给系统集成商用的 SAP 迁移范围编译器，把 ECC 证据和 workshop 笔记直接变成固定价的 S/4HANA 方案。

1. 2027 年截止期和 35,000 家公司的积压，让更快的 discovery 吞吐不再是可选项，而是硬约束。
2. 如果现在本来就只有 8% 的迁移能按时完成，买家就不可能继续把定范围错误当成单纯的服务业问题吞下去。
3. 围绕 SAP 转型的人才短缺，已经给能放大稀缺首席架构师产能的软件留出了预算。
4. 公开说法里，scope、分析和知识沉淀都能自动化，项目周期最多还能缩短 45%，这说明它已经是一类工作流产品，不是泛 AI 叙事。
5. 汽车行业的早期落地和 SAP 内圈背书，让这个保守生态里新供应商的采用风险降了下来。

催化因素。 Qorelo 的种子轮、汽车行业早期落地，再加上公开数据表明 35,000 家 SAP 客户要赶 2027 年，而按时完成率只有 8%，都说明发现阶段产能已经开始直接驱动采购。

产品会在迁移报价或项目启动那一刻，接上 SAP ECC 使用报告、定制代码清单、transport 历史和 workshop 纪要，然后吐出一份可审计的范围包：涉及哪些流程、哪些定制对象该退役或重建、fit-gap 决策怎么落、RICEFW backlog 长什么样、工作量怎么估、该怎么排人。资深架构师逐条审和改；初级顾问接手时，拿到的不再是散落会议纪要里的口口相传，而是带来龙去脉的判断链。系统还会持续跟踪已定范围与真实交付的偏差，让模型慢慢学会：哪些行业、工厂和流程区最容易引爆变更单。时间一长，公司就会变成 SAP 迁移 discovery 的系统记录层，也会握住一套关于 SAP 转型究竟怎么展开的基准数据集。

差异化。 多数 ERP 迁移创业公司切的是 cutover、testing，或者 SOW 已经定完之后的泛项目管理。这家公司卡得更早：就在定范围那一刻拿下，因为毛利、排人和进度都在那时定，而人才瓶颈也最尖。它一旦把决策依据和真实范围偏差在多次迁移里积起来，就会沉淀出一套专有语料：特定流程模式究竟会对应多少工作量。泛 copilot 和靠人海的集成商都没有这层数据。

待完成任务

flowchart LR
  Buyer[SAP 业务负责人] --> Pain[范围和排人都卡住]
  Pain --> Product[迁移范围编译器]
  Product --> Outcome[报价更快，交付更干净]

高管要点

• 近两年的窗口是真的在收缩：ASUG 说 30% 的受访者预计会在未来 6 到 24 个月上线 S/4HANA，Precisely 说 59% 已经全部或部分上线，DSAG 相关报道则说，德语区用户里只有 27% 预计能在 2027 年前做完 [7][8][12]。
• 利润最容易漏在 discovery：ASUG 说顾问费是迁移里最常见的意外成本，Precisely 说业务流程变化、定制化和需求定义仍是主要障碍，Natuvion 则发现 30% 的公司直接跳过分析，35% 直到转型过程中才发现知识断层 [7][8][23]。
• 竞品确实多，但很碎。smartShift 最强在定制代码分析，SNP 和 Natuvion 强在迁移路径与数据过渡，Tricentis 强在影响分析和测试，Celonis 强在流程智能。还没有哪家现有厂商，能把面向集成商的 fit-gap、backlog、估算和知识交接自动化收进同一条工作流 [17][18][21][24][25][27][30][31]。
• 付费意愿是有的，因为高级 SAP 人才既贵又缺：英国 lead S/4HANA 架构师日费大多落在 £900 到 £1,150，德国则在 €800 到 €1,200；只要每个 fixed-fee discovery 少烧几周架构师时间，或者少踩一次范围不准的坑，中五位数的软件预算就说得过去 [13][14][15]。
• 最终能不能落地，卡的不在模型分数，而在信任和部署姿态。GDPR、EU AI Act 和英国 ICO 指南都会把买家推向人类监督、可追溯和受控数据处理；而 Qorelo 已经在卖私有云、BTP 和本地部署，并强调德国数据驻留 [4][33][34][35][36]。

市场定义

这类软件把 ECC 使用情况、定制代码、fit-gap workshop 输入和 SAP Best Practices 映射，收束成面向集成商和企业 CoE 的可审计 S/4HANA 范围包。它夹在定制代码分析、选择性数据迁移工厂、测试与影响分析套件，以及流程挖掘之间——位置在 build、test、cutover 之前，但又比通用 AI 助手更贴近真实交付 [2][3][17][21][22][24][25][27][30][31]。

用户与买方

核心用户是跑 brownfield discovery 的 SAP 业务负责人、首席架构师，以及 PMO 或 CoE 团队。Qorelo 公开就把咨询公司和企业都列为目标，还点名解决方案架构师、流程负责人、职能负责人、PMO 和 SAP CoE 团队是用户；ASUG 和 Precisely 的数据也说明，随着更多客户逼近上线，顾问和伙伴产能正变得更紧 [5][6][7][8]。真正掏钱的，通常是管投标毛利、排人和进度风险的 SAP 业务负责人、交付副总裁或 CIO [5][6]。

购买触发点

• 未来 6 到 24 个月里，RFP 积压或上线窗口集中压过来，discovery 吞吐就会变成卡点资源。 [7][8][9][12]
• 顾问费、流程复杂度或定制化，把 discovery 和迁移预算推高到计划之外。 [7][8][10][23]
• 定制代码和 fit-gap 的不确定性迟迟没解，因为只有 38% 的组织说自己有详细的定制代码迁移策略。 [16][18][19]

支付意愿

预算科目不是 AI 试验，而是放大架构师产能、躲开超支。ASUG 说顾问费是迁移里最常见的意外成本，公开费率又显示英德两地资深 S/4HANA 负责人日费都在高三位到低四位。只要一个范围编译器能在固定价 discovery 里省下几周架构师时间，或者少掉一条范围不准的工作流，中五位数的单项目软件费就很好解释。 [7][13][14][15]

品类动态

增长信号 到 2026 年，59% 的公司已经全部或部分上线 S/4HANA，较 2024 年高出 13 个百分点。

验证信号

• Qorelo 上线 5 个月就融到种子轮，还说 Mercedes-Benz 或一家德国头部汽车企业已经真实在用，这说明这条切口确实能打动要求很高的买家。
• smartShift 说 95% 的受访 SAP 用户都跑定制 ABAP，又有 SAP Store 分发、3,300 套已改造系统和 35 亿行代码，说明相邻预算是真存在的。
• SNP 与 Wipro、再加上 SAP 与 Tricentis，都说明生态玩家已经愿意把第三方现代化工具接进主流交付动作。
• Natuvion 发现 32% 的公司下次会更早引入外部顾问，这几乎就是在直接指向前置分析工具和准备纪律的需求。

监管与技术约束

• 凡是会影响流程适配、控制项或排人假设的 AI 建议，都必须带日志、文档、人工监督和审计轨迹。
• ERP 抽取和 workshop 纪要里可能带个人数据或受监管的运营数据，所以买家会偏好客户可控部署和清晰的 GDPR 立场。
• 范围质量高度依赖深度代码、依赖和上下文摄取；没有系统分析输入、只靠浅层 copilot，效果一定不够。

竞争大致分层。Qorelo 是最接近这条 thesis 的公开对照物，已经在承诺给 SAP 团队做 fit-gap、文档和迁移指导 [1][2][3][5][6]。smartShift 证明买家愿意为围绕定制代码和 Clean Core 的受控自动化买单，但它的重心仍然是代码生命周期管理 [17][18][19]。SNP 和 Natuvion 主打的是迁移路径、数据迁移和近零停机工厂，而不是给集成商用的范围包生成 [21][22][24][25][26]。Tricentis 在生命周期后段拿着影响分析和测试信心，Celonis 则掌握跨系统的流程智能和现代化可视性 [27][28][29][30][31]。最大的替代品仍然是人：资深架构师、离岸分析师、Excel 范围表，以及 SI discovery workshop [6][7][13][23]。

为什么现有厂商不会默认胜出

• SAP 生态基础设施. SAP 周边基础设施会通过 SAP Store、Cloud ALM、BTP 和私有云托管影响采购和部署，但它们默认并不解决面向顾问的范围综合，也不解决 fixed-fee discovery 的单位经济。
• 定制代码自动化厂商. smartShift 在 ABAP 分析和 Clean Core 整改这类瓶颈上很可信，但这家创业公司只有在自己从代码扩到 workshop 判断、流程定范围、排人假设和交接知识时，才有机会赢。
• 转型工厂. 买家如果要的是成熟迁移路径、选择性数据迁移，或伙伴工厂模式，Natuvion 和 SNP 很强；但两者的中心都在转型执行路径和数据移动，不是 AI-first 的 pre-SOW 范围起草。
• 测试与影响分析套件. Tricentis 在 SAP 发布保障和 SAP 背书发行上很强，但那个优势出现在更后面：等关键 fit-gap 和 backlog 决策都已经定完之后。
• 流程智能平台. Celonis 可以替代人工流程映射 workshop，也能给出数字孪生，但默认不会把 discovery 产物直接变成可审计的 RICEFW backlog 和商业估算。

SAP 范围编译器最该先卖给 DACH 和英国那些 20-150 人的 SAP 集成商：他们一边被 S/4HANA 迁移积压挤压，一边又缺首席架构师。产品吃进 ECC 使用报告、定制代码清单、transport 历史和 workshop 纪要，在 SOW 签字前就先吐出一份可审计的范围包。眼前真正掏钱的买方，是 SAP 业务负责人或交付副总裁——只要固定价投标定错范围，或者初级团队接到的 workshop 上下文不完整，最后亏掉的就是他们的毛利。滩头市场锁在汽车零部件和工业制造客户的 brownfield ECC 到 S/4HANA 项目：截止期压力大、定制又重，架构师日费还贵。GTM 先从按单次已定范围迁移收费的付费共创试点起步，试点跑通后再转成按分析项目量计价的年度业务线订阅。公司要赢，得证明三件事：discovery 周期更快、架构师工时更低、已定范围与真实交付的偏差更小，同时每条建议都可追溯、都有人审批。最主要的反证风险也很明确：区域型 SI 也许更想买白标服务，而不是直接付软件费；早期项目数据可能太乱，估算做不准；安全审查也可能拖慢 pre-SOW 采用。输入里的市场规模仍主要是估算，不是买家公开披露，所以前 12 个月必须先把预算归属、部署姿态，以及试点转量产这三件事验证清楚，再扩大招聘。

问题

• 固定价 SAP discovery 被稀缺的首席架构师卡住，结果就是定范围周期被拉长、SOW 准确度变差，项目判断又散落在表格和 workshop 笔记里。
• 现有 SAP 工具各管一段——代码分析、数据迁移、测试、流程挖掘——但区域型集成商仍缺一条工作流，能把跨产物证据直接拼成站得住脚的 fit-gap backlog、估算和交接包。

解决方案

• 接入常见的 ECC 使用、定制代码、transport 和 workshop 产物，生成可审计的 fit-gap 决策、RICEFW backlog、工作量估算和排人假设，再交给架构师审。
• 持续跟踪已定范围与真实交付的偏差，让集成商能做风险基准、修正估算，也让初级顾问接手时拿到成体系的依据，而不是口口相传的知识。

为什么我们会赢

• 这条切口卡在 pre-SOW 定范围那一刻：毛利在这里定、架构师稀缺在这里最痛，而相邻现有厂商在端到端工作流上恰好最薄。
• 每做完一个生产级范围包，公司就多一批专有数据：哪些判断被接受、后面真实偏差是多少。数据一旦滚起来，估算会更准，重复迁移业务也更难迁走。

里程碑

flowchart LR
  Wedge[Brownfield SI 切口] --> MVP[可审计的范围编译器]
  MVP --> Proof[定范围更快，范围偏差更小]
  Proof --> Expansion[年度业务线许可与 CoE rollout]
  Expansion --> Moat[基准数据集与伙伴分发]

创始团队

实验路线图

风险评估

必须成立的条件

• 10 家目标 DACH / 英国 boutique 里，至少 5 家愿意从交付毛利或业务线预算里赞助付费试点，而不是先要求把软件裹进顾问包。
• 真实试点里，生成的 fit-gap 和 backlog 建议，有超过 70% 只需架构师做小改就能过。
• 产品能把 discovery 周期至少压快 30%，把首席架构师工时至少降 25%，同时不把前 90 天交付偏差拉高。
• 私有云、BTP 或本地部署，加上 DPA 审查，能在 8 周内过掉汽车或工业买家的安全评审。
• 至少一半付费试点会转成年订阅，因为买家认可的不只是更快出文档，而是守住毛利和知识留存。

待尽调问题

• 在一家 50-200 人的 SAP boutique 里，pre-SOW discovery 工具预算到底归谁管？
• 第一版范围包里，哪类产物最能建立架构师信任？
• 在 SOW 定稿前，客户通常能提供多完整的 ECC 证据？
• 面对 DACH 的汽车和工业账户，哪种部署姿态最容易过安全评审：BTP、私有云，还是本地部署？
• 共创客户会接受直接软件定价，还是坚持要把它白标塞进可计费服务里？

模型合理性

• 收入引擎. 基准情景的收入，靠的是账户数从 Q4Y3 的 20 家一路长出来，同时把留存账户从 $117K 的落地 ACV 慢慢推向 $138K 的扩展 ACV。
• 必须做对的地方. 公司必须把试点转年订阅的转化率稳在 50% 以上，还得让 M16 招进来的 GTM 岗位真正起效，同时不把这种高度依赖信任的实施动作做散。
• 模型会失效的情况. 如果安全评审或数据质量把销售周期一路拖向 8 个月，下行情景里的现金低点会压到约 $279K，Y3 全年 EBITDA 也会继续深度为负。
• 下一轮融资的证明点. 只要公司能在 Y2 退出时做到约 11 家付费账户、让基准看板跑进生产环境，再拿下一个企业 CoE rollout，下一轮融资就讲得通。

情景

敏感性

flowchart LR
  TargetAccounts[目标账户] --> PaidPilots[付费试点]
  PaidPilots --> AnnualSubscriptions[年度订阅]
  AnnualSubscriptions --> ExpansionModules[扩展模块]
  AnnualSubscriptions --> GrossProfit[毛利]
  ExpansionModules --> GrossProfit
  GrossProfit --> EBITDA[EBITDA]
  EBITDA --> Cash[现金]

警示项: 虽然 Q4Y3 已经转正，但 Y3 全年 EBITDA 仍略为负，公司在更大规模扩张前还得继续控好运营纪律。 · 基准情景假设公司在很晚之前都靠创始人和伙伴带销售，把账户做到 20 家后才招专职 AE；如果转介绍不及预期，这个假设会偏乐观。 · 年末 ARR 略高于研究里 $2.5M 的 SOM 简写，因为模型假设 40% 的第二业务线扩张，加上少数仍处于高价试点期的月份。 · 现金近似 EBITDA，没有计营运资金节奏、VAT / 税项时点或 capex，所以库务精度低于董事会模型。

• 渠道冲突. 大型集成商或 SAP 生态伙伴，可能会抗拒一款会暴露定范围纪律薄弱、又压缩可计费 discovery 工时的产品。 缓解措施: 先从那些毛利更依赖更快 discovery 的区域型集成商切入，并把输出做成可白标，让伙伴能直接塞回自己的交付动作里。
• 估算信任. 买家不会拿一套黑盒 AI 建议，去签数百万美元的 SOW。 缓解措施: 每条建议都要能回溯到原始产物，必须经过架构师审批，并持续展示预测与真实结果的偏差。
• 源数据太乱. 老 SAP 环境里的使用数据、定制代码或 workshop 资料，可能脏到不符合模型预期。 缓解措施: 先把最常见的 ECC 产物接得足够稳，再配上引导式 workshop 采集，把缺失的上下文补回来。