編輯｜Youli

從年初開始，圍繞著 2025 年將是「大模型落地應用元年」「AI Agent 元年」的共識，業界開始了大規模持續探索。

如今臨近年尾，回過頭來看，從高度標準化的客服對話、代碼生成到流程化文檔處理，Agent 在越來越多的企業中成功完成從概念驗證到初步部署的落地實踐。這不僅證明了技術的可行性，也展現了 AI 在提升效率、優化流程的價值所在。

然而，完成「從 0 到 1」的驗證只是開始，難的是「從 1 到 100」，大多數 Agent 能在企業中「跑」起來，卻不像 Demo 展示的那樣驚艷，或者僅僅停留在 Demo 階段，無法真正進入企業業務主流程，AI 的大規模落地仍然是「紙上談兵」。

當然，原因是方方面面的，但如果仔細看，在諸多技術性與工程性挑戰的背后，隱藏著一個更為根本的結構性矛盾：AI 解決方案提供商與企業客戶之間的「激勵不相容」。

如何理解？

「激勵相容」這一概念由美籍俄羅斯裔經濟學家列昂尼德?赫維茲于 1960 年首次提出，之后經過幾番完善，這一理論原則逐漸成型，核心在于設計一種機制，使得參與者追求個人利益最大化的同時，恰好也能實現機制設計者的目標最大化。2007 年，列昂尼德?赫維茲憑借這一理論獲得諾貝爾經濟學獎。

按照這一原則來理解就是，AI 解決方案提供商與企業客戶雙方的目標和利益不完全一致。絕大多數時候，AI 廠商賣的是 Token 數量、訂閱、賬號（工具），企業客戶買回去之后用得好不好，能否帶來實際價值，前者并不直接負責。但對于企業來說，付錢購買 AI 產品的根本訴求是解決問題，帶來收益「生產力」。

于是，本質上在售賣工具的 AI 廠商與只想為業務結果買單的企業客戶之間利益關系的「錯位」，使得雙方在同一條賽道上卻踩著不同節奏跑 ——AI 廠商賣出「鏟子」就完成了任務，而客戶能不能挖到「金子」，AI 廠商并不負責。結果就是，Agent 的應用依舊停留在「工具」階段，AI 的落地也是落在表面甚至邊緣場景，難以進入企業的真正生命線。

基于此，破局的關鍵在于重塑 AI 廠商與企業客戶的商業契約，AI 廠商不再僅提供冷冰冰的工具，而是直接交付具備執行能力的「硅基員工」（勞動力），企業客戶也不再為軟件的使用權限付費，而是直接為可衡量的業務成果（如成交額、回款率、招聘人數）付費。

當 AI 廠商的收入直接取決于其所提供的「硅基員工」能否在企業那里干出業績時，兩者之間便形成了一種全新的「激勵相容」機制，雙方圍繞業務成效形成價值共同體。而這也正是大模型落地應用走向深水區的一關鍵變量。

正如年初紅杉資本帕特?格拉迪所言：AI 正在從「賣軟件」進化為「賣成果」。

而圍繞這一新模式，國內外很多 AI 廠商開始進行探索，「硅基員工」已經在部分行業里面「跑」起來了……

百融云創就是其中一個探索者。

12 月 18 日，百融云創正式發布企業級 AI Agent 戰略，明確提出 RaaS（Result as a Service，結果即服務） 商業模式，并推出 Results Cloud（結果云） 與面向多業務崗位的企業級 Agent 產品體系。

同時，百融云創宣布與產業伙伴共建「硅基生產力生態」，加速「硅基員工」在營銷、客服、人力、法務等高價值崗位規?；蠉彙?/p>

百融云創創始人兼 CEO 張韶峰表示：「企業級 AI 的下一站，不是更會說，而是更能做；不是交付一個功能，而是交付一個結果。」RaaS 將使得企業真正把 AI 變成生產力：面向崗位、端到端執行、可衡量交付、可審計留痕，真正做到對結果負責。

底氣，來源于技術的「確定性」與「成熟度」

百融云創成立于 2014 年，自成立之日起便聚焦于用 AI 技術解決行業具體問題。

2014 年，率先讓決策式 AI 模型在高風險金融場景落地，解決了風險控制難題；2017 年，自研語音交互棧規模部署，開始在多行業營銷、客服前線，扛起企業獲客和經營增長的壓力；2023 年，推出多模態基礎模型 BR-LLM/BR-VLM，疊加行業專屬模型和企業級 AgentOS，讓一批批「硅基員工」在千行百業穩定交付關鍵經營指標……

可以說，一路走來，百融云創一直在按照自己的節奏，將 AI 技術應用于解決行業具體問題，而試著將 AI 由「工具」推向「員工」角色，也是百融云創基于多年在行業場景中的打磨與實戰經驗，對于 AI 技術發展的思考。

百融云創技術負責人告訴機器之心，其實早在 2023 年，當大模型引爆新一輪的 AI 浪潮時，他們就在思考大模型商業化的終局，尤其是經歷過上一輪以計算機視覺為主導的 AI 時代，AI 落地應用也曾呼聲很高，但最終曾淪為「項目」遍地，卻始終沒有「跑」出成功的模式，而在新時代，百融云創希望走出不一樣的路徑。

在百融云創看來，相較于以往 AI 工具的被動，大模型有三方面的特質：可以做擬人溝通；能夠很好地去處理非結構化數據的理解、推理；能夠做更為復雜、靈活、彈性工作流處理。

那么，只要定義好工作職責和邊界，大模型就能在某些場景中獨立完成端到端的結果交付。某種層面上來說，這就是一個員工所具備的能力，而現在「硅基員工」有了這樣的能力。

與之相對應，百融云創則根據「硅基員工」在企業產生的業務結果收取相應費用，對結果負責。例如，AI 完成一個有效的客戶邀約后，企業才會向百融云創支付相應費用。

因此，對于百融云創和企業客戶來說，一種新型的契約關系正在締結，但是這種關系的成立是有前提條件的：百融云創必須具備履行契約的能力，如果 AI 經常出現幻覺或反應遲鈍，那承諾「按結果付費」就等于「自殺」。

也就是說，新商業模式創新的背后，既然敢于和客戶簽署符合「激勵相容」原則的契約，要有確定、成熟的技術作為支撐。

而百融云創的自信源于其在三大關鍵技術維度的突破。

一是實現從「被動問答」到「主動引導」的范式升級。早期大模型往往比較被動，用戶問什么就答什么，但在真實的業務場景（如推薦和營銷）中，企業需要的是更為主動的員工，針對用戶對于產品的不了解和不信任，通過更為主動的交流和引導建立信任。

基于這一經驗和認知，百融云創自主研發了面向金融行業的主動大模型（BR-LLM），結合了大語言模型與強化學習技術，以及多年累積的大量高質量行業語料訓練，實現從「被動問答」到「主動引導」的范式升級，不只是回答問題，而是能圍繞業務目標主動推進任務，還能在用戶拒絕或猶豫時，主動引導話題以建立信任、促成成交。

二是消除幻覺，實現從「概率生成」到「決策優選」。對于主流的生成式 AI 來說，最大的 Bug 就是「幻覺」，而在金融這樣對合規性要求極高的行業，一句錯誤的承諾或違規話術，可能導致巨額罰款和信譽崩塌。

對此，百融云創采用了一種創新的「決策優選」范式，將回復機制從「生成」轉變為「選擇」，基于在金融行業「摸爬滾打」十余年累積的海量、高質、合規話術庫，通過策略網絡 + 價值網絡，智能決策出最優回復，從根本上消除 AI 幻覺，實現了回答的 100% 可控，為金融級應用筑起了安全防線。

三是交互層面響應速度在 200 毫秒以內，實現「真人級」體驗。在對時延要求極高的業務中，實時語音通話中的延遲往往是「致命」的，百融云創技術負責人表示，如果 AI 思考時間超過 500 毫秒，用戶能夠感到停頓，超過 800 毫秒就會感到明顯停頓，而如果超過 2 秒，用戶往往就會失去耐心直接掛斷。

因此，百融云創在主動大模型的基礎之上，為了進一步降低延遲，通過模型蒸餾技術將大模型壓縮至 7B、14B 級別，結合自研的多 GKV、MGG 等技術，實現了 200ms 實時語音交互，結果就是在實時語音通話中，幾乎無語氣停頓或響應遲滯，幾乎是「真人級」的語音交互體驗。

「硅基員工」的「上崗」實錄 —— 已在金融、運營商、零售等行業落地應用

如果技術只能在實驗室「跑分」，卻不能在真實業務場景里解決難題，那么落地應用根本無從談起。而百融云創的「硅基員工」早已走出實驗室，在多個行業正式「上崗」，并交出了不錯的成績單……

作為一家在金融行業深耕多年的科技公司，百融云創的「硅基員工」可以說就是從金融行業「跑」出來的，因此早已在金融場景入職，針對真實場景的具體問題，給出解法。

比如，頭部民營銀行有著百萬級長期休眠的低資產客戶群體，但由于人力成本過高等原因而無法兼顧得到，因此找到百融云創，希望借助大模型與多智能體，進行存款產品的智能營銷。而等到百融云創的「硅基員工」上崗后，通過深度解析客戶通話，精準識別意圖，自動生成對話文本與服務小結，同時依據客戶關注的收益率與流動性偏好，智能匹配存款產品并形成個性化營銷策略。

結果就是，該項目月均新增活躍客戶超 3000 人，累計帶來 4.6 億的 AUM（資產管理規模），其中 70% 的產能直接由「硅基員工」創造……

不止是金融領域，百融云創已將「硅基員工」的能力從金融行業復制到了更廣闊的領域，包括運營商、零售、政務、招聘等。

比如，某運營商在核心營銷與外呼流程中選擇與百融云創合作，而等到「硅基員工」化身營銷專員后，營銷活動策略生成與內容適配效率提升了近 300%，個性化覆蓋可實現千萬級用戶個體的實時需求分析。

數據顯示，有了「硅基員工」后，通過更精準的觸達與匹配，該運營商綜合營銷成本下降約 25%—35%。

在政務上，尤其是基層公共服務，往往面臨著「人少、事多、場景碎、復雜度高」等問題，以就業服務中心為例，其服務對象數量龐大、需求差異顯著，既有突發訴求需要即時響應，也有待持續跟進的長期對象，此外還存在政策調整、流程變化、崗位更迭等多種復雜因素，使得傳統方式難以及時、全面地惠及所有群眾。

基于此，西部某市就業服務中心選擇引入百融云創的「硅基員工」—— 一站式 AI 智慧就業服務系統，「硅基員工」不僅能廣域觸達、精準理解用戶需求，還能自動執行政務流轉。

數據顯示，「硅基員工」日均處理回訪數據達 700 條，累計成功完成就業情況回訪 1069 條；實際接通 841 條，接通率 78.67%，遠超傳統人工外呼水平；信息采集更加規范完整，為后續服務提供堅實數據基礎?？梢哉f，「硅基員工」的引入，為基層服務注入了新動能。

在招聘領域，在傳統方式下，面對每日高達數百萬次的求職者與崗位匹配需求，人工外呼模式根本無法負載，效率低下且難以實現高質量的崗位匹配。而「硅基員工」的入職，也正在為行業注入新活力。

比如，在與某招聘企業合作后，百融云創的「硅基員工」負責初步篩選海量企業是否有招聘需求、進行崗位匹配外呼、確認客戶合作意向并打標簽歸類，只有確定招聘意向后的環節才轉接人工進一步處理。這種人機協同的新模式，不僅優化了業務流程，也重新定義了招聘行業的生產力……

「硅基員工」正在重塑企業勞動力結構

從「硅基員工」在各行各業的落地實踐中不難看出，相較于以往「賣工具」的商業模式，「硅基員工」上崗后的「按效果收費」，對于 AI 廠商和企業客戶來說都是樂見其成的。

百融云創技術負責人告訴機器之心，傳統模式下雙方需要做很多的博弈，AI 廠商需要闡述產品的功能與價值，客戶需要考量采購之前的風險、帶來的 ROI 如何，論證的過程漫長、繁瑣、復雜。

新模式下，雙方立場一致，沒有了博弈過程，客戶也更為放心。但對于 AI 廠商來說，挑戰并沒有結束，為了保證「結果」，他們必須持續探索，形成技術與業務雙向強化的飛輪效應，持續證明價值。

這也正是百融云創接下來的工作重心。

一方面，持續跟進國內外大模型進展，優化行業專屬模型能力，目前百融云創正致力于研發 Training-Free（免訓練） 方案，通過將業務反饋中的經驗知識直接注入提示詞，實現 Agent 的在線自主持續進化，避免繁重的模型重訓。

另一方面，探索長程任務在企業的落地，從當下單一的 1 到 2 秒的短程交互，邁向 20 到 30 分鐘的相對復雜的長程任務處理，去解決企業中執行周期更長的任務或問題，比如輔助企業制定經營計劃等。

在百融云創技術負責人看來，相較于以往 AI 作為「工具」，輔助人類做翻譯、總結、查資料等工作，「硅基員工」的出現正在重塑企業勞動力結構，「碳基員工」與「硅基員工」之間的協作關系正在加深。

一個形象的說法是，當下「硅基員工」更多是充當「外包」角色，去做一些標準化、重復性強、低人力成本的工作，像是客服、初級營銷、招聘篩選等。而隨著技術進步、「外包」能力的增強與完善，「硅基員工」將逐漸走向中心，成為勞動力結構的重要組成部分，從單純的執行者向決策參與者躍遷。

而百融云創正沿著這一路線，朝著未來前進……