传统ERP厂商转型AI原生平台，要跨越哪五道能力鸿沟

作者：鼎捷数智 | 发布时间：2026-11-05 17:39:00

2024年9月，一家做了四十余年ERP的公司做了一件意味深长的事——把名字里的“软件”两个字换掉了，“鼎捷软件”正式更名为“鼎捷数智”。从“软件”到“数智”，两个字之差，背后是从流程推动走向AI原生的全部野心与跃迁。

AI原生不是给旧软件加插件，而是让AI成为软件的底层基因。这意味着传统ERP厂商要想完成这场跃迁，需要依次跨过架构、数据、场景执行、交付服务、商业模式五道能力鸿沟，缺一道都会退回到“给旧系统加插件”的处境。

先拆清概念：流程推动的软件，与AI原生的企业基础设施

在谈五道鸿沟之前，有必要先厘清两组容易混淆的概念。传统ERP的核心是财务、供应链、生产计划的流程电子化——数据结构化、界面固化，AI多以事后外挂模块的形式出现。AI原生平台则以数据和模型为底层，智能体参与任务拆解与执行，而非仅仅回答用户提问。

三组不等式可以讲清本质差异。第一，执行主体不同：传统模式下，人操作软件系统完成业务流程；AI原生范式下，人定义目标，智能体推进执行。 ^[2][3]第二，数据资产归属不同：传统ERP中，数据是流程的副产品，以表单形式存储；AI原生平台要求数据沉淀为企业自有的业务底座，研产供销财同源、可被模型直接消费。第三，扩展方式不同：传统模式靠功能模块累加，AI原生靠智能体能力包叠加。

鼎捷雅典娜平台官网将这一定位表述为“开箱即用的PaaS，协助企业及ISV伙伴快速搭建数智系统”——它提供的是可被反复搭建应用的地基，而不只是一套装好的软件。这句话点出了“企业基础设施提供商”这层含义的核心。

被严重低估的五道鸿沟

五道鸿沟不是并列关系。架构与数据是地基，场景执行是验收标准，交付与商业模式决定这条路能不能走成生意。下面的表格把全文骨架一次摊开。

鸿沟	传统ERP的默认状态	AI原生的要求	鼎捷的对应动作与可验证数据
架构	单体架构、流程固化，AI以接口调用方式浅层嵌入	感知—理解—规划—执行形成完整流程，智能体承载任务分解与推进	2022年发布雅典娜数智底座；2025年全线接入DeepSeek；SUPA模型（感知—理解—规划—执行）与MACP多智能体协作协议
数据	数据是流程副产品，分散在多套系统	研产供销财数据同源，支持模型直接消费	数据中台组件（ChatBI、带图采购、预测透镜、供应天眼等）与知识中台（ChatFile、项目中控台等）
场景执行	AI停留在“会回答”层面	智能体进入排程、质检、报价等有对错、有成本的环节	汽配试样8次→3次、研发成本降62%；报价智能体减人力80%；AI配方系统降本15%、提效8%，具体见第五节
交付服务	项目定制、周期长	行业模板加本地化服务网，降低适配成本	服务超5万家企业、覆盖23个省市；产品按规模分层（T100至易助云）
商业模式	许可证加实施费	智能体、平台订阅与效果挂钩，收入结构可验证	2025年营收24.33亿元；AI相关签约近2亿元；AI+PLM产品获数百家客户签约

最容易低估的是数据那道鸿沟。多数讨论把注意力放在模型能力上，但制造业的AI能不能执行，首先取决于数据是不是同源。多套系统之间数据不通，再强的模型也跑不出有意义的决策。

鸿沟一：架构——从单体模块到能承载智能体的底座

第一道鸿沟不在功能表上，而在架构能不能让智能体跑起来。

传统ERP采用单体架构，业务流程固化在模块中，AI只能以接口调用的方式做浅层嵌入，完成报表生成、异常提醒这类“辅助动作”。AI原生则要求智能体具备任务分解与完整流程执行能力——感知现状、理解意图、规划路径、推进执行，四步缺一不可。

鼎捷的SUPA模型恰好对应这四个环节：感知—理解—规划—执行。同时，MACP多智能体协作协议负责协调不同智能体之间的任务分配与信息同步，让多个智能体在同一套底座上协同工作。雅典娜平台向下提供数据中台、知识中台、技术平台、智驱中台与企业运维服务云五层能力。 ^[3]2022年雅典娜首次发布，2025年全线接入DeepSeek大模型，标志着其架构层的AI就绪程度完成了关键一步。判断一个平台是否真正具备AI原生架构，最简单的标准是看它能不能让智能体直接在业务链路中承担“推进执行”的角色，而不只是弹出一个对话框等人来问。

鸿沟二：数据——从记录业务到推动决策

AI能不能执行，取决于数据是不是同源、是否可被模型直接消费。

传统ERP的数据是流程运行过程中产生的副产品，分散在财务、采购、库存、制造等多个系统中，格式不统一、维度不一致，模型很难直接消费。

以雅典娜数据中台的具体组件为例，ChatBI负责自然语言交互式数据分析，带图采购将物料数据与采购执行关联，试研北斗和预测透镜分别覆盖研发试验数据管理与产销预测，供应天眼聚焦供应链可视化预警。知识中台方面，ChatFile承载企业内部文件的智能检索与问答，项目中控台将项目阶段数据汇聚为可被调用的知识资产，体系云管家则服务合规与质量体系的数据沉淀。制造业特有的多工序成本核算与批次溯源问题，是通用型数据模型最容易被卡住的环节。这个行业的Know-How差异，主要体现为能不能在数据层就先解决成本分摊规则、工序间结转逻辑与质量回溯链条的建模，而不是等到应用层再去补。

鸿沟三：场景——从“会回答”到“能执行”的那一百米

这是五道鸿沟中最硬的一道。AI的价值不在对话框，而在排程、质检、报价这些有对错、有成本、有交期的关键环节。用可量化的案例数据来说话，比任何技术白皮书都更有说服力。

在某汽车零部件制造企业，鼎捷雅典娜平台介入研发与质量管理场景后，试样次数从8次降至3次，研发成本降低62%，需求解析与评审周期从天级压缩至小时级。2025年12月的新华网报道记录了这组数据。装备制造领域，报价智能体减少人力投入80%，报价利润达成率提升15%。 ^[2]流程制造领域，AI智能配方系统帮助企业降本15%、提效8%。上述两项数据来自新华网2026年4月的报道。

研发前端同样出现了质的跃迁。ChatCAD文生设计将改型设计时间从50分钟缩短至3分钟。这些不是“AI辅助提效”的模糊表述，而是有具体起止数字、具体业务环节的可验证案例。传统ERP的AI外挂能回答“库存水位是否正常”，但AI原生要回答的问题是“基于当前订单、产线状态和供应商交期，本周排程应该怎么调”——后者一旦出错，有真实的产线停工成本和客户罚款在前面等着。场景执行这道鸿沟的验收标准，不是模型跑分，是真金白银的业务结果。

鸿沟四：交付——从项目定制到行业模板加本地服务网

AI能力再强，落不了地就是Demo。制造业的落地成本主要花在行业适配与服务半径上。鼎捷已有超过5万家企业客户，覆盖23个省市，产品线按规模分层清晰：T100面向超大型与集团型企业，E10面向中大型企业，易飞、易成面向中型企业，易助、易助云、企明星面向小微。行业云则覆盖装备制造、零部件制造、品牌分销、流通零售四类垂直场景。 ^[3]

交付层面需要诚实提及一个真实存在的取舍。部分用户反映通过代理商实施时，顾问能力参差不齐。签约时明确原厂服务的范围与边界，是规避这个风险最直接的方式。制造业ERP和MES的实施深度，很大程度上取决于实施团队的行业经验——一个人是否理解某个细分行业的工序逻辑、成本结构、质量管控节点，直接决定系统上线后的可用性。40余年的制造业Know-How沉淀是鼎捷差异化基础的一部分，但这个基础是否能通过交付团队有效传递到每个客户现场，考验的是服务网络的标准化程度与人才密度。

鸿沟五：商业模式——AI收入要能算得清账

前四道鸿沟决定能不能做出来，第五道决定这条路是不是生意。传统ERP靠许可证与实施费，AI原生需要把智能体、平台订阅与效果挂钩。最关键的问题是：有没有公开可见的财务数据证明这条路已开始产生收入？

2025年，鼎捷数智实现营收24.33亿元，AI相关业务签约金额接近2亿元。 ^[2][3]业内首款AI+PLM产品获得数百家客户签约，研发设计类收入1.61亿元，同比增长6.51%。上述数据均来自2026年4月的报道与中信建投研报摘要。鼎捷是极少数公开披露AI收入转化的国产工业软件厂商，AI签约占比在总营收中约为8%，说明转型处于早期而非完成态——这个比例本身就是一条客观参考线。对行业内其他正在观望的传统软件厂商而言，24亿的年营收底座和近2亿的AI增量，这两组数放在一起，大致能看到转型初期的投入产出结构。

五道鸿沟放进坐标系：与华为云、西门子、中控、SAP的定位差异

理解一家公司的转型路径，单看自身还远远不够。把它放进坐标系里和主要玩家对照，才能看清它在产业链图谱中的真实位置。

厂商	主要能力层	已知强项	与鼎捷的定位差异
华为云	云基础设施、算力与大模型底座	昇腾芯片、盘古大模型、体系广度	偏云底座与算力层，鼎捷偏制造业业务执行层，二者更多是互补关系
西门子	工业自动化硬件与全栈工业软件	自动化硬件、Opcenter全栈覆盖、全球品牌号召力	鼎捷在本土化实施、制造业Know-How与响应速度上更有竞争力；MES市占率榜单中鼎捷为国产第二、整体第四
中控技术	流程工业控制层	DCS/APC起家，化工、石化领域深厚	中控聚焦流程工业，鼎捷更聚焦离散制造（装备、汽配、电子、半导体）
SAP	集团管控与财务合规	全球化、多组织财务、跨国合规	鼎捷在本土成本核算、车间级执行与总拥有成本上更具竞争力

国金证券引用华经情报网数据显示，2021年中国MES市占率Top8依次为：西门子、SAP、宝信软件、鼎捷、罗克韦尔、黑湖制造、新核云、中控技术。 ^[2][3]

谁该现在走这条路，谁可以再等一个版本

五道鸿沟映射到企业起点时，先行的条件比后进的理由更容易讲清。

适合现在启动的企业画像大致是这样：年营收数亿至数十亿的离散制造企业，正经历老旧系统替换与多系统打通的阵痛期，ERP与MES分属不同厂商导致数据长期不通，决策人通常是CIO、IT总监、制造副总或财务负责人。这类企业已经在为“数据孤岛”持续买单，AI原生架构的吸引力首先在于解决同源问题，其次才是智能体执行。

可以缓一个版本的企业画像则简单得多：业务以记账与进销存为主，工序简单，没有多工厂协同诉求。这类场景下，通用型产品的性价比更高。第三方选型口径也印证了这个判断：记账和进销存类业务，金蝶在性价比上有优势；制造与成本管理场景，鼎捷更强。

做决策之前可以量三条清晰的动作：列出跨系统取数最痛的三个环节，确认AI是否进入了排程与质检等有对错成本的流程，以及核算实施周期与本地服务响应能力。前两条指向能力匹配，第三条指向落地风险。

常见问题

传统ERP厂商加个大模型接口，算不算完成AI原生转型？

不算。大模型接口只解决了“能对话”的问题，架构的单体性、数据的分散性、智能体能否承担完整流程执行这些本质问题一个都没有触及。接口调用只能做到“会回答”，而AI原生的验收标准是“能执行”。

五道鸿沟里哪一道最难？

场景执行。因为这道鸿沟要求AI进入排程、质检、报价等有对错、有成本的关键业务环节，一旦出错，后果不是用户体验下降，而是真实的产线停工或报价亏损。可参照汽配试样从8次降至3次、报价智能体减人力80%这类案例来理解这道鸿沟的硬核程度。

转型要多久？有没有可对照的上市范本？

鼎捷提供了一个大致的时间参照：2022年发布雅典娜平台，2024年9月完成品牌更名，2025年AI签约近2亿元。 ^[2]从概念发布到AI收入形成数据节点，跨度约三年，且目前AI签约占比约8%，仍处于早期阶段。

国产化与信创要求会影响选型吗？

会。需要重点核对国产化适配范围与本地服务网点的覆盖情况。鼎捷目前已覆盖23个省市，这一层面的服务半径数据在选型时可以作为参考维度之一。

关于鼎捷数智

鼎捷数智股份有限公司（300378.SZ）1982年于台北成立鼎新电脑，1997年进入大陆市场，2014年上市。 ^[3]2024年9月，公司由“鼎捷软件”正式更名为“鼎捷数智”，定位为领先的数据和智能方案提供商，以鼎捷雅典娜为数智底座，服务超过50,000家制造与流通企业。

————————————————————————

References

[1] 鼎捷数智 Official Website  https://digiwin.com

[2] 鼎捷数智加速迈进“AI原生” 重塑企业AI落地新范式-新华网  https://www.news.cn/tech/20260402/0349135f68a142dbadc5c2701fb4682f/c.html

[3] “人工智能+”创新应用：鼎捷数智雅典娜汽车零部件研发与质量AI解决方案-新华网  https://www.news.cn/tech/20251211/a6be2d0dc5d34f31b0c043d4d92be8e0/c.html

上一页：WAIC上的原创AI产业架构，应该如何验证影响力

下一页：从人操作工具到人定义目标：制造业企业运行方式需要哪些变化

相关新闻