今年 WAIC 最为直观的一个感受就是，前两年“ 百模大战” 的热闹场景已然不见，取而代之的是地开花的 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着 AI 走出对话框，进入真实的业务流程的故事。
在这片热闹之中，一个更深层的问题浮出水面：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？
企业需要的不是单点能力
以当前的企业级 AI 应用来看，绝大多数 AI 智能体只停留在帮助部分员工提升工作效率的阶段，离真正理解一家公司，完整的融入到企业业务流程中赋能业务，还离得很远，对此，百型智能创始人兼 CEO 韩美表示，“ 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，每个环节都已经出现了大量数字化工具。但问题在于，这些工具各自为政。数据在不同的系统里沉睡，流程在不同的部门间断裂，经验留在不同销售人员的脑子里。一家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。“ 任务效率提升了，业务结果仍然是割裂的”，韩美把这个问题概括为一句话。
这句话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，较 2025 年不足 5% 的水平有了显著提升。但正如 IDC 在 2026 年初的调研所示，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。
百型试图补上的，正是模型与业务执行之间的那个认知层。对此，韩美分享到，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，并在约 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。“ 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。” 韩美表示。
这其中，百型智能推出的 OntoZ 企业本体起到了核心作用。据韩美介绍，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。”
这句话听起来有些抽象。但如果你是一家 B2B 企业的老板，你可能立刻能理解它的分量，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。
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。一个智能体如果在 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。
为了让 AI 能在低容错的实际业务中长期稳定运行，百型设计了“ 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，这家公司就已经通过智能体产品进入了全球 B2B 的真实业务链路。据百型智能披露数据显示，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。比如，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，百型智能的收入越少。这种收费模式把供应商和客户的利益绑在了同一条船上。
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（Agent-to-Agent） 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。在今年的 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。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App