这个春节前后，一股“AI旋风”登陆港股。不久前，海致科技（股票代码：02706）结束招股，凭借4068倍的超额认购刷新纪录，成为2026年开年的“认购王”。
更引人深思的是，在大模型光环有所退潮、市场资金回归理性的背景下，高瓴、君联、BAI资本等知名投资机构却选择集体下注。他们看中的，并非又一个会聊天的AI，而是海致科技所专注的、能把企业业务流程真正跑起来的AI。
作为被市场称为“AI除幻第一股”的公司，海致科技的路线非常明确：让AI少“胡说”，让系统能落地“干活”。那么，在此背景下，海致科技凭什么能获得如此青睐？
答案或许藏在它对产业AI的一个“反常识”预判里：产业AI的终极目标，是让业务流程彻底自动化。因为，未来企业业务流程的真正主角可能不是人，而是AI。而另一个更反常识的观点是：在未来高度自动化的企业里，最像“智能体（Agent）”的，反而可能是人类员工。
OpenClaw背后，万亿美元Agent行业共识浮现
去年年末，OpenClaw的爆火似乎宣告了个性化Agent黄金时代的到来。最近，OpenAI创始成员之一、特斯拉前AI负责人Andrej Karpathy也对此类智能体表达了浓厚兴趣。他认为，Claw正在成为智能体（Agent）之上的一个新的抽象层，是AI技术栈中一个令人惊艳和兴奋的新层级。
Karpathy曾提出一个更引人注目的判断：智能体会取代传统的App Store。
甚至，当Claude发布Cohere的几款插件后，一度引发了市场对传统软件业的担忧。有观点认为，未来Agent将替代大部分软件。OpenClaw的创始人也曾指出，未来的互联网世界中，80%的App可能会因为全新的Agent服务架构而消亡。
这正成为一个越来越有共识的行业方向：与传统软件相比，Agent能够实现更高程度的自动化，正从生产力工具演变为生产力本身。
产业AI视角：人人都有Agent，其实是个伪命题？
去年业界流行的口号“人人都有Agent”，在今天的技术浪潮下似乎正在成为现实。但在海致科技看来，这或许是一个伪命题，至少OpenClaw所引领的这场Agent喧嚣，其核心并不完全属于产业AI的范畴。
原因在于，2B（对企业）和2C（对消费者）赛道对AI的需求截然不同。
- 对个人用户而言，AI比拼的是体验：速度快不快、是否有趣、是否更“懂你”。即便AI有时“一本正经地胡说八道”，也可能无伤大雅。
- 对企业而言，AI比拼的是结果：能不能把复杂的业务流程自动、准确地跑完，能不能把潜在的风险牢牢控制住。
企业对AI的需求核心在于流程自动化，这需要基于对垂直场景业务逻辑和业务流程的深度理解和准确执行。而目前，许多人对产业AI存在一个最大的误区：把B端问题C端化，认为产业AI就是给每个员工配一个智能助手。
无论是政务办公的层层审批、监管执法的合规边界，还是供应链管理、生产排产，企业流程往往有着明确的规则、清晰的边界和刚性的要求。一旦出错，代价可能是资金损失、合规罚单，甚至是安全事故。这意味着，企业对AI的渴望，绝不是一个会说话的“门面”，而是一个能严谨、可靠地执行业务规则的“系统”。
未来，企业可能将由AI自主执行大部分任务，实现高度协同、大规模和精细化管理。人类员工的角色将转变为辅助AI进行关键判断，以及由更顶端的专家来设计和优化整个AI治理框架。
真正扮演Agent的，可能是人
如果说互联网解决了“连接”问题，数字化解决了“记录”问题，那么智能化要解决的核心就是一件事：让系统自己运转。
顺着这个逻辑，海致科技提出了两个反常识的判断。
首先，未来企业业务流程的真正主角，不是人，而是AI。 在真正实现AI运营的企业里，机器将主导核心业务流程。这一判断看似激进，实则有其现实基础。在数据驱动业务管理带来效能极大提升的同时，企业也面临数据淤积和沉睡的困境。物联网、大数据等基础设施支撑下，行业管理规模呈指数级增长。企业管理者普遍意识到，制约数据价值释放的最大瓶颈是人而非机器；单纯追加人力已无法应对爆发式增长的数据需求，AI自动化成为唯一出路。
例如：
- 城市交通单日产生百TB级数据，需毫秒级处理调度，人工难以应对，AI却可游刃有余。
- 电力配网数万节点实时产生数据，需精准匹配源、网、荷、储，AI能从容处理，而人工难免忙中出错。
- 银行风控每日处理数TB数据，AI可秒级完成数以万计的授信申请审核，远超人工效率。
更反常识的是第二个判断：未来企业里，真正扮演“Agent”角色的，可能不是AI，而是人！ 设想一下，90%的核心业务由AI自主闭环完成。剩下的10%，那些需要肉身感知、复杂社交互动或特殊人性化处置的环节，才交由人类这台“最高级和最贵的传感器”去处理。
例如，在城市治理中，AI未来可能负责所有的流程流转和常规事件处置。但当遇到需要温情执法或复杂纠纷调解时，人类就是那个负责“柔性落地”的特定“Agent”。最终形成的，是一种 “AI主导流程、人力辅助优化” 的全新运营模式。人不再是流水线上的螺丝钉，而是被解放出来，去处理真正需要“人性”、需要复杂判断的高阶任务。
那么，产业AI目前到底卡在哪里？大语言模型（LLM）是产业AI的最终答案吗？
产业AI，走到了哪一步？
回顾过去几年，产业AI大致经历了两个探索阶段。
第一阶段：基于微调的产业大模型构建。
这个阶段暴露出一些问题：产业数据往往无法一次性匹配超大规模参数模型；而以多轮LoRA等方法进行微调，又难以有效控制大模型原有能力的持续遗忘和衰减。更重要的是，产业大模型本质上仍基于文本知识的“暴力”融合，它并不真正“懂得”企业的结构化数据和业务逻辑，难以直接支撑精准的业务决策。企业知识是分专业、分版本、分系统管理的，无法仅靠文本融合解决。
与微调构建的“笨重”AI相比，检索增强生成（RAG）的服务形态似乎更能满足企业专业知识与大模型结合的需求。于是，越来越多的企业开始尝试用更客观准确的知识图谱构建企业专业知识体系，用基于图模融合的新技术范式来打造更为实用可靠的AI应用体系。
第二阶段：产业Agent的构建。
问题依然存在。当前的Agent更多是基于特定场景和孤立知识的构建，缺乏体系化管理，例如知识难以复用、场景无法自适应、运营不可持续等。许多企业客户对智能体的认知已超越简单应用。仅靠企业文档“投喂”产生的政策问答或报告生成服务，尝鲜期过后，企业已回归理性。而各类基于已有计算服务和数据表格的“手搓”式Agent开发，也容易让企业感到这只是营造“虚假繁荣”。
行业越来越意识到，企业AI智能体既不该是文件助手，也不应该是糅合各类查询接口的语音操作系统。它应该：
- 真正理解企业的数字化运行环境；
- 真正懂数据、懂计算、懂流程；
- 能够基于业务目标，自动地寻找数据、分析数据，并推动业务流程的高效执行。
这一切的关键前提，是企业是否能建立起一套让数据、计算、流程的知识体系与AI高效对接的能力，即 “AI Ready” 。这将成为未来企业能否借助AI实现效率革命性提升的关键。
最近，Anthropic公布的数据显示，软件工程领域占据了约50%的智能体工具API调用。但更关键的趋势是，其他行业也开始出现应用，未来潜力巨大，而其中的关键在于利用企业专有数据。
AI接管企业实现流程自动化，将带来巨大的生产力提升，而这件事正在发生。海致科技正致力于帮助用户实现这一点。
实战见真章：银行、电力系统的AI落地
海致科技凭什么说自己能够实现这个未来？其核心秘诀在于 “图模融合”技术。
该技术不仅以“图”来承载企业私有全量数据资产、梳理行业知识关系并深度应用，更关键的是，通过与大模型深度融合，使大模型能够“读懂”这些结构化的知识和数据，并据此执行决策。
这一技术路线已在产业端实现商业化落地，并产生了较高的复购率和客户粘性，从技术和商业角度证明了其前景。尤其在要求严苛、业务复杂的金融、电力等关键行业，海致科技的落地案例更能体现其价值。
- 在金融行业：华东某银行落地了“个人信贷申请反欺诈关系图谱项目”。通过构建客户、设备、交易之间的复杂关系网络，AI能够自动识别隐藏的欺诈团伙和异常模式，实现了风控流程的自动化、精准化运行，大幅提升了反欺诈效率和准确性。
- 在电力行业：面对新型电力系统建设中主网、配网、微网融合带来的复杂度飙升，传统人工运维已难以为继。海致科技通过Context Graph（上下文图谱）解读运维规程、利用Ontology（本体）整合设备运行数据，使AI能够自主判断设备状态、预判故障风险、自动生成并调度巡检计划，极大减少了人工工作量。
如今，越来越多的产业实践表明，产业AI的终极归宿，从来都不是锦上添花的个人智能助手，而是大刀阔斧的全链路、全场景业务流程自动化。产业AI的核心价值在于深度理解产业规则，严守流程边界，并在毫秒级尺度上进行人类无法企及的高效、可靠决策。
十年后，企业的核心竞争力在哪里？
十年后，企业的核心竞争力是什么？是算法，还是算力？海致科技认为，是数据的规范性、企业计算的标准化，以及流程体系的知识化构建能力。
随着产业AI进入“规模化自动运行时代”，单纯的“数字员工”概念可能沦为过渡产品。而真正能实现从“单一数据到跨数据、单一流程到多流程”自动化的企业，将构建起难以逾越的护城河。
如果产业AI市场在未来达到数千亿规模，真正的分水岭，就在于那些率先构建了“AI Ready”能力体系的企业。可以说，海致科技之所以受到资本市场关注，不仅因其在图技术领域的积累，更因为它指向了一条艰难但有价值的路径——让AI真正接管流程，让人成为驾驭和优化流程的“Agent”。
这场从“数字化”到“智能化”的深刻跨越，才刚刚开始。
参考资料：
对AI如何深入企业业务流程、实现自动化转型的话题，云栈社区的智能与数据云板块聚集了许多开发者和技术专家进行讨论。从Transformer架构的应用到具体行业的落地实践，这里不乏真知灼见。如果你对知识图谱、流程自动化或企业级AI架构有更多想法，欢迎来社区交流探讨。
发表于 13 小时前
|
查看: 0|
回复: 0
