Jay 发自 凹非寺现金九游体育app平台

量子位 | 公众号 QbitAI

港股逾额认购5065倍的AI公司，交出了上市后的首份答卷。

一齐猛涨：全年营收6.21亿元，同比增长23.4%。净利润2414.7万元，同比增长42.6%。

更令东谈主印象深远的是，在营收扩张的同期，其盈利智商不降反升，举座毛利率进步了7个百分点，达到43.3%。

而这一切的背后，都离不开一个中枢引擎的驱动——Atlas智能体业务。

这项业务正展现出矫捷的人命力：收入终了逾越式增长，达到1.457亿元，同比激增68.4%；

毛利率更是高达53.2%，成为拉动公司举座盈利水平进步的要津。

海致科技（2706.HK），一家并不追赶底层大模子「武备竞赛」的公司，却凭借为「企业级AI」打造「操作系统」，在浓烈的商场竞争中，杀出了一条属于我方的路。

Agent这个词，在C端还是被OpenClaw澈底引爆，一度催生降生态中的无数中间层，以致连大厂们也争相推出龙虾部署决议。

而当今，B端企业级Agent基础设施所蕴含的巨大价值，也跟着海致科技这份塌实的财报，显露地浮出水面。

企业级AI落地，差点「相干」

夙昔两年，Coding Agent的迭代速率令东谈主瞻仰。Claude Code、Codex、Cowork……

模子干活的智商越来越强了，这小数不容争辩。

但一个烦闷的事实是：大都企业的AI花样，仍然停留在Demo阶段。

搭个聊天机器东谈主、作念个文档摘抄、跑个学问问答，这些事职工我方Vibe Coding一下就能上线。

可一朝要把AI镶嵌中枢业务过程，赋予它信得过的「施行权」，问题就来了——

根本不敢让它干活啊！（小编还是深受其害。

前段期间，我给我方的龙虾接入了公司里面系统。

本意是丢给它一篇共事的在线文档，让它帮我想几个标题。

谁猜测，它二话没说，径直上手要改东谈主家的原文档。

幸而那篇文档没敞开裁剪权限，它尝试半天无果，终末灰溜溜地追溯了。

但于今想起这一场景，我仍是一身盗汗。

淌若哪天它在闲荡时，不知从哪读到一串「删除统统文档」的教导词……

效果难以设计。

毕竟，当今的AI在时刻架构上根底就莫得信得过的约束。你费尽长短打发龙虾要提防安全，对AI而言不外是又一段高下文，在长链路任务里，它转头就忘了。

只须底层照旧概率模子，立时性就弥远存在。

可这在B端语境中是不可容忍的。

模子厂商在不停刷新时刻的上限，但B端落地的门槛，是守住下限——

论断来自哪些学问和端正？任务施行走了哪些设施？调用了哪些Skill？出错了该回溯到哪一步？

按传统的科罚决议，这简直是个不可能完成的任务。

从第一性原祈望考，跟着企业数智化进程加快，智能体在使命时会像滚雪球一样，不停积贮Skill、任务、顾忌……

这些一朝滚起来，可就很吓东谈主了。哪怕是C端，关于那些钞票千里淀深厚的龙虾发热友，一句你好，可能几万Token就烧没了。更别提企业级的数据钞票领域。

资本照旧次要。要津在于，光靠暴力推行高下文并不行有用进步模子阐发。

已有磋商标明，模子的提防力是有限的。哪怕能吞下1M的高下文，记起最明晰的也唯有起首和扫尾，中间的内容基本是一团乱麻。

更何况，学问、端正、Skill、任务和状况时常洒落在不同系统里。领域一进取来，想让Agent干活时把这些约束全记取，无异于大海捞针。

归根结底，Agent的施行过程，从来就不是一条活水线。

任务之间有依赖，Skill之间有前置条目，顾忌之间存在因果……想要高效检索，报复的不单是数据，还得记取数据之间的相干。

这恰是图数据库的逻辑。

它是一种节点间互相连结的数据结构。各维度的数据不再是孤岛，而是通过各式相干连在整个的「蛛网」。

以反私运为例。海关手里有案件记载、物流信息、资金活水等多源异构数据，想揪出隐私的私运团伙，时常得把多类数据连结起来，才气连点成线。

而这一切，放在相干网里俄顷就显露了。东谈主、公司、银行账户、物流集装箱、私运案件，全变成了图上的节点，它们之间的考虑，便是连结节点的边。

研判东谈主员想查荫藏团伙，只需沿着这些边快速走几步，就能看清：张某落幕着哪家公司，这家公司又和哪个物流团伙有战役，资金又是通过哪些账户层层转给境外的。

关于深度与业务交融的场景而言，这种检索逻辑能用「相干」这层信息替代掉远大高下文，格外合乎用来照看企业级数据钞票。

RAG的出现，反向说明了LLM自身是一个充满不笃定性的「暧昧宇宙」，而RAG能提供更笃定的事实依据。但当学问量捏续蔓延时，如果莫得高效的学问索引，RAG带来的这些红利会直线下跌。

LLM无法科罚统统问题，图也是。

更好的科罚决议，好像是取均衡点——让两者协同合作，各自觉挥长处。

这便是海致所说的图模交融。

通过图时刻构建结构化的学问索引，再哄骗Skill与LLM进行对接，从而让学问在图与模子之间高效流转，被精确判辨与施行。

这样，既科罚了学问高效索引的问题，又保留了向量信息，从而能够充分阐发LLM的推理与生成智商。

落幕便是，AI得以转机为兼具领域大家聪慧与高效施行智商的「超等职工」。

这，恰是海致科技夙昔十余年捏续深耕的壁垒。

作念企业级AI的地基

海致科技的中枢居品叫AtlasGraph，一个自研的图数据库。

但如果你只把它贯通为一个数据库，那就低估了这家公司的策画。

在海致的时刻架构里，AtlasGraph的变装，更像是一个面向Agent的「操作系统」。

这个操作系统由五个中枢模块组成。

领先是Ontology图照看，这是整套AtlasGraph的语义基础，其中枢价值在于「对都」。

陋劣来说，这就像是为Agent进行的一次全面的「入职培训」，提供一份缜密的业务白皮书。

它负责界说企业的业务宇宙，将成立、过程、意见和相干调处编码成机器可贯通的语义框架，确保AI与东谈主类在脱色套坐标系下进行高效对话。

完成对都后，接下来就该为Agent配备「办公用品」了，也便是Skill。

Skill的出现，号称2026年以来Agent居品化的最大元勋之一。它硬生生将AI作念成了生态游戏，以致一度干崩纳斯达克一众软件股。

考虑词，Skill太多，又会有新的问题出现。

奈何照看这些Skill？

Agent时期于今露馅了诸多范式矫正，比如用CLI替代MCP，用Skill替代Prompt……

但这些本体上只是「器具层面的升级」。即便用CLI+Skill替代了MCP+Prompt，节俭了一定的高下文空间，本体上仍是杯水舆薪，并未信得过科罚「奈何照看」的难题。

你想想，给一个职工塞几百本操作手册，他反而会堕入接收贫苦。

AI亦是如斯。当Skill积贮到一定量级后，它们也不再是孤苦存在的个体，Skill之间的依赖相干会生息出新的复杂度。

以企业常见的「销售报价」场景为例：

假定你让Agent帮你生成一份客户报价单，它需要调用这些Skill：

查客户历史订单、查面前库存、查居品订价端正、生成报价文档。

名义上看，这是四个颓唐的手段。但履行上：

「查订价端正」依赖「查客户历史订单」，因为老客户享有扣头，而新客户莫得。

「查库存」也会影响「查订价端正」，因为部分SKU可能不参与促销举止。

而「生成报价文档」必须恭候前三个设施全部完成，而且如果库存不及，文档中需要自动标注备货周期。

如果只是将它们陈列成一个清单，这些相干就会丢失。此时，一朝订价端正更新，根本无法贯通哪些下流Skill会受到影响。

本体上，照旧个高效照看企业钞票的问题。这恰是AtlasGraph在Skill层所作念的事情：提供一套步调化、可照看的施行接口，将最优过程以图的格式固定下来，而无谓每次都从新策画。

正所谓，大路至简。

配备好Skill，连结已有高下文，Agent便不错负责运转使命了。

为了科罚前文提到的企业里面超长高下文问题，AtlasGraph相似给出了精妙的科罚决议——谜底是三张图。

1、任务图。

你让Agent作念一份报价单，它先把这个方针拆成不同的子任务。这些子任务之间存在依赖相干，有的不错并行处理，有的则必须恭候前置任务完成。

2、顾忌图。

锁定客户后，Agent蔓引株求，发现该客户上个月曾询价，那时因库存弥留，最终赐与了非常报价。有了这个信息，就能无谓再接头客户一次了。

3、状况图。

报价生成到一半，客户哪里说先等等，任务暂停。

但等三天后从新启动时，也无谓再重腾达成，状况图能径直告诉系统：客户信息已查完，库存查了一半，订价端正还没跑，从这里不时就行。

这便是「快照」留存的报复性。

三张图协同使命，科罚的是脱色个问题：Agent无需将统统高下文都塞进一个超长的对话窗口里。任务结构、历史教诲、面前进程，各归其位，随时可查、随时可复原。

终末，虽然还有至关报复的安全范畴问题。AtlasGraph内置了一套端正引擎，将企业的轨制、审批链、权限落幕、风险要求、白名单和黑名单等数据全部写入其中。

将这些连点成线，Agent便能显露地看到各个业务场景的施行范畴，确保每一次操作都在合规的轨谈上运行。

至此，海致科技的时刻基座澈底变成，基于此，他们构建了一整套端到端的居品矩阵——

AtlasGraph图数据库看成底座，Atlas学问图谱平台负责学问建模，DMC数据智能平台负责多源数据治理，智能体平台则将这一切串联成可落地的Agent应用。

从数据治理到学问建模，从智能决策到自动施行，变成了一个端到端闭环。

虽然，意见终究是意见，最终照旧要用商场收获谈话。

最新财报数据高慢，2025年，Atlas图谱科罚决议孝敬了4.753亿元收入，工作172家客户，平均客单价达到280万元。

与此同期，一条强盛的第二增长弧线相似引东谈主防备：

Atlas智能体业务孝敬1.457亿元收入，同比增长68.4%，客户数从19家跃升至40家。

而这个空洞层之是以能取得如斯注主张收获，相似离不开海致在图数据库这个基座上的深深扎根——

2025年孝敬收入的Atlas智能体客户中，有50%先前还是部署了Atlas图谱科罚决议。

客户并非单纯被Agent的故事勾引，而是在已教诲证了图谱价值的基础上，主动追加了对其蔓延居品的参加。

如今，海致科技已得手拿下六家大型国有生意银行中的四家，一语气三年取得大型国有电信运营商的复购左券，在金融、动力、政务等中枢场景中捏续深化浸透。

而便是在这样一齐决骤的情况下，其账面上仍有超10亿元的现款储备，这也为后续的长跑储备了饱和的粮草。

深水区才是信得过的赛场

2026年，Agent基础设施类居品，还是运转席卷B端。

关于C端用户，模子好像是一个无所不知的聊天伙伴；但在金融、政务等企业级AI的「深水区」，模子必须是一个严守步骤、精确施行的「数字职工」。

在这个维度上，模子参数更大、跑分更高，并不等同于更好用。信得过的决胜点在于，谁能更好地纳降模子，将其以一种褂讪、可靠的方式，无缝镶嵌到盘根错节的企业业务中。

而这个趋势只会进一步加快。

跟着大模子智商的捏续迭代，Agent的自主性会越来越强，能够颓唐完成的决策与施行也愈发复杂。

但这也带来了一个难办的悖论：Agent越理智，越难照看。

与此同期，失控的锐利力也会指数级飞腾。掌管银行业务权限的Agent如果施行了一次破绽的资金划转，效果是不寂静性的。

企业不再只是需要一个「更理智的大脑」，更需要一套能约束、指引这名「超等职工」的部门架构与限定轨制。

而海致作念的恰是这件事——

为整个企业AI时期修路架桥，为这场正在果真发生的云蒸霞蔚的「数智化」矫正，打下坚实的地基。

当行业里的大多数玩家还在追赶一个个移时即逝的意见时，作念基础设施，无疑是件更忙活的活。

但如今，凭借亮眼的财报阐发，海致科技得手印证了其接收的必要性：

在AI时刻狂飙突进、表层应用护城河不停被模子厂商蚕食确当下，中间层的落地基础设施，反而会越发坚固。

而凭借这层中间层构筑的时刻壁垒与生态占位，海致科技在向ToB产业级应用蔓延时，已然占据了更故意的策略高地。

图模交融是这片数字新大陆的富余泥土。在这片沃土之上，大得得手的Atlas智能体不仅是首个破土而出的硕果，更是对这套底层逻辑最有劲的考证。

改日，这里必将滋长出更多基于大语言模子蔓延的杀手级应用，共同组成一个茂密的产业AI生态。

毕竟，当A2A（智能体对智能体）互助的时期信得过降临，奈何高效地编排、照看与治理海量的智能体，将成为一个直不雅且难办的挑战。

而Agent OS，多智能体架构以致AI自治架构……这些都是海致正在落地进行中的决议。

从构建地基到界说表层建筑，这种在应用层所展现出的无尽瞎想空间，好像才是ToB AI最可贵的门票。

— 完 —

量子位 QbitAI · 头条号

心情咱们现金九游体育app平台，第一期间获知前沿科技动态