「AI 原生」指以人工智能为系统的底层架构与能力中枢，而非在既有系统上外挂 AI 功能。 落到资产领域，这一范式最先触及的落点是数据入口—— 账实相符率、数据时效、知识是否留在组织里，这些问题的解法并非"管理更严格"， 而是换掉数据入口。
并非功能不足，亦非实施不到位。
若曾使用或了解其他企业的资产管理系统，大多经历过同一条曲线：
| 时间 | 系统里的数据 | 现场的真实情况 |
|---|---|---|
| 上线时 | 集中录入完成，账实基本相符 | 盘点结果吻合，各方对系统建立信心 |
| 三个月后 | 新购设备录入滞后，调拨未更新，报废未核销 | 开始出现"系统里那台在哪""实物这台系统里怎么没有" |
| 一年后 | 与实际偏差累积，系统数据不再被采信 | 会议前先私下核对数据；系统降级为"应付检查的台账" |
同一条曲线，在不同的企业、不同的系统上重复出现。责任人更换、实施商更换，结果相同。 说明问题不在于人，而在于架构——在于"数据由谁产生"这一设计上。
一台设备 30+ 个字段。录入时多凭经验填写，缺项跳过较为普遍，型号规格填写错误更为常见。
一年一次，数十人抄录数日。盘点完成当日数据即已过时，且盘点差异需另行核对。
设备移交、借用、退库均须填单。人员一旦调岗、流程一旦绕行，账目即在此中断。
故障如何处理，仅存于资深人员记忆之中。其一旦退休，二十年经验随之流失，新进人员重复试错。
将上述四项合并考察：资产的账、实、权、值，每个环节的数据均由人产生。
而人必然存在遗漏、差错、遗忘与流动。
因此真正的问题不在于"能否管理得更严格"，而在于能否使数据来源不再依赖人。
同样的八个环节，改变的并非流程，而是数据的来源。
| 环节 | 人喂数据（传统做法） | 系统自己取数据（EAMX） |
|---|---|---|
| 资产建档 | 人工录入 30+ 字段，一台设备约 30 分钟 | 拍摄一张铭牌照片。两阶段识别管线，5 分钟完成建档 |
| 点检巡检 | 纸质勾选，下班前补录，异常事后才发现 | 识别 + 与标准值自动比对，异常当场预警 |
| 变更流转 | 填单 → 找 5 个人确认 → 无法判断受阻环节 | 对话录入 + 预演结果先行核验后再确认，全程时效可查 |
| 故障诊断 | 询问资深人员、查阅手册、群内等待答复 | 三层故障知识架构 + RAG 检索，知识不随人走 |
| 成本归集 | 月底财务手工分摊，同型号设备在三个厂算出三个折旧 | 业务动作触发会计事件，自动归集到单台资产 |
| 备件库存 | 凭经验设定安全库存，或占用资金、或停机待件 | 需求预测，算清停机损失与资金占用的平衡点 |
| 异常发现 | 人工查阅报表，月底汇总，发现时已滞后一个月 | 规则 + 模型自动识别，主动告警到人 |
| 跨系统数据 | 每个系统各维护一遍组织架构、资产分类 | 引用上游规则，ERP / MDM 变了自动跟着变 |
国务院《关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）对「智能原生企业」的界定是「底层架构和运行逻辑基于人工智能」；行业通称「AI 原生」，所指相同。
落到资产领域，这一范式最先触及的是数据入口：数据由谁产生、在何时产生、是否需要人工介入。
加装 AI 助手的系统仍要求人先录入、再提问——数据来源未变，失真曲线亦不会改变。
AI 原生并非接入一个大模型即可成立，其需要架构层面的三个前提。
actionRegistry 是唯一操作面：247 个动作契约同时投影为
Web 控制台、内嵌 AI 助手与 MCP 工具。
缺少此项，"AI 操作"便只能停留于调用若干 API 的脚本。
所有写操作必须经 executeAction：
参数校验 → 权限裁决 → 预演 → 人工确认 → 幂等 → 审计。
任何通道均无法绕行——这是允许 AI 执行动作的前提。
三层故障知识架构 + RAG 检索。知识从"人的经验"变成"组织的资产"。
这是 §7.7 知识要求落地的地方。
企业客户对 AI 的真正顾虑不在于能力，而在于可靠性。 因此将边界置于前部，而非附于附录。
| 类别 | 范围 | 机制 / 说明 |
|---|---|---|
| ✓ AI 可以自主完成 | 识别、检索、预演、计算、建议、批量生成 | 读操作与 dryRun 预演不产生写入，可放权 |
| 必须人工确认 | 改账、报废、权限变更等高危动作 | 动作定义上标注 confirm，未携带确认一律拒绝执行 |
| 只读角色不可见 | 全部写操作 | 并非在调用时被拦截，而是根本不在工具清单之中。只读角色可见的工具清单由端点实时返回 |
| 我们不承诺 |
· 不承诺识别准确率 100% · 不承诺完全无人值守 · 不承诺替代管理判断 |
AI 提高效率与质量，但不取消人的责任。资产决策的责任主体仍是有权限的人 |
同类产品多在强调"其 AI 能做什么"。本页更侧重说明"AI 不能做什么，以及如何确保其做不到"。 一个能够绕过审批、直连数据库的 Agent，不应称为 AI 原生，而应视为安全后门。
下列数字均可核实。并非所有成效均归于 AI—— 本方逐条标明哪一项源于 AI，哪一项并非如此。
非 AI 效果也一并列出：247 个动作契约、35 个业务域、 与 ERP/MDM 等系统的 45 个集成接口——这些属于架构能力， 并非 AI 成效，本方不将其计入 AI 收益。
上述为主张，此处为各环节的具体实现。四个 Agent 并非产品主位，而是阶段内部的执行者。
无需先观看产品演示。提供一批设备铭牌照片，即可核验建档所需时长与准确程度。