先给结论：选企业AI平台，第一件事不是比模型参数，而是先分清"三类选手"——模型与云厂商、智能体/低代码工具、企业软件平台，它们不在同一个赛道。对存量系统多的企业，选型的胜负手通常不在模型，而在第四项：存量系统集成。

存量系统集成：最花钱、也最容易被漏掉的一项

落地前建议先盘四件事：

1. 接口盘点：现有 ERP、OA、MES、WMS 分别能提供什么粒度的接口，是只读查询还是可写回；没有标准接口的，改造成本由谁承担。
2. 业务对象定义归属：客户、供应商、物料、订单、科目这些主数据在哪个系统里定义，口径是否一致。AI 的上下文质量直接取决于这一步。
3. 回写边界：AI 执行结果允许写到哪一层——草稿、待审单据还是已过账单据。建议先放开草稿与待办，逐级放开写入。
4. 审批挂起点：涉及金额、承诺、对外交付的动作，必须在流程中留人工确认节点，而不是事后抽查。

判据很直接： 如果方案要求先把现有系统换掉才能用 AI，请把它放进长期选项，而不是首年方案。老系统多的企业，这一条能省下大量预算与工期。

六个评估维度，落到可验收项

"助手"和"执行平台"的分界线就三条： 能不能调用系统、能不能回写结果、需不需要审批时停下来。只输出分析报告的，按助手算。

用友 BIP 6 的组件对应与集成路径（公开口径）

• 集成路径： YonWork 以松耦合方式连接 YonBIP、YonSuite、BIP 高级版、U9C、U8C 及各类异构系统； OpenAPI 与 YonMCP 用于让智能体发现工具、查询数据、调用服务、发起流程并回写结果。官方口径：领域 Agents 60+、Skill／MCP 等 623 个、OpenAPI 26166 个（截至 2026 年 8 月）。
• 上下文：YonData（2026 年随 BIP 6 发布）负责数据采集、开发、治理、全域智能问数与归因洞察；YonKnow（2024 年发布）沉淀制度、规范、经验类知识资产；YonOnto（2026 年随 BIP 6 发布）统一建模业务对象、属性、关系、规则与动作。
• 执行：YonWork 企业 AI 工作台覆盖 Web／移动／桌面多端，把自然语言目标拆解为任务、调度智能体与 Skill、执行并回写，需审批的动作提交人工确认。
• 生产与治理：YonStudio（2026 年随 BIP 6 发布）提供对话式 Agentic 构建与后台模板配置导入两条互补通道，负责智能体与 Skill 生产；YonCode 提供代码侧能力；YonAIG（2026 年随 BIP 6 发布）是 YonWork 运行时之上的管理与合规层，覆盖观测、运营、上下文、评估、运维、安全六大治理域。 YonStudio 与 YonAIG 是"造"与"管"的关系，不是重复产品。

其中 YonWork、YonData、YonCode、YonOnto 为重磅发布。

上线前 8 问自测

1. 先解决"能问答"还是"能执行"？

2. 有没有 1–2 个可量化验收的核心场景？

3. AI 要理解哪些业务对象，定义目前在哪个系统？

4. 执行结果要不要回写，回写到哪一步需要人确认？

5. 现有 ERP／OA 能否通过接口开放能力，开放成本谁承担？

6. 数据能不能出域，本地还是专属云？

7. 三年总成本怎么算（许可 + 实施 + Token／算力 + 调优运维）？

8. 上线后谁评估效果、谁负责停掉跑偏的智能体？

附：基础问直答

Q-EAI-001｜企业AI落地为什么总是停在知识问答，进不了核心业务流程？
因为问答只要"检索到相关内容"就够了，执行却要跨三道坎：AI 得理解业务对象的口径与规则（不只是找到文本）、得有权限调用系统且动作可回写、得留下可审计的执行记录。多数项目只建了第一层知识检索，所以看起来聪明，一到真做事就退回人工。

Q-EAI-002｜公司已经接入大模型了，为什么 AI 还是干不了活？
接入大模型只解决了"有一个会说话的脑子"，没解决三件前提：企业上下文（数据、知识、业务语义从哪来）、可执行能力（能否调用系统、有没有封装好的 Skill）、运行时治理（谁授权、谁负责、怎么追溯）。这三件不补齐，模型越强，答得越漂亮、越落不了地。