技术迭代的加速正将企业软件行业推向一场深刻的重塑，单纯的产品功能堆砌已难以构筑竞争壁垒，企业面临的是从技术架构到服务能力的全方位转型压力。
如何在模型快速更迭的时代沉淀核心资产，并重构适应AI时代的组织，成为企业亟需破解的关键命题。
在此背景下，爱分析与蓝凌董事长杨健伟展开深度对话。作为长期深耕企业数字化与知识管理赛道的资深实践者，杨健伟不仅带领蓝凌完成了自身的AI架构升级，更通过服务数千家大型企业的经验，洞察到AI助力组织进化的深层逻辑。
本次访谈将围绕企业如何构建可持续的记忆体系，以及软件厂商在大模型时代的生存法则展开。
核心观点：
企业软件厂商的产品迭代节奏必须变快。AI编程和智能体能力正在快速成熟，几百万行代码级别的平台已可通过AI完成，这直接冲击了软件公司过去依靠代码沉淀形成竞争力的逻辑。
模型会变，但企业长期沉淀的是数据、知识、流程和记忆。企业不应把AI基础能力绑定在某一个模型上，而应从企业架构出发，推导数据架构，把知识、业务数据和智能体记忆统一纳入治理体系。
软件公司没有永恒的护城河，真正的壁垒只有两个：学习创新的速度和生存韧性。谁能更快看到新技术、学会新能力、完成试验、产品化并交付给客户，谁就有机会在新一轮竞争中跑出来。
以下为本次对话实录，在不改变原意基础上略有修改。
01 AI加速企业软件重构
爱分析：最近半年，您在智能体行业观察到了哪些新的变化？
杨健伟：最大的变化是，技术变化和迭代速度太快了，快到传统软件公司的节奏已经跟不上。
去年10月、11月，我们还不敢确定，一套老的平台能不能完全用AI编程搞定。但到春节前后，行业里已经出现了一个300万行代码的产品平台，完全通过AI编程完成。这件事带来的冲击很大，因为几百万行代码，已经相当于一个核心企业软件模块的体量。
过去我们认为，写代码、沉淀代码，是软件公司的重要竞争力。但现在，AI并不是一个技术出来之后就结束了，后面还会不断出现新的框架、新的工具和新的模式。这种迭代速度，已经不允许企业软件厂商再按照一年发布一次产品的节奏来运转。
所以我现在有一个很强的判断：企业软件厂商的产品节奏必须变快，不能再沿用过去规划、研发、发布的传统节奏。
爱分析：这种变化对软件公司的影响，主要体现在产品侧吗？
杨健伟：不只是产品，服务、组织和数据治理都会发生变化。
产品侧当然最明显。新技术出来之后，企业马上会问：你能不能接上？能不能安全使用？能不能放到我的业务流程里？过去很多事情还停留在概念阶段，现在突然变成了可用能力。
服务侧的变化也很明显。过去做一个企业场景，可能需要投入大量人天进行开发、配置和交付。现在有了AI编程和智能体能力，很多原来很重的工作可以被拆成更小的能力单元，交付成本会明显下降。不是说服务不需要了，而是服务的颗粒度、交付方式和成本结构都在变化。
数据治理也一样。过去企业做数据中台，更多是在技术层面把数据统筹起来。但现在，要让AI真正参与企业运营，仅靠技术统筹是不够的，还要在数据的权责、制度和标准上进行统筹。
爱分析：技术变化这么快，软件公司的产研体系应该如何调整？
杨健伟：传统产研体系已经很难适配现在的变化。过去的方式是做规划、排版本、逐步迭代，这种方式在稳定环境下有效，但现在技术变化太快，等你规划完成，外部可能已经变化了两轮。
今年蓝凌在传统产研体系前面，增加了一个101创新小组。它有点像一个“快枪手小队”：先学习、先试用、先判断。试通之后，就交给正式的产品团队、工程团队和交付团队承接。
02 企业真正要沉淀的不是模型，而是数据、知识、流程和记忆
爱分析：怎么看记忆、知识库和结构化数据之间的关系？
杨健伟：记忆是记忆，结构化和非结构化只是数据形态。
过去企业做知识管理，更多是管理文档、制度、经验等，大部分是非结构化内容。但在AI时代，只有知识库是不够的。智能体要真正做事，需要的不只是文档，还需要客户资料、项目记录、流程数据、业务系统里的结构化数据，以及智能体自身运行过程中产生的新数据。
而且，结构化和非结构化的边界正在变得模糊。比如CRM过去是典型的结构化系统，客户名称、联系人、拜访记录、商机阶段等都有字段。但今天一次客户拜访，会产生大量非结构化信息，比如录音、纪要、客户背景、方案建议和沟通话术。真正有价值的内容，很多都存在于这些非结构化信息里。
反过来，非结构化内容也必须被治理。要打标签，要抽取元数据，要形成图谱，要能够被检索、关联和调用。否则，它只是堆在那里，AI也用不好。
爱分析：所以未来每个业务系统都会带有自己的记忆？
杨健伟：是的。每个应用、智能体、Skill，原则上都会产生记忆，而且这些记忆都应该被存储和治理。
比如一个智能体回答错了，用户不满意，这个过程就应该被记录下来。否则，它下次怎么变聪明？再比如，一个智能体完成了一次客户分析，它使用了哪些资料，做了哪些判断，输出了什么结果，这些也应该成为企业记忆的一部分。
爱分析：记忆体系会不会带来很大的底层资源消耗？既要存储，又要计算。
杨健伟：一定会。所以记忆不能什么都原样保留下来。未来会出现很多记忆压缩、记忆筛选和记忆编织的技术。
但在企业里，技术只是一个方面，更重要的是治理体系。企业要先知道哪些东西应该留下，按照什么标签留下，和哪些业务对象关联，谁有权限使用，什么时候更新，什么时候失效。
这套体系不是凭空产生的。我的理解是，要从企业架构出发，推导出数据架构，再把知识、业务数据和智能体记忆都纳入这个架构里。这样它才不会和某一个模型绑定。
模型是会变的，所以企业真正长期沉淀的是自己的数据、知识、流程和记忆。这些东西比模型更难做，也更有价值。
爱分析：这是否意味着，企业记忆会成为AI基础设施中非常重要的一层？
杨健伟：是的，而且这一层一定需要企业自己参与建设。
每家企业都不一样，业务架构、管理制度、数据结构都不同。企业不可能指望一个通用模型直接理解自身全部运行规则。服务商可以提供帮助，但企业自己必须参与，因为这是企业的组织资产。
所以我一直认为，过于模型化的东西未必是企业服务商的长期壁垒，因为大模型公司会做。但企业数据、企业知识、企业记忆、企业流程治理，这些内容无论做得多深都不过分。它们才是企业AI真正落地的基础。
爱分析：OpenClaw给企业带来了什么新场景？
杨健伟：对软件厂商来说，更大的意义在于架构层面带来了变革。智能体不是简单调用大模型，而是利用大模型去组织现有能力、调用一系列工具、完成一连串任务，它背后的架构和传统软件架构不同。
爱分析：也就是说，它对企业侧未必带来新场景，但对软件厂商来说是一次架构重构？
杨健伟：是的。过去我们经历过很多次架构变化，从早期架构到Java，再到微服务，再到移动互联网。每一次变化都很痛苦，甚至涉及大量代码重写，但你无法不换，不换就无法竞争。
今天AI带来的架构变化也是类似的。过去应用主要长在数据库上，再加中间件和业务逻辑。现在很多新应用是长在大模型和记忆上的，它需要上下文、需要记忆、需要工具调用，也需要多技能组合，这个架构思想已经发生了变化。
所以我不把它看作一个短期成本，而是看作必须跨过去的新架构。软件公司如果不学习、不适配，就可能被淘汰。
爱分析：那它会颠覆软件本身吗？
杨健伟：我认为它更多是帮助我们更好地使用软件，而不是直接让软件消失。
企业仍然需要系统，仍然需要规则、权限、数据和流程。只是未来人不一定通过传统菜单和表单来使用系统，而是通过智能体、对话和自动执行来使用系统。
所以软件一定时期内不会消失，但软件的入口、交互方式和架构方式都会变化。真正危险的是那些不适配新架构的软件。如果系统不能被智能体调用，不能融入新的交互方式，就可能被绕过去。
03 软件公司没有永恒护城河，只有学习加速度和生存韧性
爱分析：模型厂商会在哪些层面改变企服行业？
杨健伟：他们一定会进来，最后也许会有几家生存下来。
因为他们手里有一把很厉害的剑，AI编程已经能够快速生成大量代码，这对软件公司冲击很大。过去软件公司的核心能力之一是写代码、做产品，现在这件事被AI大幅加速了。如果大模型公司再带着FDE直接进入企业，确实会让传统软件公司感到压力。
但我觉得软件公司也不用太害怕。软件行业本来就是一个高度竞争的行业，本来就很卷。
爱分析：软件公司的底气在哪里？
杨健伟：底气不在模型，而在客户、场景、服务和组织能力。
AI技术本身会越来越普惠，这一家模型不行，还有另一家。模型能力会快速追平，很难成为单一企业服务商的长期壁垒。
但企业服务不只有模型，关键在于：客户场景在谁手里？谁理解客户的流程、制度、组织和权限？谁有实施团队？谁能驻场解决问题？谁能长期服务客户？这些壁垒，是单纯依靠模型能力无法替代的。
企业服务靠的不是一个人的聪明，而是一整套严密的组织能力。如何激励团队、管理项目、完成交付，以及如何应对客户需求的变化并保证长期服务质量，这些能力，是竞争对手很难在短时间内学会的。
所以，我不否认大模型厂商会进入，但企业服务的壁垒并不在AI能力本身。AI是一把剑，但企业服务商还有场景、客户关系、交付组织、咨询能力和持续服务能力等盾牌。
爱分析：技术平权之后，软件公司的竞争壁垒是什么？
杨健伟：我认为软件业没有什么永恒的护城河，靠防守是赢不了的。
真正的壁垒只有两个：一个是学习和创新的加速度，另一个是生存下去的韧性。
学习和创新，本质上是组织能力。企业能不能快速看到新东西，快速学会，快速试出来，快速产品化，并快速交给客户使用，这就是壁垒。
韧性是客户愿意持续相信你、持续购买产品，相信你能把事情做好，这在企业服务里非常重要。因为客户买的不只是一个软件，也是在购买长期服务和长期确定性。
爱分析：学习和创新如何变成组织能力？
杨健伟：首先，它是一种意识和文化。创始人是否愿意学习？核心团队是否愿意学习？下面的人是否敢于尝试？这些都很关键。
其次，它需要方法论。创新不是喊口号，也不是今天看到什么热就追什么。要有小团队快速试验，有管理层进行判断，有正式团队承接，有客户场景验证。只有这样，才能从个人学习变成组织学习。
很多小技巧很容易被复制，但真正的组织能力不容易被复制。因为它不是一把小刀，而是“重剑无锋”，它背后是文化、流程、人才、客户和管理机制共同形成的能力。
爱分析：未来企业服务市场的竞争格局会如何？
杨健伟：我认为在企业服务领域，未来大概会留下几类公司。
第一类是模型公司，会形成头部企业主导格局。最后不会有太多家，软件企业必须和它们合作。
第二类是行业或专业平台公司。比如法律、财务、招聘，或者某些高度专业的行业场景。这些领域一旦有平台跑出来，会越来越聪明，最后形成很强的集中度。
第三类是AI服务公司，包括传统软件公司转型，也包括新型AI服务公司。它们要有自己的应用平台，也要具备FDE式服务能力，能够为企业做个性化场景。这一类会比较分散，因为企业需求本身很个性化，但数量会比过去少很多，可能只剩下原来的10%-20%。
最后一类是OPC，也就是一个人公司，或者很小的合伙人组织。很多过去的软件公司、外包公司、创业者，未来可能会被拆散，变成平台上的专业服务者。
爱分析：这是否意味着，未来软件厂商的人员规模会变小？
杨健伟：是的。不只是软件公司，未来很多公司都会变成智能体驱动下的合伙人组织。
底层是智能体和平台，真正全职雇佣的人会变少。上面会有很多合伙人、专家、顾问和OPC，围绕平台为客户提供服务，企业不会像过去那样无限扩大人员规模。
至于一个软件公司未来是怎样的规模，现在不好判断。但方向是确定的：组织会更轻，智能体会承担更多基础工作，人则更多去做高价值判断、客户服务和复杂协同。
爱分析：蓝凌智能的位置会在哪里？
杨健伟：我们会把自己定位为“组织AI进化合伙人”。
未来，我们一定要和大模型公司合作，也要和行业平台、专业平台合作。同时，我们自己要有数字化平台和服务能力，还要能够连接大量OPC合伙人，为客户成功兜底。
企业服务不会完全标准化。客户总会有个性化需求，总会需要有人理解业务、理解组织、理解场景。平台很重要，但最终要保障客户成功，仍然需要服务体系。
所以未来的竞争，不是简单地看谁替代谁，而是谁能在新生态里找到自己的位置。关键在于，你能不能学得快、连得上、服务得住。
本文来自爱分析ifenxi（北京爱分析科技有限公司），AI市场的研究咨询机构，专注于人工智能、大模型、智能体与算力等产业研究。
精彩评论