老登软件公司的AI路怎么走？

老牌软件公司如何在AI时代转型？这个问题最近被问得越来越多了。我用一个简单的四象限来拆解，或许能帮你避开那个最危险的陷阱。

核心内容其实就四类选择：

1. 老瓶装老酒
   ：原有产品不变，维持现状

2. 老瓶装新酒
   ：在原有产品上叠加AI功能

3. 新瓶装老酒
   ：用全新AI原生形态，解决原有的经典需求

4. 新瓶装新酒
   ：借助AI，去开拓一个过去根本不存在的市场

哪种最好？坦白讲，不真的下场去做，谁都没法拍胸脯打保票。但哪一种

，倒是可以琢磨明白的。

01. 为什么要先找“最差”的策略？

先盯着“最差”看，不是因为悲观，而是因为资源有限时，

如果已经知道哪条路大概率是条死路，至少能避免在上面继续白白消耗人力、时间和组织的宝贵注意力。几种策略里，

02. 为什么“老瓶装新酒”最危险？

所谓“老瓶装新酒”，就是在原有的、已经跑了几十年的软件系统上，硬生生叠加上AI功能。这几乎是所有“老登”工具公司

但问题正好藏在这里：

体验不好、学习成本高，这是被吐槽了多年的老问题。

功能更多了，界面更臃肿了，用户反而更困惑了。

用户不会因为多了几个AI按钮就叫好，反而觉得这是理所应当的；他们也不愿意为这些“附赠品”额外掏钱。反过来，每次调用背后消耗的Token，却实实在在地在拉低整个产品的毛利率。

最终，

03. 那剩下的三条路呢？

老瓶装老酒：守成，没什么问题

如果一个产品已经有清晰的PMF，有稳定的用户群和健康的现金流，那就用最高效的方式把它维护好，守住这份基业。这条路听着不够性感，但足够理性。

新瓶装新酒：开辟一个全新的市场

用全新的产品形态、全新的技术范式，去做原来根本不存在的市场。不少团队都在尝试这条路。

真正难的：新瓶装老酒

这里最想聊的，其实是

。在整个框架里，这是

为什么这么说？

有存量用户，有被反复证明的价值。老系统需要持续维护，想重构一下成本高得吓人，稍微动一动就牵一发而动全身。

核心矛盾就是：

04. 我们的做法：重新组一支队伍，从零开始

选择的方案是切割。不是去修修补补那个旧系统，而是

。组建一支全新的、小规模但足够强硬的核心开发团队，围绕着原产品要解决的“核心问题”，从零开始写一个真正AI原生的产品。

05. 内容，在AI时代到底变成了什么？

长期做企业级内容管理系统。在大模型出现之前，企业内容主要是为营销场景服务的。但大模型出来之后，有一件事发生了根本变化：

现在，内容已经不再只是营销素材，而是企业文化、决策逻辑、知识结构的总集合。它的角色，从营销的“生产资料”，变成了大模型的“认知资料”。基于这个判断，做了一个新的数据资源管理产品，定义为：

06. 从“人调用”到“Agent调用”

过去，在企业内部，内容主要是被

调用；或者由人操作软件，通过API被调用。但接下来的变化会是根本性的：

这就意味着，逻辑从「人 → API」，变成了「Agent → MCP / 工具链」。这不仅是技术路线更迭，更是商业模式的深层重构。

拿一个身边直观的例子来说，在使用

时，觉察到一个现象：自己并不懂数据库，但在使用的过程里，不知不觉为它底层的数据库付了不少钱。原因很简单——一个原本绝不会是数据库付费用户的人，现在却通过Agent用起来了。而且因为不懂，会更相信Agent的判断，也更愿意付钱。

07. DAM，是供智能体调用的企业上下文

基于同样的逻辑：

在这个系统里，存着企业的大量内容。智能体调用的结果，不只是生成营销物料，也可以辅助决策、支撑创新、推导下一步行动。

08. 新瓶装老酒的一个例子：MuseDAM

MuseDAM 就是“新瓶装老酒”的一次尝试。延续了DAM的核心价值，但在能力层面，已经完全是一个新物种。它不是给旧系统“加AI”，而是

。它开箱即用，支持自然语言配置，对AI Agent极其友好，完全适配AI的调用方式与使用习惯，而且生来就是一个全球化产品。

09. 这条路，必须走

“新瓶装老酒”的难点在于：必须敢于放下原有的所有牵绊，重新另起炉灶；同时，又不能丢掉多年积累的行业理解和经验。但如果不走这条路，老系统只会越来越沉重。修修补补从来不是省力的办法，反而会让

从优势，变成拖慢前进速度的负担。这是一种在经验与重构之间寻找微妙平衡的艺术。

10. 正在推进的三个方向

接下来，重点在做三件事：

1. 用更易用的AI原生系统，服务更小规模的企业：
   让它们也能拥有与大型企业同等级的系统能力。

2. 用新的AI原生系统，赋能已有客户完成转型：
   用新的数据资源管理系统，帮助他们真正进入AI原生阶段。

3. 用全球化的AI原生系统，服务国际和出海的企业：用AI原生的新产品取代那些海外昂贵、陈旧的存量系统。