作者 | 高飞

有一个很著名的IT传言：在1981年的一次计算机贸易展上，比尔·盖茨为了为刚刚推出的IBM PC 640KB可用内存限制辩护，说出了这样一句话：640K 对任何人来说都应该足够了。这个传言影响力很大，堪比世界只需要5台计算机，以至于盖茨后来多次否认过这件事的真实性。

不过，虽然这句话并未出自盖茨之口，但是这句话所讲的观点，在大模型出现在之后，却有了新的意义。如果说模型体系可以类比于一个计算机系统，模型是CPU，上下文就是它的内存，那么128Ktoken的上下文窗口够用吗？还是需要200K？或者更多？

其实，答案可能不只是在于上下文窗口的尺寸大小，而是上下文工程能否做好。

上下文工程这个词，在 2025 年于硅谷逐渐流行开来。如果说提示工程（prompt engineering） 是教 AI 说什么，那么上下文工程（context engineering）就是决定AI看到什么、记住什么、理解什么。

特斯拉前AI总监Andrej Karpathy将上下文工程描述为一门精巧的艺术和科学，旨在为（模型的）下一步操作，用恰到好处的信息填满上下文窗口。

AI为什么需要企业的背景故事

显然，这个概念，对于企业AI落地来说，意义尤其重大。

基座模型虽然经由互联网数据集训练而来，但是它对一家公司的客户历史、内部流程或专有产品数据一无所知，而这些恰恰是企业最宝贵的竞争壁垒。如果能有一种方式，将AI的推理引擎与企业内部散落各处的数据孤岛动态连接起来，让AI能够基于企业自身的、可验证的真实信息进行决策，就会大幅降低了因模型幻觉而导致的商业风险。

更进一步说，企业AI的价值也就不会止于精准问答，而是能够深度融入并自动化复杂业务流程了。

很多事情都是知易行难的，如何践行上下文工程，又成了一个新课题。

不过，在深圳的2025全球商业创新大会上，我感受到用友试图正在基于新的BIP5平台解决这个问题。

8月中，深圳会展中心聚集了近万名商界人士，他们要参加的是一年一度的全球商业大会。用友的新BIP 5发布，是大会的重头戏。用友执行副总裁兼CTO樊冠军在发布BIP 5时，分享了一个例子。

他说通过用友的新系统订会议室的话，只需要告诉AI：今天下午和张三李四王五在我办公室开个会，讨论BIP 5发布的事。系统会自动识别参会人、检查日程、预订会议室。整个过程几十秒。

看起来的简单例子，这背后恰恰是上下文工程的精髓。

AI系统怎么知道张三李四王五具体指哪一个人？怎么知道樊冠军的办公室在哪？怎么知道他的级别对应什么样的会议室标准？怎么知道参会人员的权限和日程安排？

换句话说，大模型再聪明，没有企业的上下文，就像一个空降的顾问，连公司的人都认不全，更别说理解复杂的业务逻辑了。

用友的解决方是：基于AI×数据×流程这样一个公式，来解决企业AI落地难题。注意，这里用的是乘号，不是加号。

三者必须深度融合，才能构建完整的企业上下文，让模型准确理解用户意图。

原生一体化：让AI真正看懂企业

用友用了一个词来总结这个体系：原生一体化。

什么意思？就是AI、数据、流程从一开始就是一体设计的，而不是后期拼接的。

樊冠军举了个例子：配方数据不是谁都能看的。我能看到的数据，和其他同事是不一样的，在企业里权限就不同。

如果用通用的智能体，它怎么知道谁能看什么？即便通过API调用，权限该放在API层还是应用层？数据该怎么过滤？这些都是难题。

但在原生一体的系统里，权限防护栏天然存在于业务系统。智能体知道你是谁、你的级别、你的权限范围。当你说我要出差，系统自动知道你的住宿标准是多少，因为它已经有了完整的上下文。

樊冠军解释说，如果是嫁接体系，而非原生体系，比如让第三方智能体调用ERP系统，那就必须通过API，要处理授权、权限、数据安全。每一层都是隔阂。

用友BIP 5做了什么？本质就是构建了三合一的架构：

首先是数据层。不只是传统的结构化数据，还包括非结构化数据。樊冠军说：大模型出来后，企业的非结构化数据，像文档、视频，都可以被理解了，这部分数据更加宝贵。

其次是模型层。用友提供了60多个数据看板、800多个数据模型、1000多个指标资产。这些不是简单的模板，而是30多年企业服务经验的沉淀。销售订单在不同的企业，名字都可能不同，系统要能理解这种差异。

最后是流程层。每个流程都是一个上下文片段，告诉AI在特定场景下该做什么、能做什么。

这三层叠加，形成了完整的企业上下文图谱。

在会上公布鞍山钢铁的案例比较说明问题。他们基于用友BIP构建了20多个智能体，涵盖营销策略、市场价格预测、设备故障预测等。这些智能体不是孤立的，而是共享同一套上下文体系。营销智能体知道库存情况，生产智能体了解订单需求，它们能够协同工作。

知识运营：上下文的持续进化

不过，上下文不是静态的，而是需要持续运营的。

樊冠军提出了一个有趣的观点：企业应该设立首席知识官（CKO）。

原来都是CTO负责技术，CDO负责数据治理。但AI时代，企业需要专门管理知识和上下文。

他分享了用友自己的经验。用友研发中心产生了100多个智能体，每个都有一个教练在培养。智能体回答问题，如果答错了或者用户不满意，会转给真人。真人不仅要解答，还要分析：是知识库的问题？上下文信息不足？还是提示词需要优化？

知识库是一个运营的过程，智能体也是一个运营的过程。樊冠军说，现在智能体能回答80%的问题，未来可能是90%、95%。

这种持续优化的过程，就是在不断丰富和精确企业的上下文。

用友的超级群功能展示了另一个维度。这不是普通的群聊，而是一个持续学习的上下文环境。群里讨论的内容会自动沉淀为知识，成为企业上下文的一部分。下次有人问类似问题，系统会优先从这些群知识里搜索。

樊冠军说：员工整个聊天过程产生的知识，就成了这个群的新背景上下文。

立高食品通过这种方式实现了智能销售预测。系统不仅知道历史销售数据，还理解季节性因素、促销活动、甚至天气对销售的影响。这些上下文信息的积累，让预测准确度大幅提升。

从工具到伙伴：上下文工程的终极目标

樊冠军在大会上说：企业软件要从传统的“工具系统”进化为业务的“智能伙伴”。

这个转变的关键，其实也在于上下文工程。

工具只会执行命令，伙伴能理解意图。工具需要详细指令，伙伴知道背景信息。工具是被动的，伙伴会主动建议。

樊冠军说：未来的企业软件会是一个对话框。

但这个对话框背后，是庞大而精密的上下文体系。每一次对话，系统都在调用企业多年积累的数据、流程、知识，在理解当前的业务场景、用户的权限角色、相关的历史信息。

中华煤气（港华燃气）的案例很有代表性。他们选择全套用友BIP，4个月上线，覆盖十大领域。董事长的理由很简单：我就是要做智能化和数据化。

全套采用，原生一体的好处？其实就是完整的上下文。

企业不需要在不同系统间同步数据，不需要处理权限映射，不需要维护多套知识库。一个统一的上下文贯穿所有业务，AI能够真正理解企业的全貌。

万华化学基于用友BIP完成全球财务共享中心建设，6个月覆盖66家公司，集成13个系统，实现核算100%全自动。这种效率提升，核心就在于构建了完整的全球化上下文：不同国家的会计准则、税务规则、合规要求，都被整合进统一的知识体系。

也就是说，上下文工程不是建一个本地智算中心能解决，而是需要深度的业务理解和长期的知识积累。

因此，樊冠军认为，一般性企业无需把精力花在模型训练微调上。因为他听说很多买了卡准备自己训练大模型的企业，现在硬件已经成了家里的文物。

他的建议是：对多数企业来说，一个聪明的大模型，加上企业的背景知识，就绰绰有余了。

企业AI的竞争门槛也不在于模型有多大，而在于上下文有多准确、多完整、多及时。当AI真正理解了企业的语言、流程、规则，当它能够访问正确的数据、遵守合适的权限、调用恰当的功能，它就不再是一个外来的工具，而成为了企业的一部分。

正如樊冠军所说：这就是为什么用友说AI×数据×流程，是乘法关系。

三者深度融合产生的，不是简单的效率提升，而是企业运营方式的根本改变。大模型的企业AI时刻已来？可能只是需要更好的上下文。