收入管理的新型财务自动化平台还有一些创业公司，例如：Trullion、Zeni、Basis、Fyle、Luca、Count、ScaleFactor。

另外还有一些AI原生ERP 的创业公司，则关注在用智能体式工作流和智能体式编排来重构传统ERP 的架构，例如：

NewWork

ERP.ai

国内也有不少提供这类技术方案的创业公司，例如参与发起企业知识开源计划的奥锐方，以及积极参与到KPro 企业知识开源平台中的AI 原生ERP 创业公司知微行易等。

总的来说，我观察目前在美国被称为AI原生ERP的多数产品，本质上还是 AI 驱动的收入管理财务自动化平台；真正的完全面向制造业或跨行业的 AI 原生ERP ，还处在概念化和原型阶段，它的核心不是自动记账，而是让AI 理解并重构整个企业的业务运作逻辑。

我预计大概要到2030 年左右，跨行业、跨领域的AI 原生ERP 才会成熟，中国具备全世界最大的制造业规模，拥有巨量的应用场景，相信这也是中国ERP 行业超越国外传统领先厂商的难得机会。