2026 年，AI 产业正在发生一场微妙却关键的格局重构。随着通用大模型技术快速普惠，一批头部大模型企业开始跳出基础模型赛道，纷纷切入企业 SaaS、ERP 等传统企业服务领域，试图凭借 AI 能力重构 To B 软件市场。

作为国内头部企业管理云 SaaS 厂商，金蝶近年来加速将 AI 大模型能力融入企业管理软件，探索 To B 场景下的智能化落地路径，赋能企业AI转型。

在观点机构组织的 2026 博鳌地产发展大会上，金蝶建筑与房地产事业部总经理颜琼接受《凤凰WEEKLY财经》采访表示，AI 企服发展下半场，核心竞争壁垒已经脱离通用技术层面。行业最大误区，就是将大模型算法能力等同于可落地的企业服务能力。

在他看来，通用大模型已不再是行业竞争核心，而深耕行业沉淀的场景经验，以及无法快速复制的业务知识本体，才是 SaaS 行业难以被颠覆的核心壁垒。

颜琼认为，大模型厂商并非 SaaS 厂商的竞争对手，而是优质的生态合作伙伴。当下企业 AI 应用已告别单一模型比拼的初级阶段，To B 端 AI 落地，核心考验多模型适配、全场景融合的综合工程能力。单一通用大模型无法适配建筑地产等垂直行业复杂的业务流程与严苛合规要求，这也是纯技术类大模型厂商入局企服赛道的核心短板。

在颜琼看来，真正制约企业 AI 落地成效的，并非模型算力与算法技术，而是多重长期被行业忽视的底层现实。

首先是业务场景与知识本体的沉淀差距。通用大模型擅长基础内容生成，但无法适配垂直行业的专属流程、合规与业务特性，很容易出现 “结果好看、无法落地” 的现实困境。

其次是来自企业数据治理的前置门槛。颜琼表示，行业普遍存在认知误区，认为 AI 可直接为企业提效，实则 AI 落地效果完全依托企业数据的质量、标准化程度以及权限体系清晰度。多数建筑、地产企业存在系统割裂、数据口径混乱、非标流程繁多、权责体系不清等问题，未经标准化治理的碎片化数据，会直接导致 AI 输出结论偏差、脱离业务实际。

此外，组织惯性也会带来显著的落地阻力。在颜琼看来，企业智能化转型不是简单的技术替换，而是业务流程、组织模式、工作范式的全方位重构。企业固有岗位工作模式、团队思维定式、长期形成的流程习惯，都是 AI 深度落地的隐蔽壁垒，这类组织层面的问题，是纯技术厂商无法解决的核心行业痛点。

他表示，通用大模型的技术能力，仅占企业 AI 转型成功的极小部分权重。真正决定 AI 商业化价值与落地效果的，是深度的行业场景认知、完善的数据基建能力、成熟的智能体工程落地能力，以及适配企业组织、突破固有惯性的落地服务能力。

颜琼认为，未来 SaaS 行业的核心竞争力，不在于技术迭代速度，而在于能否依托垂直行业深耕积累，将普惠的通用 AI 技术，转化为企业可落地、可量化、可规模化的实际商业价值。他强调，通用技术可以快速迭代、全民普惠，但贴合行业、适配业务、深耕场景的服务壁垒，无法被短期技术颠覆，这也是 SaaS 厂商穿越 AI 行业周期的核心底气。