二十余年企业信息化的观察：七种形态、几条规律与大模型时代

先说结论

• 我是 2002 年入行做企业信息化的。二十余年里应用形态换了好几轮，车间里的排产、工艺、质量，在很多中小工厂里仍然靠一张电子表格、一块白板和几位老师傅的经验。
• 七种应用形态各解决了一部分问题，也各留下了问题：「贴合」与「成本」的矛盾每一代换一种形态重来；信息化总是先进入财务、进销存这类标准化程度最高的职能，排产、工艺、质量最晚被触及。
• 大模型时代，模型能否留在厂内、常规代码的成本这两项变了；数据基础、企业的意愿与能力、结果由谁负责没有变。「写」的成本降了，「判断」的成本没降。
• 就我所见，系统停用的原因多在软件之外；先把一段真实流程跑通，比一次铺满全厂更稳。

我是 2002 年入行做企业信息化的。那一年，党的十六大报告提出「坚持以信息化带动工业化，以工业化促进信息化」[7]。二十余年过去，我见过工厂把手工账搬进电脑，把单机软件换成局域网里的套装系统，再从买断换成按年订阅，又在表单平台上自己搭应用；这两年，大模型开始进入写代码和日常办公。

形态换了好几轮，有些东西却一直没怎么动：车间里的排产、工艺、质量，在很多中小工厂里仍然靠一张电子表格、一块白板和几位老师傅的经验。

这篇文章想把这二十余年（再往前追溯到 1979 年）的演进整理一遍：先给一张分期表，再看每一种应用形态各解决了什么、又留下了什么问题，然后归纳供给方反复看到的几条规律，最后对照大模型时代哪些前提变了、哪些还没变。文中事实均注明出处，列在文末；政府文件与企业自述会写明出处性质。我自己的判断集中放在「以下是我的观察」一节。

这二十余年的企业信息化，可以分成哪几个阶段？

下表的分期是为了阅读方便做的划分，边界并不严格；右列只列能核到公开出处的事件。

把这张表竖着读，有两件事很醒目。一是几乎每一段的开头都能找到一份规章或政策文件；二是中小企业作为政策的直接对象，出现得相当晚：会计软件在 1989 年就有了全国性规章，面向中小企业的专门指南和中央财政专项奖补，要到 2022 年和 2023 年才出现。

七种应用形态各解决了什么，又留下了什么？

同一时期往往有几种形态并存。下面按大致出现的先后排列，年份只是粗略的时间感，不作精确断代。

单机工具与电子表格

这是所有形态的成本地板。一台电脑、一套财务软件或一张表格，就能让一家小厂告别手工誊账。1989 年和 1994 年的两份财政部规章，把商品化会计软件纳入了评审管理 [3]，电脑记账从此有了合规依据，这是它能在中小企业里铺开的前提之一。

它留下的问题也很典型：每个人手里一张表，表与表之间靠复制粘贴。规模一上来，对账本身就成了最大的工作量；而最懂那张表的计划员一旦离职，公式和口径往往也跟着离开。直到今天，电子表格仍然是很多车间的「影子系统」。

C/S 套装软件

1990 年代后半段，国内财务软件厂商陆续向 ERP 延伸，金蝶在 1999 年发布 K/3，并称这是公司从财务软件向 ERP 的转进 [5]；用友则把 1988–1998 年划为自己的财务软件阶段 [2]。套装软件第一次让中小企业用上了把进销存、生产和财务放在一起的系统，也第一次有了一条可以审计的经营数据主线。

代价是贴合要花大钱：许可费、实施费、二次开发费叠在一起，周期动辄以月计；二次开发的代码与官方新版本不兼容，企业常常停在旧版本上不敢升级。系统越贴身，越难往前走。

项目制定制开发

总有一些工厂，流程特殊到套装软件装不进去，预算又请不起大型实施商，于是找本地的软件公司量身开发。理论上这是贴合度最高的形态，车间怎么干，系统就怎么写。

它的软肋在于存续：一客一套，没有可以复用的产品基础，系统的维护完全依赖原开发方。开发方的人员一变动，系统往往就停在那一天。

SaaS 订阅

订阅制把门槛又往下压了一截：不用买服务器，不用漫长实施，按年付费，几天就能用起来。按金蝶自己的说法，它在 2007 年就上线了在线财务与经营管理平台，尝试 SaaS 云服务 [5]。此后十几年里，在我接触到的小微企业中，订阅式的财务、进销存和协同办公工具越来越常见。

多租户的商业模式决定了产品只能做「大多数客户都需要的那部分」。财务、审批这类全国同构的职能很合适；每家工厂都不一样的工艺路线、排产规则，就很难装进去。另外，数据放在厂商的云上，导出和迁移并不总是容易。

低代码与零代码平台

表单与流程搭建平台让业务人员自己，或者本地的小服务商，用拖拽和配置搭出贴合本厂的应用，投入按人月计算。报工、质检记录、请假审批、简单进销存，都是它擅长的场景。

有限产能排程、多层物料清单展开这类需要专门求解的逻辑，常与代码或专用引擎配合实现；平台也在持续演进，开始与 AI 结合。

工业互联网平台与云 MES

2017 年的工业互联网指导意见之后 [11]，平台与云 MES 试图从设备侧切入车间：采集设备数据，上云，做可视化，再叠加供应链协同。这是信息化第一次系统性地把设备层纳入视野。

但中小企业的基础条件是现实约束。陕西省工信厅 2022 年的一篇文章引用的数据是：超过 60% 的中小企业数字化设备连接率低于 40%；文章同时写到，中小企业担心生产、工艺、研发数据被分享给竞争对手 [19]。设备上了云，排产和工艺管理未必随之搬上去。

AI 辅助定制

大模型进入编码工具之后，写界面、写报表、写常规增删改查的成本明显下降，业务规则也能用自然语言快速试错。对过去只能在「便宜但不贴合」和「贴合但很贵」之间二选一的中小企业，这是一个新变量。

它没有降低的是判断成本。生成的逻辑是否符合这家工厂的真实口径，仍然需要懂业务的人逐条确认；这一点放到后面「AI 时代」一节展开。

供给方反复看到了哪些规律？

以下几条是把上面的时间线和形态放在一起看得到的共性。它们是对历史的归纳，并不保证未来照样成立。

一、大面积扩散的扳机，多数来自外部

电脑记账在中小企业铺开，背后是一条从 1989 年到 1994 年的财政规章链 [3]；CAD、CAM、CIMS 等制造业信息化应用工程写进国家科技规划，在 2001 年 [6]；智能制造、工业互联网、中小企业专项奖补，各有其政策文件 [10][11][14]。企业自身「想把生产管好」的愿望始终存在，但从时间线上看，大面积的扩散往往紧跟在规章、政策、补贴或客户审核要求之后。

这对供给方的含义是：产品价值如果能对上客户必须面对的外部要求（合规、客户验厂、追溯），比单讲「提升效率」更容易被采购。

二、「贴合」与「成本」的矛盾，每一代换一种形态重来

单机工具便宜但各自为政；套装软件把数据打通了，贴合却要靠昂贵的二次开发；项目制定制最贴身，存续最脆弱；订阅制便宜又快，但只能做最大公约数；低代码让便宜和贴合同时更近了一步。每一代都把「买得起的贴合度」往上抬了一截，这个矛盾本身一直在。

三、信息化总是先进入标准化程度最高的职能

登陆顺序相当稳定：先是财务和工资，再是进销存和报表，然后是审批、考勤等协同办公；就我所见，最近几年进入的是文档、客服等外围的 AI 应用。原因也一致：这些职能全国同构，做成标准产品就能摊薄成本。排产、工艺、质量则厂厂不同，是最晚被触及的部分。

政策目标也能印证这一点：2024 年底的专项行动方案，仍把「全国规上工业中小企业关键工序数控化率达到 75%」列为 2027 年的目标 [16]。

四、系统停用的原因，多在软件之外

我见过的系统弃用，直接原因很少是软件写错了一行代码，更多是：需求调研走过场，上线前主数据（物料、工艺、设备编码）没有理清，关键岗位的人没有真正参与，上线之后没有人负责持续维护。行业里流传着不少「ERP 实施成功率」一类的百分比，我没能找到其中哪一个的原始统计方法，本文不引用。

五、看数字时要分清口径

中国信通院 2026 年 2 月发布的报告显示，截至 2025 年 12 月，「全国『建档立卡』的规上工业企业中，开展数字化改造比例达 89.6%」[20]。这是规模以上企业的口径。同一时期，面向中小企业的政策文件仍在为关键工序数控化率、上云率设定追赶目标 [16]。把规上企业的成绩直接套到中小企业身上，会高估后者的基础。

六、每一轮热潮退去之后，留下的是基础设施和认知

平台、云、低代码，每一轮都伴随着大量宣传，也都有过一段叙事跑在付费前面的时期。热度退去之后，被下一代复用的是那一轮沉淀下来的东西：设备联网的网关与协议转换、云上的基础设施、企业主「软件可以按年订阅」的心智。评估一轮新概念时，可以先问它会沉淀下什么。

AI 时代，哪些变了，哪些还没变？

这里只谈中国中小制造企业的具体处境，不重复讨论企业系统演化的一般理论。

几点补充：

第一，本地部署的门槛降了，数据顾虑有了新的解法。 中小企业担心生产与工艺数据外流，这在工业互联网时期就有公开记录 [19]。许可宽松的开源模型让「模型跟着数据留在厂里」在许可层面成为可能，剩下的是算力成本和运维能力的问题。

第二，「写」的成本降了，「判断」的成本没降。 排产规则、工艺参数、质量判定，没有一个标准答案可以让机器自动核对。模型生成的结果看上去合理，是否真的符合这家工厂的口径，仍要懂行的人来确认。

第三，能力门槛没有消失，只是换了位置。 过去的门槛是「付不付得起二次开发费、管不管得住外包」；现在是「能不能判断交付物对不对、有没有人把本厂的规则说清楚」。对缺少信息化岗位的中小企业，后一种门槛同样高。

第四，核心环节依然是最后的空白。 就我所见，大模型最先进入的仍是文档、客服、编码辅助这些标准化程度高的外围场景，与前几代的登陆顺序一致。排产、工艺、质量这些厂厂不同的环节，能否出现大量非示范性的中小企业应用，是判断这一轮是否真正不同的观察点。

信息化的效果为什么来得慢，《权力与预测》一书给过一个历史参照 [22]：电灯发明后的二十年里，美国工厂用电的比例很低，又过了二十年才普及；前一段时间，工厂只是把蒸汽机换成电动机，厂房照旧，直到按电的特点重新设计工厂，生产率才真正上来。书里还引用了一项 2020 年的调查：只有 11% 的组织从 AI 得到了显著的经济收益。新技术先在单个环节里用起来，要等相关的做法一起改变，效果才会显现，这与前面几种形态的经历是一致的。

以下是我的观察

以下是我个人的看法，没有统计数据支撑，读者可以对照自己的经验判断。

一、中小工厂最常见的情形，是买了系统，只用了其中一部分。 二十余年里，我见过很多「财务模块在用、生产模块闲置」的系统。每一代新形态出现时，都有人说上一代的问题会被解决；可一旦需求没理清、数据没理顺、没有人对系统负责，换成哪一代形态，结局都差不多。

二、大模型降低的是把想法变成代码的成本，对工厂本身的理解仍然稀缺。 一套排产系统里，真正费工夫的是把「这台设备换模要多久、这类订单能不能插单、这个工序为什么必须隔夜」这些隐性规则问清楚、写准确，并在规则变化时跟着改。这部分工作，AI 能帮忙整理，替代不了。

三、先把一段真实流程跑通，比一次铺满全厂更稳。 选一条产线、一类订单或一个工序，把主数据理顺，让系统每天真的在用，再往外扩。每天在用的系统才会暴露真实问题，也才有人愿意维护它。

四、面对「几天出一套系统」的承诺，可以先问几个问题。 数据留在哪里，换一家供应商时能不能完整带走？生成出来的规则由谁确认对错？出了错，按什么流程回退？上线以后，业务变化了由谁来改、改一次要多久？这些问题的答案，比演示时的速度更能说明一套系统能用多久。

五、政策能点火，系统能不能活下去要看日常使用。 从 1989 年的会计软件规章到 2023 年的城市试点，政策一次次把中小企业推到信息化门口。补贴能帮企业迈过第一步；系统最终留下来，靠的是它在日常里确实省了事、少出了错。

参考来源