海致科技集團

範式智能

導語

過去兩年，資本市場追逐人工智能，幾乎都圍繞同一個問題展開：誰的大模型更強。

參數規模、推理能力、上下文長度、多模態性能，構成了這一輪AI敍事最醒目的標籤。但當熱潮真正進入企業現場，問題很快發生了變化。企業並不缺一個會聊天、會寫摘要、會生成內容的模型;真正稀缺的，是一套能夠接入數據、進入流程、調用工具、遵守規則並完成任務閉環的系統。

換句話説，決定AI能否兑現商業價值的，不再只是模型本身，而是圍繞模型構建起來的那套“駕馭系統”。

這正是“Harness”概念被頻繁討論的背景。

(Harness，是2026年AI工程圈最熱門的話題之一。圖片來源：AGI Hunt)

如果説大模型是一匹馬，那麼 Harness 更像馬具——繮繩、轡頭、馬鞍、挽具。沒有這套裝備，再強壯的馬，也只是擁有力量;裝上它，馬才能真正進入生產系統，被引導、被控制、被協同，最終承擔運輸、作戰或勞作。放到人工智能時代，邏輯也是一樣：模型提供智能，Harness 決定這種智能能否被組織駕馭、被企業部署、被產業真正使用。

沿着這一座標系重新審視海致科技(02706)，資本市場對它的理解方式，或許也應隨之改變。

一、一場變化正在發生：AI比拼的已不只是模型

大模型爆發以來，市場最容易看到的，是模型能力的躍遷。OpenAI、Anthropic、Google、Meta，以及國內一批模型廠商不斷推動能力邊界上移，形成了“誰更聰明”的顯性競爭。

但企業端很快證明，模型強，並不等於業務就能跑通。

麥肯錫在《The State of AI in 2025》研究中提到，已有88%的受訪企業在至少一個業務環節中使用AI，但真正實現規模化應用的比例僅為33%;只有39%的受訪者表示，AI已為企業帶來EBIT層面的改善。這組數據的含義很直接：AI採用率並不低，真正兑現到經營結果上的比例卻仍然有限。

問題不在於企業沒有模型，而在於模型往往還沒有真正進入組織運行系統。

很多企業今天已經能讓AI寫文案、做紀要、產出報告、輔助客服，但一旦進入更復雜的業務深水區——比如風控審批、產業研判、設備診斷、關係識別、合規治理、跨系統任務協同——模型常常就會暴露出侷限：它不理解企業自己的數據結構，不知道業務規則，不具備穩定的工具調用能力，也缺乏可持續的狀態管理和結果校驗機制。

於是，AI行業的競爭邏輯開始悄然變化。

上一階段，拼的是誰擁有更強的模型;下一階段，拼的更可能是誰能把模型接入工作流、知識系統、權限體系和真實任務，並最終轉化成企業願意長期付費的生產力。這種變化，本質上就是從“模型競爭”走向“系統競爭”。

Harness之所以升温，正是因為它迴應了這一階段最現實的問題。

二、什麼是 Harness?給大模型套上“馬具”!

“Harness”並不是一個新模型名字，也不只是技術圈內部的黑話。它更像一個理解企業AI下半場的框架。

如果借用一個最容易理解的比喻：大模型像馬，Harness像馬具。

繮繩決定方向，轡頭決定控制，馬鞍決定承載，挽具決定它能不能真正去拉車。沒有這整套系統，馬再有力量，也只是力量;有了它，力量才會變成可調度、可組織、可利用的生產力。

(圖片來源：AI生成)

騰訊集團高級執行副總裁、雲與智慧產業事業羣CEO湯道生在談“Harness時代”時，也採用了類似的形象表達：AI產業接下來真正重要的，不再只是訓練出一個強大的模型，而是圍繞模型建立起一整套讓它能被駕馭、被調用、被接入產業場景的運行機制。模型像馬，而 Harness 更像讓馬真正進入生產系統的那套裝備;如果借用汽車工業的類比，模型像發動機，Harness則更像線束和控制系統，使用者則是駕駛員。

湯道生指出，過去三年，全世界的注意力都集中在“發動機”上;而今天，大家逐漸意識到，真正創造價值的，是駕馭發動機的“線束”。模型能力的天花板，不只在模型之內，也在模型之外;約束不是對智能的壓制，而是對智能的引導;AI無法可靠地評價自己，因此 Harness 的意義，正是讓模型更安全、更可控。

放到企業AI中，Harness至少包含五層能力。

第一層：上下文與企業知識接入。

模型知道大量公共知識，但它不知道公司的制度、合同、供應鏈、客户、設備、組織架構與歷史關係鏈。Harness要做的第一件事，就是讓模型接上企業自己的知識源，讓AI不是在“空中回答”，而是在企業語境裏理解問題。

第二層：工具調用與系統連接。

企業工作並不只靠語言完成。查數據庫、調API、觸發審批、讀報表、寫入系統、執行規則，這些都需要AI擁有“手和腳”。沒有工具調用能力，AI永遠只是建議者，很難成為執行者。

第三層：狀態、記憶與連續任務管理。

真實工作不是一次性問答，而是持續過程。前一天做了什麼、上一步判斷是什麼、下一步該調用什麼，都需要狀態和記憶來維持。缺乏這一層，AI就會一直處在“失憶式辦公”中。

第四層：規則、權限與治理邊界。

企業不是開放遊樂場。金融有合規邊界，政務有權限邊界，工業有安全邊界。Harness的重要任務之一，就是讓AI在規則之內行動，而不是自由發揮。

第五層：驗證、反饋與糾錯機制。

企業不怕AI慢一點，怕的是它一本正經地錯。AWS Labs在關於企業生成式AI的技術文檔中提到，hallucination management 與 contextual grounding 是企業級AI可信落地的關鍵，尤其在金融、醫療、法律等高準確性場景中更是如此。

因此，Harness解決的從來不是“模型是否足夠聰明”，而是“模型是否能夠被納入制度化、流程化、可治理的工作系統”。

由硅谷連續創業者 Jyoti Bansal 與前蘋果 DevOps 技術負責人 Rishi Singh 聯合創立的全球頭部 DevOps 廠商 Harness，也在官網中提出，客户真正需要的，不是一個能做出演示的模型，而是“reliable, trustworthy, governed systems at scale”——可依賴、可信任、可治理、可規模化的系統。

(截圖出處：Harness 官方網站)

説到底，企業真正想買的，從來不是一個“會聊天的AI”，而是一套“終於能上崗的AI”。

三、為什麼海致科技，越來越像 Harness 時代的代表公司

如果順着 Harness 的邏輯重新看企業AI公司，判斷標準就會變得不一樣。

真正值得注意的，不一定是模型最強的公司，而更可能是那些把模型裝進真實產業流程的人。它們做的不是單點問答，也不只是一個聊天入口，而是在解決模型如何與知識、關係、規則、數據、工具和系統連接的問題。

從這個意義上看，海致科技的代表性，恰恰不在於“它也是一家AI公司”，而在於它切中了 Harness 最關鍵的一段。

根據公開招股材料，海致科技是一家中國領先的產業級人工智能企業，核心技術路線是圖模融合，主要通過這一技術開發產業級智能體，並提供產業級人工智能解決方案。按2024年收入計，公司在中國產業級AI智能體提供商中位列第五;而在中國以圖為核心的AI智能體提供商中位列第一，市場份額為53.3%。

從公開材料看，海致科技目前形成了兩大產品主線：

Atlas圖譜解決方案：包括 DMC 數據智能平台、Atlas知識圖譜平台、AtlasGraph圖數據庫;

Atlas智能體：基於圖模融合技術開發，落地於反欺詐、風險識別、數據治理、智能製造等場景。

截至2024年末，公司已服務300多家客户，覆蓋100多個應用場景，客户主要來自金融、公共服務、能源、電信等複雜行業。

這些信息最值得注意的，並不是“海致也在做智能體”，而是它做智能體的方式。

四、海致真正特別的地方，是它在給大模型“裝地圖、裝軌道、裝護欄”

海致科技最鮮明的技術標籤，是“圖模融合”。

這個詞看起來專業，但產業含義並不難理解。

大模型的優勢在於自然語言理解、泛化能力和開放式推理;但它的問題同樣明顯——在複雜企業環境中，它容易脱離具體業務語境，容易“答得像”，卻未必“答得準”。尤其在風控、治理、製造、產業決策這些高門檻場景裏，模型的幻覺不是小毛病，而可能直接影響企業判斷和組織運行。

而圖譜所做的，恰恰是把企業世界裏的對象、關係、規則、流程、風險點和約束條件結構化表達出來。換句話説，圖譜像地圖，模型像駕駛員。沒有地圖，駕駛員再聰明，也容易迷路;有了地圖，模型的推理就不再懸空，而能沿着關係網絡、業務規則和知識結構前進。

海致科技招股材料特別強調，公司是中國首家通過知識圖譜有效減少大模型幻覺的AI企業。這句話之所以重要，不是因為它聽起來新，而是因為它恰好打在企業AI最關鍵的痛點上：企業真正需要的，不是一個更會發揮的模型，而是一個更不容易失控的模型。

這實際上非常接近 Harness 的本質：不是讓模型擁有無限自由，而是給它裝上軌道和護欄，讓它在產業知識和業務關係網之中工作。

從這個角度看，海致科技與很多“在模型外面包一層工作流”的智能體公司並不相同。很多Agent公司更偏“動作層”和“交互層”;海致更偏“知識層”和“約束層”。它不是隻幫AI多走一步，而是在試圖解決AI為什麼能在複雜行業裏走得穩。

而在企業AI真正走向深水區之後，這種能力往往更難、更慢，但也更有壁壘。

五、海致站住的，正是企業AI最難也最值錢的一段

市場有時會用舊標籤看新公司。海致科技長期被視作知識圖譜公司，這沒有錯;但如果只停留在這個標籤上，已經低估了它所處的位置。

放在今天的AI產業結構裏，海致的價值更像三層能力的疊加。

第一層，是數據與知識底座。

包括數據治理、實體識別、關係建模、知識組織、圖數據庫管理等。這一層解決的是：企業究竟知道什麼。

第二層，是推理與約束能力。

通過圖模融合，把大模型的語言理解能力與圖譜的精準關係表達、規則約束和結構化推理能力結合起來。這一層解決的是：AI如何理解這些知識，並且不亂理解。

第三層，是場景化智能體與行業解決方案。

把前兩層能力真正封裝進可落地的業務系統，如反欺詐、風險識別、數據治理、智能製造等。這一層解決的是：AI如何開始幹活，並在企業流程中持續創造價值。

如果説傳統知識圖譜公司主要停留在第一層，很多Agent公司主要停留在第三層，那麼海致科技的意義就在於：它把三層串起來。

而這，也正是 Harness 型公司的典型特徵——它賣的不是一個零部件，而是一套“能工作的系統”。

從財務數據看，海致科技2022年至2025年收入分別為3.13億元、3.76億元、5.03億元、6.21億元;其中 Atlas 智能體收入從2023年的890萬元增長至2025年的1.46億元，增長較快。公司並非停留在概念和技術論證階段，而是在把圖模融合與智能體能力逐步轉化為真實收入;同時，市場對其產品的接受，也已開始從底層平台能力延伸到更上層的智能體能力。

企業AI與消費AI最大的區別，不是模型大小，而是容錯率。消費端一個助手答錯一句話，用户大多一笑而過;但企業端一個系統誤判風險、誤讀政策、誤配資源、誤導治理，代價就完全不同。尤其在金融、政務、能源、製造這些場景中，AI不是圖個新鮮，而是必須可解釋、可驗證、可追責、可集成、可持續優化。

也正因此，企業級AI最稀缺的，不是單點聰明，而是系統層面的可信。

把這一點與海致科技的產品路線放在一起看，就能理解它的戰略位置：它沒有去卷最熱鬧的通用模型，也沒有隻做一個輕量級Agent入口，而是選擇了更重、更產業、更接近企業核心流程的一條路徑——通過圖譜、圖數據庫、知識結構與智能體，把AI放進高複雜度場景。

這條路未必最容易講故事，卻更接近企業預算，也更容易形成長期壁壘。

換句話説，海致的價值不在於它是不是“又一家做AI的公司”，而在於它恰好落在企業AI最難的那段路上：讓模型進入關係複雜、規則密集、錯誤代價高的產業現場。而這，正是 Harness 時代最值錢的一段。

六、放到港股AI公司裏看，海致的稀缺性才真正清楚

如果把海致科技放到港股AI公司框架中看，它的差異化會更清楚。

第四範式(06682)更接近企業級AI平台和決策智能公司。它的長板在企業AI平台化、模型工程化和行業解決方案能力，代表的是“企業AI平台層”的能力。

商湯(00020)則更偏“大模型+基礎設施+Agent應用生態”。從其公開資料看，商湯既有日日新大模型，也有“大裝置萬象”這類面向Agent開發的平台，並在辦公、內容、電商等方向推出多類智能體產品。它更像模型能力嚮應用生態外溢的代表。

金蝶國際(00268)的邏輯又不同。金蝶的優勢不在模型底層，而在企業管理軟件和ERP入口。它佈局AI智能體，本質上更像是把Agent嵌入既有企業軟件流程中，因此更接近“軟件入口型 Harness”。

相比之下，海致科技的差異化並不在於它也做Agent，而在於它是少數把“圖譜、圖數據庫、結構化知識底座、複雜關係推理、產業智能體”捆在一起講清楚的公司。

如果説第四範式的長板在企業AI平台化，商湯的長板在模型、多模態與應用生態，金蝶的長板在企業軟件入口，那麼海致的長板就在於：它更靠近 Harness 最難也最有壁壘的一段——把模型裝進高複雜產業知識網絡。

也因此，海致未必是港股中最寬泛意義上的 Harness 公司，但很可能是港股最具“產業級 Harness”辨識度的公司之一。

當然，“港股 Harness 第一股”如果只是一個吸睛概念，意義不大;只有當它背後有產業邏輯和資本邏輯支撐時，這個判斷才站得住。

至少從目前看，這個提法成立，依賴三個前提。

第一，海致所處的不是一個過窄的細分賽道，而是一個正在快速擴容的新接口。

根據招股材料相關公開轉引，中國產業級人工智能解決方案市場規模預計將從2025年的654億元增長至2029年的2861億元，複合年增長率為44.6%;而集成知識圖譜的產業級AI智能體市場規模預計將從2024年的2億元增長至2029年的132億元，複合年增長率達到140.0%。這意味着，海致站在的並不是一個已經見頂的老市場，而是企業AI從試點走向系統化部署的關鍵接口。

第二，它切中的，是企業AI最現實也最長期的痛點。

今天企業真正反覆問的問題，並不是“模型夠不夠大”，而是：怎樣降低幻覺，怎樣接入企業知識，怎樣進入業務流程，怎樣在高門檻行業中穩定運行，怎樣讓AI的輸出更可解釋、更可治理。海致科技的產品路線，幾乎都對準了這些問題。

第三，它的故事更容易從“技術敍事”過渡到“資本市場敍事”。

資本市場真正偏好的，從來都不是“技術很先進”這句話本身，而是“技術先進，並且正好落在價值兑現的主線之上”。

因此，若把海致科技稱為港股“Harness第一股”，至少在今天，這個判斷已不只是口號，而開始具備商業化驗證與資本市場雙重語境下的解釋力。如果未來市場對AI公司的估值邏輯，確實從“模型能力”逐漸轉向“系統落地能力”，那麼海致科技這種能把模型裝進複雜產業流程的公司，就有機會比單純依賴概念熱度的AI公司更早獲得重新理解，並更早被 Harness 邏輯重新定價。

但這並不意味着它已經沒有挑戰。

資本市場後續真正要看的，仍然是幾個現實問題：圖模融合的技術優勢能否持續轉化為更標準化、更高複用率的產品;Atlas 智能體的快速增長能否繼續延續;以及在大模型廠商、雲廠商和軟件廠商不斷下沉企業市場的背景下，海致是否能夠守住其“圖+模+產業知識”的複合護城河。

這些問題，將決定它最終能不能從“一個被新敍事照亮的公司”，走向“一個真正被長期定價的公司”。