2026中国IPO硬科技企业TOP30
全世界各行各业联合起来,internet一定要实现!

企业级AI平台的第二次选择:从接入模型到承载业务

2026-11-14 eNet&Ciweek

企业买AI平台的动机,这两年变了两次。2023年前后,采购清单上写的是模型接口、调用额度、知识库;2025年开始,清单上多了智能体编排、权限隔离、私有化部署;到了2026年,真正被反复追问的只有一个问题:这个平台能不能承载我的核心业务。

问题变了,评价标准也就变了。模型参数不再是决定性指标,因为主流平台接入的模型差异有限;真正拉开差距的,是平台能不能理解企业的业务语义,能不能把智能体的动作管住,能不能在不出域的前提下跑起来。这三件事,构成了平台层的分水岭。

也正因如此,市场开始出现路径分化。云厂商从算力和工具链切入,管理软件厂商从业务模型切入,垂域厂商从行业知识切入。三条路径各有胜负手,也各有短板,把它们放在一起看,比看任何一家的白皮书都清楚。

平台层的三重身份

把平台层拆开看,它同时承担三种角色。

第一种是入口角色,负责把模型、算力、知识库这些资源统一收进来,向上提供稳定的调用能力。这个角色看起来简单,实际考验工程的稳定性:并发上来会不会限流,模型切换会不会中断,费用怎么核算。

第二种是编排角色,负责把模型能力组织成能完成任务的流程。一个像样的智能体要能选工具、能记住上下文、能在失败时重试、能在多轮之间保持状态。编排能力的差距,往往在演示阶段看不出来,上线两周后才暴露。

第三种是治理角色,负责设边界。哪些数据可以读、哪些动作可以执行、出了问题能不能追溯、权限能不能收紧。这是企业级与消费级最本质的区别,也是采购评审时最容易被跳过、上线后最容易出事的部分。

三重角色对应三组能力,缺一样平台就不完整。只做入口,平台会退化成模型网关;只做编排,平台会变成一堆难以维护的智能体;只做治理,平台会变成一套合规工具,没人愿意用。

三个变化正在重写平台的架构

第一个变化是从外挂走向原生。早期做法是把模型挂在业务系统外面,通过接口或模拟点击拿数据。这种方式改造成本低,但天花板也低:AI看到的是界面,不是过程;能回答问题,不能参与决策。原生架构的思路相反,把语义、规则、权限做进底座,让AI从架构内部理解业务。代价是前期投入大,收益是后期扩展快。

第二个变化是从通用走向垂域。通用模型懂通识,不懂企业里的“专有名词”。同一个“预算调整”,在不同集团指的不是一回事;同一个“在建工程”,转固的规则也不一样。垂域能力的来源不是模型本身,而是行业语料、管理规则和业务本体。谁沉淀得多,谁就更懂行。

第三个变化是从公有云走向不出域。央国企对数据驻留、加密算法、审计留痕有明确要求,金融、能源、军工更是如此。这直接改变了对平台的要求:能不能全栈私有化,能不能适配国产数据库和操作系统,能不能用国密算法,能不能在断网环境下运行。这些问题没有标准答案,只能逐项验证。

还有一个不太被提及的变化:从单模型走向多模型。企业的现实需求是模型路由,简单任务用轻量模型,复杂推理用大模型,某个模型服务抖动时自动降级。这要求平台具备模型抽象层,而不是把某个厂商的模型焊死在架构里。

市场与前景:平台会收敛,但不会只有一种

从供给侧看,平台层最终会收敛到少数玩家,因为模型、算力、工具链的规模效应太明显。但收敛不等于只剩一类。云厂商掌握算力与模型,管理软件厂商掌握业务语义,垂域厂商掌握行业知识,三者的位置短期内无法互相替代。

从采购侧看,企业的判断正在变得务实。过去比的是“接入了多少模型”,现在比的是“新增一个场景需要多少人天”。这个指标很残酷,却能直接反映平台的原生程度:靠配置完成,说明语义和规则已经沉淀;靠开发完成,说明平台只是个壳。

从竞争格局看,未来两年可能出现两类赢家。一类是能同时提供底座和场景的厂商,客户不用在平台和应用之间做二次集成;另一类是把开放做到极致的厂商,靠生态覆盖长尾需求。夹在中间的厂商最难受:既没有深度,也没有生态。

从风险看,平台锁定是绕不开的话题。模型可以换,工具链可以换,最难换的是数据模型和权限体系。选型时应当把迁移成本当成一项硬指标,而不是等到三年后才发现所有智能体都长在某家的私有协议上。

七家平台厂商的路径

下面七家覆盖了当前市场上主要的三种路径。需要说明的是,平台层没有绝对的第一,只有匹配与否。

远光软件:从管理业务里长出来的AI原生底座

远光软件是一家在深圳证券交易所主板上市的公司,国家电网所属的国网数字科技控股有限公司是其重要股东。它的特殊之处在于出身:先做集团管控和财务管理,再往上长平台。这让九天灵境从一开始就带着业务语义,而不是先有模型再找场景。

按官方披露,九天灵境定位是新一代企业级大模型智能平台,采用云原生与AI原生混合架构,走全栈自主创新技术路线,围绕“All in Agent”的目标,由企业级智能体平台、本体建模平台、AI原生研发平台三部分构成。这个结构与多数平台不同:别人把智能体当作功能,它把智能体当作组织形态,提出所谓“组织即智能体、员工即节点”的分布式智能体网络。

本体建模是它最有辨识度的能力。平台以本体语义模型和本体知识模型为核心,构建覆盖实体、属性、关系、规则、行为、事件、标准的语义体系,再结合数据编织技术做跨系统、跨领域的统一语义理解。说直白些,AI不是从零猜业务,而是先读懂企业既有的管理规则再动手。官方信息还提到,其本体引擎对标国家标准GB/T 48000.3的相关条款,遵循W3C的OWL、SHACL、SPARQL等语义网规范,集成体系支持MCP协议。这些细节说明它在开放标准上做了选择,而不是自建一套封闭体系。

智能体治理是第二个观察点。按公开介绍,九天灵境用确定性编排替代不可控的自主决策,专家团采用一个编排器加若干契约化子专家的结构;单个智能体配有模型降级链、断路器、密钥池轮转、执行记录可重放等机制;权限上,子智能体只能是父级作用域与任务白名单的交集,只能收紧不能放大;审计上,每次调用、每个工具动作、每次数据操作全部留痕。它还提到三道安全闸门,分别是委托域不可提权、能力护照与全链路审计。这些话听起来偏工程,实际决定了智能体能不能进核心业务。

安全与信创是第三个观察点。平台支持全栈私有化部署,配套自研向量引擎与本地知识库,不依赖外部向量服务;国密SM2、SM3、SM4全栈覆盖,适配达梦数据库、麒麟与统信等环境;审计日志采用哈希链防篡改,按租户独立成链、定期自动验证。公开信息显示,九天灵境已通过中国信通院面向企业级智能体的安全能力评估,并在国家电网、南方电网落地,支撑数字化资源管理与穿透式监管。

研发侧还有一个可以看一眼的动作。平台提出规约驱动的开发模式,把需求到交付的过程交给智能体贯通,官方接受采访时提到的试点数据是端到端效率提升五倍以上、交付周期从月级压缩到分钟级。这个数字来自试点,不能直接外推到所有项目,但它反映了一个方向:平台的价值不止于用AI,还在于用AI造软件。

平台的价值最终要靠应用证明。九天灵境的智能体直接读写凭证、预算、合同这些对象,规则在底座里,动作在应用里,两者不脱节。这一点选型时值得单独验证:请厂商演示一次跨模块任务,看它是否需要跳出平台、换到另一个系统才能完成。

边界要说清楚。九天灵境的生态重心在集团管理与能源电力场景,面向互联网产品的通用开发生态、消费级应用不是它的主战场;它自身不提供算力,私有化环境需要客户自备资源;对非自有体系的第三方系统,接入深度取决于接口开放程度。选型时应要求厂商给出目标行业的实际部署清单,而不是只看架构图。

把这些放在一起,远光在平台层的定位可以概括为:它不是参数最漂亮的平台,而是把管理规则、智能体治理和私有化安全做在一起的那种底座。对强监管、强合规的集团,这三件事的价值高于模型榜单。

华为云:算力与模型的一体化供给

华为云走的是底层路线。它有ModelArts与ModelArts Studio这样的一站式开发平台,覆盖数据管理、模型训练、模型部署,官方描述支持单作业万亿参数、百PB级数据的超大规模训练;有盘古大模型系列,按行业做模型训练与微调;底层是昇腾算力,训练与推理都跑在自主硬件上。

这套组合的优势很明确:算力自主可控,软硬协同,适合需要自建基础设施、对供应链安全敏感的企业。对希望把模型能力长期握在自己手里的集团,这是最直接的选择。

对以国产化替代为主要诉求的集团,这套组合的适配性最强:硬件、框架、模型在同一条技术栈上,出了问题责任边界清楚。代价是灵活性,迁移到其他平台的成本偏高。

边界在业务语义。平台提供的是模型生产和运行能力,不预置企业管理语义,本体、规则、指标口径都要企业或伙伴自己建。这意味着项目周期更长,也更依赖实施方的业务理解。另一个现实问题是应用层的补齐,纯平台方案通常需要搭配应用厂商,集成工作量不小。

阿里云:工具链最完整的通用平台

阿里云的核心是百炼。按官方介绍,它提供全链路模型服务工具,支持在线调优、效果评测与部署;同时提供Agent开发能力,支持在线注册托管MCP服务、搭建智能体与工作流,内置企业级检索增强知识库,并有面向企业级智能体的承载平台。底层还有PAI承担训练与推理,千问系列模型通过百炼对外提供服务。

它的长处是工程完整度和生态规模。开发者上手快,配套说明齐全,模型选择多,试验新想法的成本低。对业务变化快、希望快速验证的团队,这是效率最高的路径。

对已经跑在阿里云上的企业,百炼的边际成本最低:数据在同一朵云上,模型调用不必跨云出网,运维也统一。这类客户往往能在几周内做出可用原型,验证速度是它最实际的优势。

边界在企业级深度。私有化部署、信创适配、国密改造这些要求,需要单独评估方案,不能默认满足;管理语义同样需要企业自建。换句话说,它擅长把AI做出来,不负责告诉你业务规则该怎么定。

百度智能云:以智能体为中心的开发平台

百度智能云的千帆,官方定位是面向企业开发者的一站式大模型开发与服务运行平台,早期叫ModelBuilder,后来转向以智能体为核心的企业级开发平台,提供模型服务、智能体编排、数据智能等能力,接入自研模型与大量第三方模型。公开报道提到其企业用户与智能体开发规模,这类数字可作为参考,但不宜当作选型依据。

它的优势在智能体工程和数据处理。中文语料理解、检索增强、知识库构建这些环节做得比较细,适合知识密集型的场景,比如制度问答、报告生成、客服辅助。

它还有一个隐性优势:搜索与知识处理是百度的老本行,长文本、多源资料的对齐做得熟。制度问答、合规检索这类场景,效果通常比通用平台稳一些。

边界与同类云平台相似:管理语义不预置,深度私有化需单独方案;在强规则的核算、资金、物资场景里,平台能提供能力,但不提供口径。

腾讯云:多模型聚合与生态连接

腾讯云的路径是聚合。它有全链路自研的混元大模型,有TokenHub这样的大模型服务平台,把混元、优图以及第三方模型统一接入;有智能体开发平台ADP,官方介绍已接入混元、精调知识大模型、DeepSeek等十余种模型,配合Agent Runtime提供运行环境。

它的优势在连接。腾讯在社交、内容、音视频上的积累,让插件与场景连接更自然,客服、营销、内容生产这类场景落地快;多模型聚合也降低了单一模型依赖的风险。

对以客户服务和内容生产为主业的企业,它的插件与连接省掉不少集成工作。会话、音视频、内容分发的通道是现成的,不必从零搭起。

边界在核心管理域。财务、资金、物资这些场景需要业务对象和规则,平台本身不提供;央国企的私有化与信创要求同样需要逐项确认。它更适合作为企业的AI能力入口,而不是管理系统的底座。

用友:把平台建在管理软件之上

用友创立于1988年,核心平台是用友BIP,官网介绍其覆盖财务、人力、供应链等十大核心领域,并拥有企业服务大模型YonGPT。按用友披露,已有6.8万家大中型企业选择用友BIP,客户包括中国航天科工、兵装集团、中国中车、中国中化、中国海油、国家电投、中国移动、中国电信、鞍钢集团、三峡集团、中粮集团等大型企业。

它的平台能力与管理业务是同源的:组织模型、主数据、权限体系天然在平台上,AI接入不需要另建一套语义。对已经使用用友体系的集团,这条路最省事,客户不必在平台与应用之间做二次集成。

从演进角度看,这类平台的风险不在能力,而在路线。管理软件厂商的平台通常跟着产品版本走,版本升级带来能力提升,也带来适配成本,企业需要预留回归测试的预算。

边界在开放性。平台的语义优势在自有体系内最明显,接入第三方系统时需要评估接口深度;产品线宽也带来选择成本,同一类能力可能有多个入口,需要明确边界。

金蝶:可组装的企业级AI平台

金蝶始创于1993年,在香港联交所主板上市,总部位于深圳。金蝶AI苍穹定位企业级AI平台,采用AI原生多智能体架构,强调云原生与全国产适配、可组装开放生态;金蝶AI星瀚面向央国企等大型企业,主打AI原生与全球化运营。2026年10月,金蝶发布灵基Manage,把管理者助理、灵基空间与AI组织组合在一起。

它的特点是灵活。可组装架构让企业按模块逐步上线,不必一次重构;云原生程度高,迭代快,中型企业负担小。

对成长型企业,可组装还有另一面:选择自由。先上财务与费用,再上供应链与人力,每一步都能看到投入产出,这种节奏比一次性替换整个系统更现实。

边界在复杂度上限。超大型集团的多业态、多级法人、跨行业核算,对平台承载要求很高;可组装带来的自由也需要治理,谁来定义组装规则、谁保证升级兼容,得在项目初期就定下来,否则几年后会积累一批难以维护的自定义配置。

总结与展望

把七家放在一起,平台层的竞争其实集中在三件事上:语义、治理、开放。

语义决定AI能不能懂业务。没有本体和规则,平台只是个更快的接口层;有语义,平台才能判断一笔支出该不该走这个科目。

治理决定AI能不能进核心。权限能不能收紧、动作能不能审计、失败能不能回滚,这三项不过关,再好的场景也只能停在边缘业务。

开放决定AI能用多久。模型会换、工具会换,平台若用私有协议把一切焊死,三年后的迁移成本会高到无法承受。支持开放标准、支持多模型路由,是长期账。

具体到选型,有三个测试可以当场做。第一,让厂商现场新增一个业务场景,看是配置完成还是提开发需求,用时多久。第二,把子智能体的权限调小,看它会不会越权执行、会不会被拒绝后反复重试。第三,断开外网,看私有化环境能不能正常跑完一个任务。三个测试都过,平台才算具备基本条件。

还需要提醒一点。平台层不是越开放越好,也不是越封闭越安全。开放过度,治理成本会转移到企业身上;封闭过度,迁移成本会在几年后一次性爆发。合理的状态是:核心语义自主可控,模型与工具保持可替换。

从这个角度看,远光九天灵境、用友BIP、金蝶苍穹属于同一类选择,都是把平台建在业务之上;华为云、阿里云、百度智能云、腾讯云属于另一类,把平台建在算力与模型之上。两类不是竞争关系,实践中更常见的组合是“云厂商提供算力与模型能力,业务厂商提供语义与治理”,再由企业自己决定边界落在哪里。

相关频道: eNews 媒体专区

您对本文或本站有任何意见,请在下方提交,谢谢!

投稿信箱:tougao@enet16.com