企业应用潮流概念演变史：从办公自动化到智能体

先说结论

• 从 1970 年代的办公自动化到今天的智能体，每隔几年就有一个新概念走到台前；每一个都回答了当时最迫切的问题，也都给后来者留下了可以接着用的东西。
• 几条贯穿的线索：每一波都把一样「写死」的东西变得可以调整；概念不断回到业务本身；前一波的遗产成了后一波的基础；每一波落地都离不开人。
• 我们认为，每一波潮流都在回答同一个问题：系统怎样贴合业务，又怎样跟上业务的变化；交付那一天只是开始，交付要做到可持续。
• 面对下一个新概念，您可以先问三个问题：它要解决的问题，是不是您正在遇到的？它会给您留下什么？交付之后，由谁、按什么规矩持续调整它？

AI 的潮水正涌进企业应用：大模型进了办公软件，智能体开始替人跑流程，「AI 原生」「本体论」成了新的热词。企业应用接下来往哪里走，很多人都在问。

回头看，这样的时刻并不陌生。从 1970 年代的办公自动化到今天的智能体，每隔几年就有一个新概念走到台前。每一个都回答了当时最迫切的问题，也都给后来者留下了可以接着用的东西。

本文按时间线把这些潮流概念逐个梳理：先给一张总表，再分年代讲每个概念的提出、主张、要解决的问题和留下的遗产，然后归纳几条贯穿的线索，最后谈谈我们的看法。年份与出处列在文末。系统交付之后如何持续变化，我们在《企业系统交付之后如何持续变化：六十年理念谱系与教训》里梳理过；中国中小制造企业的应用形态演进，见《二十余年企业信息化的观察》。本篇换一个角度，只看「潮流概念」本身。

这些潮流概念各自想解决什么，留下了什么？

表中年代取该概念提出或开始流行的时间，只作时间感，不作精确断代。

1970–1980 年代，办公室怎样用上计算机？

办公自动化（OA）

• 提出与流行：据计算机史学者 Thomas Haigh 的研究，「文字处理」在 1970 年作为重新组织打字工作的想法进入美国办公室；1975 年，《商业周刊》刊出「未来的办公室」专题，「办公自动化」这个说法流行起来 [1]。在中国，1985 年国务院电子振兴领导小组成立办公自动化专业组，开始拟定发展规划 [2]；同年召开第一次办公自动化规划讨论会 [3]。
• 核心主张：管理人员和专业人员都在联网的终端上处理文字、邮件和文件 [1]。1985 年讨论会给出的定义是：利用先进的科学技术，使一部分办公业务活动物化于人以外的各种办公设备中，由这些设备与人构成服务于办公业务的人机信息处理系统 [3]。
• 要解决的问题：文书靠打字，传递靠纸，存档靠文件柜，信息流转慢。
• 留下了什么：Haigh 写道，这一波所描绘的电子化办公图景，在 1990 年代中期个人电脑的软硬件成熟之后得以实现 [1]。电子邮件、共享文件、公文与审批在线流转，今天已是企业的日常。

1990 年代，怎样把企业当作一个整体来设计？

业务流程再造（BPR）

• 提出与流行：1990 年，Michael Hammer 在《哈佛商业评论》发表《Reengineering Work: Don't Automate, Obliterate》[4]。
• 核心主张：借助信息技术，从根本上重新设计工作流程 [4]。
• 要解决的问题：Hammer 观察到，经过多年调整，许多企业仍然产品开发慢、客户服务差、库存高，原因之一是计算机化的仍是原来的工作方式 [4]。
• 留下了什么：「先理流程，再上系统」成了信息化项目的常规步骤。流程梳理、跨部门的端到端视角，后来都进入了 ERP 实施和流程管理的方法里。

企业资源计划（ERP）

• 提出与流行：据 UCLA 学者 Swanson 的梳理，ERP 的构想最早由 Gartner 在 1990 年提出（Wylie），最初被称作「下一代 MRP II」，随后越出了制造业；到 1990 年代中期，已有一批主要的 ERP 供应商 [5]。它的前身 MRP 与 MRP II 的来历，见《从 MRP 到约束排程：半个世纪的排产思想》。在国内，金蝶在 1999 年发布三层结构的 ERP 系统 K/3 [6]。
• 核心主张：用企业级的视角看待应用软件，把内部的技术与业务核心集成起来，并与外部客户相连；承诺的好处包括统一的企业数据视图、便于配置与定制 [5]。
• 要解决的问题：财务、采购、库存、生产各有一套系统，数据对不上，月底靠人工对账。
• 留下了什么：一条贯通全企业的数据主线，以及物料、客户、供应商这些主数据的规矩。今天的大多数企业应用，仍以这条主线上的数据为底。

商业智能（BI）

• 提出与流行：1958 年，IBM 的 H. P. Luhn 在《IBM 研究与开发杂志》上发表《一个商业智能系统》[7]。1980 年代末，Howard Dresner 提出「商业智能」这个说法，他本人说，这个词从一开始就是一个总称，不针对某一种具体技术 [8]。
• 核心主张：Luhn 设想的系统自动为文档生成摘要，按组织中各个「行动点」的兴趣画像，把信息自动送到需要的人手里 [7]。Dresner 的用法强调用事实和数据支撑决策 [8]。
• 要解决的问题：业务数据越积越多，决策仍靠经验和感觉。
• 留下了什么：报表、仪表盘、多维分析成为管理的日常工具。Luhn 在 1958 年提出的那个问题：谁需要知道什么，怎样及时送到需要的人手里，今天仍是每一套管理系统要回答的问题。

1990 年代中期到 2000 年代，怎样让流程和能力都能拆开来改？

业务流程管理（BPM）

• 提出与流行：1995 年 1 月，工作流管理联盟（WfMC）发布《工作流参考模型》1.1 版 [9]；2002 年，Howard Smith 与 Peter Fingar 出版《业务流程管理：第三次浪潮》[10]；2004 年 5 月，业务流程管理倡议组织（BPMI）发布业务流程建模标记法 BPMN 1.0 [11]。
• 核心主张：把流程从应用程序里单独拿出来描述、执行和调整。Smith 与 Fingar 认为，僵硬的、以数据为中心的业务设计，是计算机化难以带来效率提升的原因之一 [10]。BPMN 的首要目标，是提供一套所有业务用户都容易看懂的流程标记法，从起草流程的业务分析人员、负责实现的技术人员，到管理和监控流程的业务人员 [11]。
• 要解决的问题：流程逻辑写死在程序里，业务一调整就要改代码。
• 留下了什么：一套业务与技术共用的流程图语言；审批流和工作流引擎，成了各类企业应用里的常见部件。

面向服务架构（SOA）

• 提出与流行：1990 年代中期，Gartner 分析师 Roy W. Schulte 与 Yefim V. Natis 发表了第一批关于面向服务架构的报告 [12]。
• 核心主张：把企业的能力设计成一个个有明确接口的服务。一份 2013 年的培训白皮书这样概括：SOA 关乎服务接口、服务、数据模型和业务流程怎样设计，Web 服务是支撑它的一项技术 [12]。
• 要解决的问题：应用之间各自封闭，同一段业务逻辑和数据在多个系统里重复实现。
• 留下了什么：按服务设计、按接口集成的思路。2014 年，Fowler 与 Lewis 把微服务描述为「把单个应用开发成一组小服务，每个服务运行在自己的进程里，用轻量机制通信」[13]，沿着同一方向又往前走了一步。今天智能体调用的「工具」，很多就是这些服务接口。

2000 年代到 2010 年代初，软件怎样变成按需取用？

云与 SaaS

• 提出与流行：1999 年 Salesforce 创立，通过互联网提供销售管理应用，按订阅收费 [14]；2006 年 8 月，亚马逊推出 EC2 测试版，把可伸缩的计算能力放到云上 [15]；2007 年，Salesforce 推出 Force.com，把业务应用的开发、部署与分发也作为服务提供 [17]；2011 年，美国国家标准与技术研究院（NIST）发布云计算定义，把软件即服务（SaaS）、平台即服务、基础设施即服务列为三种服务模式 [16]。在国内，金蝶在 2007 年上线在线记账及商务管理平台，试水 SaaS 云服务 [6]。
• 核心主张：按需、便捷地通过网络使用共享的可配置计算资源，能快速提供和释放，管理工作量很少 [16]。
• 要解决的问题：买服务器、装软件、长周期实施，中小企业的门槛高。
• 留下了什么：订阅付费、在线升级、随处访问成为常态。2022 年工信部的《中小企业数字化转型指南》，也把「小快轻准」的应用和订阅式服务作为降低门槛的办法 [18]。

2010 年代，怎样更快地搭、更多地复用、看得见车间？

低代码

• 提出与流行：2009 年，Gartner 预测到 2014 年至少四分之一的新业务应用将由「公民开发者」构建 [19]；2014 年，Forrester 提出低代码平台的说法 [20]。
• 核心主张：用最少的手写代码、快速的搭建与部署来交付应用 [20]，让业务人员也参与进来。
• 要解决的问题：应用需求远多于开发人手，业务变化又快。
• 留下了什么：业务与技术一起搭应用的协作方式。Forrester 2021 年的报告记录了一个细节：一次黑客松里，有教练陪同的小组约 80% 当场做出了应用，没有教练的小组约 20% [21]，陪着做的人很重要。低代码平台也在向 AI 开放：国内的活字格在 2026 年 5 月发布的 V12.0 中，加入了大模型用量计量、调用管控和 MCP 插件生成等能力 [22]。

中台

• 提出与流行：2015 年 12 月，阿里巴巴在组织调整中提出「大中台、小前台」[23]。
• 核心主张：前台贴近业务，快速决策、灵活行动；中台整合产品、技术与数据能力，统一支撑多个前台业务 [23]。
• 要解决的问题：多条业务线各自重复建设同样的能力，数据口径各不相同。
• 留下了什么：能力沉淀一次、多处复用，数据口径统一，前台可以快速试错。这些思路被许多企业用来规划自己的系统架构。

工业互联网与「数字化转型」

• 提出与流行：2017 年 11 月，国务院印发发展工业互联网的指导意见，把工业互联网描述为「新一代信息技术与制造业深度融合的产物」，由网络、平台、安全三大体系构成 [24]；2022 年 11 月，工信部印发《中小企业数字化转型指南》[18]。
• 核心主张：让人、机、物全面互联，把设备和车间纳入企业的信息系统 [24]。
• 要解决的问题：设备与车间的数据进不了管理视野，中小企业投入有限。
• 留下了什么：设备联网的网关与协议、平台与订阅式服务，以及「数字化转型」这个政府与企业共同使用的说法。

数字孪生

• 提出与流行：据美国国家科学院 2024 年的报告，Grieves 在 2000 年代于产品生命周期管理领域提出了相关构想；「数字孪生」这个名称在 NASA 2010 年的技术路线图工作中正式出现，2012 年发表的报告给出了定义 [25]。
• 核心主张：NASA 的定义是，对飞行器或系统进行集成多物理场、多尺度、概率性的仿真，利用最好的物理模型、传感器更新和机队历史等，映照其实体孪生的一生 [25]。GE Digital 时任 CTO 在 2020 年把数字孪生描述为资产或系统的「活的、会学习的表示」[26]。
• 要解决的问题：设备与产品的运行状态看不见，故障与性能难以预判。
• 留下了什么：模型随数据持续更新、虚实双向交互的思路。美国国家科学院 2024 年的定义把对象从飞行器扩展到自然、工程与社会系统，并写明虚实之间的双向交互是数字孪生的核心 [25]。

2020 年代，怎样让 AI 理解业务、动手办事？

本体论（Ontology）

• 提出与流行：这个词借自哲学。1993 年，斯坦福大学的 Gruber 给出了信息系统领域常被引用的定义：「本体是对概念化的明确规范」[27]。在企业软件里，Palantir 的平台文档专门阐述了本体 [28]；2023 年，这家公司开始部署 AIP，把既有平台与大模型结合 [28][29]。
• 核心主张：按 Palantir 文档的说法，本体是「组织的数字孪生」，包含语义要素（对象、属性、关联）和动作要素（动作、函数、动态安全），把数据集和模型连接到现实中的对应物，从工厂、设备、产品，到客户订单与财务交易 [28]。
• 要解决的问题：数据分散在各个系统里，同一个「订单」「设备」在不同地方含义不一；人和 AI 都难以知道每样东西是什么、彼此什么关系、允许做什么操作。
• 留下了什么：先把业务概念、关系和允许的操作说清楚，再让人和 AI 在上面工作。Palantir 年报把「持续的本体与数据建模支持」列入专业服务内容 [29]，业务模型需要随业务持续维护。

AI 原生

• 提出与流行：2024 年 4 月，IDC 与百度智能云发布《AI 原生应用生态白皮书（2024）》[30]；2025 年 8 月，国务院《关于深入实施「人工智能+」行动的意见》提出，培育一批「底层架构和运行逻辑基于人工智能的智能原生企业」[32]；2025 年 9 月，阿里云发布《AI 原生应用架构白皮书》[31]。
• 核心主张：阿里云白皮书的定义是：「以大模型为认知基础，以 Agent 为编排和执行单元，以数据作为决策和个性化基础，通过工具感知和执行的智能应用」[31]。
• 要解决的问题：在既有系统上外加一个 AI 模块，能做的事有限，应用的结构与交互方式跟不上模型的能力。
• 留下了什么：这一波仍在成形之中。已经看得见的是：自然语言成为日常入口，业务知识与上下文的整理成为应用建设的一部分。

智能体

• 提出与流行：2024 年 11 月，Anthropic 发布模型上下文协议（MCP），这是一个让数据源与 AI 工具之间建立安全双向连接的开放标准 [34]；同年 12 月，Anthropic 发文区分「工作流」与「智能体」[33]。2025 年 8 月的国务院意见提出，到 2027 年新一代智能终端、智能体等应用普及率超过 70%，到 2030 年超过 90% [32]。
• 核心主张：工作流是大模型与工具沿预先写好的代码路径编排；智能体是由大模型动态决定自己的步骤和工具使用 [33]。
• 要解决的问题：大模型能对话、能回答，要真正办事，还得连上数据、调用工具。
• 留下了什么：同样仍在成形之中。已经看得见的是：连接工具与数据的开放协议，以及「哪些步骤写死、哪些交给模型」这个设计上的选择。

前线部署工程师（FDE）

• 提出与流行：这个角色最早出现在 Palantir，2010 年代初设立，内部称作「Delta」；据介绍，到 2016 年前后，Palantir 的这类工程师比常规软件工程师还多 [36]。2025 年它重新成为热门：6 月，a16z 发文称前线部署工程师是创业公司里最热门的岗位 [35]；同年，OpenAI 组建了自己的前线部署工程团队 [36]。
• 核心主张：工程师驻到客户身边，把平台部署进客户的真实业务，按客户目标是否达成来衡量成败；现场学到的东西再反馈回产品 [36]。
• 要解决的问题：模型和平台的能力越来越强，从演示走到企业的真实系统和数据里，中间还有很长一段路；越复杂的任务，越需要懂行的人陪着落地 [35]。
• 留下了什么：同样还在成形之中。已经看得见的是：AI 时代，产品之外，驻在业务现场、按这家企业的实际把系统做进去的交付能力，重新被放到了台前。

这些潮流概念之间有哪些贯穿的线索？

一、每一波都把一样「写死」的东西变得可以调整。 办公自动化把纸上的流转搬到线上；BPM 把流程从程序里拿出来；SOA 把能力拆成服务；低代码让业务人员动手；本体把业务概念显式写下；智能体让模型在运行中决定步骤。企业应用越来越像一个可以持续调整的整体。

二、概念不断回到业务本身。 业务流程再造看流程，ERP 看数据，BI 看决策，本体看业务概念。技术换了一代又一代，要说清楚的始终是：这家企业做什么、怎么做、靠什么判断。

三、前一波的遗产，成了后一波的基础。 ERP 的数据主线是 BI 的原料；BPM 的流程引擎进了低代码平台；SOA 的服务接口，成了智能体调用的工具；数字孪生与本体，都在做同一件事：让系统里有一份随业务更新的模型。

四、每一波落地都离不开人。 流程要有人梳理，主数据要有人理清，低代码要有人陪着做 [21]，本体要有人持续建模 [29]，BPMN 的出发点就是让业务人员看得懂 [11]。系统上线之后由谁来照看，我们在《系统上线之后，谁来对它负责》里专门写过。

《权力与预测》一书把新技术的落地分成三级：改进一个现有环节，带来一种新的做法，让相关的决定一起改变；书里认为价值最大的是第三级，也最慢 [37]。回看上面几波潮流，留下来的多半走到了第三级：ERP 改的是跨部门共用一套数据，BPM 改的是流程由谁定、怎么改。

以下是我们的看法

第一，每一波潮流都在回答同一个问题：系统怎样贴合业务，又怎样跟上业务的变化。 办公自动化、ERP、BI 让系统贴合办公、贴合全企业的数据、贴合决策；BPM、SOA、低代码、中台、本体与智能体，则一次次尝试让系统跟得上变化；前线部署工程师这一轮又提醒大家，系统要落到这家企业的现场，才算真正贴合。问题没有换过，每一代给出的答案都比上一代往前走了一步。

第二，交付那一天只是开始。 业务会一直变，系统就要一直跟着改。我们认为，交付要做到可持续：每一次改动有计划、有核验、有记录；改错了，能回到上一个验证过的版本；项目知识写在开放格式的文档里，换人、换工具都接得住。

第三，AI 带来了一个新机遇：应用在交付之后，有可能自己跟着业务进化。 大模型降低了「改」的成本；本体与智能体让系统能理解业务概念、动手办事；可持续交付的做法把「改对、改稳、改错能退」管住。三者合在一起，应用有可能在客户的日常使用中积累业务规则与现场经验，由懂业务的人确认，小步、可追溯、可回退地持续改进，越用越贴合这家企业。这是一个值得认真验证的方向，能走多远，要看实践。

第四，面对下一个新概念，您可以先问三个问题。 它要解决的问题，是不是您正在遇到的？它会给您留下什么：一份干净的数据、一套理清的流程，还是一个随业务更新的模型？交付之后，由谁、按什么规矩持续调整它？这三个问题有了答案，新概念才会变成您手里真正能用的东西。

参考来源