軟通動力、金蝶、中軟國際：企業服務商如何把專案經驗變成 AI 底座

先看結論：企業買的不是模型，而是完成工作的能力

中國企業服務商走向 FDE × Harness 時，優勢不在基礎模型，而在多年累積的產業流程、ERP 權限與專案交付能力。軟通動力以『AI Factory＋FDE』打通顧問與實作，金蝶將 Harness 內建進 ERP 與靈基 AIOS，中軟國際則以5至7天 BootCamp 先做場景與投資報酬率預評估，再由專案負責人、Echo、Delta 完成需求、Agent 工程與正式部署。共同目標是把個人經驗變成平台資產。

這個題目值得獨立拆解，因為企業 AI 已經走到第二個階段。第一階段比的是模型能不能回答，第二階段比的是系統能不能在資料不完整、權限複雜、流程跨部門的環境裡，穩定交付可衡量結果。軟通動力、金蝶、中軟國際：企業服務商如何把專案經驗變成 AI 底座不是技術名詞的排列組合，而是一個組織、工程與財務必須同時成立的問題。

運作機制：把人的經驗翻成 Agent 可執行的規則

軟通動力由顧問與產業專家先辨識流程，再由 FDE 與 AI Factory 提供資料、模型、工程與持續迭代。金蝶把多年企業管理經驗、權限與流程寫進 AIOS，透過任務理解、技能調度、多 Agent、Release Gate、離線評測與安全治理控制正式運行。中軟國際先用 BootCamp 降低場景試錯，再把業務語義、Ontology、MCP、子 Agent 與技能沉澱到 allmeta 與 SmartCode。

不同廠商的共同方向，是讓少數核心 FDE 攻克複雜現場，再用平台、夥伴與客戶自助擴大覆蓋。差別在於資產沉澱在哪裡：Palantir 放進本體模型與 AIP，模型公司放進技能與執行框架，雲端業者放進 Agent 平台與夥伴交付工具，企業軟體公司則把多年流程與權限直接寫進底座。

實務上應先畫出原有流程的輸入、判斷、工具、輸出與例外，再決定哪些環節交給 Agent、哪些需要人工核准。這個順序很重要：若先拿模型找題目，團隊容易做出技術可行但商業低頻的功能；若先找出高成本、高等待或高錯誤的流程，再設計資料與執行環境，投資報酬率才有機會被驗證。

財務視角：從專案收入走向能力複製

企業服務商原本就擅長高人力專案，AI 能否改善估值與毛利，取決於交付資產化。BootCamp 可以縮短售前與原型週期，AI Factory 可提高工程重用，AIOS 則有機會轉成訂閱或平台收入。財務上要觀察軟體收入占比、人均收入、同類專案交付天數與平台續約，而不能只看 AI 專案數量。

財務長應把成本拆成五層：場景診斷、資料與系統串接、模型推論、執行框架、上線後的人工作業。初期毛利偏低不必然代表模式失敗，因為第一批客戶可能同時支付產品學習成本；但下一批同類客戶若沒有明顯縮短交付週期，代表知識沒有資產化。最重要的曲線，是每一元新增收入需要多少新增工程人力與模型成本。

收入品質也要分開看。一次性顧問費能證明客戶願意付錢，訂閱與用量收入則更能反映系統已進入日常流程；成果分成若能建立清楚基線，可能提高上限，但也會帶來歸因與合約爭議。健康的商業組合通常是以前期服務完成導入，再讓軟體、技能模組與執行量成為後續擴張主體。

執行方法：從一個高價值流程開始

買方可要求供應商把產出分成三包：客戶專屬的流程與資料、產業共用的本體與測試、平台標準的權限與執行元件。三包的所有權、版本與可移交性要在合約寫清楚。賣方則應建立 Echo 與 Delta 的共同評估，避免顧問承諾價值、工程師只交功能，最後沒有人對正式成果負責。

導入時應先定義成功與失敗。成功不只包含平均任務時間下降，也包括錯誤率、人工覆核、法遵事件與使用者採用；失敗則要能被分成模型、資料、權限、工具、流程或組織責任。分類清楚後，每次錯誤才會變成測試資料與產品改進，而不是群組裡又多一張『AI 怎麼又壞了』的截圖。

反方論證：重交付也可能只是昂貴的人力生意

傳統大型資訊服務公司也可能只把 FDE 當成新名詞，AI Factory 當成原有開發中心的改名。真正差異要由交付週期、人力投入與重用率證明。企業軟體底座雖有流程優勢，也可能因舊架構、資料品質與客戶版本差異拖慢 Agent 導入；多年經驗只有在能被機器讀取與執行時才形成新護城河。

廠商案例多半是公司或報告選出的成功樣本，不能直接外推到所有客戶。閱讀時要分清楚已上線的實際成果、合作公告、產品規畫與券商推論；尤其 2026 年的新組織與新平台仍需時間驗證續約、毛利與複用程度。案例可以提供路線，不能替財務證據簽名。

此外，報告整理的數據包含企業調查、公司案例、產品公告與研究判斷，可信度與時間點並不完全相同。本文保留原始頁碼，並把已發生事實、廠商所述規畫與延伸分析分開呈現。對快速變動的 Agent 市場而言，最危險的不是判斷暫時錯，而是把尚未驗證的規畫寫成已經實現的財務成果。

台灣企業可以怎麼用：先做流程資產負債表

台灣 ERP、MES、顧問與委外服務商可採同樣路徑，但應從最熟悉的產業切入。把顧問方法、常見介面、測試與例外做成共用資產，並用短期工作坊在簽大約前先淘汰低價值場景。企業買方則要把『未來能否由自己維護與更換模型』列為驗收條件，避免舊式綁定穿上 AI 新衣。

接下來可固定追蹤：1、AI Factory／AIOS 的平台收入；2、BootCamp 到正式上線轉換率；3、FDE 人均收入與交付週期；4、專案資產的所有權與可攜性。這些指標同時涵蓋技術、流程與財務，能避免團隊只挑對自己有利的數字。對台灣企業而言，最務實的起點通常不是成立一支龐大 AI 部門，而是選一條跨資料、跨系統、又能直接衡量成本或營收的流程，讓小型 FDE 團隊與業務負責人共同完成第一個生產閉環。

最後要記住，真正的護城河不是 Prompt 數量，而是企業願不願意把規則、失敗案例與決策邊界持續沉澱。模型會升級、單價會下降、工具名稱也會換季；留在公司裡的本體模型、測試資料集、連接器、技能模組、權限設計與營運紀錄，才是能在下一輪技術變化中繼續複利的資產。