今年WAIC，前两年“百模大战”的热闹景象已难觅踪迹，取而代之的是遍地开花的AI智能体。办公协作、客户服务、医疗健康，几乎每个展台都在讲述AI走出对话框、进入真实业务流程的故事。
在这片喧嚣中，一个更深层的问题逐渐浮出水面：当每个部门都拥有自己的AI助手，这些助手之间能协同吗？它们真的理解这家公司吗？
如果要用一句话概括当下企业级AI应用的困境，那就是：任务效率提升了，业务结果仍然是割裂的。百型智能创始人兼CEO韩美给出的判断更为直白——企业AI的下一阶段，不是部署更多彼此割裂的单点Agent，而是建立能够理解企业、统一智能体决策、并根据真实业务结果持续进化的企业本体。
百型智能面对的，是一个规模庞大但结构性问题根深蒂固的市场。全球B2B市场规模约245万亿元，在这个数字背后，大量企业拥有优质产品和真实需求，却缺少规模化发现、判断和转化商业机会的能力。这不是因为没有工具。恰恰相反，找客、写邮件、建站、投流、回复询盘，每个环节都已涌现大量数字化工具。但问题在于，这些工具各自为政。数据在不同系统里沉睡，流程在不同部门间断裂，经验留在不同销售人员的脑子里。企业投入了越来越多的软件订阅费用，增长能力却没有随之累积。Gartner在2025年8月的预测数据更强化了这一判断：到2026年底全球40%的企业应用将嵌入具备任务执行能力的AI智能体，较2025年不足5%的水平显著提升。但IDC在2026年初的调研同时显示，仍有60%的中国企业处于了解和评估智能体的阶段，仅有18%将智能体纳入了核心业务流。技术铺下去了，效果却没跟上。
这正是百型试图补上的那块拼图：模型与业务执行之间的认知层。韩美分享了一个实际的操作场景：工作人员将一家出海企业的产品资料、网站内容和历史信息输入系统，约7分钟内完成首版企业本体的冷启动。随后，多个智能体在同一企业本体下生成获客与触达策略、发现潜在客户、生产面向不同买家的内容，并将用户修改、邮件打开、客户回复、有效询盘等结果重新写回本体。韩美表示，百型希望通过这种方式，让企业购买的不再是一组固定功能，而是一套能够在使用中持续学习的智能增长系统。
这套系统里，OntoZ企业本体扮演了核心角色。它与普通知识库或数字孪生的关键区别在于，OntoZ不仅保存企业“知道什么”，还需要回答“什么重要、下一步做什么，以及结果是否有效”。当市场、客户或产品条件发生变化时，系统根据新的执行反馈重新调整客户优先级、触达节奏与策略权重。韩美的描述精准地抓住了这种变化的核心：“第一天，是AI在学习企业。此后的每一次执行和反馈，都在推动企业与AI共同演化。”对于一家B2B企业的决策者而言，这句话的分量不言而喻：企业买的不再是一组固定功能的软件，而是一套越用越聪明的系统。
让AI理解企业是一回事，让AI在真实的B2B场景中稳定地干活，是另一回事。B2B交易链路长、容错低。找对一个客户可能需要几周，丢一个客户可能就在一封措辞不当的邮件之间。一个智能体在C端场景里犯了错，用户可能笑一笑就过去了；但在B2B场景里，一次错误的报价或一次不合时宜的触达，可能意味着丢掉一个价值百万的订单。为此，百型设计了一套“二阶控制论”架构来解决这个难题。
第一层聚焦“把事做对”。通过在Harness中引入马尔可夫毯，系统精准定义了每个智能体的感知边界与状态依赖，这让智能体能够在跨周、跨月的长周期任务中始终保持确定性，彻底避免因上下文冗余累积而导致的能力指数级衰减。第二层负责“做对的事”。这一层由一个基于GAT+Transformer架构的因果世界模型驱动，它超越了对业务过程的单纯记录，转而深挖影响成交的核心因果链条——精确定位究竟是目标市场选型、产品定位匹配、触达时机选择，还是特定角色内容打动力的偏差。当市场动态、客户行为或产品条件发生变化时，系统会基于新的归因反馈，自适应演算并重置客户优先级、触达节奏和策略权重。换句话说，它不仅在执行层面保持可靠，更拥有了持续判断“哪些事才真正值得做”的策略进化能力。
成立于2024年的百型智能，在推出OntoZ之前，就已在智能体产品领域积累了相当规模的实战经验。据百型智能披露的数据，公司已服务上千家中国出海企业，近千个智能体活跃在160多个国家，累计完成700多万海外采购商关键人的建联，获得数十万笔采购询单，相关成交潜力达数十亿元。这些数字背后是一系列具体的商业成果：一家设备制造企业在全新海外市场用3个月实现从0到千万元订单的突破；一家紧固件企业上线半年获得200多条询盘并实现成交；一家汽配企业从新市场冷启动到百万级成交，只用了2到3个月。
正是这些结果，支撑了百型自2024年起探索的RaaS模式。与传统软件按账号或席位收费的逻辑不同，百型尝试按高质量询盘和业务结果来交付价值——客户成交越多，百型收入越高；客户成交越少，百型收入越少。这种模式把供应商和客户的利益直接绑定在了同一条船上。
按照百型公布的演进路径，OntoZ首先会在企业内部形成共享认知，让多个智能体在统一的目标与权限下协作。随着更多企业拥有独立的、私有的、可授权的本体，这些企业将成为商业网络中的智能节点。在此基础上，买方、卖方和服务商的智能体才可能在授权范围内完成需求匹配、身份验证、谈判和下单。更多企业节点带来的真实交易反馈，将持续丰富商业世界的因果模型，并进一步提升每个节点发现和转化机会的能力。这是一幅从单点智能体到企业本体、再到A2A交易网络的完整图景。
选择相似路径的远不止百型智能一家。今年WAIC上，“AI的下一站，绝不只是生成答案，而是深度参与决策”正在成为越来越多企业的共识。中科闻歌在大会期间发布了完整的AI决策产品体系，其CEO罗引直言，企业真正迫切需要的，是能够模拟推演、预测变化、辅助判断的决策型AI。中国信通院院长余晓晖则在大会观察中指出，AI正经历从模型能力向系统能力、从静态学习向动态进化、从单点智能向协同智能的三大演进。与此同时，企业级AI的讨论重心也在明显后移。一位行业观察者在WAIC期间的观点颇具代表性：相比过去几年对模型能力、参数规模和Demo效果的集中关注，2026年的AI产业正在转向一个更务实的问题——AI能否进入真实流程，能否承担具体任务，能否被业务结果验证。
当然，挑战同样摆在桌面上。企业本体的构建需要企业愿意开放自己的产品数据、客户信息和业务规则，这对数据安全和隐私保护提出了相当高的要求。多智能体在长链路中的协同稳定性，也需要在实践中持续验证。而RaaS模式虽然逻辑上自洽，能否在大规模商业化中真正跑通，尚需更多时间检验。不过，对于那些长期依赖展会、平台和人工团队的全球B2B企业来说，一个更大的趋势已经清晰得难以忽视：AI的角色正在从单纯的效率工具，转向能够持续学习并承担业务结果的生产力系统。
热门跟贴