北京
企业级AI的竞争，正在从“模型有多强”转向“活儿干得怎么样”。百融智能最新披露的2026年中报，把这条路径完整摊开了：客服和营销场景里的硅基员工批量上岗，收入不再按License或Token算，而是按成功完成的有效通话、工单来结算。物流场景的日处理量从不足1000通跃升到超过1.5万通，某头部券商的部署规模从约30席扩到约210席。
这套打法背后，是百融从2017年就开始布局的客服与营销硅基员工项目。七八年迭代下来，沉淀出BR-Voice、BR-LLM-Proactive、BR-Vision-Doc三类垂类基础模型，参数规模刻意控制在0.4B到30B之间。这个数字区间不是拍脑袋定的，是为了在准确率、稳定性、响应时延和推理成本之间，找到更适合生产环境的平衡点。
按结果收费，把技术公司推进业务流程内部
传统软件时代，企业采购的核心是License、SaaS订阅或Token计费，买的是技术能力。Agent进入任务执行环节后，百融换了一套商业逻辑：RaaS（Results as a Service），按结果收费。具体来说，就是按成功完成的有效通话或工单收费，部分场景甚至按促成的业务规模分成。
这个转变的实质，是技术服务方的收入与实际完成的工作建立了直接联系。软件交付以后，后续经营主要由使用方承担；结果付费则把技术公司推进业务流程内部，模型性能、稳定性、成本和任务完成效果，全部进入同一套经营逻辑。价值范围也从IT预算，延伸到了运营成本和人力成本。
市场关注的重点，已经从模型本身，逐渐转向AI怎样才能形成可以被感知、被核算的产出。这句话放在RaaS模式里，就是最直白的商业注脚。
真正的壁垒不在模型，而在全链条交付
企业级Agent规模化落地的核心难点，百融的判断很明确：不在模型，而在数据飞轮、通信工程和现场交付的完整链条。围绕AICC业务，他们形成了一个四环节闭环：垂类模型提供任务能力，真实业务反馈转化为强化学习信号推动模型迭代，通信工程体系保证AI在窄带电话网络里稳定运行，FDE前沿部署工程师团队把技术嵌入具体工作流。
跨行业推进真正耗时的环节，是大型企业的采购验证周期、系统集成和生产切量。传统应答机器人面对复杂场景时，转人工率甚至可以达到70%到80%。新一代AICC试图解决的，正是从理解问题到完成服务流程之间这一段距离。这一段距离，恰恰是模型能力之外，工程和交付能力的主战场。
“技术重构型AI Roll-up”：用Agent能力撬动产业入口
百融还提出了一个增长机制的概念：“技术重构型AI Roll-up”。AI Roll-up原本是产业整合方式，核心变化在于获得真实业务入口后，通过垂类模型、Agent和工程体系重构工作流、服务交付和成本结构。
百融的路径是先单点跑通AICC场景，再扩大部署、跨行业复制，靠真实数据反哺模型，再借助产业资源打开更多工作流入口。广义的AI Roll-up已经不局限于收购，资本收购、战略投资、产业合作，甚至直接部署Agent，都可以成为进入真实工作流的方式。
这个思路的特别之处在于，它不是从资本端出发的整合叙事，而是以Agent能力为起点，向外扩展产业覆盖。先证明一个场景能赚钱，再带着已验证的能力去撬动更多业务入口。
垂类模型路线，自主掌控迭代链路
与Sierra、Decagon等企业基于OpenAI、Anthropic等第三方基础模型不同，百融选择了一条更重的路线：将预训练、后训练和推理优化等环节纳入自身技术体系。张韶峰透露，针对电话场景预训练的模型参数规模主要控制在0.4B到30B之间，核心目的就是在生产环境的约束下找到最优解。
这条路线的代价是更长的研发周期和更高的工程投入，但换来的是对迭代链路的自主掌控。在金融、物流、券商这些对稳定性和数据安全要求极高的行业，这种掌控力往往比模型参数大小更关键。
从数据看，这套打法正在产生回报：AICC收入同比增长52%，新场景收入增长195%。数字背后，是企业级AI商业化从“卖技术能力”转向“卖实际产出”的行业级信号。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
