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。

02

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。

03

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。

04

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，Palantir 2023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。