金蝶GPT：纵横之路与诗和远方

导语：

在企业服务领域，纵是深耕垂类，而横是打造平台。

30年来，金蝶就在纵与横的交替中，砥砺前行。

而最新推出的金蝶云·苍穹GPT平台，也是垂类和平台化的典型组合。

在横的层面上，在平台化的打造上，得益于金蝶第三次平台化变革的核心成果——金蝶云·苍穹，金蝶得以快速部署能够兼容诸多通用大模型、针对企业管理多重场景的AI能力层；在纵的深耕中，基于30年来积淀的财务软件经验，金蝶财务大模型成为同领域、同赛道内的国内首个垂类大模型，展现了对财务业务深刻理解之下的生成式能力。

“虽然我的头发白了，年纪大了，但是我这颗让中国软件在全球崛起的初心不变、雄心不变、激情也不变”，金蝶创始人徐少春在金蝶30周年时的这番讲话，让人充满期待。

1. 做平台，金蝶是有传统的

5000名员工的不舍昼夜，换来的是金蝶云·苍穹GPT大模型在8月8日的如期发布，这个被定位为“最懂管理的企业级大模型平台”的发布中，还顺势推出了业界首个财务大模型，成为其核心竞争力的展现。

而金蝶云·苍穹GPT大模型平台，又是金蝶云·苍穹云原生平台中的一层，可谓是“平台套平台”。

说来话长，金蝶做平台是有传统的。

在软件业有句俗话，叫“一款软件走的快，一个平台走的远”。

单一的软件，可能因为功能的优异而迅速爆火，但生命周期和服务能力有限；而一个软件平台，可以沿用一代乃至几代，服务宽度远远大于单一平台，是一个企业综合能力的体现。

但是，做单品和做平台，难度系数完全不同。这就好比你在淘宝开个店，和做一个淘宝平台的区别。

金蝶历史上，就有三次重要的历史转折，都和做平台有关。

第一次，是从做DOS财务软件转为做Windows财务软件，其操作系统平台的迁移。

第二次，是从财务软件迈向金蝶ERP系统平台，是赛道的跃迁。

第三次，是最艰难的，也是离现在最近的一次，是从传统软件向云原生的飞跃。

ERP系统让金蝶的版图不断扩张，企业人数规模也在不断扩大。2008年至2010年的3年间，金蝶的员工人数涨幅超过了一倍……但是，到了2012年，金蝶遭遇了史上最艰难的时刻。上半年，金蝶净亏损达到2亿多。这是金蝶自成立以来首次亏损，不断攀升的人力成本几乎把金蝶逼向了生死存亡的险地。

徐少春陷入了深深的苦恼，他的洞察是，不是金蝶的产品不好，而是移动互联网正在中国如火如荼的普及，移动互联网成长的背后是AI、云计算和大数据等技术的日新月新，而当时，金蝶的重心还在ERP系统和传统咨询服务业，虽然眼下的业务数据并不差，但这不足以承载二级市场最重要的“预期”。

徐少春一个人回到家里，他思来想去，想到了“三个坚持”。他认为，金蝶一定要坚持下去：坚持信念、坚持信任、坚持行动。

而其中最果断的，就是“坚持行动”，也就是把金蝶的整个业务底座向云端迁移，把公司的业务平台焕新，也同时让公司变成一只更轻盈的“蝴蝶”，这就是金蝶开始“云之家”的尝试，以及到此后金蝶云·苍穹平台的大成。

而金蝶云·苍穹平台的成功，不仅决定了金蝶今后的业务路径，也在某种程度上，成就了苍穹GPT大模型平台的快速崛起。

2. 加一层

在这次的发布会上，我遇到了金蝶中国的执行副总裁赵燕锡。今年4月的时候，正是GPT如火如荼的时刻，赵燕锡到北京来出差，记得我当时追问他，金蝶会不会在GPT上有大动作？

赵燕锡当时的回答却是有些含糊的，他谈了不少对GPT的理解，但对于金蝶要做什么却语焉不详。

然而，此刻，也就是8月初，金蝶拿出来的苍穹GPT平台，无论从技术成熟度、对多个通用大模型的兼容，乃至拿出来可以“开箱即用”的GPT能力，甚至包括业内首个发布的财务大模型，都显示了金蝶在这方面早有准备。

赵燕锡笑着表示，因为当时很多细节还没敲定，所以没法说。

其实，不要说4月，就是再往前推一点，ChatGPT的问世也不过就是在2022年的年尾，换句话来说，即使金蝶在ChatGPT3.5问世的当天晚上就开始开发，到现在也不过七八个月的时间，但为什么他们拿出来的产品，是那么的成熟和周详呢？

在笔者看来，有两个重要的原因——平台承托和路径正确，两者缺一不可。

对于第一个问题，赵燕锡的看法是，苍穹GPT平台和金蝶财务大模型的发布，的确很大程度上取决于金蝶云·苍穹整个平台技术栈的先进性和灵活性。

“大模型天生和云计算要结合起来用，这是共识。而我们在云计算的PaaS层的技术底座打得比较扎实，所以在践行‘云智一体’的时候，的确效率很高。云和AI的合流，这不仅仅是我的个人判断，而是业内主流共识”，赵燕锡说：“当然，这和苍穹平台具体的技术特征又有关系。”

事实上，我们大概都知道，金蝶云·苍穹是基于EBC理念而研发的新一代云原生企业服务PaaS层底座，而EBC体系中有一个非常重要的概念就是PBC（可组装）。

“我们在可组装方面，有一个典型的技术特点是技术驱动和开放接口，这两个使用机制并不是今天才构建的。但它对于我们在苍穹平台上加上AI层的确有非常现实的意义，它使得我们的苍穹GPT可以迅速被上层应用访问，这也就意味着对我们生态中所有的第三方企业开发的应用来说，这种访问都是很便利的”，赵燕锡说：“这是从微观层面来看，苍穹平台为何能够快速与多个通用大模型适配，并迅速形成产品力。”

而另一个笔者认为非常重要的就是，金蝶构建了GPT大模型平台，但没有第一时间抢推通用大模型，而是一方面集成多家通用大模型，另一方面发布了自己的财务大模型，而后者才是重中之重。

这就是路径选择的奥妙。

金蝶第一时间就宣布了金蝶苍穹GPT平台，是一个能够“兼容”诸多通用大模型并垂类赋能的技术底座。

于是很多人问，为什么金蝶没有直接做通用大模型？

在笔者看来，这里面有几层奥妙。

第一个原因，是目前通用大模型的选择已经很多，已经足够让金蝶推出可以商业化落地的GPT平台。

在市场上已经有足够多较成熟的通用大模型的情况下，金蝶如果一定要做，就要做出足够的差异化，就需要更多的行业沉淀和行业洞察，而这对于金蝶属于“重要但不紧急”的问题。

第二个原因，从纯商业的角度来看，金蝶不直接做通用大模型，一方面是实现了相对中立化，可以与各家通用大模型企业合作而不互斥；对于用户来说，也更便于用户选择适合自己的通用模型能力，这是商业模式设计上的巧思。

第三个原因，金蝶不做通用大模型不意味着金蝶不追赶生成式大模型这个技术栈，相反，金蝶结合自己服务客户30年的经验，推出了惊艳的垂类大模型——财务大模型。

赵燕锡是这么看的：“为什么我们发布的是财务大模型，而不是企业服务大模型呢？因为企业服务是一个很宽泛的概念，我们容易失去焦点；但财务大模型就很具体，而且有了过去30年在财务领域的积累，我们相信我们做出的财务大模型，不但是首发，而且在能力上也绝对是业内第一。”

简而言之，金蝶的选择思路是——要么不轻易做，要做就做细分赛道第一。

事实上，从目前的行业环境看，大量企业去做通用模型，已经形成了事实上的资源浪费和项目过剩。更严重的问题是，其中80%-90%的通用大模型会死掉，因为它们找不到落地场景和领域数据集，目标远大但不接地气。

金蝶的选择和京东等拥有大量实体业务的企业一样，从垂直做起，用从真实业务中长期积累的行业know-how中去“长出大模型”。那就是，一开始就植根于真实业务，一落地就能商业化变现，不但更能解决实际问题，而且随着逐渐积累，最终也会长出未来踏足通用大模型的核心要素。

不是不做，而是一个顺序的问题。在这个问题上，金蝶做了高度务实的选择。

3. 金蝶的财务大模型，为什么很好用？

简单说，用一句话来概括，就是最懂财务的大模型

很多人容易混淆的是，这次金蝶其实发布的是两个产品，一个是金蝶云·苍穹平台上的苍穹GPT，它是一个模型能力承载平台。

它的价值，是把金蝶旗下的SaaS场景与该平台的相关模型深度融合，融入丰富的业务场景后，通过AIGC + PaaS + SaaS的打通，可以进而在人力、财税、供应链、生态等应用中，面向终端用户提供生成式体验，为管理者、专业岗位、员工、开发人员提供更智能的应用。

另一个则是这若干垂类大模型中，金蝶重点自研的财务大模型。这是一个产业级大模型，或者叫做垂类大模型，它解决的就是财务领域如何使用大模型能力的问题。

而它的优越性在于，作为国内企业管理软件、特别是财务软件的领导者，金蝶的财务大模型，是在通用大模型的基础之上，通过针对财务领域的继续预训练、针对财务领域的微调、提速与工程化，把金蝶30多年在财务领域上的积累以及从几百万客户实践中得到反馈所沉淀的经验，深度蒸馏后跟大模型结合起来的，使得其在财务领域的能力远超通用大模型，也远超其它底蕴不及的财务类模型。

如果这样说略显笼统，我们可以看几个例子，来看金蝶财务大模型的成熟度。

使用过AIGC的读者可能都知道，要充分释放AIGC的能力，提示语很重要。不好的提示语，可能得出荒谬的结果。所以一度甚至有一种观点，认为将来会有一个职业，叫做“提示语训练师”，专门负责传授如何使用正确的提示语。

但金蝶不想用这么笨拙的方法来解决问题，它通过“预置”的方式，实现了提示语的“准自动化”。

简而言之，就是在本次的财务大模型中，金蝶已经预置了全面、专业的提示语。

这些提示语也并非凭空得来，而是金蝶将多年行业实践积累的专家思维，以思维链形式与财务大模型服务融合，做到了这些提示语“从财务场景中来、到财务场景中去”。

换言之，只要使用者具有财务工作者的思维，那在针对不同的场景时，就会得到系统推荐的丰富、专业的提示语推荐，而对于财务人员来说，这些提示语是“一看就会，一看就懂”，这样他们通过简单的选择和编辑，就能够针对具体的场景使用合适的提示语，使得大模型能够保证最佳的生成式效果。

例如，在现场的演示中，针对一个职位候选人的甄选工作，结合不同的提示语，大模型就针对不同的能力维度 ，对被推荐人的能力进行了合理的评估和排序，为最后的决策铺好了“最后100米”。

这反映的，是金蝶对财务领域思维链路的熟悉和从用户需求出发设置功能的思维。

再举一个例子，很多人都在幻想AIGC能力可以为自己配备一个“数字助手”，但金蝶的财务大模型不但设置了这一角色，还针对其场景，分别设计了全员助手、专业助手、管理助手等三个角色。

其实，助手并不是chatGPT的升级版，至少在金蝶的实践中，它更是帮助员工实现自主理解、规划、执行复杂任务的“助理系统”。

比如全员助手，主要针对的是通用型的问题，比如每个财务人员都会问到的通识问题，比如某些财税领域的法律、政策问题。

而专业助手的针对性则比较强，它能够理解更复杂的问题。比如，使用者可能要求从几百份简历或者几十份报表中提炼出共性问题，再加以比对，甚至形成图表，而专业助手在这方面的效率是人的几十、几百倍。

管理助手的定位则更高，它可以提供更专业、丰富度更高、问题开放性更强的情况下的决策辅助，比如针对某个具体问题，它可能会主动对比同类企业、甚至全球企业的相关实践是什么、如何做等等，再给出有针对性的问题答案。

赵燕锡谦虚地说，在他看来，未来的助手会是一个全能的智能体，而目前的助手还是较早的尝试，但即使如此，它也能实现管理大量的工作流、甚至调用不同的垂类模型解决不同的问题，“我相信这只是个开始，随着实践的不断提升，未来的、真正意义上全能的助手一定会出现。”

4. 诗与远方，金蝶已经买好了船票

大家都喜欢谈诗与远方，但诗与远方是需要船票的。

我先说说这次参加金蝶30周年庆的一些感受，在8月8日晚的庆祝大会上，会场一共可以容纳8000人。据金蝶的同事告诉我，里面只有一半不到是金蝶的员工，其中超过4000人的，都是金蝶的客户，而且每家客户都是有严格的人员限制的。

也就是说，有数千家企业的代表从世界各地赶来给金蝶“庆生”，这种场面是不常见的，联想到金蝶30年的发展史，我只想到一个词——底蕴。

这些底蕴，就是金蝶走向诗与远方的“船票”。

不谈具体的业务层面，金蝶在这两年的用力布局，有两个重点——第一是帮助国内领军企业实现重要管理软件系统的国产化替代；第二是帮助有志于去海外打拼的中国企业提供数字化出海的基础设施。

前一个问题上，是全球格局高不确定性时代下的大势所趋，而这种大势在金蝶看来是最好的窗口期——例如协助华为海洋在68天里实现对Oracle体系的替换、98天里实现在云南中烟对核心系统的全面替换、三个月时间实现了帮助一心堂对SAP的替换，以及用一年的时间帮助潍柴雷沃梳理整个业务系统，实现对SAP的全面替换后的大幅度提升……这些看上去“救急”的工作并不是“平替”而是“优替”，是国内软件企业抓住机遇期快速成长的绝佳案例，也是30岁的金蝶依旧保持活力和战斗力的最佳体现。

在后一个问题，也就是为中国企业的出海提供数字化基础设施上，金蝶提出了下一个十年会把目标定位在国际市场取得突破，其中2026年尽力做到亚太第一，2030年尽力做到全球前五的宏大目标。

而这，同样不是闭门造车、空穴来风，是对中国企业寻找持续全球化发展良机的潮流的深刻洞察，以及为此提供数字化能力的精心布局。

看似一个是瞄准国内市场的“优替”，另一个是面向全球的出海，但两者的交集点只有一个——中国的软件企业必须变得更有竞争力，才能帮助中国的千行百业获得数字化竞争力，实现真正意义上的数实融合。