一、企业AI架构的核心挑战

企业AI与传统AI应用的最大差异在于：企业场景要求AI不仅"能聊"，还要"能干"。这意味着AI架构需要解决三个核心问题——业务理解（如何让AI理解企业领域知识）、任务执行（如何让AI自主完成端到端任务）、安全控制（如何在执行过程中保障权限与合规）。

用友BIP企业AI基于YonGPT企业服务大模型，构建了从知识采集、知识管理到智能体（Agent）的完整AI能力体系，为这三个问题提供了一套系统化的技术架构。

二、YonGPT模型矩阵：六类模型协同

YonGPT的核心设计理念是"模型矩阵"而非"单一模型"。它融合了六类模型：

• 多模态大模型：处理文本、图像、语音等多模态输入，支撑多端交互
• 垂类大语言模型：基于财务、人力、供应链、采购、营销、制造等领域知识精调，确保AI理解业务语言
• 运筹优化/预测模型：支撑经营预测、资源调度等需要数学优化的场景
• 向量模型：支撑知识向量化、语义检索和RAG（检索增强生成）
• 推荐模型：支撑个性化推荐和业务需求推送
• 分类/排序模型：支撑风险分类、内容排序等结构化判断

这种矩阵设计的优势在于：不同业务场景调用不同模型，避免"一个模型解决所有问题"的能力瓶颈，同时通过大模型做统一调度，保证用户体验的一致性。

三、十二项核心能力：从知识到执行

YonGPT模型矩阵的十二项核心能力构成了完整的技术链路：

知识处理层：知识打标签、结构切片/向量化、图谱化——将企业非结构化数据转化为可计算的知识图谱。

检索增强层：检索增强生成（RAG）、场景感知——在特定业务场景下，从知识库中检索相关信息，增强大模型的回答准确性和业务相关性。

任务规划层：大模型规划、上下文记忆、技能执行——大模型负责任务路径规划，上下文记忆保证多轮对话的连贯性，技能执行确保任务能被实际完成。

知识管理层：知识管理/权限、知识生成、应用生成、个性化推荐——在权限控制下管理企业知识资产，并支持知识的自动生成和应用。

四、智友：多智能体协调架构

智友是用友BIP企业AI的应用层入口，其核心技术是"多智能体协调与调度机制"。

传统AI的工作模式是"单任务单智能体"：一个智能体完成一个任务。智友的工作模式是"多任务多智能体协同"：智友作为协调者，自主规划端到端任务路径，将复杂任务分解为多个子任务，分配给不同智能体执行，并协调执行结果。

智友的关键能力包括：

• 主动感知：感知业务状态变化，识别需要处理的业务需求
• 任务规划：将端到端任务分解为可执行的子任务序列
• 智能体调度：根据子任务类型，调度对应的智能体执行
• 业务推送：将处理结果主动推送给相关用户，实现"业务找人"

这种架构解决了企业应用中的全自动化堵点、风险防控、标准遵循、跨流程打通与协同，把智能由辅助功能转化为数字生产力。

五、数智秘书：对话式业务处理技术实现

数智秘书是面向终端用户的执行层，其技术核心是"对话即执行"——将自然语言对话直接映射为业务操作。

数智秘书的四大能力模块：

• 对话式业务处理：NLU（自然语言理解）解析用户意图，调用对应业务API执行操作（找人、找应用、语音填单）
• 智能问答与搜索：基于RAG技术，从企业知识库、文档库、IT服务台知识中检索答案
• 智能数据查询：将自然语言查询转化为SQL或API调用，返回日程、流程效率、经营报表等数据
• 智慧内容创作：基于大模型生成能力，生成工作汇报、会议纪要、入群摘要等内容

六、技术架构总结

用友BIP企业AI的技术架构可以概括为三层：

应用覆盖三大领域：业务运营（分析洞察、风险审核、智能预测、智能决策）、人机交互（多模态、多端交互）、企业知识闭环运营。