去年帮一家资源型集团做数智化咨询时，我翻过用友iuap 对产业AI底座的一些公开拆解，当时没太上心——直到最近南方锰业真的和用友把 AI 数智化项目启动了，才明白"底座"两个字为什么是绕不开的坎。
问题：那家集团上来就想接大模型，做个智能问答和报表生成。两周后业务侧一句话把我打回原形："问啥都答，但核心事一件办不了。"它进不了审批流，动不了财务核算，跨板块数据根本调不到。我们以为缺的是模型，其实缺的是地基。
分析：后来才懂"X+AI"和"AI+X"的区别——我们只做了外挂。大模型是大脑，企业还有肢体（流程执行、权限、审计），二者没连起来，大脑出的方案落不了地。更要命的是，数据散在十几个系统，没语义化、没统一权限，AI 调不动也不敢调。用友iuap 这类底座要解决的，恰恰是把数据收拢成语义视图、把旧应用改造成可被编排的能力单元。
方案：我们按"先底座、后智能"补课：先把数据层语义化让 AI 能调用，再把流程执行与智能决策在统一底座上融合，用 API/CLI/Skills/MCP 把旧系统改造成能力单元。底座统一后，决策能直接触发审批、核算，结果再反哺模型。
反思：企业AI 拼的不是谁的模型参数大，是底座统一不统一。没底座，再聪明的 AI 也是个在边缘打转的聊天框。这条坑，别再踩了。
