企业AI战略生死局：CTO反对自研险些被解雇，SAP如何绝处逢生

全球企业软件巨头SAP曾上演惊险一幕：首席技术官菲利普·赫尔齐格因反对公司自研AI大模型，在监事会上遭到强烈质疑，甚至险些被解雇。事件的戏剧性在于，三年后这位CTO的判断被证明是正确的——SAP最终放弃了耗资巨大的自研路线，转而采购外部大模型，将资源集中于业务流程适配和表格数据处理等差异化领域。这场企业AI转型中的生死博弈，折射出当前所有传统软件巨头面临的共性难题：当AI浪潮汹涌而来，究竟是押注自研还是借力外部？SAP的绝处逢生之路，或许能为正在探索AI落地的企业带来深刻启示。

战略急转弯：从自研到外购的抉择

时间拨回三年前，SAP内部曾就是否开发自有大语言模型展开激烈讨论。当时OpenAI、Anthropic、Google等公司的生成式AI技术正呈爆发式增长，部分高管认为SAP应效仿这些科技巨头，构建属于自己的AI能力。然而赫尔齐格对此持坚决反对态度，据称他在监事会上的回应是「这是地球上最愚蠢的主意」。这一立场让他险些丢了工作。但事实证明，他的判断基于清醒的商业逻辑：训练和运维大模型需要天文数字般的投入，且模型本身正在快速商品化，自研并非护城河。最终SAP选择从竞争对手处采购大语言模型，转而将资金投入到真正能建立竞争优势的领域——将模型深度适配到具体业务流程中，以及开发针对表格数据的专用「表格模型」。

押注表格模型：收购Prior Labs的深层逻辑

SAP战略调整的核心落点，在于对表格数据的深度挖掘。传统大语言模型在处理结构化业务数据时存在天然短板：它们将数字分解成碎片进行运算，既消耗更多计算资源，又难以真正理解行列之间的逻辑关系。然而企业运营的核心数据恰恰大量以表格形式存在——财务报表、库存记录、供应链数据、客户档案。针对这一痛点，SAP于2026年夏天斥资约10亿欧元收购了德国黑森林地区的初创公司Prior Labs。这家实验室开发的表格模型能够直接基于业务数据生成预测，且无需数据科学家花费数月时间训练专门模型。SAP将Prior Labs的技术整合至其云平台，使其成为所有智能助手的重要底层支撑。这一收购的战略意义在于：SAP选择在通用大模型难以胜任的垂直领域建立技术壁垒，用差异化能力对抗科技巨头的规模优势。

前线部署工程师：FDE模式的落地实践

战略明确后，关键在于执行。SAP从公司初创时期的历史中汲取灵感，重启了一种被命名为「前线部署工程师」（FDE）的组织模式。20世纪70年代，SAP创始人团队曾直接前往客户现场，在客户的大型机上开发最初的产品。如今，这支由数百名开发人员、项目经理和顾问组成的FDE团队深入企业一线，核心使命是研究知识型员工的日常工作流程，并为他们开发针对性的AI智能体。这不是一对一的定制开发，而是识别可复制的业务模式——无论涉及应收账款、仓储物流还是招标流程，其核心逻辑具有共通性，SAP据此开发新型标准软件。在试点项目中，Anthropic公司也派遣工程师参与协作，SAP的50款智能助手产品正在加速推向市场。试点客户涵盖诺华、拜耳、爱立信等大型企业，其中一家大型制药公司已成为首个使用新型采购智能体及桌面应用Joule Work的客户。

行业启示：企业AI落地的成败关键

SAP的转型历程揭示了企业AI落地的深层规律。首先，模型本身正在成为「基础设施」而非「差异化来源」，真正的价值锚点在于将AI能力与业务流程的深度融合。其次，企业需要识别自身数据资产的独特性——正如SAP聚焦表格数据处理那样，在通用模型难以胜任的垂直领域建立技术壁垒，往往比盲目追求模型参数规模更务实。第三，AI落地是组织变革而非单纯的技术部署，SAP通过FDE模式将技术团队前移至业务一线，打破部门壁垒，这种组织创新与技术能力同等重要。对于正在探索AI转型的企业而言，SAP的经验表明：与其在模型的军备竞赛中消耗资源，不如将有限的能力集中于业务流程再造和用户价值创造，在「最后一公里」的落地实践中建立真正的竞争优势。

SAP的惊险转型折射出一个朴素真理：企业AI的胜负，不在模型本身的参数规模、不在采购价格的博弈筹码，而在将通用AI能力扎根业务场景的每一个细节里。当科技巨头忙于军备竞赛时，深耕行业know-how、聚焦业务流程适配，或许才是传统企业最务实的AI破局之道。