2022年底大模型破圈以来，企业对AI的态度经历了一场耐人寻味的蜕变。
从知识问答、智能客服到Copilot、Agent，一轮又一轮新产品形态被加速搬进企业现场。进入2026年，企业级市场讨论的主轴已从“能用”的猎奇，转向“好用与价值创造”的拷问。浩鲸科技在2026云栖大会着重强调“企业级AI”，其本质逻辑正源于此——AI通晓万物，但并不天然懂得一家企业的内部逻辑。
在云栖大会现场，钛媒体专访了浩鲸科技副总裁、云智能总裁张可。在他看来，企业客户对大模型的评价经历了一条清晰的演进轨迹：“从尝鲜到生产、从数字到物理、从提效到价值”。那么，在企业级AI的后半场，如何让一个日益通用的AI，真正长进一家企业的业务肌理之中？
01 只要结果，但什么是结果？
今年以来，行业里流行一句话：企业过去追模型能力，现在开始追结果。但张可不完全认同——站在长期做大B业务的角度，他认为企业始终关注的都是结果。技术再先进，若不能对应效率、成本、收入或业务质量，就进不了大型企业的采购体系。真正改变的，是AI开始有能力接近企业想要的结果。
成立于2003年的浩鲸科技，从运营商BSS/OSS，到大数据、云计算，再到这一轮大模型，它几乎经历了技术浪潮的每一轮迭代，也是较早一批把大模型放进真实企业场景里验证的厂商。
通过这几年的观察，张可把它概括为一条递进线：2023年前后，客户最常问的是“大模型能做什么”“我们能不能用”的试探，到2024、2025年问题具体到哪些场景能落地、哪个价值最大，能不能接入我的数据和系统；再到如今关注点又往前走了一步：“这个智能体能不能替我干活？”“原来两天的工作能不能缩到两个小时？”“它出错谁来兜底？”“接入现有系统后，会不会打乱旧流程？”
“客户已经从看AI有什么能力，走到了看AI能不能承担结果。”张可说。
企业需求一直在那里，真正发生剧烈变化的是供给侧的能力。张可讲述道，几年前曾为某大型央企建设企业知识库，对方按传统经验要求准确率达到98%甚至99%，但项目初期只能做到80%多。最终发现，原因一部分在于当时的模型能力，另一部分来自两种技术范式的差异：传统系统建立在确定性规则之上，生成式AI带有概率性，要求它像传统系统一样稳定输出并不现实。双方磨合半年多，客户从对AI的“满怀欣喜”到不断调整预期才完成交付。放到今天，这类困境已经不复存在。
AI能力边界的扩大，才让“要结果”从始终存在的客户需求，变成了可以讨论的商业命题。但新问题也随之出现：AI越来越能干，并不意味着企业已经想清楚该让它干什么。很多客户不再纠结模型参数，却带着看似具体的需求找上门：“我要一个智能客服”“我要用AI提效”。这些表述听起来很落地，但往往还不是问题本身。
张可认为，客户要做智能客服，真正想解决的可能是提升满意度；要做知识管理，要解决的可能是老师傅经验无法沉淀的问题。所谓的“提效”对应的业务问题、价值衡量方式和实现路径其实完全不同。
对于企业而言，当“AI能不能做”的问题褪去，“什么问题值得交给AI”反而愈发重要。而要回答这个问题，AI需要的也越来越不是公共世界里的通用知识，而是这家企业自己的数据、经验、流程和业务规则。
02 通用和个性化的博弈
现阶段模型能力仍在加速进化，那么企业为什么还要花力气建一套自己的AI？张可的答案是：不是因为模型不够强，未来的模型大概率会越来越强、越来越普及，但企业要做的是，当智能成为公共基础设施，如何把它变成企业个性化的能力？
张可把“企业智能”拆成了三个层次：智能的核心是知识，知识的核心是数据，而数据最终来自现实世界。
张可认为，通用模型已具备广阔的公共知识：它能理解什么是设备故障，但无法掌握一家企业在判定故障时的具体依据、遵循规程及后续触发动作。这类信息散落于企业数十年积累的业务系统、内部文档、生产数据与组织流程之中，并沉淀于行业专家与一线员工的经验里。模型参数的增长，并不能使这些信息自动内化为AI的能力。
基于这一判断，浩鲸科技今年提出“企业专有智能”的概念：一个共享工作空间、两套并行技术栈——在企业原有业务系统之外，叠加一套以Agent为引擎的代理系统，两者通过API、事件与MCP等方式实现互通。它主要解决三个问题：
其一，人与AI如何协作。企业Agent数量激增，亟需统一入口以实现任务路由与多Agent调度协同；员工以自然语言发起任务，并在关键节点介入接管。
其二，如何把企业知识变为AI能使用的知识。AI进入企业后，知识管理从“存文档给人看”转变为将业务流程、专家经验中的隐性知识转化为可供模型理解、推理和检索的知识资产。
其三，如何把AI融入既有IT体系。存量系统不会因Agent出现而推倒重来；若每新增一个AI应用都需重建数据、权限与流程，AI反而会催生新一轮信息孤岛。
正是基于这三点洞察，浩鲸科技集中打造了企业AI操作系统“鲸智百应”，作为“企业专有智能”的落地载体。它以一个统一门户整合企业内部的Agent、知识与技能，通过流程引擎承载确定性Workflow、以任务引擎实现自主规划，并以低侵入方式对接企业系统，让人能调用Agent、让Agent能用企业知识、也能调用企业已有的系统和工具。
由此，“企业专有智能”的本质在于把企业私有的知识、Skills注入通用智能，转化为可由企业直接调用的专有智能。模型再强，未经企业自有数据、经验与流程的校准，它提供的只是能力，而非生产力。
03 转化正在发生
当价值重心已迁移为构建专有智能，浩鲸科技二十余年积累的大B服务经验需要完成一次性质上的转换。长期服务电信、政务、能源及大型央国企，使其沉淀了深厚的客户关系、项目经验和行业Know-how。但张可对此有明确界定：“客户关系不是AI能力，项目经验也不是AI能力。”
浩鲸科技梳理出将经验转化为模型能力的四个步骤：把经验变成知识、把知识变成可以调用的能力、封装为Agent、形成反哺。以能源运检Agent为例，先获取设备数据、调取历史记录与故障知识，沉淀为一套知识库和Agent，并判别异常类型比对历史案例，不断反哺迭代，构成“专家经验—知识沉淀—Agent执行—业务反馈—专家修正”的正向闭环。
在2026云栖大会的展台上，浩鲸科技展示了覆盖全业务链路的AI大模型场景应用产品矩阵。依托行业智能体能力与多年政企数字化实践积累，浩鲸科技将AI深度嵌入真实业务流程，面向能源电力、智慧交通、数字政府等关键行业，打造工业质检、招投标智能助手、知识平台、AI陪练等垂直应用，覆盖市场营销、客户服务、生产研发、经营管理等环节。
张可谈到，浩鲸科技已经打造了数百个行业市场Agent，所有产品均依此路径将行业经验从项目、专家与解决方案中提炼出来，转化为AI可规模化复制的能力，并切实嵌入客户的具体业务。张可称，这也是当下做AI项目与过去做软件项目的一大区别。
这一转变也解释了FDE为何重新受到关注：要把公共智能变为企业专有智能，技术方就必须更深入、更持续地进入客户现场、要比客户“更懂企业”。随之被改变的，还有企业软件“一次建设、一次交付”的项目逻辑。
与之相应，企业的采购与付费方式也在发生变化。从一次性项目投资转向持续的运营支出，一些贴近业务结果的场景已开始尝试按效果付费。张可以“鲸智节能宝”为例，它通过算法优化电力机房的能源使用，在部分场景下可实现约20%—30%的能效提升。若一家企业年电费支出千万元，AI赋能后节省的成本便构成了可分配的经营价值，供应商亦可据此参与收益分配。
张可指出，这一转变透露出一个信号：过去企业软件主要按功能定价，而当AI真正进入经营环节，越来越多的产品或将以其创造的价值作为衡量标准。AI对ToB行业的改变不止于产品层——当软件开始持续学习并持续深入业务，供应商的交付方式与客户的付费方式，整个商业模式必将被一并重塑。
04 当AI进入物理世界
除了数字信息，真实世界才是经济活动更庞大的基本盘。工厂里的机器、能源系统里的设备、物流网络中的车辆，以及围绕这些资产发生的生产、运维和调度，共同决定了一家企业的产能、成本和效率。企业最核心的资产和生产过程，本就存在于物理世界，这也是浩鲸科技将“全栈AI”向物理侧延伸的背景。
目前，浩鲸科技已形成从AI底层平台到中间工具、再到行业应用的三层能力：底层包括云、算力、大数据和AI平台；中间层包括知识平台、合同审查、招投标分析等工具；上层则是面向电信、政务、能源、交通等行业的业务系统和解决方案。
在2026云栖大会上，浩鲸科技带来了具身智能、AI录音卡、AI+中医诊疗仪、鲸智节能宝等硬件和软硬结合产品，形成从“AI底座—AI应用—AI硬件—行业落地”的完整链路。
从这个角度看，浩鲸科技强调的“全栈”最终指向的，是一条从底层智能到现实结果的完整路径：底层提供AI能力，中间完成知识、Agent和企业系统的连接，再进入具体行业；当业务进一步延伸到物理世界，更加需要硬件和现场工程能力参与。
05 结语
在采访的最后，谈到未来AI的分水岭，张可给出的答案是要看AI能否变成真正的生产系统。
随着模型与Agent日益普及，“智能”已经不再稀缺，真正稀缺的，是理解企业独有的知识与规则、接入核心工作流并持续产出可衡量结果的能力。
产业分工由此重新划分：基础模型公司做好通用智能，掌握入口的公司连接工作流，而市场机会属于拥有行业Know-how、并能将其产品化与AI化的公司——浩鲸科技走的正是这条路。
未来，构建企业私有化的“专有智能”是浩鲸科技坚定的方向，让公共智能在每一家企业里扎根，长成一套只属于它自己的生产系统。
