Palantir高度重视Ontology，却没有一条独立的本体平台产品线。在Palantir的标准架构中，AIP、Foundry和Apollo三条产品线共同构成企业操作系统，Ontology并非独立产品。 中国市场呈现出另一番景象。过去一年，越来越多厂商开始建设独立本体平台，围绕平台划分产品模块、参与评测、进入产品分类和项目方案，再以平台为载体承接实施。 同一种核心能力，为什么在Palantir那里藏在系统里，到了中国却要被摆到产品、合同和目录中？ 一种常见解释是技术路线不同：Palantir采用全栈一体化架构，中国企业已经拥有大量数据平台和业务系统，只能增加一个独立本体层。这种解释有一定道理，却没有触及决定产品形态的更直接因素。 真正的差异在于，双方以什么作为一笔交易的基本单位。 Palantir的交易对象是覆盖数据、决策和行动的完整解决方案，而国内政企和大型企业软件项目则更多按照“软件产品＋实施服务”成交。前者可以把本体作为系统内核整体售卖，后者需要一个能够报价和验收的软件产品。 爱分析认为，本体是否需要成为独立平台，首先取决于企业购买什么、厂商以什么完成交易。 图1：两种交易结构塑造两种本体产品形态 一、Palantir不需要单独卖本体平台，因为完整系统已经是产品 Palantir没有将本体平台独立，并不是不重视本体，恰恰相反，Palantir将Ontology称为其架构的核心。 Palantir的本体既描述企业中的对象、关系和规则，也承载实时状态、权限、行动和反馈，使数据能够进入具体工作流。 但在Palantir的产品架构中，Ontology并没有被列为与AIP、Foundry、Apollo并列的独立平台。Foundry承担数据运营、逻辑开发、本体建设、分析和工作流开发，AIP进一步把模型、Agent和自动化连接到企业运行流程，Apollo负责底层软件交付，而Ont

中科闻歌交付周期持续缩短，毛利率却改善有限，揭示了企业级AI厂商规模化盈利的真正难题。 企业AI厂商一直在寻找一条摆脱低毛利项目制的路径。 最常见的答案是平台化：把数据治理、行业知识、业务流程、模型和智能体能力沉淀到统一平台，将一次项目中形成的模块复用到后续客户。随着复用率提高，交付周期和单位成本就会下降，当收入增长不再依赖同比例增加交付人员，企业AI也就有机会形成类似C端应用的规模效应。 中科闻歌正是这条路径的典型样本。 作为中科闻歌CEO，罗引曾将2B AI厂商的规模化归结为三个问题：产品能否复制、交付周期能否持续缩短、客户是否愿意长期增购。其基本逻辑是，平台持续沉淀行业知识、业务流程和智能体能力，后续项目交付效率就会提高，边际成本也会逐步下降。 从经营指标看，中科闻歌已经证明了平台化可以让项目交得更快。根据中科闻歌财报，其本地化部署项目的平均交付周期由2023年的185天，缩短至2024年的105.9天、2025年的80.2天，2026年上半年进一步降至72天，三年间缩短约61%。 但是，项目交得越来越快，毛利率和盈利能力却没有得到同等幅度的改善。 图1：中科闻歌本地化部署项目平均交付周期与综合毛利率变化 2026年上半年，中科闻歌销售成本中的人工成本同比下降28.5%，采购成本却增长260.7%；综合毛利率仅由54.6%提高至55.0%，增幅只有0.4个百分点。报告期内，经调整净亏损仍为5290万元，若剔除投资收益和公允价值收益，实际亏损约9767万元，亏损同比反而扩大。 这组数据提出了一个比交付效率更关键的问题：对于AI厂商来讲，改善经济模型的命门，究竟是把同一个项目交付得更便宜，还是让一次交付变得更值钱？ 一、平台化提高了效率，但成本没有下降 首先需要明确，平台化并非没有带来经济收益。 2023年至2024年，中科闻歌综合毛利率由44.0%提高至50.4%，增加

产业AI的竞争，正在从能力展示进入价值交付阶段。 2026年，人工智能产业的关注重点继续向应用价值迁移。模型推理、长上下文、多模态和代码能力快速进步，智能体开始进入真实工作流，企业对大模型的期待也从生成内容延伸至执行任务、交付结果。 在这一阶段，模型能力仍是基础，但进入业务流程、理解行业know-how和持续创造业务价值的能力，正在成为更具决定性的竞争变量。 云知声正是产业AI加速走向业务深处的代表厂商。2026年上半年，云知声实现收入5.62亿元，同比增长38.7%；毛利1.86亿元，同比增长42.0%；客户复购收入占比超过60%。 整体来看，云知声三大业务中，企业智能化服务作为基本盘持续增长，Token业务快速放量，端侧AI进一步拓展收入边界。 01 营收增长38.7%背后，业务结构正在发生变化 云知声已经形成由企业智能化服务、模型调用和端侧AI共同构成的收入结构，覆盖云端与终端、项目与调用等不同商业形态。 从业务构成看，企业智能化服务仍是云知声的基本盘。2026年上半年，该业务实现收入4.78亿元，同比增长35.7%，占总收入的85.1%，这部分业务覆盖医疗、保险、交通、高端制造等十余个领域。 增长最快的板块来自大模型调用Token业务。报告期内，该业务实现收入2,976.6万元，占总收入的5.3%。其中，第二季度收入超过2,500万元，环比增长超过500%；根据管理层披露，其毛利率超过60%，显著高于公司整体水平。由此，Token调用成为连接模型能力与标准化收入的重要出口。 海外市场正在成为端侧AI业务的新增长点。 端侧AI业务同期实现收入5,379.8万元，占总收入的9.6%；海外芯片出货量同比增长50%，显示国际市场需求加速释放，为端侧AI业务打开新的增长空间。 客户复购收入占比超过60%，客户黏性与持续经营能力得到验证。 在首个场景完成落地

1. 企业智能体平台竞争力榜单 企业智能体平台，正在成为AI市场最拥挤的赛道之一。不同背景的厂商蜂拥而入，产品密集发布，同质化问题日益突出。只看功能清单，各家平台几乎无明显差异。 因此，爱分析对市场主流产品开展系统研究，从产品能力和市场影响力两个维度绘制企业智能体平台竞争力榜单，穿透产品同质化表象，回答企业最关心的问题：哪些平台具备把智能体带进生产环境的能力？  图1：2026中国企业级智能体平台竞争力榜单 1.1 领导者 领导者在产品能力和市场影响力两个维度均表现突出。该象限汇集了字节跳动、腾讯、阿里等大型科技厂商，也包括神州数码（神州问学）、百融智能、迈富时、蓝凌智能等企业服务厂商。 大型科技厂商的优势主要来自完整的产品体系，其布局通常覆盖模型、智能体开发及AI办公入口，并拥有强大的客户触达和持续投入能力。企业服务厂商则依靠既有客户基础、行业知识及项目交付经验，将智能体平台带入具体业务场景。两类厂商路径不同，均已形成较为完整的产品与市场闭环。 1.2 实践者 实践者的市场影响力较大，产品能力仍有进一步提升空间。三大运营商中移九天、联通元景万悟、电信星辰等位于这一象限。 这类厂商普遍拥有较强的客户覆盖、项目交付或渠道能力，在政企客户和重点行业中积累了较多实践。其进一步发展需要将项目经验转化为标准化平台能力，并持续完善智能体规划、生态资产和经验沉淀等能力。较好的市场基础也为产品迭代提供了更多真实业务场景。 1.3 创新者 创新者的产品能力出色，市场影响力仍处于积累阶段。Dify、滴普等厂商位于这一象限。 这类平台通常在开发框架、数据能力、协作形态等方向上形成较鲜明的产品特点。部分开源平台拥有较强的开发者影响力，部分专业厂商则围绕数据分析、知识工程或行业场景建立产品优势。扩大标杆客户覆盖、验证跨行业复制能力，是其将产品创新转化为商业规模的重要路径。 1.4 探索者

1、市场定义 在今天的AI行业里，记忆是被滥用最严重的一个词。有人认为记忆就是知识库，有人认为记忆是模型的超长上下文窗口，有人认为记忆是历史对话的临时缓存。同一个词指向完全不同的技术实现，投资人难以判断边界，企业甲方难以评估价值。 爱分析认为，市场混乱的根源，是记忆一直没有被认真定义。本章先纠正三个记忆的普遍误区，再给出记忆的明确定义，最后建立一套可用的分类框架。 1.1 记忆的定义 记忆的本质，是智能体在成长过程中持续积累的经验资产。爱分析定义为，记忆是智能体在长期交互中形成、存储并动态更新的经验资产，支撑智能体跨会话、跨模型复用过往信息，并做出更有效的决策与行动。 要理解这个定义，有三件事要说清楚。 第一，知识与记忆的边界。知识是静态的事实，可以长期稳定的调用；记忆是只属于这个智能体或组织的经验，越用越多、越用越准。记忆记录的，是这个智能体、这个组织在具体情境里经历过什么、学到了什么。误把知识系统当记忆系统，正是误区一的来源。 第二，记忆的内涵远不止于模型记忆。模型记忆是单次推理的上下文，让模型在当下这一轮里想得更全，记忆是跨会话的经验积累，让智能体在更长的时间尺度上变得更强。模型记忆服务于思考，记忆服务于成长，前者只是后者在推理瞬间的一小片工作区。 第三，记忆的构成是复合的。它既包含个体经验，也包含组织经验；既包含事实性信息，也包含行为模式、决策逻辑与长期反思。记忆不是简单的数据留存，它同时记录了发生过的事实，以及智能体由此形成的判断习惯、行动方式和复盘结论。 1.2 记忆的四项核心能力 判断一套记忆系统是否成立，要看它能否同时做到理解、进化、可用、可信。 多模态能力，解决的是理解。记忆应能统一理解文本、图片、音频、视频以及业务系统数据。智能体面对的不是单一格式的输入，一份工业图纸、一段设备时序日志、一条语音指令，都可能成为需要沉淀的经验。记忆系统如果不能把这些异构信

2026年以来，中国模型API调用量正以前所未有的速度攀升。截至今年6月，豆包大模型日均Token调用量突破180万亿，过去一年增长超过了10倍。 量在涨，价也在涨。据摩根士丹利统计，第二季度中国模型输出的API均价已经上涨至每百万Token 21.9元，同比涨幅超过60%。 量价齐升，按常理所有Token厂商都应该能赚钱，但事实并非如此。 当前Token市场一共有三类玩家，但各自的毛利率走向截然不同。据爱分析统计，只有云大厂处于高毛利区间，模型厂商和独立厂商都在亏损或者盈亏平衡边缘挣扎。 图1：三类Token厂商的毛利率分布 爱分析认为，Token厂商能不能挣钱，不是由技术决定的，而是由五个变量决定的。在由这五个变量构建的利润公式中，谁能建立结构性优势，谁就能挣到钱。 图2：Token利润公式 简单解释下以上公式。Token的利润，首先取决于Token加权单价，也就是输入、输出和缓存价格加权在一起的Token单价；二是GPU利用率，指GPU卡有多少时间处于空闲状态；三是Token吞吐量，指每月能跑多少个Token。 这三个变量相乘，是Token收入。然后减掉两项成本，一项是GPU服务器的月租，另一项是模型的授权费用，开源模型已经开始针对大型Token服务商收费。 用这个利润公式，可以清晰看懂三类玩家的命运。 云大厂在这五项变量上，几乎全占优势：自研模型自主定价且无需支付授权费，通过长期协议锁定低成本的GPU月租价格，专职推理优化团队改善Token吞吐量。云大厂最大的优势就是GPU利用率，通过对内、对外同时提供Token服务，GPU利用率常年维持高位。 相比之下，模型厂商的优势仅在定价权和模型抽成上，另外两项变量GPU利用率和服务器月租，均不占据优势，导致的结果是，毛利率区间相比云大厂大幅下滑。 比较惨的是独立厂商，这五项变量中，没有一项具备独立定价权，全部暴露于

8月17日，香港交易所（00388.HK）宣布，董事会已批准与集团行政总裁陈翊庭续约三年，新任期自2027年3月1日起至2030年2月28日。根据香港《证券及期货条例》，该续任已获证券及期货事务监察委员会批准。 $香港交易所(00388)$ 综合 | 公司公告 每经头条  编辑 | Arti 本文仅为信息交流之用，不构成任何交易建议 现年56岁的陈翊庭（前称陈婉文）是港交所自2000年合并上市以来的首位女性行政总裁。 她的履历横跨法律、投行与监管三大领域：拥有香港大学法学学士及美国哈佛大学法学硕士学位，兼具中国香港和美国纽约州的律师资格；曾于2003年至2007年任职摩根士丹利（香港）法律及合规监察部执行董事，2007年至2010年担任港交所上市科首次公开招股交易部主管，后于2010年至2019年在达维律师事务所担任合伙人。 2020年1月，陈翊庭加入港交所；2024年3月1日起出任集团行政总裁兼执行董事。根据续聘合约，其基本年薪为1200万港元，另可收取酌情表现花红及股份奖授。2025年度，其计入综合收益表的酬金总额为3778.4万港元，包括薪金1030万港元、绩效现金奖励1169.4万港元、其他福利33.6万港元、退休福利支出103万港元等。截至公告日，陈翊庭持有港交所股份68,479股，并根据雇员股份奖励计划持有尚未授予的奖励股份合共164,546股权益。 港交所主席唐家成对续任表示：“在陈翊庭的领导下，香港交易所与时俱进、精益求精，持续拓展业务布局、优化上市制度，提升基础设施及市场微结构，增强我们市场的竞争力”。 在陈翊庭的首个任期内，港交所交出了一份扎实的成绩单： 业绩持续创新高。2025年全年，港交所实现营收291.61亿港元，同比增长30%；股东应占溢利177.54亿港

导语：AI已经很热，为什么企业还没有真正用起来？ 企业对AI的关注，已经从“要不要做”进入“怎么落地”。高层希望AI进入经营和生产，一线员工已经在大量使用模型、Agent和各种AI应用。可是，真正进入企业生产流程、持续产生业务结果的项目，仍然不多。 一位业内知名厂商CEO，把这种状态概括为“两头热，中间难”：高层很兴奋，员工也愿意使用，中间负责把AI接入数据、流程、管理和生产体系的部分，却困难重重。据其1000多家企业样本观察，只有5%的Agent进入工作流，约95%仍停留在Demo、试点或POC阶段。 这个比例虽然不是全行业统计，却足以说明企业AI当前的真实分水岭：大家已经能做出AI应用，但还没有普遍把AI变成组织流程或者生产系统的一部分。 因此可以看出，问题不是企业有没有买模型、知识库或Agent工具，而是这些能力能不能被纳入企业的业务和运营体系。 这也是今天企业AI市场最容易被忽略的矛盾：厂商在按组件销售，企业真正需要的，却是一套可以长期运行的系统。 一、Demo证明能做出来，生产要求能长期负责 AI Coding和Agent把原型开发的门槛大幅降低了。过去需要产品经理、设计师和开发团队协作数周才能完成的应用，现在一个业务人员经过几轮对话，就可能做出一个看起来完整的Demo。 这件事本身是进步，它让业务人员更接近软件生产，也让企业可以用更低成本验证一个想法。但Demo能够运行，只能证明“功能可以被做出来”，不能证明“企业可以对它长期负责”。 从Demo到生产，至少要多回答几类问题： 1. 数据是否持续、准确，并且能够稳定调用？ 2. 不同部门对同一个业务对象的定义是否一致？ 3. Agent是否拿到了完成任务所需的上下文？ 4. 它可以访问哪些数据、调用哪些工具，权限依据是什么？ 5. 它生成的建议是否需要审批？错误动作能否回滚？出现问题能否审计和追责？ 6. 项目交

今年5月20日，迈富时完成了一笔不太起眼的新股认购，募资净额约5亿港元，认购价40.54港元。 这是个微妙的价格——几乎回到了两年前IPO发行价43.60港元的位置。股价兜了一圈回到原点，公告里则写下了一句不寻常的用途说明：这笔钱100%投向智算基础设施，采购GPU服务器、组网、AIDC租赁及模型软件，并且在2026年底前全部用完。 一家毛利率曾高达86%的营销SaaS公司，为什么开始买GPU？而且是在自由现金流净流出6.88亿元、年末借款18.43亿元的年份（即2025年度）之后？ 黄仁勋在GTC 2026上说，AI数据中心是“Token工厂”。大多数公司把这句话当修辞，迈富时却写进了战略——全栈Token工厂，并为此掏出真金白银。这可能是中国市场应用层厂商里，第一个认真给Token工厂开成本单、下重注的公司。 问题是，这张成本单，算得过来吗？ 要回答这个问题，得拆开三件事：实际投了多少、投在了哪里；产出和回报在哪里；风险有哪些，综合投入产出比是否成立。 先把“17亿”拆穿 公告发布之后，市场流传的说法是，迈富时2025–2026累计配股融资超17亿港元重投智算。不过，这个数字需要拆开看。 17亿，是两笔钱的粗加总。2025年2月配售净额12.02亿港元，加上2026年5月认购的5亿港元。但前者只有40%明确投向AI智能体的开发与商业化，其余是并购、全球扩张和营运资金——真正100%锁死智算基建的，只有5亿港元。 5亿港元是什么概念？有三个标尺可以参照。 按行业标尺，大约对应一个不到300张卡的推理小集群。目前行业普遍以B300为标杆，8卡的B300目前价格在1,200万上下，5亿港元的投入对应大约36台机器，即288卡的机器。如果采用国产的沐曦芯片，卡数可以更多。但这是业内属于轻量级投入，字节跳动2026年资本开支计划超过2000亿元，迈富时连巨头的零头都算不上。 按自

2026年，Token厂商密集冲刺资本市场。派欧云和硅基流动先后向港交所递交上市申请，无问芯穹累计融资超22亿元，趋境科技半年内融资超10亿元。这个赛道不缺玩家，也不缺资本。 但翻开派欧云招股书，这家日均处理超万亿Token、在中国独立AI云厂商中排名第一的公司，Token核心业务仍然在亏钱。爱分析研究了派欧云的完整招股书数据，试图回答一个问题：Token消耗量增长迅猛，为什么卖Token的公司越卖越亏？ 01 一年收入暴增十倍，为何依然亏损？ 派欧云自2024年开始，从CDN切入AI云服务，提供模型API、GPU云服务和Agent云服务。模型API是当前重心，即为开发者提供大语言和多模态模型Token服务，且多为开源模型。 先看派欧云AI云业务的核心数据。 图1：派欧云AI云业务核心数据 派欧云一年时间，AI云收入增长十倍，毛利率的亏损迅速收窄至-10.7%，且日均Token消耗量已经超过1万亿。整体增速极快，改善幅度也大。 这组数字让市场产生了两种截然相反的直觉。乐观者看斜率：从-95.1%到-10.7%，再给一年盈利只是时间问题。悲观者看绝对值：年增十倍还在赔钱，最后一口气未必跨得过去。 要判断谁更接近真相，需要先看清AI云内部三条产品线的构成。 图2：派欧云AI云产品线分析 基于爱分析估测，派欧云AI云收入主要来源于模型API，占比超过60%，也是导致AI云毛利率为负的主要原因。另外两块业务，GPU云服务按小时收算力租赁费，毛利率低但并非毛利率为负的拖累项；Agent云服务占比低，并非亏损主因。 派欧云每天1万亿的Token消耗量，说明需求真实，但Token价格不是派欧云定的，而且模型官方定价。爱分析对比了派欧云的定价页面和DeepSeek、GLM、Kimi等官方API文档，派欧云的定价和官方是一致的。 这并不是派欧云不想定高价,而是定价权在模型厂商手里。Token

2026年上半年，记忆从一个技术概念变成了一个行业赛道。 5月底，腾讯云发布了Agent Memory，长期记忆准确率从48%拉升至76%。刚刚过去的7月，阿里云在数据库产品线密集布局Agent记忆能力。同时，火山引擎Viking团队也开源了OpenViking项目，将Token消耗成本降低91%，GitHub Star突破2.1万。 记忆行业的融资落地同步在加速。 7月，记忆张量完成亿元级Pre-A轮融资，投资方以天使为主，包括**哈勃和荣耀战投。同期，红熊AI完成数亿元A+轮融资，投后估值近30亿元。资本开始用真金白银投票记忆赛道。 根据爱分析测算，记忆市场规模2027年将达到78.5亿元，到2030年市场规模将增长至642.5亿元，期间复合增速超过110%。如此可观的市场规模，使得各路玩家竞相下场。那么，到底哪些厂商在参与这场记忆的竞争？ 01 各路厂商会师“记忆”，五类玩家撑起新兴赛道 爱分析在调研20余家厂商后发现，当前中国记忆市场的参与者可以归纳为五个类别。有意思的是，大家都挂着记忆的招牌，心里盘算的却是完全不同的生意。 云大厂从数据库出发，想把记忆做成存储基础设施的一次AI升级，把熟悉的客户顺手迁过来。模型厂商则把记忆当成让自家模型更聪明、消耗更多Token的附属能力，记忆好不好用，关键看能不能喂饱模型。独立记忆平台强调不站队任何模型，把记忆抬到与基础模型并列的独立数据主权资产，靠中立性撕开市场缺口。企业记忆应用厂商从业务效果倒推，把记忆当作推理的前置引擎，谁能帮营销多转化，谁就赢。消费记忆产品最激进，干脆让用户为记忆本身付费，把后台能力变成前台商品。 这五类玩家资源禀赋不同，下注的方向也不一样，基本逻辑是屁股决定脑袋。有人认为，记忆会率先引爆开发者生态、成为Agent基础设施；有人认为记忆天生是B端企业属性，必须主攻企业市场商业化；有人认为记忆驱动的消费硬件

大模型和Agent加速进入企业后，如何让AI理解真实业务并参与业务执行，成为企业智能化落地的关键问题。本体通过描述业务对象、关系和规则，为AI建立企业业务认知基础，正受到越来越多企业和技术厂商关注。 然而，中国市场对于本体的理解仍存在明显差异：有的侧重知识组织，有的强调统一数据语义，也有厂商开始将业务逻辑和行动纳入其中。相同的概念背后，对应着不同的建设目标、产品边界和业务价值。 在此背景下，爱分析于2026年8月10日发布《2026 爱分析·中国本体平台市场洞察报告》，系统梳理中国市场的本体实践路径与能力演进方向。爱分析认为，本体平台的价值需要从语义表达进一步延伸至业务计算、行动执行和持续治理。完整的平台既要帮助企业建立统一的业务认知，也要支持本体随业务运行和规则变化持续更新，并推动数据、判断与行动形成闭环。 核心观点 随着Palantir受到资本市场和企业用户关注，本体成为中国AI市场热点概念。中国市场厂商实践并没有完全照搬Palantir路径，而是基于不同技术路线和应用场景进行探索，中国市场尚未形成统一的本体定义，本体平台的产品能力边界也处于探索阶段。 中国市场围绕本体形成了四类实践路径。知识工程路径侧重将文档和专家经验组织为结构化知识；语义层路径侧重统一业务术语和指标口径，并建立语义与数据之间的映射；业务本体路径围绕客户、订单和设备等业务对象，描述其属性、关系和状态；可执行本体路径进一步管理业务规则、Functions和Actions，让本体能够参与业务计算和流程执行。 Palantir为理解完整本体能力提供了重要参照。其当前体系来自长期的数据治理、决策应用和项目交付实践，随后逐步扩展到业务对象、Functions、Actions及动态安全。中国厂商可以借鉴其平台架构，叠加大模型与智能体技术带来的能力提升，形成不同的产品架构和演进路径。 本体平台的评估需要关注语义表达

8月10日，A股“人形机器人第一股”宇树科技(688836.SH)正式开启网上网下申购。本次发行价格确定为150.80元/股，发行后总市值约609.93亿元，预计募集资金总额约60.99亿元。网上申购代码为“787836”，网下申购代码为“688836”。 $宇树科技(688836)$ 从受理到过会仅用时73天、从过会到注册获批仅31天，宇树科技以104天的审核速度刷新了科创板纪录。多家券商综合测算显示，宇树科技预计中签率在万分之二至万分之三之间，远低于长鑫科技0.47%的中签率水平。数据显示，2026年以来A股新股上市首日平均涨幅高达276.04%，若以此测算，中一签宇树科技账面盈利有望突破20万元。 综合 | 证监会 中新经纬  编辑 | Echo 本文仅为信息交流之用，不构成任何交易建议 申购攻略：哪些人能打？怎么打？ 第一步：开通科创板权限（资格门槛） 宇树科技在科创板上市，投资者仅有A股账户还不够，需提前开通科创板权限，满足五项条件： 一是资产门槛：申请权限开通前20个交易日证券账户及资金账户内的资产日均不低于人民币50万元（不包括融资融券融入的资金和证券）； 二是交易经验：参与证券交易24个月以上； 三是风险测评：风险承受能力评级为C4（积极型）及以上； 四是通过科创板知识测评； 五是签署《科创板股票投资者风险揭示书》。 第二步：满足沪市市值要求（申购额度门槛） 科创板打新采用市值配售，只看沪市A股（主板+科创板）的持仓市值，深市、北交所股票以及基金、债券、现金等均不计入市值。 具体规则包括：T-2日（T日为申购日）的前20个交易日（含T-2日）的日均持有沪市市值≥1万元；每5000元沪市日均市值对应1个申购单位，1单位=500股，申购数量必须为500股或其整数倍。 顶

企业Agent正面临规模化落地挑战。 麦肯锡2026年披露，全球62%的企业正在试验AI Agent，仅23%真正实现规模化部署。国内市场也处在相似的转折点。根据爱分析调研，中国56%的企业处于试点速赢阶段，只有13%进入全面推广阶段。企业管理层的关注点逐渐转向场景选择、实施路径、规模复制和价值兑现。 这些变化表明，企业Agent正从“能力可用”走向“业务可用”。跨过这一步，需要打通业务上下文、协作执行和价值反馈三道关口，并在数据、流程、组织和治理之间形成可持续运行的生产系统。 01 从辅助决策到业务闭环：企业Agent落地的四个阶段 大模型进入企业，只是Agent落地的起点。随着执行权限、流程跨度和业务责任扩大，企业Agent大致呈现四种形态。 Copilot提供信息、建议和内容，由员工完成判断与执行。它适合嵌入知识检索、通话小结、标签提取和内容生成等高频环节，价值主要体现为个人效率提升。 任务型Agent开始调用工具，能够完成一项边界清晰的任务，例如分析一段时间内的客户对话、识别潜在风险或生成工单。此时，Agent已经具备一定的行动能力，但任务目标、输入输出和运行路径仍较为固定。 协作型Agent进入更长的业务流程，与员工或其他Agent共同完成工作。它需要知道何时独立执行，何时请求确认，何时转交其他角色。员工也从具体操作转向审核、判断和异常处理。这个阶段的难点往往来自原有流程：企业的SOP、系统界面和审批机制大多围绕人工设计，Agent加入后，任务分工与交接方式都需要重新调整。 业务型Agent进一步围绕经营目标推进流程，并以业务结果作为评价依据。在订餐、预约、客户回访、销售线索运营等场景中，Agent可以从理解需求开始，连续完成决策、调用工具、执行任务和反馈结果。企业衡量它的标准，也从回答是否准确延伸至任务完成率、转化率、工单时长、客户覆盖规模等业务指标。 这四种形

怎么让大模型真正创造业务价值？答案在模型之外。 过去几年，人工智能产业的发展主要围绕模型能力展开。从参数规模到推理性能，从多模态能力到训练效率，基础模型不断刷新技术边界，也推动AI应用进入新的发展阶段。 但当AI真正进入企业场景后，一个更加现实的问题逐渐浮现：使用先进模型，不意味着企业就能获得收益。企业需要面对的是更加复杂的现实环境：多年积累的数据如何被AI理解？大量既有系统如何与智能体连接？新的AI应用如何快速构建并符合企业工程规范？这些问题决定了AI能否从技术演示走向业务生产。 2026世界人工智能大会期间，普元信息提出“AI原生数字基座”理念，围绕智能数据治理、AI应用开发和全域融合集成三大方向，探索企业数字基础设施面向AI时代的演进路径。 这背后反映的是一个产业趋势：随着大模型能力逐渐普及，企业AI竞争正在从模型能力竞争，走向支撑AI规模化应用的底座能力竞争。 01 AI进入产业深水区，企业竞争焦点正在发生变化 人工智能的发展正在进入新的阶段。 过去，企业关注的是“有没有AI能力”。是否接入大模型，是否建设智能助手，是否推出AI应用，成为衡量企业智能化探索的重要指标。 随着越来越多企业开始实践AI应用，产业关注的问题正在发生变化。企业发现，将一个大模型接入业务，并不能自动产生价值。一个真正投入生产环境的AI应用，需要同时具备多个条件： 它需要有高质量的数据作为基础，让AI能够理解企业业务； 需要有高效的软件开发体系，让AI应用能够快速构建和持续迭代； 需要有连接企业系统的能力，让智能体真正进入业务流程。 换句话说，企业AI落地是一项涉及数据、软件、系统和业务流程的系统工程。 正如WAIC大会上，中国信通院人工智能研究所平台部副主任李荪所提出的，当前人工智能产业仍面临“数—模—用”之间协同不足的问题。虽然越来越多企业开始建设行业高质量数据集，但如何进一步推动数据、模型

作为新兴市场，GEO仍处于早期发展阶段，行业认知、服务标准和交付能力尚未成熟。为帮助市场建立对于GEO的科学认知，爱分析推出《中国GEO市场研究报告》。 1. GEO市场：千亿新入口正在形成 根据爱分析预测，2026-2030年中国GEO市场复合增长率将超过130%，并于2030年成为千亿市场。未来，GEO不是传统SEO的简单延续，而是一场关于企业经营逻辑如何适配AI法则的全面重构。 1.1 千亿市场规模指日可待 根据爱分析预测，中国GEO市场规模预计将从2026年的48亿元迅速扩张，至2030年将达到1,376亿元。这一增长的核心驱动力并非来自存量SEO市场的缓慢迁移，而是源于品牌方预算全面转向AI应用的战略趋势。预计到2030年，AI应用的广告份额将占据中国互联网广告总额的10%左右。 图2：中国GEO市场规模 这种规模扩张背后，代表着营销逻辑的演进。在搜索和信息流时代，品牌竞争的是展示位与点击率；在AI时代，广告位置变得稀缺，品牌竞争焦点转移到了AI生成内容中的推荐度与信任背书上。目前，快消、消费电子、汽车等行业品牌主，GEO年度预算已经从最初试验性质的数十万元提升至千万元级别。这种预算规模的跃升反映出企业已经意识到，如果无法在AI的回答中获得有效呈现，品牌将在未来的信息分发链路中彻底失语。 当前GEO市场正处于一个高红利期，ROI是其他渠道的数倍。这背后，一方面是因为AI应用尚未商业化，流量成本低；另一方面，大量品牌尚未意识到这一渠道的回报率，先行进入者的获客成本低。 然而，这种红利窗口期并不会很长，预计不会超过一年。首先，AI应用的广告商业化箭在弦上，这将导致流量成本的迅速升高。其次，随着更多拥有重磅预算的品牌方涌入，竞价逻辑将不可避免地介入，GEO优化成本预计将快速上升，渠道ROI将回归到行业平均水平。 2. GEO竞争格局：谁能成为行业赢家 中国GEO产业生态

同叫本体，卖的未必是同一种东西，它是一场原有能力在AI时代的商业重新定价。 过去半年，几乎所有跟AI、跟数据打交道的厂商都在讲同一个词：本体Ontology。 数据平台与BI厂商在讲，知识图谱厂商在讲，Agent应用厂商在讲，产业情报厂商在讲，部分模型厂商也在讲。 但把他们的说法放在一起对照，会发现一个现象：没有两家的本体是同一个东西。有的叫语义层，有的叫AI数据底座，有的叫动态本体，有的叫AI FDE…… 同叫本体，卖的可能是完全不同的东西。 这不像一个在形成共识的市场，更像一场自发的集体行动——所有人都在用这个词，但不是为了统一认知，而是因为它让原有能力变得更值钱、更好卖。 一、旧能力，新定价 过去几个月，爱分析深度访谈了众多以本体作为战略方向的厂商。当把这些厂商的路线并排放在一起时，一条清晰的"旧能力到新定价"的迁移路线浮出水面。厂商类型不同，但操作逻辑一致。 图1：不同类型厂商的本体新叫法与定价变化 数据平台与BI厂商，过去靠帮企业管好数据吃饭——汇聚、清洗、建仓、做报表。但AI时代，数据的消费者从人变成了Agent。厂商就把自己的能力重新定义为语义层——不再是让数据中台更好用，而是让它成为Agent用数的标准接口。定价的锚点随之改变：以前是按功能模块和用户数收license费，现在可以按AI任务的完成结果来定价。同一套治理能力，但产生的价值不同，价格的想象空间完全不同。 Agent应用厂商，过去靠做项目吃饭——每个项目都需要FDE驻场，理解业务、拉通数据、配置模型、开发应用，人效天花板就卡在人身上。AI时代，他们把项目中的方案模板、业务规则沉淀为Skill、SOP或者SDK，在新项目中不断复用和迭代。同样的人，产出从几十万向几百万攀升。以前卖的是人头，现在卖的是可复用的AI FDE数字能力。本体让重实施、重交付的Agent应用厂商有了一套全新的估值逻辑。 知识图谱

人工智能正在经历一次重要迁移。 过去几年，大模型竞争的核心是“让AI变得更聪明”：更大的参数规模、更强的推理能力、更丰富的知识储备，推动AI能力边界不断突破。 AI不仅需要理解世界，更需要进入世界。 具身智能需要在复杂环境中实时感知与行动，汽车需要成为持续进化的智能终端，手机需要真正理解用户，工业设备、航天装备等场景也需要AI在有限资源和复杂环境中稳定运行。 AI发展下一阶段，不只是云端模型能力竞争，更重要的是智能如何走向终端、连接真实世界的竞争。端侧AI是其中的关键基础设施。 端侧AI正重新定义人工智能进入产业的方式：通过更高效的模型、更紧密的软硬件协同以及更完善的生态体系，让AI从数据中心走向千行百业。 在这一趋势下，企业竞争的核心也正在发生变化。未来的领先者，不仅需要拥有强大的模型研发能力，更需要具备将模型转化为产业能力的全栈能力。 面壁智能正是这一产业演进过程中的探索者之一。 从较早布局端侧大模型路线，到构建MiniCPM系列模型体系，再到探索训练框架、系统平台和产业生态，面壁智能试图解决是“如何让AI进入更多设备和真实场景”。 WAIC 2026提供了一个观察窗口：端侧AI是否已经跨过从技术验证走向规模化落地的关键节点？ 答案，或许正在具身智能、手机、汽车以及更多智能终端中逐渐显现。 01 从模型能力到产业落地，端侧AI正在跨过关键节点 过去几年，人工智能产业的竞争主要围绕云端展开。大模型参数规模、训练算力投入以及通用能力提升，成为行业关注的核心指标。 随着AI从技术探索走向产业应用，新问题浮现：当AI真正进入具身智能、手机、汽车、工业设备等真实环境，仅依靠云端模式是否能够满足需求？ 现实场景对AI提出了不同要求。具身智能需要在动态环境中实时感知和决策，智能汽车需要低延迟处理复杂信息，手机需要在保护用户隐私的同时提供个性化服务，而工业设备则要求AI能够稳定运行于不