百融智能张韶峰
10 月 20 日，前海开源基金 2026 年度投资策略峰会主题演讲，张韶峰把一句话放在了整场演讲的最前面：AI 已经从辅助工具，跃迁为企业新的生产力。10 月 23 日，他亲临峰会现场，把同一套判断讲给在场的投资机构负责人与产业界嘉宾。 ⚡ 01 AI 正在成为企业新的生产力 从辅助工具 · 跃迁为生产力 推理、多模态、工具调用、长流程执行能力依次突破，AI 的使用方式随之改变：过去企业用 AI 做数据分析与辅助决策，现在开始让 AI 承接具体任务、操作真实系统、交付业务结果。「AI 已从辅助工具，跃迁为企业新的生产力（以 Agent 形式落地）」企业端的反应随之改变——不再为席位和许可付费，而是为结果付费；AI 支出从 IT 预算延伸到运营成本与人力成本池。演讲中他引用美联储 FRED 数据：2025 年美国雇员报酬规模约 16 万亿美元，AI 可以触达的价值空间，比传统软件预算大出一个量级。 他在会上澄清了三处容易被混为一谈的概念： · AI 不等于大模型——生成式 AI 与决策式 AI 共同构成 AI 的完整版图。 · 大模型不等于智能体——企业级 Agent 还需要规划、工具、记忆与执行等系统能力。 · 有了强模型，也不等于做得出企业级 Agent——决定成败的是打通「前 99 公里」之后的「最后 1 公里」执行能力。 ⚠️ 会上澄清 · 三处易混概念 AI ≠ 大模型 生成式 AI + 决策式 AI = AI 完整版图 大模型 ≠ 智能体 企业级 Agent 还需要规划 · 工具 · 记忆 · 执行 强模型 ≠ 企业级 Agent 成败在打通前 99 公里后的最后 1 公里 🔄 02 AI Roll-up：用 AI 重构交付的产业组织方式 三段演进 · 5 亿产业基金 这是本次演讲中最具标识度的概念。张韶峰把产业组织方式的演进分成三段：传统 Roll-up 是并购整合加规模效应；AI Roll-up 是并购整合加 AI 重构交付；广义 AI Roll-up 不局限于并购，关键看 AI 有没有真正进入运营，并对效率、质量、产能和单位经济产生影响。他的判断标准很直接——判断一家企业是不是 AI Roll-up，关键不在于有没有完成收购。 北美的路径是「资本控制权 + AI 工程改造」，中国更多是客户侧有机部署或投资并购后整合，共同本质都是把 AI 延伸到真实工作流与交付。对百融而言还有另一层含义：不靠收购也能完成技术与产能的重构——10 月 15 日公司公告，与中金资本等共同发起设立初始规模 5 亿元的产业基金，投向覆盖 AI、底层算力、先进制造与智能硬件。 🧱 03 通用大模型不会通吃一切，产业将形成三层分工 Anthropic 份额 12%→24%→40% 张韶峰用 Anthropic说明这个共识正在松动——它早期在市场影响力和规模上都明显小于 OpenAI，但把资源集中在一个足够重要的专业方向（编程），最终形成优势。Menlo Ventures 估算，Anthropic 在企业级 LLM API 支出中的份额从 2023 年的 12%，升至 2024 年的 24%，再到 2026 年 6 月的 40%；垂类 AI 市场规模 2025 年约 35 亿美元，接近 2024 年的三倍。由此形成三层分工：通用大模型提供通用能力，垂类基础大模型解决专业任务，企业级 Agent 进入生产系统交付结果。垂类模型与企业级 Agent 必须放在一家公司，才可能形成「业务落地 → 数据积累 → 反哺模型 → 模型优化」的闭环——真实业务运行中的正负反馈，是通用合成数据无法模拟的。 🧱 产业三层分工 ① 通用大模型 提供通用能力 ② 垂类基础大模型 解决专业任务 ③ 企业级 Agent 进入生产系统 · 交付结果 Anthropic 企业级 LLM API 支出份额 🎯 04 AICC：企业级 Agent 进入生产系统的主战场 1.66 亿 +52% · 最后 1 公里 在百融智能内部，AICC（智能联络）被定位为这一体化的主战场，理由有三条：企业需求广泛存在；商业价值容易衡量，企业可以直接比较人工坐席与客服 Agent 在成本、效率、服务质量与处理量上的差异；从对话走向任务闭环，Agent 不只理解问题，还要调用知识库与业务系统，完成查询、登记、处理、系统回写与结果反馈。 它也是公司增长最快的业务板块。2026 年上半年，AICC 业务收入 1.66 亿元、同比增长 52%，其中面向物流、券商、银行、运营商、车险等新场景的收入 1,126 万元，同比增长 195%。 AICC 的能力底子来自 AI 决策业务十年里的高标准交付。三样东西构成了它跨行业复制的起点：不可合成的真实业务数据、在最严合规标准下打磨出的交付体系，以及把人工流程翻译成 AI 工作流的现场能力。 新一代 AICC 正在由「相对简单的呼出」走向「复杂呼入」——用户主动提问、内容与情绪无法预设，需要实时理解意图、保持多轮上下文、调用知识库与业务系统。它由语音多模态模型、主动引导式对话模型与企业级 Agent 共同支撑，从「能够自然对话」走向「能按业务流程完成生产级任务」。 目前百融智能已自研三大垂类基础大模型：BR-Voice（语音多模态）、BR-LLM-Proactive（主动引导式对话）、BR-Vision-Doc（文档理解）。支撑它们的是五层能力叠加——真实业务数据飞轮、真实通话环境优化、完整通信工程体系，以及 FDE（前线部署工程师）团队的现场交付。 🧠 三大自研垂类基础大模型 BR-Voice 语音多模态 BR-LLM-Proactive 主动引导式对话 BR-Vision-Doc 文档理解 五层能力叠加 真实业务数据飞轮 · 真实通话环境优化 现场交付具体怎么做？FDE 团队进入客户现场，先梳理业务需求、操作规则与系统环境，把人工流程转化为 AI 工作流，从用户交互、任务处理到系统回写和结果交付形成闭环，上线后依据实际运行效果持续迭代。 评测方面，在语音助手公开评测基准 VoiceBench 中，百融语音理解与推理模型 BR-Voice-Reasoner 综合得分 90.46 分，位列当前公开榜单第二；在 MLC-SLM 2026 Challenge（INTERSPEECH 2026 卫星挑战赛）多语种对话语音理解任务中位列全球第三，覆盖 14 种语言、约 2,100 小时真实对话。 落地已经出现在公开数据里。物流场景，7 月完成落地的标杆客户，硅基客服日通话处理量从上线初期不足 1,000 通，攀升至 8 月底的单日超 1.5 万通；券商场景，截至 8 月已签约及处于合同流程中的客户达 13 家，某头部券商的硅基客服部署规模从年初约 30 席扩容至约 210 席。同一套 AICC 能力底座，正在航空、银行、运营商等行业复用。 商业模式上，百融智能采用 RaaS（Result as a Service，结果即服务）：按成功完成的工作量计价，按实际上线的 Agent 规模计价，或按由 Agent 促成的业务规模分润。「按结果付费的模式，不是单纯销售 AI 工具，而是通过 Agent 承接具体工作并交付业务结果。」张韶峰说，这也是「技术重构型 AI Roll-up」路径在商业上的体现。 客服之外，同一套语音能力也在服务企业内部。百融的百销产品把客户沟通、门店晨会、销售拜访中的声音记录转写为结构化信息：某餐饮连锁集团 400 余家分店的经营洞察由此生成，总部不再依赖逐级汇报；某制造业一线销售团队用拜访报告沉淀客户需求与优秀话术。从语音交互的 AI 服务，到面对面沟通的 AI 赋能——同一套技术底座在企业内部的第二重价值。 从「会分析」到「能干活」，是这场演讲留给企业采购方最实际的一句话：判断一套 AI 方案值不值得买，不再看它会什么，而看它交付了什么。百融智能在 AICC 领域的实践，给出的正是一个可以对照的样本。亮相前海开源策略峰会——
企业级AI规模化路径：
从“会分析”到“能干活”
12% → 24% → 40% （2023 → 2024 → 2026.6）
完整通信工程体系 · FDE 现场交付 · 跨行业复用
