SAP Connect 十月六日：这次到底发布了什么
先把事件本身理清楚。10 月 6 日 SAP Connect 大会上，SAP 宣布四件相互咬合的事：Joule Work 开始向客户滚动开放——这是 SAP 的新 AI 用户界面，员工用自己的语言在其中跨 SAP 与第三方数据完成工作；SAP Pay 发布，SAP 正式进入支付市场；一批新的 Joule Assistants 与跨职能合作公布；「自治企业」能力在 10 月内陆续正式可用（Joule Work、Joule Studio 等）。CEO Christian Klein 的定调是「自治企业的时刻到了」——这句话的出处是 5 月 12 日 Sapphire 大会：当时 SAP 统一了 Business Technology Platform、Business Data Cloud 与 Business AI 为单一的 SAP Business AI Platform，并预告了自治套件与 1 亿欧元伙伴基金。
SAP 案例的看点不在单点功能，而在推进次序：先统一平台与数据底座，再让内部 11 万员工全员使用完成真实环境压测，然后才向客户滚动开放。这个次序本身就是可复制的路径信息——对多数企业而言，「内部先行」比「选哪个模型」更值得抄。
换句话说，10 月的 Connect 不是提出新概念，而是把 5 月画的架构图推进到客户可触达的状态。对企业级智能体观察者而言，这个案例的价值不在单点功能，而在它的推进次序：先统一平台与数据底座，再让内部员工全员使用，然后才向客户开放——这个次序本身就是可借鉴的首要信息。
架构拆解：知识图谱打底、助手编排智能体
SAP 方案的技术结构可以概括为「一个底座、两层智能体、一条开放通道」：
| 层级 | 组件 | 职责与已披露细节 |
|---|---|---|
| 数据与语境底座 | SAP Knowledge Graph + Business Data Cloud | 映射超过 700 万个数据字段，为 Joule 提供业务语境；这是 SAP 区别于通用助手的差异化主张——ERP 里的流程、语义、策略与关系数据天然结构化 |
| 助手层（ Assistant） | 50+ 领域专属 Joule Assistants | 财务（收入确认、披露、贸易合规自动化）、供应链（单步解决计划/制造/物流中断）、HR（编制缺口方案与福利指引）、采购（对标同行基准的节约机会、 contingent workforce 全周期）、客户体验（AI 驱动的营销、报价与客户工作流） |
| 智能体层（Agent） | 200+ 专业智能体（由助手编排其子集） | 执行操作性工作：在业务工作流内直接行动，使用既有数据、权限与审计轨迹 |
| 构建环境 | Joule Studio | 从无代码到专业代码的开发环境，可选 70+ AI 模型构建与扩展技能和智能体 |
| 治理与清单 | LeanIX 中的 AI Agent Hub + Signavio/WalkMe | 企业智能体的中心化清单；流程分析、应用与智能体治理、采纳管理 |
| 开放通道 | Agent2Agent（A2A）协议 | Joule 可连接第三方 AI 与智能体，把受治理的业务语境带进更广的智能体工作流 |
两个架构选择值得展开。「助手编排智能体」这个双层设计，实际上是把「对话入口」与「执行体」分开：助手负责理解意图、拆解任务并在 200 多个智能体中调度对应子集，智能体则在权限与审计轨迹内执行动作。这与本站此前解构过的监督者-子智能体模式（AWS Field Advisor）同构，差别在于 SAP 把调度面包装成了业务人员可用的自然语言界面。其二，知识图谱的「700 万数据字段」是一个容易被轻视的数字：通用模型助手在企业场景的主要失败模式是缺乏语境——不知道这个客户是什么合同条款、这笔账走哪个成本中心。SAP 的赌注是：语境就在自家 ERP 的结构化数据里，谁掌握语义层，谁就掌握智能体的正确率。
内部先行：11 万员工的 20% 增益怎么读
Joule Work 在对客滚动开放之前，已经在 SAP 内部全员运行：11 万名员工使用，SAP 自报在财务、人力与采购三条线看到 20% 的生产力增益。这组数字需要三层读法：
- 样本价值。11 万人量级的内部先行，比常见的几十人试点信息量大得多——它至少说明工具在多语言、多职能、多地区的复杂组织中可以日常运转。以自身作为企业客户的「吃自己的狗粮」，是 ERP 厂商少有的结构性优势。
- 口径局限。「20% 生产力增益」是自报口径：基线怎么定义、增益怎么测量、覆盖哪些任务类型，通稿均未披露。内部部署不存在对照与第三方审计，应视作方向性信号而非可引用的基准。
- 迁移成本优势。内部员工没有数据隔离、权限改造与系统集成问题——这些恰恰是外部客户要付的「入场税」。内部 20% 不等于客户 20%，这是所有「自用数据」的通用折扣。
早期客户侧的证言补上了另一块拼图。28 年的 SAP 老客户 Maschinenfabrik Reinhausen 加入了 Joule Work 桌面早期采用者计划，其复杂度管理总监 Peter Wied 的表述是：「过去在 S/4HANA 环境里需要最多一小时人工努力的事情，现在用自然语言几秒就能获取」，并称几个月的进展「超过了此前所有年份」；CONA Services 的 SAP 平台架构师则强调了 SAP 采用支持团队的作用——主动沟通、加速架构激活、快速修复缺陷。证言的价值在于指出了 adoption 的真实变量：不是模型，而是「架构激活 + 缺陷响应速度」这类服务要素。
客户舰队：五家企业的五种入场姿势
Connect 大会上披露的客户合作各有形态，恰好构成一张「企业入场智能体的姿势谱」：
| 客户 | 入场姿势 | 已披露细节 |
|---|---|---|
| 诺华（Novartis） | 共建 + 试点 | 与 SAP 共同开发 Joule Sourcing Assistant 并刚启动试点；采购负责人的愿景是「AI 智能体承担手工重活，采购专业人士聚焦战略、供应商互动与价值创造」 |
| 雀巢（Nestlé） | 数字底座先行 + 助手嵌入 | 横跨 140 个国家的 S/4HANA 转型形成统一数字内核；应收账款助手可按风险与业务语境自动排序催收工作、推荐下一步动作 |
| 普华永道（PwC） | 单点突破 + 扩面 | 计费助手帮助在专业服务工作中更早发现潜在计费问题；双方宣布将该合作扩展到新的联合 AI 创新领域 |
| Morgan Foods | 技术底座准备期 | 约 1000 名员工；CFO 表明正为智能体采用搭建技术基础，预期转变是从被动响应到预测——智能体把需求信号、库存与供应商状态连起来；明确强调「人是智能体之上的超能力」 |
| Maschinenfabrik Reinhausen | 桌面早期采用者 | 28 年 SAP 客户；参与 Joule Work 桌面早期计划，「一小时人工操作变几秒自然语言查询」 |
五家客户没有一家处在「全面自治」状态：从 Morgan Foods 的「技术底座准备期」到 Reinhausen 的「桌面查询加速」，分布在智能体采纳曲线的各个阶段。这本身就是 SAP 叙事里诚实的一面——官方口径也强调自治是「旅程而非开关」。另一个被通稿点名的量化口径是国际货运助手（International Trade Assistant）：早期部署将贸易分类工作量最多削减 50%——注意「最多」二字，这是区间上界口径，且为厂商自报。
治理与商业化：ISO 42001、A2A 开放与 AI Units 计价
对 ERP 客户而言，智能体治理与商业条款有时比功能清单更影响采购决策。SAP 在这三件事上的设计值得单列：
- 治理架构认证。SAP 称其治理架构通过独立的 ISO/IEC 42001 认证（AI 管理体系标准），配合 LeanIX 里的 AI Agent Hub 提供企业智能体清单——「知道自己有多少个智能体、各自能干什么」是治理的起点，这一步很多自建智能体的企业反而没做。
- 自主权旋钮。官方口径是「客户控制自治级别」——助手与智能体使用既有的数据、权限与审计轨迹，但把多少流程交给系统自主执行，是客户逐场景决定的参数。这种「把自治分档交给客户」的设计，与本站此前在 Lemonade 有界授权、银行案例中观察到的行业共识一致。
- 开放协议。通过 A2A 协议连接第三方智能体，意味着 SAP 没有把「编排」做封闭——这与本站 A2A 协议专题观察到的行业趋势（协议层走向中立基金会治理）相互印证。
- 计价模式。SAP 延续以 AI Units 为主的消费计价而非纯订阅——第三方分析（Hello Marvis）提示这会改变客户的成本结构：交给智能体的流程越多、AI Units 消耗越大，采购前需要估算消费曲线。1 亿欧元伙伴基金则是供给侧的对应安排：用基金换伙伴的认证与实施产能。
可复现路径与批判性视角
把 SAP 案例翻译成一般企业可参照的路径，四个要点：
- 先底座后智能体。雀巢的次序最典型：140 国 S/4HANA 转型在前，应收账款助手在后。没有统一的数据与流程，智能体只能是在混乱上叠加混乱。Morgan Foods 甚至把「技术底座准备」本身当作当前阶段的主任务。
- 内部全员先行，再对客开放。SAP 用 11 万员工完成了一轮大规模真实环境压测。中小企业即便没有万人规模，也可以在 IT、财务等数字化程度高的部门先跑通，把「多语言、多角色、权限梳理」的问题消化在自己可控的环境里。
- 建智能体清单。AI Agent Hub 式的「全企业智能体台账」成本极低、收益极高：审计、下线、复用、安全评估都从这里开始。自建路径的企业可以先用一张表替代产品。
- 把服务要素写进验收。CONA 的证言点明采用快慢取决于架构激活支持与缺陷响应速度——对采购方而言，这些服务承诺应当与功能一起进入 SLA。
批判性视角同样必须给足。其一，全部效果数字（20% 内部增益、50% 贸易分类工作量削减、「几秒替代一小时」）均为厂商自报或客户在厂商活动上的证言，无第三方审计，无基线披露；其二，TechSignal 的分析指出关键一点：「200 多个智能体」描述的是平台范围，不是经过验证的采用率、任务完成率或人力节省——买家应要求定价、用量上限、数据隔离条款与可测量的流程级 ROI；其三，SAP 存在明显的利益关联（本文所有信息源均为其发布活动或合作方通稿），竞品视角（微软 Copilot、Salesforce Agentforce、ServiceNow AI Agents、Oracle）的对照验证缺席；其四，「AI Units 消费计价」在缺乏用量基线时难以预算。各场景的具体采用率、任务完成率与真实人力节省，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。