AI原生系统关键特点与演进范式：金蝶灵基对比用友AICoding

各位好，直接进入正题。

上周金蝶正式发布了“灵基Lingee”AI原生操作系统。昨日用友紧随其后，推出了基于模型驱动与本体工程的AI编程平台。

时间节点如此接近，本文重点剖析AI原生与本体论两大方向。

AI原生的本质与内涵

理解AI原生最直接的方式是：系统在诞生之初即内嵌AI能力，而非后期补丁式集成。这种原生属性决定了其智能是系统基因的一部分，而非外挂组件。

金蝶灵基Lingee：AI原生操作系统的四大突破

金蝶在发布会上对其AI原生系统进行了详细拆解，以下为四个核心要点。

1. 范式升级：从人驱动系统到数据驱动人员

传统IT架构以人为主导，由人触发系统操作。AI原生模式则彻底反转，由数据主导行动。人推动系统是流程驱动、过程导向的典型，例如创建采购请购单后需手动推进采购订单。AI原生采用事件驱动与数据驱动：规则基于数据自动触发事件，事件驱动行为，人类仅需对结果进行确认与执行。

2. 固定功能 → 动态组装：Skills技能包解耦业务能力

传统系统的业务功能被固化在表单、数据库、规则与预定流程中。新流程或场景出现时，通常需要系统大幅改造甚至推倒重建。

AI原生操作系统则实现业务流程、场景与底层能力的解耦。业务能力以Skills技能包形式封装，大模型理解业务需求后动态自动组装。新增需求或场景无需系统重构，由大模型自主完成组合配置。

3. 自然语言交互：全面理解业务语义的对话能力

AI原生系统可完整解析大模型、业务流程、业务系统及需求文档构成的业务语义。凭借这一语义理解能力，系统原生支持自然语言对话，远超传统问答机器人。用户可询问：创建采购订单须遵守哪些规则？需准备哪些基础数据？创建流程如何？或直接指令：批量审批张三的所有待办。

以上对话无需提前训练或配置业务语义材料。大模型已内置完整的业务语义，即可完成数据查询与操作级的自然语言交互。

4. 弹性规则与自我进化：AI原生的推理与学习能力

第四点，也是AI原生的精髓。传统系统虽已具备事件驱动的数据机制，但规则通常是固定的。AI原生要求规则灵活可调，支持动态推理与事物分析，AI可自主学习并进化规则。

例如供应链场景中取消进行中的采购订单，AI理解系统后会主动推荐后续操作：标记已入库订单需退货，已开发票需冲红。无需人工分析，AI基于规则与系统状态自动生成建议。

又如系统自动检测某类物料库存环比/同比持续上升，AI会提前预警并给出优化建议。这种自学习与持续优化能力，是AI原生的终极形态。

用友BIP：本体论与模型驱动的AI原生实践

金蝶发布会未提及本体论，因其曾公开表示不依赖此方法。而用友则长期强调其平台的本体建模能力。

在AI编程产品发布会上，用友提出两大要点。其一，该产品基于模型驱动（虽未明确本体模型），但模型驱动构建的系统从设计之初即具备AI原生属性。其二，模型不仅用于系统构建，还可直接训练大模型，使其充分理解系统的业务语义。由此构建的系统天然支持自然语言对话与交互，这正是真正的AI原生系统。

深度思考：AI原生的实现路径与存量系统升级

结合对本体论与AI原生的理解，笔者更认同用友路线。系统先通过模型驱动或本体建模，经由AI编程自动构建、持续集成与交付；交付后系统本身即内置AI与自然语言对话能力。此为AI原生的正确打开方式。

对于存量系统，也可通过自然语言对话改造、需求训练、源代码逆向本体建模等途径，让AI逐步理解存量系统的完整业务语义，进而构建对话与推理能力。这是将传统系统渐进演化为AI原生操作系统的可行路径。

本次分享至此。若对AI原生或本体论实践有疑问，欢迎交流。再见。