全球AI竞赛转向“劳动力”，百融智能给出“中国样本”

国庆假期刚过，全球企业级AI市场便接连释放出新的信号。

10月8日，Google Cloud推出面向工作场景的AI智能体，可以规划任务、调用工具、连接企业业务系统，并在文档、邮件和开发环境中交付工作成果。10月12日，HCLTech与Anthropic宣布合作，推动Agentic AI进入企业，同时将安全、网络防护与治理列为落地重点。

这些动作共同指向一个变化：全球AI产业的价值坐标正在发生位移，模型能力依然是基础，但企业真正关心的，是AI能否真正对企业的业务赋能。

国内市场上，率先提出"硅碳共治"生产力体系的百融智能（6608.HK），将"硅基员工"作为十余年企业级AI实践的核心载体，并围绕"岗位导向、协同进化、结果计价"，构建起覆盖智能体开发、运行、管理与价值衡量的企业级智能体体系。

正如百融智能创始人、CEO张韶峰所言，"模型从来不是终点"。只有把模型嵌入工作流，与企业知识、业务系统、服务规范和绩效标准连接起来，AI才可能从技术工具转化为组织生产力。

企业级AI进入"交付期"

百融智能将由岗位职责驱动，能够理解业务目标，端到端完成任务，并对可衡量结果负责的企业级AI Agent定义为"硅基员工"。

与传统智能助手相比，硅基员工的区别不只是回答得更加准确，而是能够进入具体岗位，形成"接任务、调系统、跑流程、交结果"的业务闭环。它不再是等待人类逐步发出指令的外挂式工具，而是在明确的权限与规则之内，持续承担一组相对完整的岗位职责。

这意味着，企业部署AI的对象正在发生改变。过去企业采购的是一套系统或者一项功能，员工操作软件并承担最终交付。未来企业可能部署一支由不同智能体组成的AI劳动力，让它们分别承担客服、营销、运营、风控、审核、财务、法务和招聘等工作。

截至目前，百融智能已落地超过20万个硅基员工，覆盖500余类岗位，累计服务超过8000家机构。在公司内部，硅基员工与碳基员工的比例已经超过165∶1。"硅碳比"衡量的是AI在组织工作负载中的参与程度，以及一名人类员工能够训练、调度和管理多少数字生产力。

结果云承接"AI劳动力"规模化落地

让一个智能体完成演示并不困难，真正的挑战是让成百上千个智能体进入生产环境后，仍然能够稳定运行并交付结果。

为解决这一问题，百融智能构建了以Results Cloud"结果云"为核心的企业级AI生产力体系。这一体系由AI基础设施、智能体操作系统和智能体商店组成，覆盖硅基员工的构建、运行、分发、评估、进化与价值计量。

其中，底层"百基"提供模型、算力和推理等基础能力；中层"百工AgentOS"负责多智能体编排、任务协同、治理与审计；上层"百汇Agent Store"沉淀不同岗位和行业的智能体，使企业能够根据业务需求快速部署、持续运营。结果云要解决的正是智能体落地企业之所需：快速上岗、稳定履职并根据真实业务反馈持续进化。

而 AICC（智能联络中心），是这套体系较早完成规模化验证的场景之一。客服工作交互频次高、业务体量大，流程与服务指标相对清晰——首解率、平均处理时长、满意度，每一通电话都是一次当场打分，做得好不好，很快就能被检验出来。

但也正因为身处真实服务一线，AICC 面对的是最难的输入：口音、方言、情绪、抢话打断、信息缺失、诉求中途改变……用户不会按流程说话。这让 AICC 成为检验模型理解力、工程稳定性与业务衔接深度的"压力场"，也让硅基员工在这里较早被真正用起来。

百融智能面向企业联络中心打造的 Agentic 客服——"百服"，正是这样能相对独立承担完整服务任务的硅基员工体系：以自然语音为交互入口，深度连接企业业务系统，在同一通对话中完成意图识别、多任务协同、业务办理、结果回写与合规留痕。语音由此不再只是人机交互的入口，而成为硅基员工承接服务任务、获取业务反馈的重要通道。

百融智能2026年中期报告显示，上半年公司AICC业务收入达到1.66亿元，同比增长52%；其中，面向物流、券商等行业的新场景业务收入同比增长195%。

RaaS重构企业级AI的商业逻辑

劳动力主体的变化，正在推动商业模式的调整。

传统软件通常按照系统、模块或席位收费，供应商交付的是软件使用权。进入智能体时代后，AI开始具备相对完整的任务执行能力，其工作过程和交付结果也可以被记录、验收和计量，技术服务商因此有条件从交付工具进一步走向交付工作。

基于这一变化，百融智能提出RaaS（Result as a Service，结果即服务）模式。对于交付物清晰、可以逐件验收的工作，可以按完成的任务计价；对于需要持续在线、稳定承担一组职责的场景，可以按岗位计价；对于与增收、降本或业务指标提升直接相关的工作，则可以按照创造的价值进行结算。

RaaS重新对齐了AI供应商与客户之间的利益。相应地，评价一家企业级AI公司的商业质量，也不能只看模型参数、智能体数量或签约客户规模，还需要关注任务闭环率、单位交付成本、客户扩容与续用情况，以及业务规模扩大后的单位经济模型。技术能力只有转化为可持续、可复制的经营结果，才真正形成商业壁垒。

如果说RaaS是在商业模式层面让AI对结果负责，那么AI Roll-Up则是在资本和经营层面将这种责任进一步向前推进。

从商业逻辑看，无论是RaaS还是AI Roll-Up，都说明AI所触达的价值空间正在扩大：它争夺的不再只是企业的IT预算，而是开始进入规模更大的运营支出、专业服务与劳动力配置体系。

当行业关注的问题从AI能够做什么转向AI实际完成了什么，企业级AI才真正进入价值兑现阶段，相应的，一个全新的产业变革之门正在徐徐展开。

内容仅供参考，不作为任何投资建议。