2023年以来，生成式AI（GenAI）如同这一轮科技周期的“蒸汽机”，让全球企业陷入了兴奋与焦虑交织的“iPhone时刻”。然而，当大模型的浪潮拍打到工业领域的坚硬岩石上时，许多人发现：ChatGPT能写出优美的诗歌，却很难直接读懂一台离心机的震动曲线；它能通过图灵测试，却无法在复杂的EMS系统中准确判断光伏场站功率下降到底是因为天气原因还是逆变器的故障，抑或是组件应该清洗。 工业AI落地，究竟难在哪里？在大洋彼岸，大数据独角兽Palantir凭借AIP（Artificial Intelligence Platform）实现了市值的狂飙，验证了一条“数据底座+AI平台”的成功路径。而在中国，谁能复刻甚至超越这一模式？ 近期，爱分析深入调研了中国工业数据智能领域的先行者——寄云科技。透过这家在工业赛道深耕十余年的企业，我们试图通过解构其产品逻辑与Palantir的异同，通过剖析其最新发布的Neu.AI工业智能体，来寻找中国工业数字化转型的下一块拼图。 一、 幻觉与现实：工业企业AI落地的“三座大山” 在与寄云科技团队的深度对话中，我们首先探讨的是一个行业共识性的痛点：为什么生成式AI在工业现场总是显得“水土不服”？ 寄云科技认为，工业场景的特殊性决定了通用大模型无法直接“开箱即用”。横亘在AI与工业价值落地之间的，是三座难以逾越的大山。 1. 私有化数据与“工业语义”的隔阂 “现在的通用大模型，就像一个基础素质超群的博士。你问它知识原理，它对答如流；但你把它扔到工厂车间，指着一台正在报警的压缩机问它‘这代表什么’，它大概率会产胡言乱语。” 寄云科技指出，工业现场的核心资产不是公开的互联网文本，而是私有的、实时的、高密度的工业多模态数据。 数据形态复杂：工业数据包含时序数据（传感器读数）、结构化数据（ERP订单）、半结构化数据（日志）以及非结构化数据（PID工艺图纸、CAD模
爱分析 ifenxi
专注于AI市场的研究咨询机构
IP属地：未知
0关注
4粉丝
0主题
0勋章
免费开放一周后，我们调研了Agnes AI用户社区
过去一周，Agnes AI成为国内AI开发者社区讨论度较高的大模型厂商之一。 原因很简单，它宣布向全球开发者免费开放文本、图片和视频模型API，且不限时、不限额度。消息发布后，大量开发者涌入社区体验产品。根据Agnes AI最新官方数据，从6月1日开始免费后，六月第一周的 Agnes-2.0-Flash 调用量已超过1万亿（1T）；Agnes-Image-2.1-flash生成超过200万张图片；Agnes-Video-2.0生成超过200万秒视频。 不过，对于大模型厂商而言，“免费”不是最难的事情。真正的挑战在于：模型能力是否经得起真实场景检验？热度能否转化为长期用户？ 带着这些问题，爱分析进入了Agnes AI用户社区，并持续观察开发者讨论、产品迭代以及实际应用情况。我们发现，相比“免费”本身，开发者更关注Agent能力、长上下文处理以及模型能否胜任真实业务场景。并且在热度之外，一些新的变化也正在发生。 以下是爱分析在用户社区中的一些真实观察。 01 为什么Agnes AI突然火了？ 6月1日，Agnes AI宣布向全球开发者免费开放旗下文本、图片、视频三大模型API，并承诺不限时、不限额度开放。这意味着开发者无需购买Token，也无需担心免费期结束。尤其是在Agent兴起的背景下，越来越多开发者面临Token成本快速增长的问题。因此，消息发布后，很快吸引了大量开发者关注。 当然，仅靠免费并不足以支撑持续热度。从公开信息来看，Agnes AI目前已经形成覆盖文本、图片、视频三大模态的模型矩阵。其中，文本模型进入Claw-Eval榜单，图像模型和视频模型进入Artificial Analysis相关榜单。 图1 Claw-Eval榜单（Agnes-2.0-flash位于第19位） 图2 Artificial Analysis相关榜单（Agnes Image 2.
寻找中国工业界的“Palantir”：寄云科技的AI破局与数据征途
寻找中国工业界的“Palantir”：寄云科技的AI破局与数据征途
企业Agent规模化落地，关键在业务闭环|爱分析调研
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
企业Agent规模化落地，关键在业务闭环|爱分析调研
WAIC观察：企业AI进入底座竞争时代|爱分析调研
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
WAIC观察：企业AI进入底座竞争时代|爱分析调研
爱分析发布2026年中国GEO市场研究报告
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
爱分析发布2026年中国GEO市场研究报告
本体，是一次重新定价
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
本体，是一次重新定价
在Palantir与Databricks之外，企业AGI平台是中国企业AI落地的新路径
过去两年，智能体快速进入企业应用视野，企业对AI价值的认知也经历了从概念验证到场景探索的过程。内容生成、文档处理、辅助客服等场景率先落地，使企业初步感受到通用智能在提升办公效率和降低知识工作门槛方面的价值。 随着应用持续深入，企业关注的重点正在发生变化。相比于“能否接入大模型”，企业更关心的是，如何让AI进入核心业务，并形成自身可持续积累的智能能力。 第一章：从“AI之笔”到“AI之脑”，企业AI正进入新的发展阶段 当AI进入到企业核心业务时，面临非常多企业真实环境带来的挑战。数据分散、语义不统一、权限责任复杂等问题，都会影响AI对业务的理解、调用和执行。 Palantir近一年重新成为企业AI讨论中心，正是因为它提供了一种重要思路。通过Ontology和AIP把数据、业务对象、权限、流程和工具调用连接起来，让AI从回答问题进一步进入真实运营。其价值在于推动AI从“看见问题”走向“推动问题被解决”。 但中国市场并不适合原样复制Palantir，中国市场的核心需求，在于建设一套让AI进入业务行动的基础设施。中国企业在数据治理基础、统一语义、权限责任边界等方面与海外客户存在差异，本土路径需要从企业自身基础条件和场景需求中形成。 爱分析认为，企业AI应用正在从个人工具走向业务流程，再走向组织级智能能力建设。这个过程可以概括为三个阶段：AI之笔、AI之手和AI之脑。三者对应的不是概念包装，而是企业AI价值重心的变化：从个人效率提升，到业务执行增强，再到组织智能升级。 第一阶段是AI之笔，核心价值是个人效率提升。大模型首先在内容生成、知识问答、文档处理等场景中落地，帮助员工更快完成信息加工和表达类工作。由于这些场景对业务系统改造要求较低、使用门槛相对较低，往往成为企业启动AI应用的第一批入口。 从企业经营视角看，AI之笔主要改变的是“人如何更高效地完成工作”，对企业核心业务流程、决策
在Palantir与Databricks之外，企业AGI平台是中国企业AI落地的新路径
数据质量不过关，AI决策是空转
本文来自爱分析ifenxi（北京爱分析科技有限公司），AI市场的研究咨询机构，专注于人工智能、大模型、智能体与算力等产业研究。 AI 正在改变企业使用数据的方式。 过去企业数据建设的目标，是实现业务流程线上化，并把分散的数据治理成可管理的资产。AI时代，企业更关心的是数据能否直接参与判断、预测和决策，从”人看报表”走向”系统主动决策”。这意味着，企业数字化正在从流程数字化、数据资产化，进一步走向可信决策自动化。 在此背景下，爱分析对百望股份CTO王志伟进行了深度访谈。百望股份长期深耕发票、财税、企业信用和交易数据服务领域，积累了大规模真实交易与企业经营数据，以此为根基，百望股份提出战略升级：将公司定位为AI时代的企业商业信用基础设施运营商：以真实交易数据定义企业商业信用，让企业更可信、交易更智能、融资更容易、出海更合规。 本次访谈重点讨论了AI时代数据底座演进方向、行业模型机会、AI应用规模化落地条件，以及百望股份如何用统一数据中台和统一AI中台支撑战略落地等问题。 核心观点： 1、AI不会直接替代数据平台，统一数据底座仍是AI的基础。 大模型可以大幅提升数据治理、打标、建模等环节效率，但没有高质量数据供给，AI能力很难真正进入企业关键决策。 2、通用大模型不会吞噬所有行业模型，真实交易数据和强合规Know-How会长期形成壁垒。 财税、医疗、金融、企业信用等领域专属数据不可能简单进入公开大模型，业务规则、授权链路、审计要求和风险责任也难以由通用模型独立承担。 3、AI应用规模化的关键是把专属数据、行业Know-how和刚需场景组织成可计量的能力调用。 财税合规、企业商业信用、金融风控、智采慧销与全球税务合规等场景，既有高频业务入口，也有明确付费意愿，是AI可规模化落地的应用。 以下为本次访谈实录，在不改变原意基础上略有修改。 01 企业数据正从资产化走向可信决策自动化 爱
数据质量不过关，AI决策是空转
智能体是个伪市场
2026年，智能体成为企业AI落地的行业共识。但市场火热背后，智能体概念正被快速泛化，很多厂商只是在原有产品上接入AI模型，就贴上智能体标签，而企业客户真正需要的，并不是一个新的对话入口，而是能够理解企业知识、拆解复杂任务、调用工具并协同执行的数字员工。 在滴普科技创始人 、董事会主席、执行董事兼CEO赵杰辉看来，真正有价值的企业智能体要回到模型能力本身，厂商需要具备模型训练能力，训练出具备企业级记忆机制、长任务规划和智能体协同的企业大模型。 围绕企业智能体落地，滴普科技正在推进两条核心产品线：一是 Deepexi 企业大模型，支撑企业本体建模、记忆、长任务规划和智能体协同；二是 FastAGI企业智能体平台，负责模型之间、Skills 之间、AI 员工之间的协同与调度。Deepexi 提供企业本体和规划能力，FastAGI 负责把这些能力组织起来，让多个 AI 员工能够在一个完整的业务场景里协同执行。两条线合起来，才是企业AI落地 的完整形态。 在本次与爱分析的深度访谈中，赵杰辉系统阐述了对智能体市场的判断、滴普科技的产品路径，以及AI 员工对企业组织形态的影响。 核心观点： 1、企业智能体概念被泛化，长期有价值的是企业大模型。真正的企业智能体不能脱离模型，模型承担数据整理、知识逻辑承载和推理作用。AI厂商如果没有模型能力，本质上仍是传统集成商。 2、企业智能体落地的关键，是建立企业级记忆和长任务规划能力。智能体必须具备记忆机制，把企业资料、流程、规则、故障、经验等转化为本体，形成企业知识网络。这样模型才能实现推理和规划，支撑复杂任务执行。 3、AI 员工会重构科技公司的组织形态，FDE 团队重心是 Skills 和数据开发。FDE 工程师的角色会发生变化，将自身能力 AI 化。科技公司竞争力会从经验积累转向学习能力和变化能力。 01 企业智能体概念被
智能体是个伪市场
电建财务公司建设财神大模型，实现AI技术应用落地
中国电建集团财务有限责任公司（以下简称“电建财务公司”）是中国电力建设集团有限公司的“内部银行”，成立于2015年12月，主要为集团成员企业提供资金集中管理、资金结算、信贷业务、外汇业务等金融服务。公司人员规模不足百人，却掌管数百亿资金，金融属性突出，业务专业性强。 在国务院国资委和电建集团数字化转型升级部署下，电建财务公司提出建设“司库型、数智化、行业一流”财务公司的发展目标，大力推动数字化、智能化建设。 2024年起，公司开始规划AI大模型应用，因担心模型效果不达预期而一直处于调研阶段。2025年DeepSeek等开源大模型能力显著提升后，公司正式启动AI大模型应用项目，与中关村科金开展合作，实现大模型与智能体在电建财务公司内部落地。 01 聚焦三大战略目标，推动大模型落地应用 作为典型的央国企财务公司，电建财务公司落地AI大模型应用时，重点聚焦以下三大战略目标，用以更好地发挥“AI+财务公司”深度融合作用： 首先是工作效率提升。通过筛选出贴合业务实际的AI技术应用场景，助力工作效率提升，减少重复劳动。 其次是经营效能提升。通过充分发挥AI技术的海量数据分析能力、语言解析能力等专业优势，更好地为经营决策提供辅助支撑，提升业务经营效能。 最后是服务提质增效。借助大模型和智能体的拓展应用，践行立足集团、服务集团经营理念，打造全新的数智化金融服务生态，提升金融服务的能力与水平。 最终形成底层可扩展、场景可复制的AI应用范式，实现从技术能力到业务价值的闭环转化，为财务公司数智化转型提供核心驱动力，同时形成可借鉴、可复制的建设成果经验。 02 项目以双平台为核心体系，实现技术到价值闭环落地 整个大模型应用项目的技术架构分成四层，包括国产信创算力底座、多模态模型矩阵、大模型应用开发平台和大模型应用平台。 项目核心构建“大模型应用开发平台+大模型应用平台”双层体系，形成技术到价值
电建财务公司建设财神大模型，实现AI技术应用落地
去老虎APP查看更多动态