WAIC上，一家公司想給企業裝上一顆會思考的大腦丨WAIC2026

今年WAIC最為直觀的一個感受就是，前兩年“百模大戰”的熱鬧場景已然不見，取而代之的是地開花的AI智能體。辦公協作、客戶服務、醫療健康......幾乎每個展臺都在講述著AI走出對話框，進入真實的業務流程的故事。

在這片熱鬧之中，一個更深層的問題浮出水面：當每個部門都擁有自己的AI助手，這些助手之間能協同嗎？它們真的理解這家公司嗎？

企業需要的不是單點能力

以當前的企業級AI應用來看，絕大多數AI智能體只停留在幫助部分員工提升工作效率的階段，離真正理解一家公司，完整的融入到企業業務流程中賦能業務，還離得很遠，對此，百型智能創始人兼 CEO 韓美表示，“企業AI的下一階段，不是部署更多彼此割裂的單點Agent，而是建立能夠理解企業、統一智能體決策、并根據真實業務結果持續進化的企業本體。”

百型智能面對的，是一個規模龐大但結構性問題根深蒂固的市場。全球B2B市場規模約245萬億元。在這個數字背后，大量企業擁有優質產品和真實需求，卻缺少規模化發現、判斷和轉化商業機會的能力。

這不是因為沒有工具。恰恰相反，找客、寫郵件、建站、投流、回復詢盤，每個環節都已經出現了大量數字化工具。但問題在于，這些工具各自為政。數據在不同的系統里沉睡，流程在不同的部門間斷裂，經驗留在不同銷售人員的腦子里。一家企業投入了越來越多的軟件訂閱費用，增長能力卻沒有隨之累積。“任務效率提升了，業務結果仍然是割裂的”，韓美把這個問題概括為一句話。

這句話切中了當下許多企業的真實困境。Gartner在2025年8月預測，到2026年底全球40%的企業應用將嵌入具備任務執行能力的AI智能體，較2025年不足5%的水平有了顯著提升。但正如IDC在2026年初的調研所示，仍有60%的中國企業處于了解和評估智能體的階段，僅有18%將智能體納入了核心業務流。技術鋪下去了，效果卻沒跟上。

百型試圖補上的，正是模型與業務執行之間的那個認知層。對此，韓美分享到，工作人員將一家出海企業的產品資料、網站內容和歷史信息輸入系統，并在約 7 分鐘內完成首版企業本體的冷啟動。隨后，多個智能體在同一企業本體下生成獲客與觸達策略、發現潛在客戶、生產面向不同買家的內容，并將用戶修改、郵件打開、客戶回復、有效詢盤等結果重新寫回本體。“百型希望通過這種方式，讓企業購買的不再是一組固定功能，而是一套能夠在使用中持續學習的智能增長系統。”韓美表示。

這其中，百型智能推出的OntoZ企業本體起到了核心作用。據韓美介紹，與知識庫或數字孿生不同，OntoZ 不僅保存企業“知道什么”，還需要回答“什么重要、下一步做什么，以及結果是否有效”。當市場、客戶或產品條件發生變化時，系統根據新的執行反饋重新調整客戶優先級、觸達節奏與策略權重。“第一天，是AI在學習企業。”韓美說，“此后的每一次執行和反饋，都在推動企業與AI共同演化。”

這句話聽起來有些抽象。但如果你是一家B2B企業的老板，你可能立刻能理解它的分量，企業買的不再是一組固定功能的軟件，而是一套越用越聰明的系統。

怎么讓AI更好干活

讓AI理解企業是一回事，讓AI在真實的B2B場景中穩定地干活，是另一回事。B2B交易有一個特點：鏈路長、容錯低。找對一個客戶可能需要幾周，丟一個客戶可能就在一封措辭不當的郵件之間。一個智能體如果在C端場景里犯了錯，用戶可能笑一笑就過去了；但在B2B場景里，一次錯誤的報價或一次不合時宜的觸達，可能意味著丟掉一個價值百萬的訂單。

為了讓AI能在低容錯的實際業務中長期穩定運行，百型設計了“二階控制論”架構。

第一層聚焦“把事做對”。通過在 Harness 中引入馬爾可夫毯，系統精準定義了每個智能體的感知邊界與狀態依賴。這讓智能體能夠在跨周、跨月的長周期任務中始終保持確定性——徹底避免因上下文冗余累積而導致的能力指數級衰減。

第二層負責“做對的事”。這一層由一個基于GAT+Transformer架構的因果世界模型驅動。它超越了對業務過程的單純記錄，而是深挖影響成交的核心因果鏈條——精確定位究竟是目標市場選型、產品定位匹配、觸達時機選擇，還是特定角色內容打動力的偏差。

當市場動態、客戶行為或產品條件發生變化時，系統會基于新的歸因反饋，自適應演算并重置客戶優先級、觸達節奏和策略權重。換句話說，它不僅具備可靠的執行力，更擁有了持續判斷“哪些事才真正值得做”的策略進化能力。

成立于2024年的百型智能，在發布OntoZ之前，這家公司就已經通過智能體產品進入了全球B2B的真實業務鏈路。據百型智能披露數據顯示，公司已服務上千家中國出海企業，近千個智能體活躍在160多個國家，累計完成700多萬海外采購商關鍵人的建聯，獲得數十萬筆采購詢單，相關成交潛力達數十億元。

這些數字背后是一個個具體的客戶故事。比如，一家設備制造企業，在全新的海外市場用3個月實現了從0到千萬元訂單的突破。一家緊固件企業，上線半年獲得了200多條詢盤并實現了成交。一家汽配企業，從新市場冷啟動到百萬級成交，只用了2到3個月。

這些結果支撐了百型自2024年起探索的RaaS（Result as a Service，結果即服務）模式。與傳統軟件按賬號或席位收費不同，百型嘗試按高質量詢盤和業務結果來交付價值，客戶的成交越多，百型的收入越高；客戶的成交越少，百型智能的收入越少。這種收費模式把供應商和客戶的利益綁在了同一條船上。

A2A交易網絡

按照百型公布的演進路徑，OntoZ首先會在企業內部形成共享認知，讓多個智能體在統一的目標與權限下協作。隨著更多企業擁有獨立的、私有的、可授權的本體，這些企業將成為商業網絡中的智能節點。在此基礎上，買方、賣方和服務商的智能體才可能在授權范圍內完成需求匹配、身份驗證、談判和下單。

更多企業節點帶來的真實交易反饋，將持續豐富商業世界的因果模型，并進一步提升每個節點發現和轉化機會的能力。這是一幅從單點智能體到企業本體、再到A2A（Agent-to-Agent）交易網絡的完整圖景。

而選擇相似路徑的也不止百型智能一家。在今年的WAIC上，“AI的下一站，絕不只是生成答案，而是深度參與決策”正在成為越來越多企業的共識。中科聞歌在大會期間發布了完整的AI決策產品體系，其CEO羅引直言，企業真正迫切需要的，是能夠模擬推演、預測變化、輔助判斷的決策型AI。中國信通院院長余曉暉則在大會觀察中指出，AI正經歷從模型能力向系統能力、從靜態學習向動態進化、從單點智能向協同智能的三大演進。

與此同時，企業級AI的討論重心也在明顯后移。正如一位行業觀察者在WAIC期間所說，相比過去幾年對模型能力、參數規模和Demo效果的集中關注，2026年的AI產業正在轉向一個更務實的問題：AI能否進入真實流程，能否承擔具體任務，能否被業務結果驗證。

當然，挑戰也同樣明顯。企業本體的構建需要企業愿意開放自己的產品數據、客戶信息和業務規則，這對數據安全和隱私保護提出了很高的要求。多智能體在長鏈路中的協同穩定性，也需要在實踐中持續驗證。而RaaS模式雖然邏輯上合理，能否在大規模商業化中跑通，還需要更多時間檢驗。

但對于那些長期依賴展會、平臺和人工團隊的全球B2B企業來說，一個更大的趨勢已經清晰：AI的角色正在從效率工具，轉向能夠持續學習并承擔業務結果的生產力系統。