WAIC 2026 | 卓越睿新(02687)首發源圖譜+Harness引擎，高價值AI場景的真正瓶頸在「知識」不在「模型」

智通財經APP獲悉，7月18日，2026世界人工智能大會產業生態專場論壇上，卓越睿新(02687)以知識科技賽道標杆企業身份受邀發言，正式發佈了公司在知識科技方向的核心成果——「源圖譜」知識底座與全新Harness引擎。這不是一次普通的技術發佈，而是公司對AI+知識行業核心痛點的一次系統性回答：行業卡的不是模型，而是知識。

值得注意的是，在同一場大會的「校長對話」環節中，清華、北大、上交、華科、哈工大、港科大(廣州)等七位院士校長同台討論「當機器會‘教’，大學何為」，反覆出現的關鍵詞正是「知識」。卓越睿新的發佈，恰好回答了這個命題。

一、七位院士校長同台追問，卓越睿新的回答很直接

論壇上，北大校長丁奎嶺説，學生「抬頭率」不高，不是因為不努力，而是當AI能隨時調取任何信息，「滿堂灌」式的知識傳遞已經失效。華科校長尤政説得更直白：AI可以當「腳手架」，但不能當「柺棍」。這些討論指向同一個方向：AI時代，大學的核心命題正在從「怎麼教知識」變成「教什麼知識」——以及，誰來提供這些知識。

順着這個問題往下走一層，一個更實際的命題浮出水面：機器要「教」，憑什麼教得準?卓越睿新給出的判斷很直接——行業眼下真正的痛點，不在模型，在知識。通用大模型的訓練語料主要來自互聯網公開數據，但真正構成學科壁壘的知識——教材體系、實驗數據、數十年積累的教學經驗、教授的專業判斷——恰恰是互聯網上檢索不到的。對於物理實驗步驟、工程設計規範、醫學診斷邏輯這類對精度要求極高的場景，事實性幻覺不是「瑕疵」，是「硬傷」。

二、源圖譜：卓越睿新讓AI的每一次推理都有據可查

卓越睿新在WAIC上首次系統性披露了其AI的底層架構——「源圖譜」知識底座。命名中的「源」指向一個核心訴求：溯源。在這套底座之上，AI的推理過程不再是一個「黑箱」，每一步推導都能回溯到具體的學科文獻和知識節點。

公司服務近兩千所高校及學術科研機構，學科覆蓋達到全門類，所有知識均經過信源篩選並支持全鏈路溯源。這些數據源自教學現場、實驗環境和科研一線，更新頻率高、結構化程度深，且保持動態迭代。本質上，公司正在將原本分散在教材體系、實驗規範、教案設計和教師經驗中的隱性學科知識，系統性地轉化為機器可讀取、可調用的結構化知識基礎設施。

三、Harness引擎「1+N+1+N」：卓越睿新把知識基礎設施變成產品

判斷之外，卓越睿新還發布了一套全新的Harness引擎——「1+N+1+N」。第一個「1」是源圖譜知識底座，將學科拆解為知識點圖譜、能力圖譜、實驗圖譜、評估圖譜四層疊加，形成學科級的「知識操作系統」。「N」是多場景範式模塊，覆蓋科研、教學、產業、實驗等不同業務場景。第二個「1」是培養平臺，承接人才培養全過程。最后一個「N」是學科定製，面向具體學科做深度適配。

更關鍵的是交付方式：可拆解、可組合、可按需接入。用户無需推翻現有系統重新建設，而是採用模塊化接入模式，按學科、按場景逐步對接，成熟一個接入一個。這意味着「1+N+1+N」本質上是一套可商業化的知識基礎設施交付方案——以學科級專業知識庫和垂類模型為底座，具備規模化複製和邊際成本遞減的特徵。

在WAIC 2026上，卓越睿新給出的不只是產品發佈，而是一套面向AI4S痛點的系統性解法。學科級知識數據是地基，自研AI能力是引擎，覆蓋全國的服務網絡是觸達通道——三者疊加，讓「知識基礎設施」從概念走向工程落地。隨着源圖譜和Harness引擎在更多高校落地，公司知識科技業務的商業化曲線有望加速，為長期價值沉澱更厚、更實的產業護城河。