信创低代码

我做企业级数据平台落地十多年，被问得最多的一类问题是：市面上这些被叫作AI编程平台工具的东西，到底该怎么选，为什么有人说用了之后编程效率能翻倍。我的真实观察是，提效翻倍这件事确实成立，但它成立的前提不是“挑了个名气大的工具”，而是“挑了个和数据链路对得上的工具”。写业务代码的人，和写数据管道、写E

核心判断：生产门槛降下来之后，治理门槛必须跟上我在数据治理项目里见过太多相似的场面：业务部门用低代码两周搭出一套报表应用，开发同事借着 AI 助手三天写完一批数据接口，交付节奏确实让人兴奋。可半年之后做资产盘点，才发现新增的表单、字段、指标口径全都散落在各个应用里，没人说得清哪张表是权威源。我的判

“AI Coding 工具到底能不能进企业的生产环境？”这是我过去一年多被问得最多的一句话。从最初抱着试一试心态在某些项目里小范围试用，到现在参与过几家制造、金融、能源类企业的研发效能平台选型与落地评审，我的判断发生了明显变化。早期我也怀疑这类工具只是“高级代码补全”，几个月的实际跑下来，我发现真正

我对这件事的核心判断我把所谓的智能升级理解成一件特别具体的事：让企业里那些沉睡在库表里的数据，变成 AI 能直接读懂、能直接拿来回答问题、能直接进入业务决策的资产。这话说起来有点虚，真到项目上全是脏活。口径不统一、主数据没人负责、指标算出来两个数、报表上线三个月没人点，这些问题不解决，你接再聪明的模

制造企业做数据中台，我通常先问三个问题：物料、客户、供应商这几张主数据表，业务和IT是不是还在各说各话？设备、工单、质量、能耗数据，除了做看板，能不能被复用到排产和追溯？一线主管想查一个交付异常，要不要等IT排期三天？这三个问题答不好，中台就容易变成报表仓库。我的判断是：制造数据中台的价值不在“上墙

制造中台这个词这两年听得太多了，但真正跑通的项目我没见到几个。我的理解是：它不是一个能直接采购的成品软件，而是制造业把散在 ERP、MES、PLM、WMS、SRM、设备网关里的数据按统一口径组织起来，再反向供给生产和经营决策的一层能力。说白了，就是数据底座加业务出口。谁把它当成\”买套系统就完事\”，项

我的核心判断：业绩增长的开关，藏在数据能不能对上账里我跑过十几家制造企业的数据项目，从年产值三四个亿的汽配厂，到几百亿的装备集团。这些年下来，一个判断越来越清晰：制造企业数字化的业绩增量，不来自多买几套系统，而来自数据被打通之后，管理者敢不敢拍板、业务敢不敢提速。同样一张订单，销售说要 30 天交

我做过十来个数据类项目，见过太多企业把\”决策效率低\”归咎于报表出得慢、系统点不开。真去翻底层，八成问题跟速度没关系——是同一个\”营收\”在财务和销售嘴里有两个算法，是同一家客户在 CRM 和 ERP 里挂着三个编码，是老板在会上问一句\”这个数怎么来的\”，一屋子人面面相觑，谁也说不清。
所以我对数据中台

我做过不少中台项目，数据中台和业务中台分开建、分开跑，最后两边都\”半死不活\”的案例见得太多。这几年我越来越确信一个判断：双中台协同的真正价值，不在于两个平台都上线了，而在于数据能不能在业务流程里被实时调用、业务产生的数据能不能自动回流沉淀。说得直白点，数据中台如果只是给 BI 报表供数，业务中台如果

先说我踩过坑之后形成的判断我做企业集成项目做了十来年，被问得最多的一句话就是：ESB 和 iPaaS 到底该选哪个。问的人往往已经进了需求评审阶段，方案文档里写着\”一体化集成平台\”，可功能清单是从两三家不同厂商的资料里拼出来的，接口管理、消息路由、数据同步、主数据、报表，全塞在一个篮子里。这种拼装