“打卡式”上了一堆系统 + 不断贴身定制开发，别提AI Ready了，反欠了一身技术债
For：CIO、CTO、数字化负责人、先进制造企业CEO
从一家先进制造企业的SAP BTP实践，看复杂制造企业如何走出“接口堆系统”的技术债
核心观点｜复杂制造企业的AI Ready，往往不是从模型开始，而是从“干净核心、可控扩展、现场在线、数据可解释”的业务链路开始。
过去几年，很多先进制造企业完成了密集的信息化建设：ERP负责财务、采购、销售和库存，MES负责生产执行，EAP连接设备，SPC盯过程参数，QMS管质量，BI做看板，OA做审批。系统名单越来越完整，数字化成果在汇报材料里越来越丰满，但一到真实经营现场，问题并没有同步消失。
销售承诺交期时，系统很难同时看见全球库存、在制品状态、设备负荷与供应商交付风险；生产现场已经报工，财务成本却仍要等月底归集；质量异常可以追到批次，却很难快速判断对订单毛利、客户交付和库存跌价的影响；设备参数、工艺数据、良率数据沉淀在现场系统里，经营系统只能看到滞后的结果。
这类企业的数字化矛盾，不是“有没有系统”，而是“系统之间有没有共同语言”。每个系统都在局部正确地运行，但企业经营需要的是完整事实链：从订单、计划、采购、生产、质量、设备、库存、成本到财务结果，任何一段断开，AI都只能做解释，不能做判断。
系统建设看似齐全，经营协同仍然断裂。每个系统都在输出数据，但没有一个系统能解释完整业务。先进制造企业不缺系统，缺的是系统之间能互相理解。
技术债不是IT部门的账，而是企业经营敏捷性的账
在传统ERP时代，企业解决业务需求的常见方式，是在核心ERP里不断做增强开发。一个表单不够用，就加字段；一个审批不顺，就改程序；一个报表不满足，就直接读取底表；一个部门有特殊习惯，就在核心里写一段逻辑。
短期看，系统很“贴身”；长期看，核心越来越重，边界越来越模糊。
一家高速成长的先进制造企业，早期为了支撑业务快速扩张，往往会在本地部署的SAP ERP中累积大量经典ABAP自开发。财务、采购、供应商协同、报表、审批、查询、门户入口逐步堆叠在ERP里，表面上满足了需求，实际却把越来越多非核心应用绑定到核心系统。后果是升级前测试范围扩大，运维复杂度上升，软件许可消耗增加，标准创新成果难以快速采用。
这就是技术债的本质：不是代码写得多，而是企业把太多变化压在最应该稳定的核心系统上。技术债最终会转化为经营债：业务变慢、创新变慢、升级变慢，IT成本增加，却没有同步获得新技术红利。
Clean Core：不是少做开发，而是让核心重新回到核心
SAP提出Clean Core方法，本质是让企业把核心ERP从“万能开发平台”重新拉回“稳定经营底座”。Clean Core并不是要求企业不做差异化，也不是简单压制业务创新，而是要求企业把标准流程、核心数据、集成边界、扩展方式和运营治理重新分层。
可以把Clean Core理解成五个“保持”：
流程保持高效且一致｜扩展保持干净｜数据保持可信｜集成保持稳定｜运营保持高效。
标准财务、采购、销售、库存、成本等核心流程，应尽量靠近成熟的最佳业务实践；行业差异、协同门户、现场采集、外部用户应用、AI应用，则应通过清晰的扩展方式承接。
这套方法对中国企业尤其有现实意义。许多企业过去习惯于“用不惯就开发”，把历史习惯当成系统需求，把部门例外当成业务特色。结果是每个部门都觉得系统更适合自己，但企业整体失去了复制能力和升级能力。Clean Core要改变的不是某个开发动作，而是企业对“灵活性”的理解：真正的灵活，不是核心系统随便改，而是核心稳定、外围可变、扩展可治理。
BTP的价值：让扩展从“外挂接口”变成“企业级连接层”
对于已经拥有SAP ERP、MES、设备系统和质量系统的企业，SAP BTP的价值不在于再上一套系统，而在于提供一层可治理、可扩展、可持续演进的连接与创新平台。它可以承接ERP外的应用开发、API集成、数据服务、流程自动化、门户应用、移动应用和AI场景。
传统扩展方式像是在核心ERP旁边不断搭临时脚手架；BTP的肩并肩扩展模式，则是把非核心但高频变化的能力放到核心之外，让ERP减负，让扩展可控，让未来升级和AI应用有稳定基础。比如供应商门户、采购协同、业务单据识别、销售订单自动录入、RAG文档检索、批量业务自动化、移动收货、设备异常触发工单等场景，都不应继续挤进ERP核心。
对于半导体、电子、装备、医疗器械等复杂制造企业，这一层尤其关键。ERP关心的是经营事实，MES关心的是生产事实，设备系统关心的是工艺事实，质量系统关心的是合规事实。BTP的作用，是让这些事实被标准化连接，并让它们能够进入统一的业务语义中。
复杂制造企业的AI Ready，不是模型准备好了，而是业务事实准备好了
Business AI不是把大模型接到企业系统里那么简单。企业AI要能真正辅助经营，必须理解业务对象之间的关系：客户订单对应哪些工单，工单对应哪些批次，批次经过哪些设备，设备参数如何影响良率，良率如何影响成本，成本如何影响毛利，异常如何影响交付承诺。
如果这些关系仍然散落在ERP、MES、SPC、QMS、Excel和人工经验里，AI最多只能做自然语言查询和报表解释。它可以回答“过去发生了什么”，却很难判断“接下来会发生什么”，更难主动触发业务动作。
因此，先进制造企业要走向AI Ready，第一步不是训练模型，而是清理核心、治理扩展、打通现场、沉淀业务语义。SAP Business AI强调业务上下文、统一数据和企业级治理，BTP提供AI工具、集成与扩展环境；两者结合的前提，是企业先把业务事实链路打通。
案例：半导体制造企业如何为ERP核心减负
以一家12英寸晶圆制造企业为观察样本，其数字化基础并不薄弱：已有SAP ERP作为核心经营系统，制造现场也需要MES、EAP、SPC、MCS、质量与设备系统支撑高强度生产。但随着业务扩张和定制化需求增加，越来越多非核心应用、查询入口、自开发逻辑和协同需求被压入ERP核心，形成典型技术债。
在这一类场景中，BTP项目的价值并不是“做几个接口”，而是重新划定系统边界：哪些业务必须留在SAP ERP中，哪些应用应从核心中解耦出来，哪些现场数据需要通过标准API与事件机制进入经营系统，哪些行业数据未来可以进入AI模型。
例如，供应商协同不必继续消耗ERP核心入口，可以通过BTP构建门户；间接采购收货可以通过移动端扫码完成，再回写ERP形成可审计记录；客户销售订单自动录入可以通过RPA或AI能力减少人工录入；研发、质量、设备文档可以通过RAG方式做自然语言检索；MES与ERP之间不再点对点堆接口，而是用可治理的数据与流程连接层承接。
实施伙伴的价值：不是写接口，而是判断边界
这类项目对实施伙伴提出了新的要求。传统ERP实施看重配置能力，传统开发项目看重交付能力；Clean Core + BTP + Business AI项目更看重架构判断力。伙伴必须能回答四个问题：什么必须标准化？什么可以扩展？什么应该留在现场？什么未来能够进入AI？
在复杂供应链和先进制造项目中，真正的难点往往不在技术接口，而在业务语义。比如一条良率数据，对MES是生产指标，对质量系统是过程控制，对财务是成本影响，对销售是交付风险，对管理层是经营效率。没有行业理解的接口开发，只会让系统互相传数据；有行业理解的架构设计，才能让数据进入经营闭环。
奥维奥这类长期服务SAP生态与复杂供应链行业的伙伴，其价值不只是交付SAP配置或BTP开发，而是把ERP核心、业务扩展、现场执行和行业AI放在同一张架构图中考虑。AVA Cloud+承接业务扩展与行业插件，AVA Edge+从扫码、PDA、标签、任务回写等轻量入口切入现场执行，AVA Industry AI再基于完整数据链路做预测、预警与辅助决策。这样的组合不是替代SAP，也不是替代MES，而是在ERP与行业现场之间建立可持续的连接机制。
从技术债治理到AI Ready：一条更现实的推进路径
先进制造企业不需要一次性推倒重来。更现实的路径，是先识别核心系统中的技术债，再按价值和风险分层迁移。短期目标不是“全面重构”，而是找到最容易卡住、也最容易见效的一段。
第一阶段，建立技术债清单：梳理ERP核心中的自开发对象、接口、报表、门户、审批和外部用户入口，判断哪些影响升级，哪些消耗许可，哪些与标准流程重复。第二阶段，选择高频、低风险、ROI清晰的场景从核心迁出，例如供应商门户、移动收货、采购协同、业务单据识别、销售订单自动录入、报表查询。第三阶段，建立BTP集成与扩展规范，让新应用不再回到旧模式。第四阶段，沉淀可进入AI的数据资产，如质量异常、设备状态、批次追溯、订单毛利、交付风险。
这条路线的价值在于渐进、可控、可复制。
企业可以选择不为了AI重做整个ERP，也不为了清洁核心牺牲业务连续性。真正重要的是形成一个新的治理原则：核心保持稳定，扩展保持清洁，现场保持在线，数据保持可解释。
当然最好的模式就是从一开始就选定一个灵活、持续先进的核心（ERP），再通过Clean Core在核心（eg ：SAP Cloud ERP）外作延展。
系统建设的下一阶段，是让企业重新获得创新速度
过去，企业通过在ERP里不断开发来追赶业务变化；今天，这种方式正在反过来限制业务变化。
复杂制造企业已经不缺系统，真正缺的是一个可持续演进的数字化架构：核心不被技术债拖住，扩展不再无序生长，现场数据能够进入经营语义，AI能够理解真实业务。
Clean Core不是技术洁癖，而是经营敏捷性的前提。SAP BTP不是另一个系统，而是让核心ERP减负、让行业扩展可治理、让业务创新可持续的平台。Business AI也不是最后加上的智能功能，而是建立在干净核心、可信数据和完整业务链路之上的经营能力。
对于已经完成“打卡式”系统建设的先进制造企业，下一步不是继续堆系统，而是重新回答一个更根本的问题：哪些能力应该沉到核心，哪些能力应该放到扩展，哪些动作必须在线，哪些数据未来能够被AI理解。
回答清楚这个问题，企业才真正走上AI Ready的路。