SAP 商业 AI 的底层逻辑 ——从 L2 到 L4，隔着一层数据语义

9 月 23 日上午，在本届云栖大会的举办地杭州国际博览中心，SAP 专属主题论坛在开场前已座无虚席。这场以“ 商业 AI 驱动联合共创，构筑自主运营企业“ 为主线的论坛，恰逢 SAP 与阿里巴巴深化战略合作持续推进的重要节点。 继此前 SAP 宣布四款核心云解决方案—— BTP 业务技术云平台 、 ERP 公有云 、 IBP 集成业务计划云 、 ERP 私有云 分批落地阿里云以来，一年过去，双方的协同正从底层技术底座的就位，进一步迈向企业级 AI 与核心业务流的深度融合。SAP 大中华地区总裁原欣、SAP 数据与分析业务总裁兼首席产品官 Irfan Khan，以及SAP的客户代表伯恩光学 IT 高级总监李健农等与会嘉宾，从不同视角传递出同一个共识： 决定企业 AI 价值的，不是模型有多强，而是数据背后的业务上下文 。 这并非 SAP 一家的判断，9月22日的云栖主论坛上，阿里云 CTO 李飞飞在谈及企业级智能体时，将 “实时上下文环境” 列为与模型能力同等重要的技术支柱。当中外两家战略合作公司的技术决策者在同一个行业风向标的产业峰会上强调同一个词，这更像是一场对 企业 AI 到底还缺什么 的校准。 一位数据老将的“冷”思考 “我们目前还没有看到足够的证据表明，智能体 AI 已经在当前商业环境中带来了颠覆性的变化。”SAP 数据与分析业务总裁兼首席产品官 Irfan Khan在现场对媒体说，这位从 Sybase 工程师做起、深耕数据基础设施三十年的老将，如今全面负责 SAP 全球数据与分析产品线的研发与运营，而它们正是 SAP 商业 AI 的数据底座。在盛赞中国创新“从追随者变为领先者”的同时，他对Agent 热潮展示出冷静的一面。 他的论据很具体，企业会定期结账，涉及 EBITDA（息税折旧及摊销前利润）、税前利润、税后利润，这些流程容错率极低，“ 很少会成为完全由 AI 驱动的流程” 。换句话说，越是核心的流程，越不敢交给一个可能出错的智能体。 他算了一笔更有画面感的账。训练一个大语言模型，通常需要万亿级参数、高达 50 万张 GPU、连续运行约一个月，成本2000 万到 2500 万美元。“但不幸的是，当企业发生一笔新的订单、销售或者采购时，这些信息并不会被包含在原来的训练数据中”，花 2500 万美元训练出来的最强大脑，不认识你公司昨天刚发生的那笔生意——这就是“ 上下文缺口” 在企业AI中最具象的体现。 当被问及 AI 会不会颠覆 SaaS，Khan 的回答同样克制：企业业务系统是记录系统（System of Record），沉淀了从产品构建、服务到并账关账的完整交易历史；“而 AI 更多是在做 Runtime，运行时是一次性的，它无法完全镜像整个数据的历史”。在他看来，智能体做的事情，是替人按下以前需要人来按的那个按钮，“以前调用流程需要一个人点击一个按钮，现在我们希望的，是由智能体来点击那个按钮”，这是补充，不是替代。而按钮要能被安全地交给智能体，前提是背后的系统里装着这家公司几十年的业务历史，那正是他反复强调的“上下文”。 上下文的“值钱”之处，他举了一个例子。当一个业务员问系统，“我想了解东部排名前 10 的销售人员在某一段时期的业绩表现”，这个问题会被交给 SAP 知识图谱解构，一部分是销售绩效，一部分是历史时期，解构的目的“是完整地回答问题，而不是断章取义，只回答其中某一个部分。如果不这样做，就会造成我们经常谈到的 AI 幻觉”。 但补齐上下文并不容易。Khan 对比过两种路径：如果企业自己动手，先要找到数据在哪里，再搭建管道、把数据搬进自己的仓库——走到这一步，语义层还完全没有开始建立，数据还只是数据；而直接使用带上下文的智能体，“业务上下文可以直接获得，同时你也已经获得了整个数据拓扑”。 一位执掌全球数据产品线的高管，在 SAP 于云栖大会的专属论坛上说得这么直白，这不是唱衰。在他看来， “一个空的知识图谱，仅仅填充源数据，与一个完全填充了业务上下文的知识图谱，是截然不同的” ，SAP 手里握着的，正是填满了业务上下文的那一个。 这个判断，他不是第一次做。2009 年，时任 Sybase CTO 的他合著《The New Data Imperative》，讨论资本市场如何用实时数据支持人类交易员的毫秒级决策，彼时数据的使命，是”快”。16 年后，作为 SAP 业务数据云（BDC）的操盘者，他要让数据支持 AI Agent 的自主运营决策，现在数据的使命，是“懂”。 跨越 L2 ，从单点智能到流程协同 Khan 的判断并非孤例，本届云栖大会，SAP 大中华地区总裁原欣借用自动驾驶的“分级”逻辑打了个生动的比方：“大多数企业的智能体（Agent）落地，目前仍停留在 L2、L3的探索阶段——在这把标尺上，L1 是写 PPT、写周报，L2 是供应商资质审查这类单点辅助任务，而到了 L4，才能由多个智能体（Agent）把供应商入库、请购、采购合同整条流程串起来。从 L2 到 L4，差的不是模型。”差在哪里？方案的主张者和场景的验证者，在云栖给出了同一个方向的答案。 “AI 能为企业创造多大价值，不取决于模型能力有多强，而取决于企业最薄弱的一环能否打通。”这是她今年 6 月在 SAP 中国峰会上表达过的观点，恰好解释了 L2 的天花板：L2 是单点任务，错一次兜得住；L4 是把整条流程串成一条链，而链条的强度，永远由最薄弱的一环决定，任何一环的数据没打通，整条链就不敢交给智能体（Agent）。而要打通弱链，需要的上下文在SAP 系统里是现成的，上百万个数据项“天然带着企业的上下文属性”。 验证来自伯恩光学，苹果、三星背后的外观结构件提供商（以手机玻璃盖板/背板为主）。伯恩光学用两年多时间把国内外园区的核心业务“搬上了”SAP，今年则进一步与SAP针对主数据治理、月结等场景展开AI智能体（Agent）创新实验。伯恩光学 IT 高级总监李健农在媒体访谈中用了一个技术圈不常听见、但一针见血的词——本体（Ontology）。“SAP 里很多基础数据本身也是本体。如果这个东西出了错，AI 基于错误的本体上的很多应用全是错的。”制造企业最怕幻觉，生成式 AI 有点幻觉、没有标准答案还 OK，但企业应用里，99% 的准确率都不敢用——单点任务错一次还能兜住，整条流程错一次就是事故，这就是企业只敢停在 L2 的原因。而它的解法也藏在这个词里：“你的业务流程就是你的上下文，而且你的上下文不会产生幻觉，因为你的业务流程设计，逻辑上已经帮你把幻觉屏蔽掉了。” 原欣拿出的是打通弱链的材料，伯恩光学跑通的是补好地基之后的路——同一个判断，一头是主张，一头是验证：从 L2 到L4，要穿过数据与流程那一层地基。而地基，恰恰是 SAP 上下文最切近的入口。 先慢后快，跨不过去的“地基工程” 在急于求成的AI热潮中，是伯恩光学先花了两年把地基补硬，而在伯恩光学之外，更多企业正在为跳过这一步付学费。 Gartner （高德纳咨询公司）在 2025 年 6 月预测，到 2027 年底，超过 40% 的AI智能体（Agent）项目将被取消，针对生成式 AI 的判断更直白，到 2025 年底，至少30% 的项目死在