编辑｜Youli

从年初开始，围绕着 2025 年将是「大模型落地应用元年」「AI Agent 元年」的共识，业界开始了大规模持续探索。

如今临近年尾，回过头来看，从高度标准化的客服对话、代码生成到流程化文档处理，Agent 在越来越多的企业中成功完成从概念验证到初步部署的落地实践。这不仅证明了技术的可行性，也展现了 AI 在提升效率、优化流程的价值所在。

然而，完成「从 0 到 1」的验证只是开始，难的是「从 1 到 100」，大多数 Agent 能在企业中「跑」起来，却不像 Demo 展示的那样惊艳，或者仅仅停留在 Demo 阶段，无法真正进入企业业务主流程，AI 的大规模落地仍然是「纸上谈兵」。

当然，原因是方方面面的，但如果仔细看，在诸多技术性与工程性挑战的背后，隐藏着一个更为根本的结构性矛盾：AI 解决方案提供商与企业客户之间的「激励不相容」。

如何理解？

「激励相容」这一概念由美籍俄罗斯裔经济学家列昂尼德・赫维兹于 1960 年首次提出，之后经过几番完善，这一理论原则逐渐成型，核心在于设计一种机制，使得参与者追求个人利益最大化的同时，恰好也能实现机制设计者的目标最大化。2007 年，列昂尼德・赫维兹凭借这一理论获得诺贝尔经济学奖。

按照这一原则来理解就是，AI 解决方案提供商与企业客户双方的目标和利益不完全一致。绝大多数时候，AI 厂商卖的是 Token 数量、订阅、账号（工具），企业客户买回去之后用得好不好，能否带来实际价值，前者并不直接负责。但对于企业来说，付钱购买 AI 产品的根本诉求是解决问题，带来收益「生产力」。

于是，本质上在售卖工具的 AI 厂商与只想为业务结果买单的企业客户之间利益关系的「错位」，使得双方在同一条赛道上却踩着不同节奏跑 ——AI 厂商卖出「铲子」就完成了任务，而客户能不能挖到「金子」，AI 厂商并不负责。结果就是，Agent 的应用依旧停留在「工具」阶段，AI 的落地也是落在表面甚至边缘场景，难以进入企业的真正生命线。

基于此，破局的关键在于重塑 AI 厂商与企业客户的商业契约，AI 厂商不再仅提供冷冰冰的工具，而是直接交付具备执行能力的「硅基员工」（劳动力），企业客户也不再为软件的使用权限付费，而是直接为可衡量的业务成果（如成交额、回款率、招聘人数）付费。

当 AI 厂商的收入直接取决于其所提供的「硅基员工」能否在企业那里干出业绩时，两者之间便形成了一种全新的「激励相容」机制，双方围绕业务成效形成价值共同体。而这也正是大模型落地应用走向深水区的一关键变量。

正如年初红杉资本帕特・格拉迪所言：AI 正在从「卖软件」进化为「卖成果」。

而围绕这一新模式，国内外很多 AI 厂商开始进行探索，「硅基员工」已经在部分行业里面「跑」起来了……

百融云创就是其中一个探索者。

12 月 18 日，百融云创正式发布企业级 AI Agent 战略，明确提出 RaaS（Result as a Service，结果即服务） 商业模式，并推出 Results Cloud（结果云） 与面向多业务岗位的企业级 Agent 产品体系。

同时，百融云创宣布与产业伙伴共建「硅基生产力生态」，加速「硅基员工」在营销、客服、人力、法务等高价值岗位规模化上岗……

百融云创创始人兼 CEO 张韶峰表示：「企业级 AI 的下一站，不是更会说，而是更能做；不是交付一个功能，而是交付一个结果。」RaaS 将使得企业真正把 AI 变成生产力：面向岗位、端到端执行、可衡量交付、可审计留痕，真正做到对结果负责。

底气，来源于技术的「确定性」与「成熟度」

百融云创成立于 2014 年，自成立之日起便聚焦于用 AI 技术解决行业具体问题。

2014 年，率先让决策式 AI 模型在高风险金融场景落地，解决了风险控制难题；2017 年，自研语音交互栈规模部署，开始在多行业营销、客服前线，扛起企业获客和经营增长的压力；2023 年，推出多模态基础模型 BR-LLM/BR-VLM，叠加行业专属模型和企业级 AgentOS，让一批批「硅基员工」在千行百业稳定交付关键经营指标……

可以说，一路走来，百融云创一直在按照自己的节奏，将 AI 技术应用于解决行业具体问题，而试着将 AI 由「工具」推向「员工」角色，也是百融云创基于多年在行业场景中的打磨与实战经验，对于 AI 技术发展的思考。

百融云创技术负责人告诉机器之心，其实早在 2023 年，当大模型引爆新一轮的 AI 浪潮时，他们就在思考大模型商业化的终局，尤其是经历过上一轮以计算机视觉为主导的 AI 时代，AI 落地应用也曾呼声很高，但最终曾沦为「项目」遍地，却始终没有「跑」出成功的模式，而在新时代，百融云创希望走出不一样的路径。

在百融云创看来，相较于以往 AI 工具的被动，大模型有三方面的特质：可以做拟人沟通；能够很好地去处理非结构化数据的理解、推理；能够做更为复杂、灵活、弹性工作流处理。

那么，只要定义好工作职责和边界，大模型就能在某些场景中独立完成端到端的结果交付。某种层面上来说，这就是一个员工所具备的能力，而现在「硅基员工」有了这样的能力。

与之相对应，百融云创则根据「硅基员工」在企业产生的业务结果收取相应费用，对结果负责。例如，AI 完成一个有效的客户邀约后，企业才会向百融云创支付相应费用。

因此，对于百融云创和企业客户来说，一种新型的契约关系正在缔结，但是这种关系的成立是有前提条件的：百融云创必须具备履行契约的能力，如果 AI 经常出现幻觉或反应迟钝，那承诺「按结果付费」就等于「自杀」。

也就是说，新商业模式创新的背后，既然敢于和客户签署符合「激励相容」原则的契约，要有确定、成熟的技术作为支撑。

而百融云创的自信源于其在三大关键技术维度的突破。

一是实现从「被动问答」到「主动引导」的范式升级。早期大模型往往比较被动，用户问什么就答什么，但在真实的业务场景（如推荐和营销）中，企业需要的是更为主动的员工，针对用户对于产品的不了解和不信任，通过更为主动的交流和引导建立信任。

基于这一经验和认知，百融云创自主研发了面向金融行业的主动大模型（BR-LLM），结合了大语言模型与强化学习技术，以及多年累积的大量高质量行业语料训练，实现从「被动问答」到「主动引导」的范式升级，不只是回答问题，而是能围绕业务目标主动推进任务，还能在用户拒绝或犹豫时，主动引导话题以建立信任、促成成交。

二是消除幻觉，实现从「概率生成」到「决策优选」。对于主流的生成式 AI 来说，最大的 Bug 就是「幻觉」，而在金融这样对合规性要求极高的行业，一句错误的承诺或违规话术，可能导致巨额罚款和信誉崩塌。

对此，百融云创采用了一种创新的「决策优选」范式，将回复机制从「生成」转变为「选择」，基于在金融行业「摸爬滚打」十余年累积的海量、高质、合规话术库，通过策略网络 + 价值网络，智能决策出最优回复，从根本上消除 AI 幻觉，实现了回答的 100% 可控，为金融级应用筑起了安全防线。

三是交互层面响应速度在 200 毫秒以内，实现「真人级」体验。在对时延要求极高的业务中，实时语音通话中的延迟往往是「致命」的，百融云创技术负责人表示，如果 AI 思考时间超过 500 毫秒，用户能够感到停顿，超过 800 毫秒就会感到明显停顿，而如果超过 2 秒，用户往往就会失去耐心直接挂断。

因此，百融云创在主动大模型的基础之上，为了进一步降低延迟，通过模型蒸馏技术将大模型压缩至 7B、14B 级别，结合自研的多 GKV、MGG 等技术，实现了 200ms 实时语音交互，结果就是在实时语音通话中，几乎无语气停顿或响应迟滞，几乎是「真人级」的语音交互体验。

「硅基员工」的「上岗」实录 —— 已在金融、运营商、零售等行业落地应用

如果技术只能在实验室「跑分」，却不能在真实业务场景里解决难题，那么落地应用根本无从谈起。而百融云创的「硅基员工」早已走出实验室，在多个行业正式「上岗」，并交出了不错的成绩单……

作为一家在金融行业深耕多年的科技公司，百融云创的「硅基员工」可以说就是从金融行业「跑」出来的，因此早已在金融场景入职，针对真实场景的具体问题，给出解法。

比如，头部民营银行有着百万级长期休眠的低资产客户群体，但由于人力成本过高等原因而无法兼顾得到，因此找到百融云创，希望借助大模型与多智能体，进行存款产品的智能营销。而等到百融云创的「硅基员工」上岗后，通过深度解析客户通话，精准识别意图，自动生成对话文本与服务小结，同时依据客户关注的收益率与流动性偏好，智能匹配存款产品并形成个性化营销策略。

结果就是，该项目月均新增活跃客户超 3000 人，累计带来 4.6 亿的 AUM（资产管理规模），其中 70% 的产能直接由「硅基员工」创造……

不止是金融领域，百融云创已将「硅基员工」的能力从金融行业复制到了更广阔的领域，包括运营商、零售、政务、招聘等。

比如，某运营商在核心营销与外呼流程中选择与百融云创合作，而等到「硅基员工」化身营销专员后，营销活动策略生成与内容适配效率提升了近 300%，个性化覆盖可实现千万级用户个体的实时需求分析。

数据显示，有了「硅基员工」后，通过更精准的触达与匹配，该运营商综合营销成本下降约 25%—35%。

在政务上，尤其是基层公共服务，往往面临着「人少、事多、场景碎、复杂度高」等问题，以就业服务中心为例，其服务对象数量庞大、需求差异显著，既有突发诉求需要即时响应，也有待持续跟进的长期对象，此外还存在政策调整、流程变化、岗位更迭等多种复杂因素，使得传统方式难以及时、全面地惠及所有群众。

基于此，西部某市就业服务中心选择引入百融云创的「硅基员工」—— 一站式 AI 智慧就业服务系统，「硅基员工」不仅能广域触达、精准理解用户需求，还能自动执行政务流转。

数据显示，「硅基员工」日均处理回访数据达 700 条，累计成功完成就业情况回访 1069 条；实际接通 841 条，接通率 78.67%，远超传统人工外呼水平；信息采集更加规范完整，为后续服务提供坚实数据基础。可以说，「硅基员工」的引入，为基层服务注入了新动能。

在招聘领域，在传统方式下，面对每日高达数百万次的求职者与岗位匹配需求，人工外呼模式根本无法负载，效率低下且难以实现高质量的岗位匹配。而「硅基员工」的入职，也正在为行业注入新活力。

比如，在与某招聘企业合作后，百融云创的「硅基员工」负责初步筛选海量企业是否有招聘需求、进行岗位匹配外呼、确认客户合作意向并打标签归类，只有确定招聘意向后的环节才转接人工进一步处理。这种人机协同的新模式，不仅优化了业务流程，也重新定义了招聘行业的生产力……

「硅基员工」正在重塑企业劳动力结构

从「硅基员工」在各行各业的落地实践中不难看出，相较于以往「卖工具」的商业模式，「硅基员工」上岗后的「按效果收费」，对于 AI 厂商和企业客户来说都是乐见其成的。

百融云创技术负责人告诉机器之心，传统模式下双方需要做很多的博弈，AI 厂商需要阐述产品的功能与价值，客户需要考量采购之前的风险、带来的 ROI 如何，论证的过程漫长、繁琐、复杂。

新模式下，双方立场一致，没有了博弈过程，客户也更为放心。但对于 AI 厂商来说，挑战并没有结束，为了保证「结果」，他们必须持续探索，形成技术与业务双向强化的飞轮效应，持续证明价值。

这也正是百融云创接下来的工作重心。

一方面，持续跟进国内外大模型进展，优化行业专属模型能力，目前百融云创正致力于研发 Training-Free（免训练） 方案，通过将业务反馈中的经验知识直接注入提示词，实现 Agent 的在线自主持续进化，避免繁重的模型重训。

另一方面，探索长程任务在企业的落地，从当下单一的 1 到 2 秒的短程交互，迈向 20 到 30 分钟的相对复杂的长程任务处理，去解决企业中执行周期更长的任务或问题，比如辅助企业制定经营计划等。

在百融云创技术负责人看来，相较于以往 AI 作为「工具」，辅助人类做翻译、总结、查资料等工作，「硅基员工」的出现正在重塑企业劳动力结构，「碳基员工」与「硅基员工」之间的协作关系正在加深。

一个形象的说法是，当下「硅基员工」更多是充当「外包」角色，去做一些标准化、重复性强、低人力成本的工作，像是客服、初级营销、招聘筛选等。而随着技术进步、「外包」能力的增强与完善，「硅基员工」将逐渐走向中心，成为劳动力结构的重要组成部分，从单纯的执行者向决策参与者跃迁。

而百融云创正沿着这一路线，朝着未来前进……