作者：高飞

2026年春天，AI工程界突然被一个词点燃。Harness Engineering，中文译作“驾驭工程”。Harness本意是马具，缰绳、马鞍、嚼子，一整套引导强壮但不可预测的动物的装备。这个词背后的思路是：每当AI犯一次错，就设计一套工程化方案，让它再也犯不了同样的错。不调教马的性格，而是打造一副更好的马具。

八月初的南京，近万人聚集在国际博览中心。用友2026全球商业创新大会的主题是六个字：驾驭AI，驱动增长。“驾驭”二字恰好在其中。

王文京在主题演讲中解释了他对“驾驭”的理解。他把企业和AI的关系分成三个阶段：学习AI、尝试AI、驾驭AI。大多数企业还在前两个阶段，了解AI能做什么，在局部业务里试试效果。对于第三个阶段“驾驭”，他的定义是：构建企业AI的产品与技术平台和运营体系，深入、全面地在经营管理中运用AI。这个定义的重心不在“用AI”，而在“构建体系”。

换句话说，驾驭阶段和前两个阶段的分界线，恰恰在于企业有没有为AI建起一套完整的工程化约束系统。

因此，“驾驭AI 驱动增长”这六个字藏着两层意思。表面读是一个商业目标，掌握AI、用AI来增长，这是所有企业都在喊的话。但用“驾驭”而不是别的词，王文京实际上在亮出一个方法论立场：企业AI落地，不是把大模型接进来就完了。模型是马，没有缰绳、马鞍和护栏，马越烈越危险。要达到“驾驭AI”这个目标，你得走“驾驭工程”这条路径。目标和路径是同一个词。

而且，对用友所服务的企业客户而言，它们不是只有一匹马需要驾驭。采购有采购的模型，财务有财务的智能体，供应链、人力、客户服务各有各的AI应用场景，每个场景的数据边界、权限规则、合规要求都不同。这不是驾驭一匹马的问题，是驾驭一整支马队。

烈马需要什么样的马具

那么，好的马具到底长什么样？

LangChain在2026年初做了一个实验，给了一个清晰的参照。他们用同一个大模型跑Terminal Bench 2.0（一个衡量AI自主完成编程任务的评测基准），只改约束架构不改模型，通过率从52.8%升到66.5%，排名从三十开外跳进前五。模型的权重一个字节没动，纯粹靠换了一副更好的“马具”。

这个实验针对的是编程任务，场景相对单一。企业经营要复杂得多：不只一种任务，不只一个模型，数据散布在几十个系统里，权限规则嵌套了好几层。王文京在主题演讲中指出，企业里有两类完全不同的应用场景，一类是基于规则执行、确定性计算的场景，另一类是需要预测、决策、自主执行的不确定性场景。硬把两类场景塞进同一种软件形态，就像用赛马的缰绳去套拉货的挽马，或者反过来。

这是BIP 6提出“智能双模”架构的出发点。如果翻译成驾驭工程语言：流程执行型软件是一套成熟的挽具，适合规则明确、路线确定的拉车场景，稳定、精确，不需要调用大模型，也就没有按调用量计费的token成本；智能体软件则是赛马装备，专为需要判断、决策、快速响应的赛道设计。BIP 6的产品架构让两套装备共存于同一个马厩。王文京的原话是“既稳又灵”。

但光有两套装备不够。

赛马也好、挽马也好，首先得认路。企业大模型面临的最大问题不是不够聪明，而是不认识这家企业。用友网络执行副总裁，BIP技术与产品研发中心总经理谢志华在媒体沟通会上举了一个很具体的例子：你问大模型“含税价格”，它可能把不含税的数据也拉进来，因为在大模型的概率世界里这两个字段高度相关。你无论怎么优化检索增强，大模型每次能“看到”的信息量是有限的（业内叫上下文窗口），它只能在这个窗口范围内处理逻辑自洽问题。窗口之外的业务规则、数据边界，它看不见也管不了。

认路问题需要另一种解法。此时，就要提及“本体”，这个来自知识工程的概念。简单说就是把一家企业的所有业务概念、数据关系和规则，整理成一张机器能读懂的知识地图。比如“含税价格”和“不含税价格”是两个不同字段、分别出现在哪些表里、什么场景下该用哪个，这些关系在本体里都有明确的定义。大模型干活之前先查这张地图，就不会把两个字段混为一谈。

谢志华在解释本体平台时直接把它和驾驭工程做了挂钩：“我们为什么要做这个本体，就是这套驾驭工程这套东西。”做法是把大模型的任务切成一小段一小段，通过本体约束它从哪里取数据、走哪些业务规则、执行哪些动作，“这样它的幻觉会极大幅度地降低”。用友把这套本体平台叫YonOnto，它将企业运营全要素转化为动态可推理的业务知识图谱，统一业务语义，让大模型先“认识”这家企业，然后才开始干活。

谢志华说，这让约束范围“远大于上下文窗口”，本质上把驾驭工程的能力边界向外推了一大截。

如果本体是缰绳，智能双模是马鞍，那用友BIP 6的AI治理平台就是跑道的护栏。企业里的智能体越来越多，但谁来管它们？谁来审计它们的每一次决策？王文京在演讲中把这个问题明确摆了出来：“尤其是现在企业应用智能体越来越多，很多企业都遇到这些智能体到底怎么有效地管控它。”

驾驭工程界有一句共识：2025年证明了Agent能工作，2026年要解决的是如何让Agent可靠地工作。用友给出的答案是用友BIP 6同步发布的几大AI原生产品：YonOnto本体平台提供业务知识约束；YonWork作为企业AI工作台统一调度人与AI的协作；YonData企业AI数据智能体打通数据底座，充分发挥数据价值；YonCode AI原生开发平台让开发者在AI辅助下快速搭建应用。这几个产品各管一段，合在一起构成了一套完整的“马具系统”。其中YonCode的产品定位直接用了“驾驭”二字，“驾驭AI不确定性、交付确定性价值”，不确定性是马的本性，确定性是马具的职责。目前用友BIP 6里，承载了65个垂直领域智能体和623个Skill，覆盖超过2.6万个API接口。

骑术不在马背上学

产品再精巧，终究要在真实的泥地上跑起来。马具好不好，看马跑出来的成绩。

在大会上，用友与合作客户展示了一系列案例。

佰工钢铁和用友合作AI落地的目标非常以结果为导向：吨钢成本降200元。没有“赋能”“转型”这类弹性词汇，就是一个硬邦邦的数字。他们的做法也跟驾驭工程的思路惊人一致，直接扎进企业最小的细胞单元“单卷成本”，从这里出发，把每一个工序的成本过程项全部拆解打开，用IoT实时采集数据，为每个环节建立数学模型。他们甚至做到了“基因级”，比如加热炉的每个布次、每根滚子消耗的电力，都用微积分算法精确计算。截至大会当天，佰工已经实现吨钢成本降低82元，岗位精算人效提升7%，品种钢销售比例提升18%。副总经理郭俊成的说法是“让AI管理企业”，把AI嵌进每一个业务细胞。

苏盐集团和用友的合作始于1994年。这家拥有2500年淮盐传承的企业，从U8到BIP，每一步都踩在软件形态的换代节点上，合作历史长达30余年。江苏省盐业集团党委书记、董事长郑海龙的判断比多数传统企业管理者走得更远：“AI不是ERP的外挂，而是在重新定义ERP。”他预判ERP“很大概率会隐居到幕后，成为推动数字化转型的最大后台”。对一家将12个区域公司整合为5个营销平台、彻底重塑了40多年组织架构的企业来说，驾驭AI就是驾驭变革。

溜溜梅是一个每年加工水果超过十万吨的企业，有意思的是溜溜梅的英文简写正是LLM。

这家企业用AI视觉检测系统让每颗西梅的规格和感官判断从人工选辑变成机器精算，又通过PLM产品全生命周期模型把“消费者的语言翻译成工程师的参数”。董事长杨帆的表述很朴素：技术不是标签，是流淌在生产线里的血液。

这些案例其实有一个共同特征：企业本身的数据基础和管理基础都比较好。

不过，那基础不够好的企业怎么办？我在会上问了用友网络高端BG总裁杜宇这个问题。

他的回答是：基础好坏影响的是速度和深度，但不是能不能开始。用友BIP 6在设计上可以和企业原有系统融合应用，不需要把旧系统推倒重来。基础好的企业可以像佰工那样找深场景的价值，基础弱一些的可以从数据质量较好的单一场景切入，比如智能审核、合同审核、知识问答，先见效再扩展。杜宇的原话是：“你没有去体验AI，说我准备好了我再去上AI，其实是没有这个概念的。”AI的使用本身会倒逼企业去完善数据质量和管理基础，越等反而越晚。

谁来主导AI落地也是一个被经常讨论的话题。

2026年，AI行业有一个正在快速升温的角色叫FDE（Forward Deployed Engineer，前沿部署工程师）。这个模式最早由Palantir在政府和军方项目中跑通，核心是把工程师嵌入客户现场，对业务结果负责。OpenAI和Anthropic今年都在大幅扩充FDE团队，国内多家云厂商也设立了类似部门。

用友的做法与此一脉相承：组建专门的FDE团队，和企业团队深度绑定，以业务成效为目标共同研究、共同创造，持续沉淀可复用的智能化能力。付费方式也变了，变成标准软件费加上业务成果分成。王文京举的例子很直接：“比如我帮你节约了多少成本，从节约的成本里边按一定的比例来做分成。”

驾驭工程的提出者Hashimoto说过，他的AI采用旅程分六个阶段，第五阶段才是“Engineer the Harness”。换句话说，驾驭能力不是买来的，是在实践中一锤子一锤子打出来的。FDE模式的本质就是在企业现场搭建这个打铁的炉子。

牧场主的视野

从产品到案例到落地模式，前面我们讲的都是怎么把AI驾驭好。但王文京在大会上还讲了一件更大的事：宣布用友的战略定位从“企业软件”升维到“企业AI”，这是公司38年历史上的一个里程碑。

战略定位的调整通常是后知后觉的，先做了，再命名。但这次的时序值得注意：用友的战略焕新和产品发布几乎同步。毕竟，产品矩阵的结构讲述的故事，会比任何战略宣言更清晰。

第一层是企业AI软件，核心就是用友BIP 6，从X+AI升级到AI+X。

第二层是企业AI软硬一体化产品，就是那个让好几位企业董事长在午餐时追问的“企业AI盒子”。它解决的是一个非常现实的焦虑：企业想用大模型的能力，但不想把数据送上云端被蒸馏。盒子把大模型装进本地硬件，预装模型、预装应用，“插电即用”，数据全程不出域。如果说BIP 6是一套精密的驾驭系统，AI盒子就是一个可以搬回自家马场的便携式训练场。

第三层是AI BaaS，即基于AI的业务运营服务。这才是整个战略升维中很有意思的一步。传统逻辑里，软件公司卖工具，企业用工具干活。AI BaaS打破了这条边界：用友将逐渐直接承接企业的财务运营，用AI完成记账、核算、报税、合规等工作，交付的不是软件，是业务结果。

畅捷通总裁杨雨春给出了一组数据：畅捷通在2026年7月完成了超过18万户中国小微企业的记账和报税申报，这个数字让它成为中国单体最大的记账报税服务公司。而完成这一切的不是数百名会计，是AI驱动的“机器人会计工厂”，只需要训练师，不需要专职会计。人效提升是传统代账公司用软件工具操作的20到30倍。

企业BG总裁徐洋说：成长型企业未必是AI时代的追赶者，反而可能率先跑通价值闭环。原因在于它们的“结构性优势”，决策链短、组织灵活、历史系统负债轻。大企业推AI要跨组织、跨法人、跨系统，成长型企业的一把手可能拍个板就启动了。“未来决定企业的不是人员规模，而是你能不能让数字员工发挥战斗力。”

用友BIP 6是驾驭系统，AI盒子让驾驭发生在企业自己的马场，AI BaaS更进一步：企业暂时学不会骑马，用友替你骑，按跑出来的成绩收费。从卖马具，到建马场，到承包结果。

在媒体沟通会上，有一个问题是：AI和传统软件到底是替代还是共存？“AI这么发达以后，原有的软件还需要吗”，王文京的回答没有选择非此即彼：“企业里面的应用场景是两种类型都存在的。”流程执行型软件处理确定性问题，没有token成本；智能体软件处理不确定性问题，可以预测、决策、自主执行。他用了一个朴素的形容，“既稳又灵”。

所以，AI可以看作是软件的新范式、新形态，“是软件AI化的一次换代”。王文京甚至给出了一个乐观的推论，认为AI会让软件业更繁荣。理由有四：能力更强，价值更直接，更容易普及，商业模式更灵活。

软件工程领域的思想家Martin Fowler在分析Harness Engineering时把它拆解为三个支柱：上下文工程、架构约束和垃圾回收。用友的BIP 6也恰好可以对应上这三根柱子：YonOnto本体平台做的是企业级上下文工程，智能双模架构做的是约束设计，AI治理平台做的是持续运行中的熵治理。