今年的WAIC（世界人工智能大会）上，一个最显著的变化是：前两年“百模大战”的喧嚣逐渐退潮，取而代之的，是AI智能体在各个领域的广泛落地。办公协作、客户服务、医疗健康……几乎每个展台都在讲述同一个故事——AI终于走出了对话框，深度融入了真实的业务流程。
然而，在这片热闹的表象之下，一个更深层的问题悄然浮现：当每个部门都拥有了自己的AI助手，这些助手之间能否实现高效协同？它们真的能理解并融入这家公司的整体脉络吗？
企业需要的不是单点能力
坦率地说，目前绝大多数企业级AI应用，仍停留在帮助部分员工提升工作效率的阶段。距离真正理解一家公司、完整融入业务流程并赋能业务增长，还有相当大的差距。对此，百型智能创始人兼CEO韩美一针见血地指出：“企业AI的下一阶段，并非部署更多彼此割裂的单点智能体，而是构建一个能够理解企业、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。”
百型智能所面对的市场，规模庞大，但结构性问题根深蒂固。全球B2B市场规模约为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，却缺乏规模化发现、判断和转化商业机会的能力。
问题并非在于没有工具。恰恰相反，从获客、邮件营销、建站、投放流量到回复询盘，每个环节都涌现出大量数字化工具。但麻烦在于，这些工具各自为政。数据在各类系统中沉睡，流程在不同部门之间断裂，经验则散落在不同销售人员的脑海中。企业投入越来越多的软件订阅费用，增长能力却未能随之累积。用韩美的话概括就是：“任务效率提升了，业务结果却仍然是割裂的。”
这句话精准地切中了当下许多企业的真实困境。Gartner在2025年8月预测，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，相比2025年不足5%的水平，这是一个巨大的飞跃。但问题在于，根据IDC在2026年初的调研，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。技术已铺开，效果却未跟上。
百型智能想要弥补的，正是模型与业务执行之间的那个认知层。具体是如何实现的？韩美分享了一个案例：工作人员将一家出海企业的产品资料、内容和历史信息输入系统，大约7分钟内就能完成首版企业本体的冷启动。之后，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。“我们希望让企业购买的，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。”韩美如此解释。
这其中，核心角色是百型智能推出的OntoZ企业本体。与知识库或数字孪生不同，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，系统会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。“第一天，是AI在学习企业。”韩美说，“此后的每一次执行和反馈，都在推动企业与AI共同演化。”
这番话听起来有些抽象。但如果你是一家B2B企业的老板，你大概立刻就能理解其中的分量——企业购入的已不再是一组固定功能的软件，而是一套越用越聪明的系统。
怎么让AI更好干活
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交易有一个特点：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。智能体在C端场景里犯了错，用户可能一笑而过；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。
为了让AI在低容错的实际业务中长期稳定运行，百型设计了一套“二阶控制论”架构。
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，而是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出现了偏差。
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，它不仅具备可靠的执行力，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，在发布OntoZ之前，就已经通过智能体产品进入了全球B2B的真实业务链路。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。
这些数字背后是一个个具体的客户故事。例如，一家设备制造企业，在全新的海外市场用3个月实现了从0到千万元订单的突破。一家紧固件企业，上线半年获得了200多条询盘并实现了成交。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。
这些结果支撑了百型自2024年起探索的RaaS（Result as a Service，结果即服务）模式。与传统软件按账号或席位收费不同，百型尝试按高质量询盘和业务结果来交付价值。客户的成交越多，百型的收入越高；客户的成交越少，百型的收入越少。这种收费模式，将供应商和客户的利益紧密绑定在一起。
A2A交易网络
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（Agent-to-Agent，智能体到智能体）交易网络的完整图景。
而选择相似路径的也不止百型智能一家。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。正如一位行业观察者在WAIC期间所说，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，挑战也同样明显。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很高的要求。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模式虽然逻辑上合理，能否在大规模商业化中跑通，还需要更多时间检验。
但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：AI的角色，正在从效率工具，转向能够持续学习并承担业务结果的生产力系统。
