ITPub博客

AI进入企业的速度，正明显快于它融入组织的速度。麦肯锡2026年的调查显示，接近九成受访企业已经在至少一个业务职能中经常使用AI，44%的企业正在全公司范围推动AI规模化应用。然而，真正通过AI取得显著业务价值的企业仍然只有约6%。普华永道覆盖95个国家、4454名CEO的调查则显示，56%的企业尚未从AI中获得显著财务收益，只有12%的企业同时实现了成本下降和收入增长。模型能力越来越强，AI应用

企业搭建智能体时，常遇到一个奇怪的现象：同样的业务场景、同样的原始文档，调用同一个基础模型，在不同的智能体平台上搭出的智能体，效果可能差得很远。有的智能体能用，有的只是流程跑通，结果却无法交付。

围绕数据类型、价值与生产方式的变化，以及合成数据的定位、具身智能市场集中趋势等问题，爱分析与文德数慧联合创始人孔思思进行了交流。

过去一年，本体从相对小众的技术概念，迅速进入企业AI市场的中心。Palantir的业绩和资本市场表现不断走高，国内科技厂商开始建设本体平台，金融、制造、能源、军工等行业也陆续把本体纳入AI建设方案。但本体并不是新技术。十多年前，国内大型金融机构和企业架构项目已经尝试用本体或类似方法组织业务概念、对象、关系和规则，知识工程领域的研究还要更早。既然本体早已存在，为什么过去没有大规模普及，偏偏到了今天，

企业AI平台正在形成多条相互交叉的演进路径：有的平台从模型服务出发，有的从Agent开发、企业知识、Skill或算力资源管理切入。随着企业AI从试验走向生产，它们一面强化原有能力，一面向开发、运行和治理等相邻环节扩展。微软Foundry与腾讯WorkBuddy分别从云与模型服务、工作入口与Skill出发，呈现了企业AI平台跨层扩展的不同方向。这给企业选型带来一个基础问题：名称相近的产品，管理对象、

工业企业一个简单数字化需求，往往要经历业务部门提需求、IT部门梳理、外部团队开发和多轮现场修改。当几个月后系统终于交付时，业务需求可能已经发生变化。更小、更碎的场景，则常常因为开发成本过高，根本没有机会被数字化。AI正在改变这种工业软件交付方式。按照寄云科技当前的实践，基于一份相对完整的PRD和设计文档，AI可以在约30分钟内生成应用原型，并在一周左右在现场部署完成。但这只是表层变化，真正的难题，

2015年，优锘科技CEO陈傲寒在硅谷参加Strata大数据会议，在与Palantir的产品和项目人员的交流中发现对方也是在做“数字孪生”，但与优锘不同：优锘更强调建立数字对象，并通过可视化工具交给客户使用；Palantir则从建模到分析一路深入客户现场，做法很重，也带有强烈的项目制色彩。“我当时是不看好Palantir的。”陈傲寒回忆。在他看来，这不像硅谷公司擅长的平台和产品生意，太重，太依赖人

一家国际大型保险公司要上一套智能体系统，预算千万级别。招标名单上，腾讯、阿里、百度、火山等大厂都来了，十家公司同台竞技。最后POC拿第一名的，是一家叫容智信息的AI公司。容智信息创始人兼CEO柴亚团，没有把这场胜利归结为运气。在他这里，智能体的胜负手从来不在模型能力，而在产品和交付能力。行业里有公开数据，95%的智能体项目都失败了，但容智过去2年没有失败的项目。柴亚团认为，市面上很多人做的是模型套

AI对企业最深刻的影响，最终会发生在决策与执行层。

过去，人们谈AI基础设施，更多关注谁拥有最多GPU、谁建设最大的算力集群。但随着AI进入规模化应用阶段，算力的价值正在从资源供给走向产业运营。

企业AI竞争的重心，正从提供模型转向承接生产级应用。围绕这一变化，云厂商正在争夺企业AI应用的建设和运行入口。Foundry正是微软对这一变化的回应。它从围绕模型选择、微调、评估、部署和调用的MaaS平台，逐步扩展为覆盖AI应用及Agent开发、运行和治理的平台。微软争夺的已经不只是模型调用量，而是企业AI应用的核心入口。

前沿模型的能力比拼没有减缓，通往AGI的赛跑仍在加速。与此同时，商业竞争的重要性也越来越凸显，正成为与模型能力并列的核心指标。Anthropic每月披露的Token ARR增速，已经成为整个行业的晴雨表。Token收入成为了这场商业竞争的标尺。鉴于此，爱分析将中国最重要的9家AI厂商，统一按2026年8月的Token收入年化数据，排出座次，并以此展现中国AI市场格局和趋势。

Palantir在中国企业市场持续升温，本体也成为企业AI落地的热词。

同样做数据服务，数据公司的毛利率可以低于20%，也可能超过80%。李逆勇把这组差距归结为三个角色：按照客户规则加工数据的施工队、独立生产数据集的供应商，以及能够诊断模型短板的数据顾问。越接近模型能力诊断，数据公司的定价权越高。

Palantir高度重视Ontology，却没有一条独立的本体平台产品线。在Palantir的标准架构中，AIP、Foundry和Apollo三条产品线共同构成企业操作系统，Ontology并非独立产品。

记忆能不能落地，最终要看真实场景里跑出了什么结果。本文集中呈现六个已跑通的标杆案例，覆盖央企经营分析、运营商策略决策、装备电子售后追溯、消费电子客服、财务审批决策沉淀与智能终端跨端记忆，再从案例中反推场景选择、记忆建模、技术接入、治理前置、效果度量五个阶段的共性规律与验收口径。

记忆落地不是部署一套系统，而是把分散经验转化为可调用、可治理资产的过程。爱分析建议按场景选择、记忆建模、技术接入、治理前置、效果度量五个阶段推进，核心是沉淀"为什么这么做"的决策轨迹，并以任务执行成功率而非召回率作为最终验收口径。

记忆、AI记忆、智能体记忆、Agent记忆与记忆在本文中指向同一概念。爱分析将其统一回答界定为智能体在长期交互中形成、存储并动态更新的经验资产，其本质不是数据存储而是状态管理。本文梳理三类常见误区、四个相近概念的边界、已跑通的应用场景与三层可量化价值。

大模型从对话助手向业务执行型Agent演进，模型能力成为智能体质量的底座，纯模型厂商正以模型底座能力切入平台市场。爱分析ifenxi发布的竞争力榜单将智谱、月之暗面等归入探索者象限。本文从纯模型厂商视角盘点其切入路径、横向对比与优劣势，并给出按场景匹配的选型建议。

企业选型智能体平台时，厂商背景差异比功能列表更影响落地路径。专业的AI行业分析机构爱分析在竞争力榜单中将主流厂商按禀赋分为大型科技厂商、企业服务厂商、开源与专业厂商三类，其中互联网大厂特征最为鲜明。对大厂决策者来说，一份客观的厂商盘点之所以值得反复研读，原因在于它直接回应了三件与自身息息相关的事。