过去一年，不同于消费级 AI 的喧嚣狂欢，企业级 AI 则显得冷静务实。

奥哲创始人兼 CEO 徐平俊观察到，企业普遍希望落地 AI 应用，但实际找寻真实、有价值的业务场景时，却往往无处下手。" 看起来似乎什么都能做的 AI，落地的挑战并不在于技术本身，而在于哪些场景值得投入？在什么精度下投入，才能真正跑出正向的 ROI？"

围绕这些问题，奥哲正在给出自己的解法。

从低代码平台起家，到升级为企业级 AI 平台，奥哲基于自己过去十余年的行业积累，试图通过工程化的能力，弥合技术普及与实际落地之间的鸿沟。

在华创资本管理合伙人吴海燕看来，就像很多人跳过 " 光纤入户 " 直接进入 5G 智能手机时代一样，AI 也给企业提供了一个跨越式的机会——不必从零构建 SaaS 平台，就可以直接迈入 AI 时代。

近日，徐平俊做客了华创资本的播客节目「牛白丁」，和吴海燕进行了一场对话，在 AI、Agent、SaaS 等领域充斥着各种情绪和迷雾的当下，奥哲对企业级 AI 的判断和实践，或许能提供另一种视角和答案。

徐平俊 ，奥哲创始人兼 CEO，国内第一批低代码及企业级 AI 平台的研究与应用者，拥有超 20 年管理信息化和企业数智化实践经验，致力于推动企业 AI 转型升级。

Q：华创资本管理合伙人吴海燕

A：奥哲创始人兼 CEO 徐平俊（书晶）

AI 落地的挑战

华创资本： DeepSeek 出来之后，国内企业客户使用 AI 的热情被前所未有的点燃了。在你看来，当前生成式 AI 在企业软件领域的落地进展，是仍处于概念验证阶段，还是已经深入业务场景在发挥价值了呢？

徐平俊：DeepSeek 带来的这一波变化确实非常快，我记得 2025 年上半年时，客户虽然有很多智能审批、知识库搜索等 AI 相关的场景需求，但至于审批和公司的制度是否相违背？知识库的搜索准确率是多少？当时很多人并不是太在意。

然而到了下半年，变化开始显现，很多客户开始寻找真实或有价值的场景。比如有律所希望打造 " 智慧律所 "，将法律文案的撰写等环节 AI 化；电商企业也开始基于自己的数据做选品决策 ······ 大家对于 AI 的落地变得更务实了。

华创资本：据你观察，AI 在企业落地过程中，最容易卡在哪个工程节点？是认知问题还是需求端本身不清晰？

徐平俊：坦率说，现在这些问题都存在。 看起来 AI 似乎什么都能做，但具体能做到什么程度？需要付出多大的代价？还尚未有答案。所以很多企业认为应该 +AI，但实际找场景时，却无处下手。

问题主要集中在两个维度：第一，这个场景到底能实现到什么精度？它到底需要多大的代价？这是目前最大的问题，会把企业直接卡在门外。

第二，工程化进度。如果 AI 要落地，那和原有数据的整合、工程化流程、数据之间关联的整理，包括和企业系统的集成权限、原始数据的场景结合等等，这些因素一旦叠加，整个 AI 落地过程会变得极其复杂，具有很大挑战性。

因此，问题的核心还是在于是否有能识别场景的人才，如果明白付出多少代价能达到 ROI，问题自然会得到解决。再加上有像奥哲这样能解决环境和数据问题的企业级 AI 平台，相信能加速 AI 在企业的落地。

华创资本：这样看来，企业使用 AI 的成本有可能远超自己的想象，这个 " 成本 " 具体有哪些？

徐平俊：核心还是一个场景所需要的精度是什么样？同样一个场景，比如最简单的用 RAG 做售后，如果一个基础问题的命中率达到百分之六七十，那很容易实现。但要做到 95% 以上，甚至 99% 的准确率，就完全不一样了，所以成本的核心在于对场景的识别定位。

此外，这里面还容易出现浪费成本的问题。因为准确率达到 99%，成本可能要比 95% 高出十倍。但其实很多场景，目前并不需要做到 99%。

所以我们服务客户时，第一步就是确认对方 AI 场景所需的价值、目标，再去选择匹配他们的技术方案。

很多企业可能一开始定了一个不切实际的目标后，就开始招标。价值不清晰，以至于过度投入，造成了浪费。这时候就需要真正懂业务和需求的企业级 AI 平台，才能帮助他们更好把 AI 用起来。

系统性重构

华创资本：奥哲应该是在企业级 AI 里反应最快、进展最快，落地也最快的一家公司了，你们从 " 中国低代码第一品牌 " 升级为企业级 AI 平台的提供商，背后基于哪些考量？

徐平俊：奥哲在 2010 年凭借 BPM 产品进军流程管理领域，2016 年推出氚云，2019 年发布奥哲 · 云枢，过去，奥哲做的事情，一直是通过低代码助力企业数字化转型。

到了 AI 时代，我们发现低代码天然就离 AI 很近，并且能够做很好地结合，利用 best practice 帮助企业实现 AI 转型。

基于这些优势，我们在 2025 年下半年正式推出了企业级 AI 平台，通过 "AI+ 数据 + 低代码 " 三位一体的模式，帮助企业实现 AI 原生应用开发。

华创资本：你如何理解 AI Agent 和低代码之间的关系，是升级迭代，还是替代关系？

徐平俊：我认为是 " 并行和相互融合 " 的关系。

过去，低代码通过配置可视化建模产生应用，到了 AI 时代，软件本身就不太一样了，增加了很多功能，其中肯定还会有更多的 Agent 和它融合起来解决闭环的问题。比如 HR 系统的招聘，过去有专业的工具软件，现在 Agent 直接就能收集筛选简历、做面试，这些功能就是融合进来的。

所以我们现在把它作为两个并行的产品来解决企业的问题，也是相互融合在一起的两个重要板块。当然，未来可能还会有第三个板块，包括决策系统、利用运筹学的机器学习的模型等等，这些都是未来 AI 时代可能的应用形态。

华创资本：对于企业在 AI 落地中存在的那些痛点，奥哲给出了怎样的解决方案？

徐平俊：首先，在数据层面，我们使用低代码进行数据治理，提供零门槛的机器学习洞察，透过数据了解企业的经营、流程、组织和管理，以便更好理解这家企业，让 Agent 在决策方面更加准确，这也是解决 AI 在 To B 端落地时的精度问题。

其次，奥哲本身就在做企业数字化应用，Agent 很多情况下需要和原有的应用进行很好地结合、闭环，这就解决了 AI 在企业落地的第二个问题——工程化，如此一来，我们就弥合了企业数字化和工程化落地之间的鸿沟，大幅降低了 AI 落地的成本。

最后，我们的低代码平台本身也是一个快速开发平台，结合大模型，能够通过自然语言直接进行应用的开发，解决了通用性 Vibe Coding 存在的效率、可维护性等问题，不仅大幅度降低企业的开发门槛、成本，还提升了开发效率和准确度。

华创资本：在场景和工程之外，数据也是 AI 落地绕不开的一环。目前 AI 相关的数据治理和原有数据的融合，你们有什么好的做法或者案例吗？

徐平俊：我们现在关注的维度还不是数据的治理，而是企业数据的图谱，希望通过数据的结构——不仅仅是数据之间的，还有企业的流程结构、组织结构等。我们先从数据来理解企业，再去找数据。这些是比把数据整理好更重要的事情，因为基于此，AI 才会理解企业，它的准确率才会高，也会有更多可能性。

所以，以数据来理解企业，是我们目前较大的突破。

迈入 AI 原生阶段

华创资本：从奥哲的业务数据看，AI 是带来了显著的增量机会，还是部分替代了原有的低代码需求？

徐平俊：虽然我们在 2025 年下半年才宣布升级，但此前已经实践了三年，当时更多还是聚焦在小范围内，去年 DeepSeek 带来转折后，集中看到了很多原来客户的需求。当然，他们的需求不再是过去传统的模式，而是希望和 AI 有更多结合。

比如过去做合同管理的，现在要做 " 智能合同管理 "；原来做会议管理的，现在要做 " 智能会议管理 "；原来做费控管理的，现在做 " 智能报销管理 "，类似这样的特别多，都是前年就立好了项目，去年上的时候就要加 AI 了。

此外，我们也看到市场上冒出很多新需求，比如北京某家供热企业，要利用 AI 预测它的供热站的运转，还有电商企业预测它的选品等等，这些也全部都在涌现。

所以不仅是老客户有 AI 转型的需求，也有非常多的新增客户，甚至过去可能根本不是我们的低代码客户，因为有了 AI + 低代码，反而让他们更快切入了这个领域。

华创资本：在你们实践的案例中，哪些是 AI 替代了客户原有的、不太好用的工具，哪些是新增的需求？

徐平俊：我们很多客户其实都是本来要做这件事，只是以前没有考虑到用 AI。比如光迅科技，这是国内最早开展光电子芯片研发和生产制造的企业，他们去年就立项要做一个合同管理系统。过去传统模式下，法务人员需要投入大量的时间进行人工审核，不仅效率低下，还存在风险识别不完整的隐患。

了解到我们在做企业 AI 平台后，他们就通过奥哲 · 云枢构建了一个智慧合同管理系统，从合同的起草、审批、签署、履行到归档，全生命周期都能实现在线化、自动化和智能化管理，借助 AI 平台打通了整个流程，也帮助企业进行了转型。

新增的需求来自我们一位氚云的客户，他们是一家卖家电的电商企业，过往都是基于运营的个人经验在选品，其实他们做的业务并不在奥哲服务的范畴里，只是对方看到我们做的企业 AI 平台后很感兴趣，交流中发现这家企业有一定的数据积累，于是我们就想到用 Agent 做第一步的筛查，帮他们把选品的经验沉淀下来。

华创资本：听起来 AI 提供了一个机会，让很多企业从数字化直接迈进了 AI 时代，就如同不需要 " 光纤入户 "，直接就能 5G 上网了。那对于那些数字化基础不足的企业，有没有可能借助 AI 快速对齐呢？

徐平俊：这正是我们目前在探索的，希望帮助企业迈入 AI 原生新阶段，从零基础直接到 AI 化。就像过去大模型辅助专业的科研人员工作一样，如今普通人也可以用 AI 解决很专业的问题。

其实在数字化时代，中国的很多中小企业，特别是像奥哲氚云服务的很多客户，是没有经历过信息化时代就直接到了数字化时代的。同样，我相信在 AI 时代，也会有很多企业不用再经历一步一步的数字化，直接迈进 AI 时代，未来两三年肯定会看到大量类似的案例。

华创资本：就像我们现在个人能用 AI 助手一样，你觉得企业级 AI 能力普及的拐点何时会到来？

徐平俊：其实拐点已经到来了，只是大型企业稍微会多一点，尤其这一两年，大模型的推理能力让开源成本降低，工程化加快，这些是我们已经看到的。模型能力已经不是问题，关键在于怎么把工程化、价值做得更显性一些，可能会推动得更快。

从大企业到中小企业，那些数字化做得好的，他们的能力会进一步泛化，这点很容易理解。而那些原本没有经历过信息化、数字化的企业，很快也可以进化为 AI 原生企业。

企业级 AI 的第三条路

华创资本：奥哲现在是一家 AI native 的企业吗？你们自己在 AI 能力的应用上有什么心得和感受？

徐平俊：首先，我们的目标一定是成为一家 AI native 的公司，也希望帮助客户成为 AI native 的公司。

尽管目前我们还在路上，但方式还是比较激进的，从去年开始，我们公司就全员培训，举行各种使用 AI 场景的内部竞赛，对 AI 应用尽用，一直在持续不断地滚动，所以目前来看效果还是不错的。比如公司的研发用 AI coding ，他们做各种测试案例、自动化测试都涉及到 AI 的内容；交付团队、实施团队也在使用 AI。

此外，作为 Saas 公司，奥哲不是有很多工单吗？于是我们就建了工单的 Agent，能自动处理工单。还有我们服务客户的各种代码，因为很多项目分散在各个地方，该怎么做代码审查？是否合规？包括售后的智能问答、售前的行业分析，几乎所有的部门都涉及到了，全部在往 AI 的方向上靠。

华创资本：你们组织结构的哪些环节，因为 AI 的使用而发生了改变？

徐平俊：组织结构层面，我们把公司内部的数字化部门和服务客户的 AI 部门并在了一起，相当于中台部门合二为一了。因为我们一定要和客户同步，能服务我们公司的，也能服务客户；而客户能做的，我们也能马上借鉴过来。

我们希望能更快把成果转化给客户进行实践，这是发生在奥哲内部最大的变化。

华创资本：你们内部摸索出来什么样的 AI Agent 的能力，在客户那里也受到了广泛欢迎？

徐平俊：我们的实施团队在现场时，如果今天要调研一个客户，需要帮他们做一个销售系统时，就能在现场自动生成调研的提纲，而它的核心内容，可以直接根据我们的低代码平台生成一个可演示的应用，这个其实是服务我们内部交互团队的过程中做出来的，现在用到了客户端。直到今天，我们依然在采用这样的方式和客户一起共创，双方都能受益于此。

华创资本：对比国际市场，Palantir2023 年的估值不过二十多亿美金，2025 年就突破了数千亿，而 ServiceNow 过去在软件时代就是巨头，在 AI 时代也迎来了生机，你觉得国内企业会有相似的路径吗？

徐平俊：国外这两家确实都是非常优秀的公司，但按照我自己的认知，这两种模式和中国市场都不是十分匹配。

比如 Palantir，它是典型的做超大型客户以及追求极致效率的公司，如果观察国内的超大型企业，会发现大家目标不太一样。国内的企业追求的可能不一定是极致的效率，而是更强的社会责任感，所以我们在商业化层面出现这样的公司的概率就会低一些。 ServiceNow 则是典型的先用 SaaS 加平台，再加 AI ，越往后难度会越大。

中国未来跑出来的企业一定是全球性的企业，那什么样的企业能做到全球性？一定是更低的成本、更普惠以及更柔性——而这些几乎都是中国企业出海的核心标签。

我相信 AI 是能实现这些标签的，这也是为什么低代码在中国也能发展，因为它就是平台 + 应用，让大家的个性化能得以施展。

华创资本：过去国内企业软件的痛点之一就是太多个性化的需求、太多额外的开发，在这方面，一个 AI 底座能低成本的解决所有个性化需求吗？

徐平俊：我们的企业级 AI 平台其实就在考虑解决这两方面的问题。

第一，把低成本、普惠和柔性放进去；第二，把平台 + 应用这种个性化的模式放进去，同时让 AI 扎扎实实落地。

AI 本身会带来企业对数字化、对 AI 化的增量的投入，如果这样的模式在中国能够再次实践成功，那它也可以同步走向全球，届时，也许就是 AI 企业软件公司的第三条路径。

未来，我们希望带着国内的企业客户一起，在 AI 应用上实现更大面积的开花结果，也能走出一条带有我们印迹的路径来。