AI 推动企业软件需求，SAP 云业务增长超出预期

SAP 于 10 月 21 日报告称，其云业务需求强于预期，这对人工智能将削弱成熟企业软件业务的担忧构成挑战。按固定汇率计算，SAP 云业务增长达到 25%，该指标剔除了汇率影响。按同一口径，当前云业务积压订单增长 26%，高于 Reuters 引述的 UBS 24% 至 25%预测。

这里的矛盾很直接：AI 有望改变员工使用业务软件的方式，但 SAP 表示，这一机会正在推动云端采用。这两种结果可以同时存在。助手可以取代熟悉的界面，而底层的会计、采购和运营系统仍不可或缺。

Microsoft 是一个有用的对照案例，因为它同时销售业务应用和 AI 服务。核心问题不止于哪家公司提供功能最强的助手。企业买家必须判断，AI 是让其既有软件基础更加有价值，还是创造了替换它们的机会。

SAP 云业务增长强化需求前景

SAP 的业绩显示其云产品持续存在需求，但 AI 的具体贡献仍有待解读。

SAP 发布了截至 2026 年 9 月 30 日的第三季度业绩。其季度云业务业绩显示，按报告口径计算，云收入增长 26%。经汇率调整后的数字略低，这说明这些衡量标准应当保持区分。

在将 SAP 与其他国际软件企业比较时，这一区别很重要。报告增长包含汇率变动，而调整后指标有助于读者评估基础业务表现。无论是在描述业绩是否加速，还是是否超出预期时，都不应悄然以一种指标替代另一种指标。

与预测的比较同样需要准确。Reuters 指出，当前云业务积压订单出现超预期表现，而非将 UBS 的估计描述为已确认云收入的预测。积压订单衡量的是尚待在未来确认收入的已签约业务。它提供了一个与已记录销售额相互补充的需求视角。

按固定汇率计算，SAP 的 Cloud ERP Suite 增长了 28%。ERP，即企业资源规划，将财务和采购等业务职能连接起来。这一表现将报道置于运营软件的语境中，而非暗示全部业绩都来自一项独立的 AI 产品。

该公司还将其全年云收入预期调整至原有区间的上端。这代表其在此前已沟通的边界内增强了信心。读者应将这种调整与一项全新的预测，或对下一年度的保证区分开来。

综合来看，这些指标为反驳 SAP 云产品组合需求立即崩塌的说法提供了证据。客户持续承诺订阅，而公司在已开始交付的服务中录得增长。这种组合所传达的信息多于单独一项产品发布。

不过，需求强劲和产品因果关系回答的是不同问题。财务业绩可以证明客户购买了更多云软件。要确定他们购买的确切原因，还需要有关采购决策、合同构成以及部署后实际使用情况的额外证据。

一位买家可能因现有系统需要替换而批准现代化改造。另一位买家可能优先考虑获得 AI 能力。即使两者的商业论证存在显著差异，这两种决策都可能带来云业务增长。

因此，这些业绩值得关注，但不应被视为对软件未来的笼统判决。SAP 提供了一个反驳立即被替代的具体案例。它并未解决 AI 是否会随着时间推移改变软件预算、采购结构或供应商关系的问题。

因此，有用的出发点既狭窄又关键：企业客户仍在投资 SAP 的云业务。下一个问题是，这些承诺揭示了新 AI 能力与成熟业务应用之间怎样的关系。

AI 采用使“替换论”面临压力

这一季度的表现挑战了这样一种假设：更强的 AI 必然意味着对成熟业务应用的需求减弱。

根据 Reuters 对云需求前景的报道，首席执行官 Christian Klein 将 AI 视为云迁移的主要推动因素。这是管理层对客户行为的解释，而不是经过独立剥离的财务贡献。

Reuters 还报道称，SAP 维持了营业利润展望。首席财务官 Dominik Asam 强调了经济不确定性以及第四季度的重要性。这些保留条件应与积极的需求数据一并呈现，因为更强的订单并不能消除支出限制。

这一战略冲突涉及对于业务价值将在哪里积累的不同预期。一种观点认为，AI 会削弱应用供应商，因为传统界面和工作流将变得不那么必要。另一种观点则认为，有用的 AI 会增加对承载业务记录和运营规则的系统的需求。

SAP 的业绩支持后一种解释，尽管存在重要边界。它们表明，该公司可以在 AI 采用扩大的过程中实现增长。但这并不能证明每一家既有供应商都会受益，也不能证明每一种现有产品都理应保有当前地位。

眼下的压力落在那些将应用替换视为模型能力提升自动结果的人身上。能够生成可信文本的系统，仍需要可靠地访问业务信息。完成一项运营任务还需要权限、验证，以及对已发生事项的记录。

设想一名助手被要求更改一项采购决策。理解请求只是工作的一部分。组织还必须确定谁有权批准变更、哪些记录需要更新，以及其他部门将如何接收由此带来的影响。

这些是架构层面的考量，而非对某一具体 SAP 部署的主张。它们解释了为何更强的 AI 与持续的应用支出可以并存。新的交互方式可以提高现有运营系统的实用性。

同样的逻辑也给 SAP 带来压力。既有地位并不保证客户会接受每一种 AI 产品。该公司必须将其软件基础与买家能够在实施后识别的实际成果联系起来。

对企业买家而言，决策不再只是选择旧软件还是新 AI。他们必须评估哪些能力依赖现有系统，哪些可以独立运行，以及哪些会引入不必要的重复。

知识工作者还面临信息检索与授权行动之间的相关区别。一个可搜索的知识库可以帮助团队理解文档。当员工基于这些信息采取行动时，交易系统还必须执行业务规则。

更广泛的含义是有条件的：AI 提供了重新审视软件架构的理由，但并不预先决定替换决策。SAP 这一季度的表现使这一差异更难被忽视。

业务上下文赋予成熟应用作用

当 AI 帮助在组织治理规则内完成工作时，它才具有商业相关性。

SAP 在 10 月 6 日拉斯维加斯的活动上展示了其最新方向。其业务 AI 战略以 Joule Work、Joule Assistants 和 Business AI Platform 为核心。SAP 围绕互联业务职能和运营成果来定位这些产品。

这种定位解释了该公司应对被替代担忧背后的逻辑。SAP 希望客户将其应用和数据基础视为实现有用 AI 的前提。其产品信息将现代化与跨部门协调工作的能力联系起来。

这仍然是一项公司战略，而非普遍客户成功的证明。产品演示可以展示在选定条件下的预期行为。它们无法证明同样的能力在不同组织、数据质量水平和审批结构中能够多么稳定地运行。

然而，底层业务问题是具体的。一家公司不能将每个运营问题都视为一场孤立的对话。有关供应、人员配置、支出或交付的决策，往往会影响提问员工之外的记录和责任。

因此，AI agent，即朝着目标执行任务的软件，需要明确的限制。这些限制决定了它可以访问哪些信息，以及哪些行动需要审批。没有这些限制，表面上的便利可能会带来额外的审核工作。

应用供应商的潜在优势在于理解这些关系。一项有用的建议必须符合组织的实际情况。这包括流程状态、记录含义，以及提出行动请求者的权限。

这是对机会的分析性解释，而非对 SAP 收入来源的量化说明。业绩数据并未揭示客户为这些关系专门支付了多少费用。它们也没有区分预期中的未来实用性与已经实现的价值。

同样的架构也为竞争对手创造了机会。能够可靠连接既有系统的供应商，可以提供不同的界面或专业能力。对底层应用的所有权，并不会自动带来对未来每一次员工交互的所有权。

因此，SAP 有动力使其业务上下文能够在自身的 AI 体验中被访问并发挥作用。客户则有动力在评估替代方案时保持灵活性。这两方面的利益都将影响合同和实施方式的发展。

开发者应从这一实用视角解读本季度。机会不止于为应用添加对话式界面。它还包括将意图连接到获授权的行动、处理不完整的信息，并让最终工作成果对人们而言易于理解。

对买家而言，最相关的问题是完成质量。一名能够给出看似合理答案的助手，与一名能够安全解决业务例外情况的助手，代表着不同层次的成就。商业论证取决于组织实际需要哪一种结果。

SAP 云业务增长与客户投资于这一基础是一致的。由此产生的 AI 体验能否获得持久使用，仍是另一个问题。

Microsoft 提供的是比较，而非直接评分卡

Microsoft 的业绩展示了将成熟软件与 AI 相结合的另一条路径，但其业务组合使简单排名并不可行。

Microsoft 的季度业绩涵盖截至 2026 年 6 月 30 日的期间。Dynamics 365 营收增长 13%，按固定汇率计算增长 12%。Azure 及其他云服务营收增长 43%。

该公司还表示，Microsoft 365 Copilot 的付费席位已超过 3,000 万。Copilot 是 Microsoft 在各类办公产品中提供的 AI 助手。这些披露共同显示，应用订阅、AI 采用和云基础设施正在同一家供应商内部同步扩张。

这些数据提供的是背景，而非与 SAP 进行直接业绩较量。双方报告期不同，所涵盖的产品和活动也不同。Azure 的云服务类别不能作为企业应用需求的替代衡量指标。

更有意义的比较在于商业路径。Microsoft 可以将 AI 配置在用户熟悉的办公软件和云服务之中。SAP 则强调运营应用和业务流程。两种方法都试图将新的 AI 能力与客户已经在使用的产品连接起来。

对买方而言，这带来了相互重叠的决策。一家组织可以评估办公助手，同时单独推进其财务或供应链环境的现代化。购买其中一项，本身并不能说明另一项投资是否冗余。

这种重叠也让供应商叙事更复杂。供应商都有理由将自己的产品描述为开展 AI 活动的自然位置。客户则必须判断，哪一位置能为员工提供完成特定任务所需的信息和权限。

通用办公请求与受监管的运营操作提出不同要求。总结内部文档并不需要与修改业务记录相同的控制措施。将这些活动视为可以互换，可能会掩盖真正的采购决策。

因此，这一比较强化了一个有限结论：成熟的软件供应商有多种参与 AI 支出的方式。它并不能证明其战略等同，也不能证明客户应将所有 AI 活动整合到现有合同中。

竞争也可能在不完全替换应用的情况下发生转移。一家公司可能保留其运营系统，同时改变员工开始工作的入口。这将保留现有供应商的部分角色，同时围绕用户关系创造竞争。

反过来，若供应商将 AI 直接连接到可信赖的业务流程，其现有产品可能会变得更有吸引力。这一结果将支持如下观点：即使交互层发生变化，应用基础仍然保有价值。

这些是战略可能性，而非季度数据已经证实的结果。SAP 的业绩提供了当前需求的证据。Microsoft 的披露表明，SAP 所处的是一场更广泛的竞争：将 AI 采用与既有企业支出联系起来。

两家供应商面临的压力都很实际：说服客户，组合方案带来的工作改善足以证明持续投入是合理的。更庞大的 AI 功能目录本身无法回答这一问题。

云承诺并不能证明 AI 回报

强劲需求支持 SAP 的商业地位，但无法证明客户从每一次 AI 部署中获得的回报。

这是对本季度最核心的审慎解读。订阅承诺记录的是采购决策。它并不会自动揭示员工是否使用新能力、任务是否得到改善，或组织是否减少了可避免的工作。

SAP 的供应链助手为这种区别提供了具体案例。在 10 月 8 日的一篇说明中，该公司介绍了覆盖规划、制造、物流和资产运营的计划能力。这些新能力原计划于第四季度全面上市。

SAP 还介绍了 Doehler 如何利用 AI 解决物流问题。Doehler 的技术主管表示，排查问题所花费的时间大约减少了三分之一。这是一份由 SAP 发布并归属于客户的陈述，而非独立基准测试。

该案例为读者提供了具体业务场景：识别物流问题并提出应对建议。它比笼统的生产力承诺更有信息价值。但在评估类似结果是否能迁移到其他场景时，其证据局限仍然重要。

一个客户案例不能证明平均体验。不同组织的流程设计、信息质量、员工职责和实施范围各不相同。成功案例可以展示一种合理用法，但不能证明每位买方都能获得可重复的结果。

可用性时间表带来了另一项边界。计划于第四季度推出的功能，不能自动解释截至 9 月的季度表现。客户可以基于未来计划作出决策，但预期能力与已部署能力仍属于不同类别。

财务解读也需要同样的严谨性。不断增长的云承诺可能反映对平台的信心、现代化需求或对 AI 的兴趣。公开的汇总数据并未为每种动机分配精确权重。

这种不确定性不会抹去已报告的增长。它界定了证据能够支持什么。本季度证实商业需求持续存在，同时也留下了关于采用质量以及各项能力贡献的问题。

在单项任务中节省时间，与改善完整流程之间也存在差异。更快的建议仍可能需要审查。如果员工要花额外时间核验输出或修正下游问题，净结果就会更难评估。

因此，可信的评估应覆盖完整活动，包括例外情况和人工干预。这是评判公司叙事的分析标准，并非声称 SAP 的产品未能通过这种评估。

对供应商的依赖同样值得关注。将 AI 与业务数据连接可以提升实用性，同时也会让未来的架构选择更加重要。买方在扩大自动化操作范围之前，需要理解权限、记录和集成方式如何运作。

SAP 的本季度为管理层提供了证据，表明其方向正在吸引支出。客户将通过日常表现来评判同一方向。这两种视角有所重叠，但并不是可以互换的成功衡量标准。

最站得住脚的解读应同时保留两点：云需求保持稳定，而 AI 回报的更广泛论证仍需要运营证据。

关注需求转化、产品交付和客户使用情况

下一批证据应将客户承诺与已交付能力及可重复的业务成果联系起来。

第一个信号是，SAP 是否维持合同需求与已确认云营收之间的关系。未来披露应采用一致的货币衡量方式，并清晰标注期间。将积压订单增长与营收增长混在一起，会模糊潜在趋势是否正在增强。

两项指标持续增长，将支持客户仍致力于 SAP 云战略这一解读。承诺减弱则会挑战该需求的持久性。不匹配的情况则需要更仔细地关注时点和合同构成。

这一信号很重要，因为当前季度结合了采购证据与已交付服务证据。保持这种联系将强化韧性论点。任一单项指标的利好标题，都只能提供较为狭窄的判断基础。

第二个信号是 SAP 按计划在第四季度交付供应链能力。产品可用将使更多客户能够在自身环境中评估已宣布的功能。延期或范围缩减将削弱近期的运营论据。

可用性也应与部署区分开来。已发布的功能仍可能需要实施、权限配置、流程调整和员工培训。读者应寻找承诺能力已进入日常工作的证据，而不是假定发布即意味着采用完成。

第三个信号是超越孤立成功故事的客户证据。有价值的案例应说明原始任务、AI 的贡献、仍需完成的人工工作以及结果。这种细节程度将使不同组织间的主张更容易评估。

可重复的改善将强化 SAP 的论点，即 AI 会提升其应用基础的价值。使用有限或结果不明确，则会让客户为何持续购买留下更多不确定性。无论哪种结果，都不应仅凭 AI 产品的存在而推断。

这些信号遵循与商业主张相同的顺序：客户作出承诺，供应商完成交付，员工使用由此形成的能力。每个阶段回答不同问题。将它们分开对待，会让整体叙事更容易评估。

对企业买方而言，实际的应对方式是审视拟议投资与具体运营需求之间的联系。要问：什么会变得更容易，哪个系统仍然承担责任，以及组织将在部署后如何确认改善。

开发者应使这些结果可供检查，包括所使用的信息、所需的审批和已完成的操作。知识工作者应区分：改善信息获取的辅助，与改变业务记录的自动化。两者都可能有用，但需要不同的证据。

SAP 的云业务增长为软件韧性论点提供了一个可供检视的具体结果。请结合产品可用性和客户案例关注后续披露。评估 AI 提案时，要求供应商将其承诺关联到真实工作流程，然后明确团队将在上线后审查哪些证据。该系统是否帮助人们以更可靠的方式完成工作，并清晰界定下一步由谁负责？即使这则财报标题早已淡出，这个问题仍将有用。