Agentic ERP产业链重构与万亿美元商业机会，新旧赛道彻底洗牌

• Agentic ERP 产业链全景拆解：上游算力模型受益、中游 SaaS 洗牌、十大新赛道爆发

• 从 SaaS 崩塌到自治企业：Agentic ERP 重塑企业软件价值链与产业格局

• 四次 ERP 革命终局：Enterprise Agent Economy 到来，完整产业链分层机会解析

本篇是王吉伟频道 Agentic ERP 系列第六篇，产业链分析篇。

2026 年2月，企业软件行业迎来剧烈分化，一场被称作 “SaaSpocalypse（SaaS 末日）” 的震荡席卷整个美股 SaaS 板块：Salesforce 营收不及预期、业绩指引大幅下调，随后大量中型 SaaS 企业单月股价暴跌超 30%。

表象是财报不及预期，深层导火索却是 Anthropic Claude Cowork 智能 Agent 带来的范式颠覆：新一代智能体不再局限于辅助操作软件界面，可绕过传统 UI 自主完成销售、财务、法务全流程业务，直接击穿 SaaS 靠售卖账号席位盈利的根基，资本市场随之陷入集体悲观。

另一边，丹麦工业巨头丹佛斯采购部门已然完成智能化蜕变：80% 事务性采购订单由 AI Agent 全自动决策执行，订单响应从 42 小时压缩至实时，每年直接节省 1500 万美元，自动化决策准确率稳定 95%。

一旧一新两大场景，完整映照企业软件产业正在发生的根本性剧变。

本系列前五篇，依次解答了 Agentic ERP 演化逻辑、产品定义、厂商竞争格局、落地路径、真实行业案例五大核心问题。

本篇作为系列第六篇，把视角拉高至产业全局：Agentic ERP 究竟会重构整条产业链？哪些赛道迎来确定性红利？传统厂商谁将出局、谁能守住优势？又会诞生哪些全新万亿级蓝海市场？

本文核心结论先行：Agentic ERP 绝非单一 ERP 系统版本迭代，而是整条企业软件产业链的彻底重构，更是企业智能体经济（Enterprise Agent Economy）正式拉开序幕的起点。

PS：公众号回复关键词AgenticERP06，领取本文参考资料及相关研报在内的完整参考资料包。

为什么Agentic ERP的影响是产业级的？

要理解Agentic ERP为什么能产生产业级冲击，先把ERP的发展脉络捋清楚。发展到现在，ERP已经历经四次技术革命。

第一代：MRP时代（1960-1980），生产计划驱动。核心任务是解决物料库存和生产排程问题。ERP的本质是数字化记账系统，完全人工驱动，用计算机做了人原本用纸笔做的事情。IBM与J.I. Case等制造商的合作催生了最早的MRP系统，彼时没有人想象这会成为半个世纪后企业运营的神经中枢。

第二代：ERP时代（1980-2010），流程驱动。SAP、Oracle、PeopleSoft把财务、HR、供应链、CRM、采购整合到一个系统，ERP成为企业运营中枢。但这个时候ERP仍然是被动系统：人输入数据，人分析数据，人做决策。ERP只是数据库加流程引擎，换个更直白的说法——一个昂贵的电子表格集合。

第三代：Cloud ERP时代（2010-2024），平台驱动。Workday、NetSuite、SAP S/4HANA让ERP从本地部署走向云服务，数据实时化，AI开始嵌入进来，出现预测、推荐、异常检测和RPA。但这一阶段的AI本质上是Copilot，是副驾驶，不是驾驶员。AI给建议，人拍板决策，执行还是靠人。

第四代：Agentic ERP时代（2025+），目标驱动。这是正在发生的事情。AI Agent从辅助角色变成执行角色，企业从"人操作软件"走向"AI运营企业"。

四次革命，本质上是一条线：技术能力的升级，驱动ERP从工具变成平台，从平台变成系统，从系统变成自治体。

Agentic AI的快速应用，使得企业软件价值链正在被重新定义。

传统企业软件的价值链是这样的：

Software → Implementation → Operation

卖软件，实施软件，运营软件。价值创造的核心在Software本身，实施和运营是服务附加值。整个产业链的定价权在谁做出了最好的软件。

Agentic时代的价值链完全不同：

Model → Agent → Capability → Outcome

基础模型提供推理能力，Agent封装业务逻辑，Capability交付可调用的能力，Outcome才是客户真正付费的对象。

这个变化的核心含义是：软件本身不再是价值的终点，而是能力交付的载体之一。

客户购买的不是ERP系统，而是"财务自动化能力""供应链优化能力""采购决策能力"。这就是为什么很多人说SaaS要消失：不是说ERP软件要消亡，而是"软件作为产品"的商业模式正在被"能力作为服务"的模式所替代。

而Agentic ERP之所以产生产业级影响，是因为它同时改变了企业运营以及产业运行的五个维度：

• •软件：从功能模块到Agent能力集合

• •数据：从事务数据到企业记忆与知识图谱

• •工作流：从硬编码流程到动态Agent协商

• •决策：从人工决策到AI推理加人类监督

• •劳动力：从人类操作员到人机协同体系

其中任何一个维度的变化，都足以产生产业波动。五个维度同时变化，就是产业链重构。

Agentic ERP产业生态全景图

在展开具体分析之前，我们先来给整个产业链建立一个框架。王吉伟频道把Agentic ERP的产业生态分为八层：

每一层都有独特的价值创造逻辑，每一层都有不同的竞争格局，每一层都存在不同的投资机会。

这八层可以粗略地分为三个部分：

• •上游：Foundation Models + AI Infrastructure + Data Infrastructure，能力供给侧

• •中游：Agent Platform + ERP Core + Industry Agents，价值整合侧

• •下游：Enterprise Applications + Autonomous Enterprise，业务落地侧

后文将重点分析上游受益者、中游大洗牌，以及Agent时代正在诞生的十大新市场。

上游产业链：谁将成为最大受益者？

随着Agentic AI与企业ERP系统深度融合，企业数字化转型正式从流程自动化迈入智能决策新阶段。这场产业迭代催生了全新的企业AI需求体系，带动上下游多个细分赛道迎来爆发式增长。

其中，大模型、AI推理算力、数据基础设施作为产业核心支撑，成为本轮企业智能化变革中最具确定性的受益方向。

大模型：最确定的受益者之一

先看数据规模。企业AI支出已从2023年的17亿美元飙升至2025年的370亿美元，年增3.2倍，目前占全球SaaS市场的6%，是历史上增长最快的软件品类（Menlo Ventures，2026年3月）。

Agentic ERP将成为企业级推理需求最大的来源之一，原因很简单：ERP覆盖的业务场景多、决策频次高、对准确性要求严苛。

一个中型制造企业，每天产生的采购决策、库存调整、财务对账、异常处理，数量可以达到数千次。每一次Agent执行都需要推理，推理消耗Token，Token消耗算力，算力就是模型厂商的收入。

大模型市场将围绕企业需求产生四个细分方向：

企业专属模型（Enterprise LLM）：通用模型针对企业数据做微调，具备企业专有的业务知识和领域理解。OpenAI的Enterprise版本、Anthropic的Claude for Business都在这个方向大力投入。

行业模型（Vertical LLM）：面向特定行业的专用模型，制造业供应链模型、医疗编码模型、金融风控模型。垂直模型的优势在于推理准确率更高，在专业领域的幻觉率更低，这在企业决策场景里极其关键。

小模型市场（SLM）：Phi-3、Mistral等小参数模型在端侧或私有云运行，适合实时性要求高、数据不出门的场景。企业内部的采购审批Agent、库存查询Agent完全可以跑在SLM上，成本更低，延迟更小。这是一个长期被低估的细分市场。

私有化模型（Private LLM）：银行、能源、国防等高合规性行业，模型必须在私有环境部署。这个市场的付费能力强、合同金额大、竞争相对有限，是模型厂商和云服务商的高价值战场。

AI基础设施：推理算力需求持续爆发

Agentic ERP的大规模落地，必然带动推理算力的爆发式需求。这与训练算力不同，推理需求是持续性的、碎片化的、高并发的。

一个跑在生产环境的Supply Chain Agent，需要7×24小时响应采购异常。一个Finance Agent，在月末结账期间需要并发处理数百个对账任务。这些都需要实时推理，不能批量等待。

NVIDIA的Blackwell架构正好卡位这个需求爆发点，AMD的推理芯片追赶值得关注，但在企业级落地验证和软件生态上仍有明显差距。

AI Cloud层面，AWS Bedrock、Microsoft Azure AI、Google Vertex AI正在形成三强格局。值得关注的是，这三家云厂商不只是卖算力，都在向Agent平台层延伸，开始和中游ERP厂商形成竞合关系。

Google Cloud Next '26上，Google宣布设立7.5亿美元基金，向12万个合作伙伴生态系统提供资源，加速Agentic AI落地，Accenture、Deloitte等获得优先接入新模型权限（Google Cloud，2026年4月）。

数据基础设施：Agent时代最被低估的机会

如果大模型是Agent的大脑，数据基础设施就是Agent的神经系统。

Agentic ERP对数据的需求，与传统ERP完全不同。传统ERP需要结构化事务数据，Agentic ERP需要的是可被Agent检索、理解和推理的多模态知识数据。这催生了几个重要的数据基础设施需求：

向量数据库（Vector Database）：Agent的语义检索核心。Pinecone、Weaviate、Chroma等产品，支持将企业文档、流程手册、历史决策存储为向量，让Agent可以进行语义相似度检索。随着企业Agent数量增加，向量数据库的需求将呈指数增长。

企业知识图谱（Enterprise Knowledge Graph）：将ERP中的实体关系（供应商-商品-仓库-客户-合同）结构化表达，支持Agent进行多跳推理。"A供应商交货期延误，影响B产品生产计划，进而影响C客户订单交付"——这样的推理链，需要知识图谱的支撑。

语义层（Semantic Layer）：在原始数据库和Agent之间建立业务语义映射，让Agent理解"收入""成本""毛利率"这些业务指标的定义和计算逻辑。这是很多企业Agent项目失败的隐藏根因，数据有，但Agent读不懂。

Data Fabric：跨越异构数据源（ERP、CRM、IoT、EDI）的数据编织层，提供统一的数据访问接口。当一个供应链Agent需要同时访问SAP的库存数据、Oracle的采购数据和第三方物流的IoT传感器数据，Data Fabric就是打通数据孤岛的关键基础设施。

Agentic AI赋能企业ERP的产业浪潮，形成了“模型能力为核心、算力资源为支撑、数据基建为根基”的完整产业体系。三大赛道各司其职、相互赋能，持续解决企业智能化落地的准确率、实时性、安全性、数据打通等核心痛点。

中游产业链：ERP与SaaS的大洗牌

Agentic AI的深度落地，彻底重构了企业数字化服务的底层逻辑，让传统ERP赛道迎来全新的产业变革周期。

依托独特的行业壁垒与市场变革趋势，ERP厂商竞争格局、行业发展路线以及SaaS商业模式都迎来了根本性重塑。

ERP厂商为什么拥有天然优势

在Agentic时代，ERP厂商是受益者还是被颠覆者？王吉伟频道的判断是：现有ERP巨头是Agentic时代最大的存量受益者，但同时面临最大的架构转型压力。

ERP厂商的天然优势体现在四个维度：

数据优势：SAP、Oracle、Workday等掌握了企业最核心的主数据，财务数据、员工数据、供应商数据、客户数据、库存数据。Agent要在企业里运转，这些数据是不可或缺的"燃料"。外来的AI公司想拿到这些数据，要么通过API对接，要么通过数据导出，都面临合规和安全的高门槛。ERP厂商天然持有这把钥匙。

流程优势：ERP中沉淀了几十年的业务流程逻辑，采购的三方匹配规则、财务的关账流程、HR的绩效考核周期。这些流程逻辑是Agent执行的"剧本"，没有这些剧本，Agent不知道该如何行动。

权限优势：谁能做什么、谁能审批什么、什么操作需要复核，ERP的权限体系是这一切的基础。Agent要安全地在企业中运行，必须受权限体系约束，ERP天然具备这套机制。

企业上下文优势：ERP里存储了企业最丰富的业务上下文，供应商历史评分、客户付款习惯、季节性需求规律。这些上下文让Agent能做出更准确的判断，而不是每次都从零开始。

四大优势意味着：Agentic AI在企业的最佳落点，恰恰就是ERP。ERP不是被颠覆的对象，而是Agent最好的寄生宿主。

ERP行业的四条分化路线

面对Agentic浪潮，主流ERP厂商选择了不同的战略路线，正在产生明显分化：

路线

代表厂商

核心策略

优势

风险

ERP AI OS路线

SAP

Joule作为ERP操作系统，深度嵌入所有模块

业务深度强，Agent专业度高

生态相对封闭

Autonomous ERP路线

Oracle

Fusion Agentic Apps，推进全流程自治

数据统一性好，自治程度高

实施门槛高

Agent Platform路线

Microsoft

Copilot Studio + MCP，开放平台策略

集成友好，开发者生态强

垂直深度弱

AI Workforce路线

Workday

"Manage people, money and agents"，数字员工管理

HR+Finance场景深度

产品范围相对窄

SAP在2026年Q1已让Joule Studio正式上线，在S/4HANA、SuccessFactors、Ariba和Analytics Cloud中嵌入超过2400个技能，并与Microsoft 365 Copilot完成A2A（Agent-to-Agent）集成。

在SAP Sapphire 2026上，SAP与微软宣布跨系统Agent协同，用户在Teams中讨论供应链问题，可以触发Joule和Copilot联合执行端到端的Agentic流程（Microsoft Azure Blog，2026年6月）。

Oracle在2026年3月推出Fusion Agentic Applications，包含22个专用Agent应用，覆盖财务、供应链、HR和CX，采用Agent Team模式，多个专业Agent协同完成复杂任务。

Oracle还推出AI Agent Marketplace，允许IBM、Accenture等合作伙伴构建和分发经验证的Agent，且将AI能力和Agent Studio全部包含在Fusion Cloud订阅中，不额外收费，这是一个明显的生态防御和圈地策略。

SaaS会不会消失？这个问题需要认真回答

这是产业界最热烈的争论之一，王吉伟频道认为：SaaS不会消失，但SaaS的商业模式正在被重构。消失的不是SaaS，消失的是"以UI为核心价值"的SaaS。

先解释为什么有人说SaaS会消失。传统SaaS的核心价值构成是：数据库 + UI + Workflow。用户付钱，买的是访问这套系统的权利，通过界面和表单与数据交互。

大模型出现之后，这个逻辑发生了根本性变化。当用户可以用自然语言直接表达意图，当Agent可以自动执行流程，界面和表单的价值就大幅下降了。

过去用户为了"使用软件"而付费，未来用户为了"获取能力和结果"而付费。这是从App Economy到Agent Economy的转变。

哪些SaaS最危险？具体来说，有三类：

表单型SaaS：核心价值是数据录入和记录，比如项目管理中的任务创建、报销申请的填写。Agent可以自动完成这些工作，表单型SaaS的用户价值直接归零。

流程型SaaS：以审批流为核心的产品，比如费用审批、合同审批。当审批条件可以被AI判断，当大多数符合规则的审批可以自动通过，流程型SaaS的核心用例就被替代了。

工具型SaaS：单点功能产品，比如专门做发票识别、专门做数据可视化、专门做翻译。这类产品最脆弱，因为它们的功能极容易被大模型内置能力替代，或者被更综合的Agent平台封装进去。

这里引入一个我认为非常重要的概念：Capability-as-a-Service（能力即服务）。

未来SaaS的竞争不是功能数量的竞争，而是能力质量的竞争。那些拥有独特数据、独特行业知识、独特业务逻辑的SaaS，可以把自己的核心能力封装成Agent可以调用的Capability，以工具或API的形式接入更大的Agent生态。

它们不再是用户直接操作的软件，而是Agent生态系统中的专业能力节点。这是SaaS的进化方向，不是消亡路径。

哪些SaaS会变得更强？

行业SaaS掌握行业特定数据和专业知识，医疗编码、法律合规、建筑造价，AI越难替代的专业判断，这类产品的壁垒越高。

数据SaaS如Snowflake、Databricks在Agent时代价值不降反升，因为Agent需要更多、更干净、更结构化的数据。

平台SaaS通过转型为Agent编排平台，从点工具升维成为生态基础设施。Governance SaaS则是Agent时代的全新赛道，后文单独展开。

总的来说，有优势的ERP厂商将凭借与生俱来的企业数据与业务流程壁垒，坐稳Agent企业落地的核心主体地位，当然行业也因头部厂商的战略布局差异形成清晰的发展分化。

SaaS行业将彻底告别传统界面工具化模式，以能力即服务为核心的全新商业模式，将成为Agent经济时代的产业主流。

Agent时代诞生的十大新市场

这一小节，我们聊聊Agentic ERP时代最值得关注的新兴市场机会。这些市场，要么还不存在，要么规模极小但即将爆发。

市场一：Agent Platform（Agent平台）

Agent Platform是Agentic时代的企业软件新入口，类比移动互联网时代的应用商店。它解决的核心问题是：企业如何快速构建、部署和管理业务Agent。

代表性产品已经出现：Microsoft Copilot Studio、SAP Joule Studio、Salesforce Agentforce、ServiceNow Now Assist。

这些平台的竞争焦点是低代码Agent构建能力、预置Agent模板数量、跨系统集成深度、治理和安全机制。

Gartner预测，到2026年底，40%的企业应用将集成任务特定AI Agent（2025年不足5%）（Gartner，2025年8月）。Agent Platform的市场空间，就是这40%渗透率背后的核心基础设施。

市场二：Agent Runtime（Agent执行引擎）

Agent Runtime解决的是：Agent如何在企业环境中安全、可靠、高效地执行任务。

这不是一个简单问题。企业环境有权限限制、数据安全要求、合规约束、系统稳定性要求。一个在消费端流畅运行的Agent，在企业生产环境中可能寸步难行。

Agent Runtime需要提供沙箱执行环境、工具调用管理、错误处理和重试机制、执行日志和审计轨迹、资源消耗控制。目前这个市场还处于早期，未来将成为企业AI基础设施的核心组件之一。

市场三：Agent Orchestration（多Agent协同平台）

单个Agent能力有限，复杂的企业业务需要多个Agent协同完成。

一个完整的采购流程涉及需求识别Agent、供应商评估Agent、价格谈判Agent、合规审查Agent、订单执行Agent，这些Agent需要有序协作，信息共享，任务交接。

Agent Orchestration平台解决多Agent的协调调度问题，类比Kubernetes之于容器。目前这个领域有LangGraph、AutoGen、CrewAI等开源框架，但企业级商业产品尚不成熟，是一个显著的市场空白。

市场四：Enterprise Memory（企业记忆平台）

这是后文单独展开的重点市场，也是王吉伟频道认为最被低估、最具长期战略价值的新兴赛道之一。

没有记忆的Agent，每次都从零开始，效率低下，且无法积累企业智慧，本质上只是一个高级聊天机器人。

市场五：AI-ready Data（面向Agent的数据层）

传统ERP数据是为人类阅读设计的，报表、图表、数字。Agentic ERP需要的数据是为Agent推理设计的，语义化、结构化、可检索、带上下文。

AI-ready Data服务商帮助企业把现有数据资产"Agent化"：清洗、标注、向量化、知识图谱化。这是一个巨大的存量市场改造机会。

市场六：Enterprise Knowledge Graph（企业知识图谱）

企业知识图谱将ERP中的实体及其关系以图结构表达，支持Agent进行复杂的多跳推理。

传统关系型数据库很难表达"A公司是B公司的控股股东，而B公司是我们的核心供应商，因此A公司的财务风险直接影响我们的供应链安全"这样的多层关系。

知识图谱正是为此而生，并将因Agentic ERP的普及而迎来爆发增长。

市场七：Agent Governance（Agent治理平台）

一句话定位：Agent Governance是Agentic时代最确定的新兴赛道之一，是AI版本的GRC（治理、风险、合规）平台，市场空间巨大且先发优势明显。

后文会单独展开为重点章节。

市场八：Agent Observability（Agent可观测性平台）

类比传统IT的Datadog、Splunk，Agent Observability平台让企业能够看到Agent在做什么、为什么这样做、做对了没有、成本是多少。

这是让企业敢于把关键业务交给Agent的前提条件，也是后文将深入分析的重点市场。

市场九：Digital Workforce Management（数字员工管理平台）

当企业同时运行数十个、数百个Agent，管理这些"数字员工"就成了真实的运营挑战。

谁创建了这个Agent？它有什么权限？任务完成率如何？成本效益是多少？Digital Workforce Management平台解决Agent的全生命周期管理问题：创建、部署、监控、优化、下线。

这是随着Agent规模化普及而必然出现的管理需求，Workday已经在"Manage people, money and agents"这个方向率先发力。

市场十：Autonomous Enterprise Platform（企业自治平台）

这是最远期、最宏观的新市场，是上述所有新市场的集大成者。目标是让企业像一个有机体一样自我运转，大部分运营决策由Agent完成，人类专注于战略和创新。

SAP的BTP（Business Technology Platform）、Salesforce的Einstein 1 Platform、ServiceNow的Now Platform，都在朝这个方向演进。这不是科幻，这是终局。

从底层执行组件到远期自治平台，全新的市场版图正在彻底改写传统企业软件行业。赛道之间层层递进，也清晰勾勒出企业全面智能化的演进路线。

Agent Governance：未来最大的企业软件新赛道

这个话题值得单独深谈，很多从业者低估了它的重要性和市场潜力。

为什么治理（Governance）会成为最大问题

试想一个真实场景：你的采购Agent发现库存告急，自动向A供应商下了一张200万元的采购单。但A供应商上周刚刚被列入了制裁名单，而这个信息在Agent的知识库里没有更新。

或者：你的Finance Agent完成了一次跨境资金划转，金额符合授权范围，流程完全合规。但它选择的汇率时机不对，多损耗了10万元。事后没有人知道这笔钱是怎么"消失"的，因为Agent的决策过程是黑箱。

Gartner预测超过40%的Agentic AI项目将在2027年前被取消，主要原因是治理问题。IBM 2025年CEO研究发现，只有25%的AI项目实现了预期ROI（Paul Okhrem，2026年4月），其中相当一部分失败案例与AI行为不可控有关。

当Agent拥有了审批、采购、转账、签合同的能力，Governance就不再是锦上添花，而是先决条件。现在人们提出 Agent = LLM + Harness 这个公式，也从侧面证明了安全与治理的重要性。

没有Governance，Agentic ERP就是在生产系统里放一个无人监管的自动执行程序。

Governance平台需要哪些核心能力

企业级Agent Governance平台，需要提供至少五个维度的能力：

身份管理（Agent Identity）：每个Agent必须有清晰的数字身份，包括创建者、权限范围、所属业务域、版本信息。类比人力资源的员工档案，但针对Agent。每个Agent都应该是"可追溯的"。

权限管理（Permission Management）：Agent能做什么、不能做什么，必须精细到操作级别。Finance Agent可以查询账单，但不能发起转账；采购Agent可以创建询价单，但超过10万元的采购单必须人工审批。权限体系要比传统RBAC更加细粒度。

审计管理（Audit Trail）：Agent的每一个决策、每一次工具调用、每一步推理过程，都必须有完整可追溯的日志记录。这是合规的基础要求，也是事故复盘的必要条件。一旦出现问题，审计日志是唯一能说清楚"Agent为什么这样做"的证据。

合规管理（Compliance）：Agent必须理解并遵守企业内部政策和外部法律法规。GDPR对数据处理的要求、SOX法案对财务控制的要求、行业特定监管规则，都必须内化为Agent的行为约束，而不是依赖事后检查。

风险管理（Risk Management）：实时监控Agent的行为风险，当Agent出现异常行为，频繁触发高风险操作、决策质量下降、偏离预期决策模式，立即预警并触发人工干预。这需要建立Agent行为基线，持续监测偏差。

注意，这5个维度只是监管平台的核心能力。对于数字化环境复杂的大型企业而言，需要更多维度的能力以保障安全生产。

谁最有机会成为Governance领导者

目前来看，这个市场有几类竞争者：

• • 传统GRC厂商（如ServiceNow、MetricStream）有治理能力基础，但AI原生能力不足；

• • AI安全厂商（如Palo Alto Networks）有安全监控能力，但不懂业务语义；

• • ERP厂商自建（SAP、Oracle的内置治理模块）业务深度强，但可能形成生态绑定；

• • 专注Agent Governance的新创公司，则是这个领域最值得关注的创业机会。

Bain在2025年报告中指出：赢家将是最擅长扩展Agent编排能力的组织，且大多数公司必须在"成为中立Agent平台"和"提供驱动它的独特数据"之间做出选择（Bain Technology Report，2025年）。

Governance平台的核心护城河，在于积累了足够多的企业Agent行为数据，训练出能够识别"正常"与"异常"Agent行为边界的风险模型。

这种积累是时间壁垒，先发者占有显著优势。

Agent Observability：Agent时代的新Datadog

如果说Governance是Agent的纪律，Observability就是Agent的透明度。两者缺一不可。

企业需要观察什么

Agent的核心特点是自主性，它会自己决策、自己执行、自己处理异常。这让Observability比传统软件监控更加复杂。

传统软件监控的问题是确定性的：系统崩溃了吗？响应时间是多少？API调用是否成功？可以直接用Metrics捕获。

Agent Observability需要回答的问题更难：Agent的决策逻辑合理吗？它的Tool Calling是否高效？推理链路有没有走偏？处理这个任务花了多少Token成本？任务完成率是多少？Agent的行为是否符合业务预期？

这些问题没有简单的技术指标可以直接回答，需要对Agent的推理过程进行深度追踪和评估。

Agent Observability平台的四层架构

一个完整的Agent Observability平台，需要同时覆盖四个层次：

Metrics（指标层）：量化Agent的运行状态，任务完成率、平均执行时间、Token消耗量、错误率、回退率（需要人工干预的比例）。这些是评估Agent健康度的基础指标。

Logs（日志层）：记录Agent执行的每一步操作、工具调用、LLM请求和响应，提供完整的执行日志供事后分析。日志的颗粒度决定了事故定位的精准度。

Traces（追踪层）：端到端追踪一个复杂任务的完整执行链路，从用户意图输入，到多Agent协同，到最终任务完成，每一步的耗时和状态都可见。类比传统微服务架构中的分布式追踪，但需要额外处理LLM调用的不确定性。

Evaluations（评估层）：这是Agent Observability独有的层次，传统软件监控没有对应概念。Evaluations持续评估Agent决策质量：推理是否逻辑自洽？答案是否符合事实？行动是否符合业务最优解？这需要设计专门的评估指标，往往需要另一个评估模型来对Agent进行"元评估"。

目前，Langfuse、Arize AI、Weights & Biases等公司正在这个方向积极布局，但面向ERP场景的垂直Observability产品仍是空白，是重要的创业机会所在。

全球AI系统集成与咨询市场2025年已达110亿美元，预计2026年将达140亿美元（Kai Waehner，2026年4月），其中相当一部分将流向Observability和Governance工具。

Enterprise Memory：未来企业最重要的资产

本文把Enterprise Memory（企业级记忆）列为Agentic时代最具长期战略价值的新兴赛道，这个判断需要展开解释。

没有记忆的Agent，只是高级聊天机器人

一个没有持久记忆的Agent，每次执行任务都要从头建立上下文。

它不记得上次谈判时A供应商给出了更低报价，不记得去年12月份这类异常最后是用方案C解决的，不记得B客户一贯的付款周期是45天而不是30天。

这种"失忆"状态，让Agent的决策质量停留在普通水平，无法积累经验，无法进化，每次都只能依靠当前上下文做出"普通水平"的决策。

企业记忆的价值，在于把整个组织的运营经验沉淀下来，让Agent能够站在几十年智慧积累的肩膀上做决策。这才是真正的"企业AI"，而不只是"调用了企业数据的通用AI"。

企业记忆的五层结构

Enterprise Memory可以分为五个层次，从基础到高级：

Data Memory：结构化的业务数据，订单记录、库存数据、财务账目。这是ERP原本就有的，但需要以Agent可检索的形式重新组织。

Document Memory：非结构化的文档知识，合同条款、产品手册、行业标准、内部制度。Agent需要能够准确检索和理解这些文档中的关键信息，而不是读完就忘。

Process Memory：企业的标准作业程序（SOP）、业务流程规则、历史流程执行记录。这是Agent理解"这件事应该怎么做"的基础，也是将人类工作经验转化为Agent行为知识的关键层次。

Decision Memory：历史决策记录，包括决策背景、决策依据、决策结果和事后评估。当Agent面对类似情况，可以参考历史决策的成功和失败经验，而不是每次都重新"发明轮子"。

Experience Memory：跨时间维度的模式和规律，"每年Q4的库存周转会降低15%""这类供应商延误的概率在雨季会上升"。这是最高价值的记忆，也是最难构建的层次，需要长期的数据积累和模式挖掘。

这五层企业记忆层层递进、互为支撑，完整搭建起 AI Agent深度扎根企业业务的知识底座。

依托完整层级的企业记忆体系，Agent 就不再是孤立的执行工具，而是能够传承企业积淀、自主迭代优化的数字化业务搭档。

Memory如何成为企业护城河

当一家企业积累了数年高质量的Enterprise Memory，这个资产本身就成了最难复制的竞争优势。竞争对手可以购买同样的AI模型，可以部署同样的Agent框架，但无法复制你们企业独有的运营知识和决策经验。

这就是Enterprise Memory的战略价值：它让AI能力的优势具有不可迁移性。

SAP的Joule可以在任何客户的系统上运行，但每家企业的Memory是唯一的。Memory越丰富，Agent越"懂"这家企业，这家企业的AI竞争力就越强，这家企业对优质Agent平台的黏性也就越高。

产业链最大的挑战与风险

讲了这么多机会，要认真谈谈风险。任何产业转型中，障碍和机会一样真实。

数据质量：最基础也最严峻的问题

"Garbage In, Garbage Out（输入错误数据，输出必然错误）"在企业级Agent场景里，危害被成倍放大。

人类操作员遇到脏数据会停下来确认，问同事，查原始单据。Agent遇到脏数据则可能直接基于错误数据推理出错误决策，并自动执行，造成实际损失。

McKinsey的研究表明，AI Agent可将ERP实施成本削减至少50%，但前提是数据质量合格（McKinsey，2026年5月）。数据治理是Agentic ERP项目的先决条件，不是可以跳过的步骤。

很多ERP系统的现实是：主数据混乱，字段命名不一致，历史遗留数据错误率高达10%-20%。在这样的数据基础上运行Agent，风险极高。

数据治理先行，是王吉伟频道对所有即将启动Agentic ERP项目的企业最重要的建议之一。

Agent可靠性：幻觉和错误传播

大型语言模型的幻觉问题，在企业场景里后果远比消费场景严重。

财务Agent幻觉出一笔不存在的应收账款，可能引发审计问题；供应链Agent错误估计需求，可能导致过量备货或缺货。

更危险的是错误传播（Error Propagation）：在多Agent协同场景中，一个Agent的错误输出会成为下一个Agent的输入，错误在链路中不断放大。

这也是为什么Human-in-the-loop不是"弱化AI能力"的设计，而是企业理性控制风险的必要机制。

Pilot地狱：PoC成功，规模化失败

企业AI项目有一个普遍的"Pilot陷阱（试点陷阱）"：有限范围内的概念验证表现很好，规模化部署后问题层出不穷。

数据接口在小规模测试时没问题，大规模并发时出现瓶颈；在测试数据集上表现出色的Agent，面对真实生产数据的多样性和复杂性时能力断崖；单个Agent测试通过，多Agent协同时出现协调冲突。

Gartner预估超过40%的Agentic AI项目将在2027年前被取消，Pilot地狱正是主要原因之一。

这也说明了Agent Platform、Agent Orchestration、Agent Observability这些基础设施类产品的核心市场价值，它们解决的正是从Pilot到Production的工程化问题。

企业组织阻力：不只是技术问题

技术问题有技术解决方案，但组织阻力往往是最难处理的挑战。

McKinsey研究显示：Agentic运营模型会让组织需要更少的事务专员，但需要更多能够治理Agent、优化Agent决策逻辑的专业人才（McKinsey，2026年5月）。

这意味着职能重新定义、角色重新分工，涉及利益重新分配。又有哪个部门愿意主动拥抱"让我的部分工作被Agent取代"这件事？

这是所有Agentic ERP项目落地时必须面对的人性问题，没有捷径。

ROI不确定性：投入大，回报慢

IDC和微软的数据显示，每投入1美元于生成式AI可获得平均3.7倍回报。但IBM 2025年CEO研究发现，只有25%的AI项目实现了预期ROI。

这中间的差距不是技术问题，是实施能力和预期管理的问题。

Agentic ERP项目的ROI实现周期通常在12-24个月，前期投入大（数据治理、模型训练、集成开发、组织变革），收益显现需要时间。在企业的年度预算周期里，很多项目会在看到回报之前被砍掉。

ROI路径的清晰规划和分阶段呈现，是项目存活的关键。

无论是底层数据治理、智能体可靠性，还是组织变革与回报周期，每一项挑战都不容忽视。这也进一步印证了配套基础设施与科学实施策略在转型过程中的重要地位。

未来十年的产业演化路径

来画一条清晰的时间线，这里我把Agentic ERP的未来演化分为五个阶段：

第一阶段：AI Copilot ERP（2025-2027），当前正处于此阶段。

AI以助手形态嵌入ERP，增强人的工作效率，大多数决策仍由人类完成。标志性特征是问答式AI和辅助型Workflow AI。

这一阶段的核心价值是降本增效，ROI相对容易衡量。据早期采用者数据，AI集成ERP已带来EBIT改善5%以上（McKinsey）。

第二阶段：Agentic Workflow（2027-2030），Agent开始承担具体业务流程执行责任，在明确定义的场景内实现高度自动化。

采购中的常规比价询价、财务中的发票三方匹配、HR中的入职流程处理，将由Agent自动完成，人类主要处理异常和高风险决策。

Digital Workforce的雏形在这一阶段开始出现，Gartner预测2028年90%的B2B采购将由AI Agent处理，流转超过15万亿美元支出（DigitalCommerce360，2025年11月）。

第三阶段：Multi-Agent Enterprise（2030-2033），跨域的多Agent协同成为主流。

Finance Agent、Supply Chain Agent、Manufacturing Agent、Risk Agent形成协同网络，共同优化企业整体运营。

企业"数字神经系统"初步成型，ERP模块边界开始消融，传统的CRM、ERP、SCM、HCM类别区分开始失去意义，因为Agent不关心模块，只关心目标。

第四阶段：Autonomous Enterprise（2033-2035），大多数运营决策由Agent自主完成，人类专注于战略规划、创新探索和边界决策。

传统ERP的UI几乎消失，企业通过Intent Interface与Agent体系交互，Enterprise Memory成为企业最核心的竞争资产。

第五阶段：Enterprise Agent Economy（2035+），企业的主要运营主体从人类员工扩展为人类加Agent的混合体系。

Agent不仅在企业内部工作，还代表企业与外部供应商、客户、监管机构的Agent进行自动协商和交易，B2B交易从人与人之间的协商，演变为Agent与Agent之间的自动匹配和执行。

McKinsey研究显示，仅Agent Commerce一个细分场景，到2030年就可能中介全球3至5万亿美元交易（McKinsey，2025年10月）。

这套分阶段演进路线清晰勾勒出 ERP 从工具软件向企业智能运营中枢蜕变的完整轨迹，每一步迭代都在重塑企业内部作业模式与外部商业协作规则。

对于实体企业与数字化服务商而言，紧跟阶段节奏提前布局 Agent 能力与企业记忆体系，才能在新一轮产业变革中牢牢占据先发优势。

从Agentic ERP到Enterprise Agent Economy

王吉伟频道想说的一个核心判断是：Agentic ERP的意义，远不止于让ERP变得更智能。它是人类商业文明中一次罕见的基础架构跃迁。

从软件经济到智能体经济，这是继PC互联网、移动互联网、SaaS云服务之后，企业软件产业的第四次结构性变革。

但这次变革的深度可能超越前三次的总和，因为它改变的不只是工具，而是工作本身的组织方式。

回望历史，每一次企业软件的技术范式升级，都重新定义了哪些公司是赢家：

• • PC时代，Oracle、SAP崛起

• • 互联网时代，Salesforce、NetSuite崛起

• • 移动加云时代，Workday、ServiceNow崛起

• • Agentic时代，谁会崛起，谁会消失？答案正在写就

产业链重构的方向是清晰的：

每一层都有巨大的价值创造空间，每一层都有值得关注的投资机会，每一层都有新公司可以崛起的可能。

企业应该怎么做

对于正在使用ERP的企业，建议做三件具体的事情：

第一，立刻启动数据治理。不是等Agent项目立项之后再做，而是现在就开始。数据质量是Agentic ERP的基础，也是最需要时间积累的部分。数据不干净，Agent就是帮你更快地做错误决策。

第二，选择一个高价值场景开始试验。不要等待"完美方案"。在采购、财务对账、库存管理中选一个最痛的场景，用小范围的Agent试点来积累经验、建立信心、验证ROI。

Deloitte数据显示，当前仅23%的公司在中等程度使用Agentic AI，但未来两年内74%的公司将至少中等程度地使用它。先发优势的窗口正在关闭。

第三，开始建设Agent治理能力。在部署第一个生产级Agent之前，确保权限体系、审计日志、人工干预机制都已就位。Governance不是事后工作，而是先决条件。

一个没有标准答案的问题，但有一个框架性结论

Rimini Street CEO Seth Ravin说过一句很有冲击力的话：ERP不会演化，它只是一笔一笔交易地消失，直到不再被需要。（Computer Weekly）

SAP英国用户组主席Conor Riordan则持截然相反的观点：ERP在快速演化，不是终结。（Computer Weekly）

两个人都对，也都不对。

正确的框架性结论是：ERP作为"软件"的形态在消失，ERP作为"企业运营逻辑"的本质将长存。消失的是UI，留下的是规则；消失的是表单，留下的是数据；消失的是模块，留下的是能力。

这正是从 Software-as-a-Service 走向 Capability-as-a-Service，最终走向 Enterprise Agent Economy 的完整逻辑。

这场变革已经开始，产业链的重构已经启动。对于投资者、从业者、企业管理者，问题已经不是"要不要参与"，而是"如何定位自己在新产业链中的位置"。

完整梳理完八层产业生态、上下游机遇、十大新兴赛道、落地痛点与十年演化路径，可以清晰看到：Agentic ERP 带来的不是单点工具升级，而是从商业模式、技术架构、组织运营全维度的产业跃迁。

传统 SaaS 不会彻底消亡，但以 UI、账号席位为核心的旧商业模式注定走向衰落；模型、算力、数据基建、Agent 平台、治理观测、企业记忆等全新赛道，正迎来规模化爆发窗口期。

无论是软件厂商、数字化服务商、企业 CIO，还是一级二级市场投资人，找准自身在全新产业链里的定位，是接下来数年的核心课题。

本系列已连续更新 6 篇完整深度内容，覆盖定义、竞争、落地、案例、产业全维度：

第 1-5 篇已系统拆解 ERP 智能化底层逻辑与实战方法，下一篇（系列第 7 篇）将落地实操视角，详解企业如何分步评估、规划 Agentic ERP 转型完整路线图。

建议点赞 + 收藏 + 星标账号，不错过整套连载完整实操指南。

Agentic ERP系列文章回顾：

• • 第1篇：

• • 第2篇：

• • 第3篇：

• • 第4篇：

• • 第5篇：

• •第6篇（本篇）：Agentic ERP产业链重构与万亿美元商业机会

• • 第7篇（预告）：企业如何评估与规划Agentic ERP转型路线图

看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，也可以给个星标，你的支持就是我的动力。

全文完

王吉伟频道图书《一本书讲透Agentic AI》已出版，完整构建Agentic AI在企业应用中的全景式知识体系，内容跨越 “基础认知-技术原理-业务应用-组织战略-实操指南” 五大板块，为读者提供从认知共识、技术解构、业务对接到组织变革的端到端路线图，欢迎大家关注。

【赠书福利进行中】

感谢大家的长期关注与支持。欢迎小伙伴们在文末留言与转发，王吉伟频道会随机选取读者，《一本书讲透Agentic AI》包邮到家。

【 文末福利1 】：后台发消息研报2026，获取15篇 2026年 AI Agent研报 。

【文末福利2】： 后台发消息Workflow，获取 Agentic Workflow 相关25篇论文。

【文末福利3】：后 台发消息agentic，获取Agentic AI相关资源 。

【文末福利4】：后台发消息RPA Agent，获取 相关论文和研报。

1、

2、

3、

4、

5、

6、

7、

8、

8、

10、