从追求最强模型，到寻找最合适的模型，SAP Business AI 正在释放一个值得关注的信号。
上周看到路透社的一则报道：
德国企业软件巨头 SAP 正在调整其人工智能战略，将部分价格较高的 AI 模型替换为成本更低的替代方案。SAP 预计，这一调整将有助于实现超过 20 亿欧元的 AI 驱动效率收益。
https://www.reuters.com/world/china/sap-swaps-costly-ai-models-cheaper-alternatives-targets-over-2-bln-gains-2026-10-28/
乍一看，这似乎只是 SAP 在控制 AI 的运营成本。但仔细分析后，我认为这条新闻反映了一个更加重要的行业趋势：
当生成式 AI 开始真正进入企业业务流程，决定其商业价值的，不再只是模型有多聪明，而是能否以合理的成本、稳定的质量和可控的风险完成业务任务。
对于长期关注 SAP ERP、Business AI 和 Joule 的人来说，这个变化尤其值得关注。
一、SAP为什么开始替换昂贵的AI模型？
根据路透社 2026 年 10 月 28 日的报道，SAP 首席财务官 Dominik Asam 透露，公司已经从部分产品中移除了成本较高的 AI 模型，并使用成本更低的模型替代，其中包括 SAP 内部使用的一款咨询助手。
这项调整有一个重要前提：替换后，模型的表现仍然能够满足相应要求。
目前，SAP 使用来自 OpenAI、Anthropic、Google 等供应商的 70 多个 AI 模型。面对不同业务任务，SAP 越来越倾向于选择能够达到所需性能标准、同时成本最低的模型。这意味着 SAP 并不是简单地选择最便宜的 AI，也不是全面放弃某一家模型供应商，而是在质量和成本之间寻找更合理的平衡。
另外，需要澄清报道中容易产生误解的数字：超过 20 亿欧元是 SAP 预计实现的 AI 驱动效率收益目标，更换低成本模型只是实现这一目标的推动因素之一，并不等于直接减少 20 亿欧元的 AI 采购支出。
SAP 同时预计，随着 AI 应用规模扩大，整体 AI 支出仍然会增加。公司的目标是在规模扩张过程中维持健康的利润率，而不是单纯压缩 AI 预算。
二、企业AI为什么不能只追求最强模型？
我们平时使用 ChatGPT、Claude 或 Gemini 时，往往会关注哪一个模型推理能力最强、代码生成效果最好、回答最准确。
但企业使用 AI 的逻辑有所不同。假设 SAP 系统每天需要处理大量 AI 请求，其中可能包括财务报表摘要、采购订单分析、供应商信息查询、业务异常解释以及复杂的系统问题分析。这些任务对模型能力的要求并不相同。
例如，一个简单的采购订单状态查询，可能不需要调用成本最高、推理能力最强的模型。而对于复杂的财务分析、跨系统业务推理或代码检查，则可能需要能力更强的模型支持。
如果所有任务都使用价格最高的模型，即使每次调用的成本不高，随着企业使用量不断扩大，总体费用也可能变得十分可观。
因此，企业 AI 更合理的方向是根据任务复杂度、准确率、延迟和成本选择模型。
这一思路可以理解为 Model Routing（模型路由）或多模型选择策略。在工程实现上，当企业需要同时接入多个模型并按任务、价格或延迟动态调度时，通常还会依赖统一的模型 API 网关或中转层来降低接入复杂度。像 RouteFast.ai 这类面向 AI API 中转与模型路由的工具，本质上解决的正是多模型调度中的统一接入和成本平衡问题。
需要说明的是，报道确认了 SAP 正在按照任务要求选择更具成本效益的模型，但并没有披露具体的自动路由算法和实现架构。
在我看来，这种思路非常符合企业 IT 管理的基本原则：不是所有任务都需要最高配置，而是应该让资源投入与业务价值相匹配。
三、对SAP Joule意味着什么？
SAP 正在围绕 Joule 构建企业级 AI 能力，将自然语言交互、业务数据理解和 AI 辅助操作逐步融入企业应用。从这个角度来看，模型成本优化具有重要意义。
假设未来越来越多的企业用户通过 Joule 查询业务数据、生成财务分析、理解采购流程，或者调用 AI Agent 执行特定任务。随着使用量增加，后台模型的推理成本也会持续增长。
如果 SAP 能够在不明显降低任务质量的情况下，采用成本更低的模型，就有机会改善 AI 服务的单位经济性，让企业 AI 更容易实现规模化运营。
对企业用户而言，真正重要的往往不是后台调用了哪个模型，而是它能否准确理解业务问题、遵守系统权限、提供可靠结果，并在合理时间内完成任务。
当然，这并不意味着 SAP 已经在 Joule 的所有功能中切换了模型，也不能据此推断某个具体 Joule 产品的性能或价格已经发生变化。
原报道只确认了包括内部咨询助手在内的部分产品发生了模型调整。
Joule 长期的竞争力，不仅取决于底层模型的智能水平，更取决于 SAP 能否把 AI 与企业业务流程、权限控制和真实业务数据有效结合。
四、SAP为什么要同时考虑70多个AI模型？
这条新闻还有一个值得关注的数字：SAP 正在使用超过 70 个 AI 模型。这说明 SAP 的企业 AI 战略并不局限于某一个模型供应商。采用多模型策略，可能带来几个方面的优势。
首先是技术选择的灵活性。不同模型在代码生成、文本理解、复杂推理、多语言支持等方面各有特点，企业可以根据具体任务选择合适的能力。
其次是成本控制。随着 AI 模型市场竞争加剧，如果某个供应商能够提供性能相近但价格更低的模型，SAP 就有更多调整空间。
第三是供应商风险管理。如果企业过度依赖单一模型提供商，未来可能面临价格变化、服务限制或供应链方面的风险。
但多模型架构也并非没有代价。不同模型的输出行为、数据处理方式、版本更新和性能表现可能存在差异。企业需要持续测试、监控和治理，才能确保模型切换不会对业务产生负面影响。
因此，多模型策略的价值，不是模型数量越多越好，而是能否在复杂性与灵活性之间取得平衡。
五、另一个重要变化：企业开始关注AI模型的来源
除了成本，路透社报道还提到一个正在受到企业重视的问题：AI 模型来自哪里？SAP CFO 表示，政府机构以及受到严格监管的行业客户，正在对 AI 模型的来源提出更加具体的要求。部分客户甚至可能基于模型来源，将某些模型排除在可选范围之外。众所周知，大陆以及香港地区就无法使用 Anthropic 的 Claude。与此同时，欧洲客户对本地化 AI 解决方案的需求也在增加。这反映出企业级 AI 与个人 AI 应用之间的重要差异。
对于个人用户来说，模型是否好用可能是最主要的考虑因素。但对于企业，尤其是金融、医疗、政府和大型跨国企业来说，还必须考虑数据保护、模型供应商、部署区域、监管要求及信息安全等因素。
而且，模型供应商的国别、模型的开发来源、实际部署地点与企业数据的存储位置，是需要分别确认的概念，不能简单画等号。
对于 SAP 来说，AI 不仅需要足够智能，还需要满足企业客户对安全、合规和治理的要求。
企业 AI 的竞争，正在从单纯的模型性能竞争，扩展到成本、可靠性、数据治理和商业可持续性的综合竞争。
六、从SAP顾问角度，怎么看这条新闻？
这条新闻带来的启示，并不局限于 SAP 自己如何降低 AI 成本。它也提醒我们，今后企业在选择 AI 解决方案时，需要改变一些传统思路。
过去讨论 AI 项目，可能首先关注选用 GPT、Claude 还是其他大模型。但真正进入 SAP ERP 业务场景后，还必须进一步考虑：这项业务需要什么程度的智能？是否必须使用最强模型？调用成本能否接受？AI 结果如何验证？是否涉及财务敏感数据？如何与现有 SAP 权限和业务流程衔接？
举一个与 SAP FI 相关的例子。
如果只是解释一条常见的财务错误消息，成本较低的模型可能已经能够提供有价值的初步分析。
但如果要求 AI 判断复杂会计处理是否符合企业财务政策，并评估对多个公司代码、税务流程及财务报表的影响，就需要更严格的上下文资料、准确性验证和人工复核。
在这种情况下，选择模型只是整个解决方案的一部分。
真正决定企业 AI 项目能否成功的，是业务场景、模型能力、数据质量、系统集成、风险控制和成本管理之间的整体设计。
这也意味着，未来 SAP 顾问除了理解 ERP 业务流程，还需要逐步具备 AI 应用评估与治理方面的知识。
七、AI行业可能正在进入新的竞争阶段
过去几年，生成式 AI 行业的关注点更多集中在模型能力突破。谁的模型参数更多？谁的推理能力更强？谁在各类测试中取得更好的成绩？这些指标依然重要，但对于已经开始大规模部署 AI 的企业来说，另一个问题正在变得越来越现实：
投入大量资金之后，AI 究竟能够带来多少实际业务价值？
SAP 此次调整模型选择策略，我认为正是这一趋势的体现。着模型能力不断提高，企业可能逐渐减少对单一高端模型的依赖，转而根据任务要求组合使用不同能力、不同成本的模型。这种变化不意味着最先进的模型失去价值，而是意味着最先进的模型未必需要承担所有工作。
对 SAP 这样的企业软件公司而言，AI 能否被持续使用、规模化交付并形成可持续的商业模式，可能比一次模型测试成绩更加重要。
当然，SAP 提出的效率收益目标最终能否实现，还需要后续财务和业务数据验证，不能仅凭目前的管理层表态就得出确定结论。
写在最后
SAP 开始替换部分昂贵的 AI 模型，表面上是一次成本优化，背后反映的却是企业 AI 发展方向的变化。这条新闻最值得关注的不是 SAP 究竟替换了哪些模型，而是它释放出的一个信号：
企业需要的未必是最昂贵、最强大的 AI，而是在正确的业务场景中，以合适的成本提供可靠结果的 AI。
从 SAP Joule 到未来更加复杂的 AI Agent，企业级 AI 的竞争将不仅发生在模型本身，也会发生在业务流程、数据、系统集成、治理能力和运营效率上。
对于 SAP 顾问来说，这同样是一个值得关注的方向。未来，我们不仅需要理解 AI 能做什么，还要能够帮助企业回答一个更现实的问题：
AI 应该用在哪里，使用什么模型，以及如何证明它带来的业务价值大于成本？
这或许是企业 AI 从技术创新走向规模化应用时，必须面对的一道关键考题。
发表于 25 分钟前
|
查看: 3|
回复: 0
/1 
