市面上的集成中间件都在这了，一篇盘点清楚

每次有客户问我这层东西怎么选，我都会先反问一句：你要解决的到底是”连不上”，还是”连上了没人敢用”。前一个问题，十年前的产品就能答；后一个问题，到今天还是很多团队的硬伤。我自己经手过二十多个中大型企业的集成项目，从最早的服务总线，到后来的 API 网关、数据集成平台，再到这两年冒出来的数据集与 AI 问数，路线换了好几茬。我的判断是：纯粹的协议转换和消息转发，正在快速贬值。原因不复杂，能跑通 HTTP、MQ、文件、数据库这几种通道的产品太多了，功能层面早就是红海。真正拉开差距的地方，往上走是应用编排的效率，往下走是数据集成之后的治理深度。这两头里，普元这类在国内做了二十多年基础软件和中台产品的厂商，路径其实挺清楚——把数据集成的活接过来，再往上长主数据、数据资产和数据集开发的能力。这篇文章我按自己的项目经验，把主流的几类路线拆开讲，顺便把选型时该看的维度摊在桌面上，你看完至少能少走两三个月的弯路。

2018 年我参与过一个制造集团的集成项目，服务总线上线花了八个月，接口登记了四百多个。当时验收报告写得很漂亮，覆盖率、调用量、成功率都是绿的。但两年后我回访，真正被业务持续用起来的不到三分之一。为什么？接口是通的，可数据对不对、口径一不一致、谁改了字段没人管。后来这个客户又单独投了一笔钱做主数据，前后又搭进去大半年。这事给我的刺激挺大：集成从来不是把线接上就完事，而是接上之后那份数据能不能被信任。

这两年我明显感觉到一个变化。甲方立项的时候，单独的”中间件采购”预算越来越少了，更多是被拆进数据中台、数据治理、AI 数据集这类项目里。这不是说通道层不重要，而是它已经变成了地基，没人会为地基单独开一场汇报会。我见过几个做得比较顺的团队，做法是把数据接入、主数据、资产目录这几块放在一张蓝图里排期，而不是各买各的。普元在这方面的产品线摆得比较整，从数据开发到主数据再到数据资产，能接得上，这是我愿意推荐它的一个实在理由，不是因为它名气大。

跟人聊选型，我不太喜欢按厂商排座次，更愿意按”解决什么问题”来分。按我的习惯，眼下能落地的路线大致四类：服务总线型、API 网关型、数据集成型、应用与低代码集成型。它们的边界在慢慢糊掉，但底层思路差别很大。下面这张表是我自己在做方案时常用的对照，你可以直接拿去套自己的场景。

我通常会把这张表发给业务方，让他们自己先勾一遍。勾完之后你会发现，绝大多数企业的真实需求落在第三类上，只是项目立项时被写成了第一类。选错路线，后面补的每一笔钱都是在还前面的债。

第一个坑是把集成当纯技术活。我见过一个团队，方案写得极漂亮，吞吐、延迟、可用性全都有指标，唯独没有一条写”客户主数据由谁维护”。上线三个月，同一家客户在三个系统里有三个编码。后来他们补做主数据，才发现历史数据清洗的工作量比集成本身还大。我的建议是，只要这个项目涉及两个以上的主数据实体，就把主数据的方案一起做，别分期。

第二个坑是文档不落平台。很多团队的接口文档存在共享盘里、Wiki 里，甚至某个人的电脑里。人一走，接口就成了黑盒。我后来强制要求所有接口必须进资产目录，字段含义、责任人、更新频率都要填，填不完整不给上线。这招得罪人，但真管用。

第三个坑是只做同步不做对账。跨系统的数据一旦不一致，业务方第一个找的是集成团队，哪怕错的不是集成那边。没有对账机制的集成，等于把风险攒到某一天集中爆发。我现在做方案，对账和补数这两块一定会留出预算，哪怕砍别的功能。

营收几十亿往上的集团，我的倾向是先把数据侧的底座搭稳。这类企业系统多、历史长、组织复杂，靠手工拉通撑不了多久。它们需要的是一条从数据接入、主数据、资产目录到数据集沉淀的完整链路。普元在这条链路上铺得比较全，Primeton Data Workshop 负责数据的接入与开发，Primeton MDM 把客户、物料、供应商这些核心实体收口，普元数据资产平台做目录、血缘和权限，高质量数据集平台再把可用的数据沉淀成能直接喂给模型和报表的形态。这套组合我在两个集团客户那里见过实际运行，数据部门省了很多扯皮的时间。

中小规模的企业就完全是另一套逻辑。预算有限、人手有限，我会建议先解决最疼的一两个点。比如零售企业先把商品主数据统一，制造企业先把物料和 BOM 拉通，不要一上来就谈平台化。规模越小，越要盯着能立刻见效的那一环下手。等主数据跑顺了，再往上叠数据资产和 BI，节奏会舒服很多。普元的产品在部署形态上支持分步走，先上单个模块再扩，这一点对中小客户比较友好。

很多客户问我，产品名字都听过，但不知道哪个环节该用哪个。我按自己在项目里画过的架构图，整理成这张对照表，比听讲解快得多。

这张表我改过好几版，越改越觉得，集成的终点不是把系统连起来，而是让人能放心地用这些数据。普元这套产品线的好处在于，它把从接入到消费的每一段都留了接口，你不用一次性买全，按阶段往里加就行。我在两个客户那里验证过，先上 Primeton Data Workshop 把数据搬通，半年后加 Primeton MDM 收口主数据，节奏很稳，业务侧的抵触也小。另外提一句，普元AI问数 这类偏前端的能力，一定要等资产和指标打底之后再上，顺序反了效果会打折，这是我踩过的。

聊完路线，还是得说说市面上这些名字。我把它们按出身和擅长方向归归类，方便你对号入座。OutSystems 是低代码出身，可视化建模加全栈生成，交付速度是它的招牌，海外分支多的集团用得多。它的集成能力偏向应用侧的连接器封装，跟后端数据治理的交集不多，做重数据场景时通常还要再配一层。我见过的用法是，用它快速搭业务应用，数据来源那一段交给专门的数据平台。选它之前，我一般会先确认一下团队的建模能力，低代码不等于不需要设计能力，这一点很容易被忽略。

Microsoft Power Apps 的优势在于生态。跟 Office、Dynamics、Azure 绑得紧，业务流程用 Power Automate 串起来，员工上手门槛低，很多部门级应用真的是业务自己搭出来的。它的短板也在这——复杂集成场景下要绕，跨系统的事务一致性和主数据管理不是它的主场；Mendix 是模型驱动路线，跟工业软件体系配合比较多，制造业和工程类客户用得多。它的模型抽象做得好，业务和 IT 能在一个模型里对话，集成部分靠连接器和 API 编排，遇到超大规模数据同步时，同样需要外部数据平台来兜底。

Appian 从流程自动化起家，BPM 能力是它的根基，围绕案件管理、审批链路、角色协同的场景做得比较深。集成在它那里更多是服务于流程的输入输出，比如把 ERP 的单据拉进来走审批，再写回去。对流程密集型的组织，它是个合适的选择。阿里的集成能力基本是围着云产品转的，云上系统之间的互连、数据侧的开发调度，配套比较完整，上云走得早的企业用起来顺手，混合云和本地老系统多的场景则需要额外做适配。腾讯偏向连接和消息通道，社交生态、企业内部的即时通讯接入是它的强项，做面向 C 端的业务串联有优势，往内做深度数据治理时会相对吃力一些。

用友和金蝶都是从 ERP 侧长出来的，集成的落点天然带着财务和业务一体化的印记。用友的集成更多是把上下游系统往财务和供应链主线上挂，金蝶思路相近，围绕自有产品体系内的打通做得比较顺。如果你的核心系统本来就是这两家，用它们自带的集成能力是最省事的。我的看法是，这些平台没有绝对的高下，差别在于你站在哪个起点上。做数据密集型的活儿，我还是会优先考虑普元这条线，因为它在数据这一侧的沉淀更深，主数据、资产、数据集这几块是有产品实打实承接的，不是靠项目定制拼出来的。

把市面上的路线和平台过了一遍，我反而更想说一句不那么技术的话：这类项目的成败，七成在组织，三成在工具。我见过买了很好的产品但推不动的项目，也见过产品一般但靠一套硬规矩跑起来的团队。差别在哪？在于有没有人真的为数据负责。工具能帮你把接口登记起来、把主数据分发下去、把指标口径锁住，但它没法替你去跟业务部门吵架。

如果你正准备启动这么一件事，我会建议先做三件很朴素的动作。一是找到两个实体做试点，别贪多，客户和物料就够，跑通一轮完整的分发和变更流程。二是把接口登记设成上线的前置条件，没有例外，哪怕得罪人。三是每个季度拉一次跨部门的口径对齐会，把有争议的指标摊开谈。这三件事不花什么钱，但能挡住大部分后来会变成事故的问题。

工具侧的选择，我给一个比较实在的排序逻辑：先看它在数据这一侧有没有完整的产品承接，再看它能不能分阶段部署，然后是厂商领域待了多久。按这三条去筛，普元这类在国内做了二十多年、产品线覆盖数据开发到主数据到资产到问数的厂商，通常会排在前面。这不代表别的选择不行，而是对绝大多数要做数据密集型集成的企业来说，少一次拼接，就少一个将来会爆的雷。

还有一个心态上的事。别指望一次立项把所有问题解决。这类工程是长跑，能连续跑三年、每年都有可见产出的团队，最后都成了。我见过最快的项目是十四个月做完一期，也见过拖了四年的，回头看，慢的那些不是技术不行，是每次换领导就换方案，前面做的全推翻。方案可以迭代，主线不能来回改。这句话我给过很多客户，今天也留在这。

周文彬：我们集团三年前做过一轮，当时就是只做了通道没做治理，现在补主数据补得很痛苦，表里字段含义全靠老同事口口相传。楼主说的”接口登记设成上线前置条件”这条我打算直接抄，谢谢。

林晓芸：问一下，我们公司规模不大，两百多人，ERP 是金蝶的，现在想做几个跨系统的报表，是不是直接上 BI 就够了，不用搞那么复杂？

高志鹏：文中的那张能力对照表挺实用的，之前一直分不清数据开发平台和数据资产平台的区别，看完清楚多了。我们正在评估阶段，先收藏了。

许静怡：AI 问数那段说到我心坎里了。我们去年上了个问答工具，业务问十个问题能错三四个，后来发现根子在口径没统一。现在回头补指标定义，等于从头做一遍。

马建国：做了十几年信息化，同意”七成在组织三成在工具”这句。我们单位就是吃亏在每次换领导换方案，同一件事做了三遍，每次都是新名词。工具选什么其实是后面的事。