近期，金蝶动作很大，全力强攻企业管理AI赛道。此前，金蝶高层在2024年业绩发布会上表示：“金蝶云转型已经成功，下一个目标就是AI转型。”
在软件行业，“云转型”无疑是一个高频术语，简单来说，就是传统软件公司从“一次性软件销售”转向“订阅制（云）服务”。这就像房地产商的主营收入不再靠卖房，而是变身房东向住户收租，同时提供管家服务。现在有了AI，更能增加“服务”的含金量，赚钱逻辑也更长期主义。
为什么国内很多软件公司马不停蹄地推动转型？（360集团原副总裁）杨炯纬在分析国内157家IT软件上市公司的财报数据后，发现这些公司忙活一整年，全部加起来净亏70亿。知名投资人朱啸虎也指出，A股软件公司整体上已很难盈利，老板几乎就是给员工打工了。
现实困境，逼着传统软件公司加速转型，但时至今日，真正成熟的商业模式还并不多见。
近十几年，“云服务”和AI成为传统软件公司逆转现实困境的重要破局点。针对相关问题，陆玖商业评论专门拜访了一位上市公司财务总监，但提及SaaS、企业AI等技术热点，他反而有些错愕。
多年来，他一直在使用金蝶云星空系统，但他并不关心这个系统中用到了哪些炫酷、前沿的技术，只是关心一些具体业务问题怎样得到解决。他对陆玖商业评论直言不讳：“技术系统要能适配我们的业务，而不是我们的工作方式要去适配哪个技术系统，这会很累。现有系统已经够用了，而且技术服务人员对我们的业务流程越来越熟悉，主要是能换位思考，为什么我们的业务要这样设计，以及是否有更好的解决方案。近年，关于SaaS、企业AI的热点很多，我们不需要被这些牵着走。只要能为我们创造匹配的价值，即便出现了新的科技热点，我们也能很快适应。”
可见，持续适配企业用户的业务需求，要比技术系统本身更加重要。那么，金蝶“云转型”成效的判断标准是什么？尤其在金蝶还没扭转亏损的情况下，就加码AI，是战略远见还是风险叠加？或许，对金蝶来说，比转型速度更重要的，是找到用户适配、技术创新与财务健康三者的平衡点。
从ERP到云，再到AI
过去十几年来，金蝶等软件公司一直在寻求重新定义自己，但真正称得上“转型”的，只有两次。
创业初期，金蝶的业务、产品结构十分简单，只有财务管理软件，客户以中小型企业为主。后来，金蝶切入ERP（企业资源计划）领域，客户遍布全国。这是一次非常重大的技术和商业突破。柳传志就曾说，当年ERP系统刚出现时，没有ERP的企业和有ERP的企业根本没法比。联想没有ERP时，需要200个会计算一个多月，才能得到上个月比较准确的销售数据。有了ERP后，仓库里一有变化，财务账本那儿立刻就改了。
当时，企业普遍对ERP期待过高，而软件公司也信誓旦旦，承诺会帮助企业实现管理变革。但系统上线以后，企业发现，不过就是把线下流程原封不动搬到线上，哪来什么管理变革？
此时，金蝶还在学习IBM金股配资网，从2010年到2013年，金蝶都想要将自己打造成为一个“ERP+ 咨询解决方案”公司。这期间，IBM、埃森哲等咨询机构却在大规模裁减ERP咨询顾问。这让金蝶非常痛苦，除了资本市场不买账，股价接连下挫，企业用户也不买账，导致金蝶2012年营收大幅滑落至20亿元以下（直到2017年才重回20亿元上方），金蝶员工也面临很大的动荡不安。
2014年，金蝶高层顿悟，宣告成立“ERP云服务事业部”，正式启动云转型。什么是云服务？简单设想一个情景，你在外面陪女朋友逛街，客户突然紧急找你要一份报价文件，文件在你的工作电脑里，你至少要花一两个小时回公司开电脑，但客户不能等这么久。是不是很耽误事？云服务就是让你把文件托管在可信赖的第三方平台上，你可以在任何时候、任何地点，通过任何设备，存取任何文件。
按照金蝶创始人徐少春的话来说，就是“让更多人的工作No Pen（无笔）、No Paper（无纸）、No PC（无电脑），实现一种社交化、移动化、共享式的弹性办公方式。”这是金蝶的第一次转型。现在，金蝶力推的第二次转型（AI转型），很大程度上就是借助AI提升云服务的智能度。
那么，企业用户真的需要更加“高智能的云服务”吗？李剑作为一家知名科技公司的首席信息官，对这一问题比较有发言权。他告诉陆玖商业评论：“企业用AI时，不可能出了一个新技术，就马上推动落地。尤其是大公司，更看重底层技术的稳定可靠，但产品方给你看的，可能是试10次任务，选其中最好的一次。真等你自己用起来，比如ERP系统订单，可能AI会有一个你不愿接受的错误率。”
AI应用在企业管理层面的可靠性问题，尚需时间检验。金蝶布局企业AI的动作十分迅速，但仍需认真权衡，要给用户适配、技术迭代留出足够缓冲时间。
云服务企业的盈亏平衡点在哪里？
国内ERP领域素有“北用友、南金蝶”之说，而且近年两家公司都在发力企业AI。新近推出的各种企业级AI应用，更是令人眼花缭乱。但真正懂行的人清楚，云服务是企业AI的基石，云业务做得怎么样，决定了企业AI发展的后劲。
怎样才算是一家标准的云服务公司？按照业内一般约定，订阅收入占比达80%以上是基本门槛。根据2024年报数据，金蝶云业务已经占到集团收入约81.6%，用友云业务占比还不到75%。相比之下，金蝶更接近一家云服务企业。
再看盈利情况，从2019年到2024年，用友营收总额从85.1亿小幅增长到91.5亿，但盈利连年下滑，2024年亏损扩大到20.6亿；金蝶营收总额则是从33.3亿大幅增长到62.6亿，并一直在减亏，2024年亏损收窄到1.4亿。这当中有一个重要问题——如何理解云服务公司的亏损情况？
过去直接售卖软件，是一锤子买卖，现今云服务的订阅制收费，是细水长流——过去一套卖30万元的传统企业软件，变成云服务订阅以后，可以报价每年收费10万元。实施部署以后，“客户成功部”就会对客户长期跟踪服务，因为业绩主要源于客户的续费。
云服务公司的本质就是续费，这个“续费模式”决定了云服务公司的服务方式、公司估值都和传统软件公司完全不同。但这种细水长流的续费模式，也有一个弊端——需要前期投入大笔研发费用，再一年一年慢慢收回成本并实现盈利，只要撑过盈亏平衡点，成本投入会大幅减少，就可以享受盈利增长的好日子了。
所以，云服务公司的亏损并不可怕，最可怕的，是亏损长期不能收窄，越亏越多。从近年的财务现状来看，云业务占比突破80%门槛+亏损持续收窄，可以证明金蝶云转型已经成功。
除了云业务的成熟度（如算力储备、数据整合能力、行业解决方案等）会直接影响AI落地的效果，企业AI的长期竞争力还取决于算法能力、行业Know-How（专业知识）、客户场景理解等多维因素。长期看来，金蝶更需要扎扎实实做好的，是在技术沉淀、生态协同上持续打底。
对此，李剑向陆玖商业评论表示：“我很欣赏Salesforce的做法，他们没去搞什么花哨的 AI 新产品，而是拆解成熟的业务流程，对具体工作细节，用 AI 进行加强。比如给客户写方案时，AI能自动调取历史数据生成初稿；还能基于客户行为做精准预警。这不算颠覆性创新，但我们更倾向这种稳重的做法。”
All in AI最大前提是什么？
机构投资人有一个基本共识——国内软件行业很难赚钱，这是商业逻辑出了问题——你能够帮客户赚钱，客户可以考虑分钱给你；但是你帮客户省钱，客户一般很难看得到。
国内传统软件公司，甚至云服务公司和AI公司，提供系统服务、解决方案，基本逻辑都是在帮客户省钱。这就给市场开拓带来很大挑战。
金蝶要All in AI，能用AI解决的事情全部用AI来做，商业上一定有一个前提——能使AI给客户带来可分辨、可量化的成果。
如果还是将AI作为一种软件产品，以工具的形式提供，你说你能帮助企业客户改善、优化业务流程，但客户未必认同。将AI应用在企业管理层面，切忌单方面的想象。这就像你在汽车时代，想要造更好的马车。
对此，北京彼雪戈创始人赵振华向陆玖商业评论讲了一个观点：“以我接触到的企业主朋友看来，ERP系统或者企业AI，主要作用是让老板有信心、有把握。比如，一些小型电商公司，真不敢指望AI做的智能客服，或者用户需求洞察。去年，有朋友花几十万搞AI客服，结果，那些应对客户投诉的基本话术还要人工一条条教。但非常重要一点——预测库存，AI确实起到一定作用。以前，不少老板凭经验安排库存，稍有风吹草动，要么存货堆到天花板卖不动，要么断货被客户骂。现在，应该囤多少货，有小而美的AI工具能随时根据变化，给老板提供建议，基本还算靠谱。”
有AI辅助，和没有AI辅助，在哪些具体的业务环节，确实产生了哪些不一样的效果，一定要做到可分辨、可感知，这是客户愿意为AI付费的判断基础。
金蝶在推动企业AI商业化的过程中，最聪明的一点，是做到了可量化。比如，帮通威股份构建HR智能体服务中心，得到“平均系统操作时间缩短70%”的结果；帮建发房产搭建AI驱动的合同中台，得到“整体处理效率提升50%以上”的结果；帮海信集团构建干部考察与智能任职评定系统，得到“提升内部招聘比例120%”的结果……这些量化数据是怎么得来的，外界不得而知，但金蝶产品的这些量化结果得到客户认可，商业化就跑通了。效果可量化，才能做到商业可定价。
当然，企业AI不会像To C那样，几个月内就可能搞出一个全民“爆款”，而是更像一场深水区的结构再造。因此，循序渐进渗透成为走入新区的一种必然。
近年来，金蝶在为一些中型制造企业实施供应链优化方案时，通过智能排产和库存预警，采购成本明显降低，库存周转率也有一定提升。但也有部分企业的财务总监反馈，由于AI应用在复杂业务场景的适配性仍有提升空间，目前跨部门数据协同有时仍需人为干预。
综合看来金股配资网，企业级AI，懂业务比懂技术更重要，关键是要能摸准企业运转的真实脉搏。它得像个老财务，能看透每张报销单背后的审批逻辑；得是个HR专家，清楚招聘环节里用人部门、HR、老板之间的微妙博弈；还得是个法务老手，能预判合同从签订到执行可能埋雷的每个环节。聚焦那些让管理者和一线员工天天头疼的“最后一公里”问题，那些重复操作却总卡壳的流程末端，往往更需要AI出手相助。
大牛证券提示：文章来自网络，不代表本站观点。
相关文章
沪深京指数
热点资讯
