10月29日，数智2027蓝凌用户大会在北京举行，参会规模超千人。大会发布了新一代aiKM知识中台、aiBPM流程中台等全线产品，并预发布支撑“企业AI大脑”的蓝凌语义百科。
相比产品清单，更值得关注的是这家成立25年的软件公司提出的新定位——“AI时代的知识和流程专家”。蓝凌并未将自研或微调大模型作为核心方向，而是将其视为可采购的基础设施，聚焦于企业的专属知识和业务流程。其核心逻辑在于：AI要在企业内有效落地，必须依托于扎实的“企业上下文”土壤。
AI扎根知识与流程
过去二十多年，企业软件行业主要致力于审批线上化和文档系统化。然而，随着AI技术的介入，一个长期被掩盖的问题浮现出来：若企业内部数据臃肿、断裂且口径混乱，即便模型再强大，也只能产出低效的自动化结果。
蓝凌智能董事长杨健伟在主题演讲中指出，团队确立了“先聚焦，再扩展”的策略，锚定知识与流程两大支柱。他强调：“知识是燃料，流程是跑道，只有这两者完备，AI这架飞机才能起飞。”
这一策略的底气来源于央国企超大集团的实践。某中央企业在流程一体化前，全集团流程模板多达2.4万余个。若逐个叠加AI能力，需进行2万多次智能化改造。经过统一门户与统一流程建设，模板整合至3000余个，实现了智能审批、智能摘要的一次部署与全局复用。另一家国企集团则将全集团制度从3.7万项整合至7000余项，并围绕制度管理平台叠加十余个智能体，用于制度与国家法规、上下级制度间的比对核查。杨健伟表示，基于3万多个未经清洗的制度做问答只能得到概率性结果，而基于7000个确认过的制度才能提供准确答案。
产品端的进展印证了这一投入强度。蓝凌智能副总裁刘向华披露，过去一年，110个成熟智能体嵌入全线产品，AI及中台相关产品线签约并完成验收的客户超过800家。他将企业AI竞争力总结为：知识与流程是基数，AI是放大器；若基数不足，指数再大也无意义。
审批流演进为业务流
传统观念认为流程上线即带来效率提升，但今年的客户实践表明，在引入AI之前，流程本身必须先实现规范化。
君乐宝乳业集团经历了这一过程。随着三大业务高速增长，全集团流程曾超过4800条，单个流程审批节点最多达22个，存在大量习惯性点击同意的现象。蓝凌并未急于叠加智能功能，而是先协助业务部门清理末端流程、合并同类项，并将保留流程纳入五级流程体系，与制度、组织、岗位一一对应。流程“瘦身”后，AI才介入进行合规性识别与智能辅助，“奶卡订单一件事”等场景同步打通了跨系统断点。最终，全集团流程精简至700余条，其中端到端业务流程300余条，审批耗时下降70%。君乐宝CIO张彦军定义BPM为端到端业务的穿透、执行监管与持续优化，并对AI投入持审慎态度，强调IT决策需有实际体感。
某快消巨头则面临门店高速开业带来的跨系统、跨部门协同挑战。该公司借鉴政务“一件事”改革思路，将开店、用工、立项等跨部门事项整件拉通，使数据、规则与业务动作在同一条流程中贯通，让审批流演变为业务流。落地过程中，FDE团队深入业务现场重塑流程，配合AI Coding与低代码调整。一年内，76个“一件事”落地，审批链路缩短42%，全年减少审批单据72万单；仅开店场景就覆盖8个系统、28个审批节点，人工操作减少64%，时间节约40%。
这两种路径指向同一趋势：流程优化的依据从通过大数据分析寻找卡顿点，转变为顺着具体事项进行责任追溯。例如，开店延期原因可通过流程直接查明。
让经验转化为AI可读的知识
除流程外，另一条关键生长线在于知识管理。
海信集团面临知识分散的挑战。作为一家多产业、多品牌、全球化经营的企业，其知识散落在不同事业部和平台，隐性经验依附于个人，导致经验难以复用。当智能体进入业务时，知识不准、不可追溯、无人治理等问题成为阻碍。
海信的做法是重组知识的生产与使用。以“星海知识库”为底座，底层接入业务数据与各类知识载体，经加工、语义组织和检索调度形成统一知识服务；同时建立“集团统筹、领域负责、事业部落地”的三级治理体系，将导入、管理、运营、消费串联成持续运转的链条，使同一套知识服务于员工、业务系统和智能体。截至2026年8月，海信已形成领域、团队与个人等知识资产总量20.49万项，检索准确率达94%。
海信集团知识PDT经理宋冠辰指出，知识管理需回答真实业务问题，关键在于让每一条知识可追溯、可更新、被智能体准确调用，而非简单地将文档搬入系统。海信未为AI另建知识体系，而是先收拢并治理分散积累，再交由智能体使用。
伊顿电气也采取了类似路径。该企业将三十年的图纸、手册与专家经验加工至切片级，配置标准问答并允许人工纠错，叠加质量缺陷图谱与8D、5Why等工具形成AI现场助手，使知识检索提效80%，质量分析周期缩短50%。
将AI深入业务现场的执行者
流程理顺、知识备好后，关键环节在于谁来将AI真正融入业务。蓝凌的答案是FDE（前置部署工程师）。
FDE概念源自国外，今年在国内软件圈升温。蓝凌智能副总裁杨泽定义其为连接系统上线与价值实现的团队，负责将产品深入业务，确保业务结果可见。目前该团队约50人，过去一年交付了100多个智能化项目。
某亚洲最大单体印刷厂的案例说明了F的工作模式。面对万人级企业提升人效的需求，FDE团队未直接调研，而是先进行预研诊断。他们发现该企业擅长的大单量产正受多品类同行挤压，需转向小单快反模式，而原有流程无法支撑。基于此判断，团队梳理出80余个AI场景，按业务价值、迫切度、知识准备度等维度筛选，首战选定订单风险管理（FMEA环节）。过去风险审核员凭经验撰写报告，在小单快反模式下难以为继。AI接手后，单份报告编制时间从24小时压缩至2小时，审核岗人均产能提升80%，预计每年提前识别约300万元风险损失。该项目仅由2名FDE参与，10天找准方向，20天验证解法，30天投入生产。
杨健伟补充道，在AI Coding时代，需求分析比编码更重要。一旦界面原型和数据架构确认，编码工作量仅占四成。这也是蓝凌重点投向FDE工作台而非单纯扩编开发团队的原因。
从AI变革深水区展望未来
变革尚未完成。杨健伟将当前阶段定义为AI变革的深水区，并提出三个关键问题：基于何种架构持续生长？组织变革如何推进？定量ROI如何计算？
针对架构问题，他主张面向三年后“AI指挥人工作”的形态倒推：应用层放开以快速试错，而由组织、流程、知识、数据构成的上下文必须收拢管理，成为权威、可持续积累的企业资产。这就是蓝凌提出的“应用价值+企业上下文”双飞轮架构。他指出，许多企业对AI ROI的焦虑并非源于精确测算，而是承压于CIO角色；随着组织能力与IT合流，CHO将成为CIO的重要搭档，共同推动组织变革。
预发布的“蓝凌语义百科”是面向下一代AI的最新尝试。蓝凌将内部战略、组织、制度与流程文档交给AI，自动生成语义百科，抽取为本体图谱，并为每个本体配置意图与取数、计算、输出规则，最终支撑经营分析、制度问询等场景。该系统已在蓝凌内部跑通，计划元旦前后开源。
结语
本次大会明确了一个观点：AI在企业内的生长速度与模型迭代关系不大，而与企业流程和知识的整理程度密切相关。过去软件业比拼功能覆盖、实施效率与交付周期，如今则比拼AI能否真正进入业务现场，这取决于企业自身积累的上下文。当交付标的从系统转向结果时，产品形态、交付方式与计价逻辑均需随之改变。
蓝凌提供的并非通用答案，而是一条可核验的路径：先将知识与流程治理至AI可用状态，再谈论智能体；先选出可量化收益的场景，再谈论规模推广。在普遍焦虑的转型期中，厘清“AI何时不可用”与阐明“AI能做什么”同等重要。
审 核：李国庆
