前言
本文写在2026年10月，相较这个时间点再讲AI Native是什么已经有点过时了，权当给新人做个科普吧。
AI Enabled: 从问答助手到应用构建助手
过去 SaaS 供应商，为了应对不同客户的定制需求，往往会借助低代码平台的配置能力，给不同租户生成定制化应用。
虽然低代码能极大程度上简化定制化开发的成本，但随着业务和场景的扩展，配置会越来越复杂。
在 AI 时代，首先想到的是借助大模型，做配置的解释、对象的创建、页面的生成。这是一个典型的 AI Enabled 的智能助手。
让思维再进一步，由 AI 去生成这些应用是非常自然且合理的技术延展。
应用生成 Agent，分析用户需求，查询现有案例或过往项目，基于低代码平台的各标准化 / 一体化 schema 或契约，调用各 api 接口，创建出应用，然后将该应用交付给用户使用，用户不再需要关心低代码的配置。这个过程看起来很智能，似乎实现了基于 AI Native 的应用创建，但本质上仍然是 AI Enabled，用户仍然在使用传统的应用，AI Native 的能力并没有真正帮助到客户业务。
AI Native：自主编排，即时构建
那么再进一步，能不能让用户不再依赖固定的应用，直接帮助用户完成业务操作呢？
只要将 AI 搬到运行时就可以了。
saas 系统不再提供传统的表格表单页面，仅提供一个和智能体的聊天框，根据用户的自然语言诉求，动态生成页面、自主执行操作。
比如用户问：我今天需要处理哪些事情？智能体从用户信息理解他的角色权限，找到对应的业务对象，筛选出待处理的不同数据，再归类总结，形成代办列表，渲染到会话中。
用户看到待提交数据或待审批清单后，继续说：看一下 xx 单据的生成 / 改动记录。智能体通过 trace 追踪，给出这个单据的完整生命周期，标记当前状态节点，并基于业务规则，给出审批 / 驳回建议。用户点击采纳或驳回。
这个案例中，用户没有操作不同的系统应用和菜单，没有点击各种按钮，直接基于智能体的数据关联查询、智能建议，完成了整个业务。这就是一个典型的 AI Native 系统：自主编排、自主推理、自由组合。每个用户都可以按照自己的偏好组装出 UI，就好像万花筒一样。
如何构建AI Native
如何去搭建这么一个 AI Native 系统呢？简单说就是能力原子化 + 契约一体化，目前最流行的落地方法论是本体论。
本体论现在也有不同的方向，就不在本文介绍了，SaaS 行业的本体落地我的建议是直接参考 Palantir。但如果是咨询行业，比如法律，侧重语义和推理的，就没必要参考 Palantir 了。