從WAIC熱議到北京新政：產業級AI的範式轉移與「可信」突圍

2026世界人工智能大會在上海圓滿落幕，智能體技術成為整場行業盛會的核心焦點。幾乎與之同期，北京重磅發佈全國首個省級層面智能體專項政策，明確提出支持「駕馭層工程（Harness Engineering）」攻關。

頂層政策導向與前沿技術迭代形成雙向呼應，國內人工智能產業的發展重心已然轉變，轉向真實場景下的「可信」落地能力。

在這場從「能用」向「好用、敢用」跨越的進程中，產業界正面臨兩座必須同時翻越的大山：一是大模型固有的幻覺與黑盒推理帶來的信任危機；二是國產算力「高端緊缺、中低端閒置」的結構性錯配。如何讓AI不僅聰明、靠譜，還能「跑得起、用得省」，成為當下產業級AI必須回答的核心命題。

一、政策與技術同頻共振，智能體邁入「駕馭層」時代

作為行業風向標，WAIC釋放出明確的信號。大會官方遴選發佈的十款「鎮館之寶」中有四款為智能體相關產品；在大會舉辦的百余場論壇與活動中，有超過10%的場次主題與智能體相關。

如果説WAIC是技術創新與產業趨勢的展示窗口，那麼《北京市關於加快智能體引領發展的若干措施》則為智能體落地按下了加速鍵。《措施》明確提出強化智能體底層共性技術攻關。支持創新主體實施駕馭層工程（Harness Engineering），圍繞上下文工程優化、任務持久化、多智能體協作、系統可擴展等夯實智能體共性底座。推動構建自主可控互聯協議、開發框架和基礎工具鏈，推動關鍵能力組件開源開放，提升智能體開發部署、運行管理和跨框架集成能力。《措施》同時提出，重構產品形態和服務模式，培育Token即服務（TaaS）、智能體即服務（AaaS）、結果即服務（RaaS）等商業新模式，推動更多符合條件的Token新產品新服務納入中小企業服務券配券產品範圍。

這一頂層設計，精準切中了當前AI工程化落地的核心痛點，也為業內探索「圖模融合」等前沿技術路線提供了明確的政策支撐。作為國內較早將圖模融合技術應用於產業級AI解決方案的企業，海致科技被資本市場稱為「Harness第一股」。其將十余年技術積澱與行業Know-How深度融入Harness架構，形成可直接落地的產品化體系。

本屆WAIC上，海致科技「基於圖的智能體駕馭平臺」項目入選大會「數據要素賦能智能體」論壇典型實踐項目。同時，公司首席科學家、中國工程院院士鄭緯民接受媒體與央視專題採訪，圍繞國產AI主權生態、TaaS、圖模融合技術等核心議題，分享了產業界在跨越落地鴻溝過程中的最新思考與實踐。

二、圖模融合從源頭消除幻覺與Token浪費，聚焦確定性智能

當前國內AI產業規模化落地的核心瓶頸，集中體現為大模型固有幻覺風險與Token資源的無效消耗的雙重製約。在金融、醫療、能源、製造、政務等高精準、強合規場景中，模型輸出失真可能引發較大的合規風險與實質性的經營損失；而在複雜業務處理中，傳統智能體往往需要加載海量原始數據填充上下文，將大量無關信息轉化為冗余Token，持續放大算力消耗。

海致科技提供了差異化的技術思路。不同於行業主流通過模型輕量化或單純硬件擴容的思路，海致科技依託全球領先的圖技術，直擊大模型幻覺與高消耗兩大命門。

具體而言，海致科技的圖模融合解決方案覆蓋控制、記憶和編排三個層次。分佈式圖數據庫AtlasGraph與行業知識圖譜平臺承擔控制層職能，通過圖譜約束、圖計算校驗和行業本體沉澱，對模型輸出進行規則邊界約束和事實一致性校驗；AtlasGraph還可以保存企業實體關係、業務狀態和歷史流程，為智能體提供可推理、可追溯的長期關係記憶；Atlas智能體平臺則負責連接企業API、數據庫和業務系統，通過多模型路由、人機協同和流程編排，將模型能力轉化為可執行、可審計的業務動作。

鄭緯民表示，海致科技的圖模融合解決方案將大模型與傳統確定性技術如知識圖譜相結合，利用圖結構確保數據的結構正確性和邏輯一致性，利用大模型處理模糊或非結構化內容。通過這種「左右腦協同」的架構，海致科技能夠在推理過程中顯著降低幻覺，並在可控場景下接近100%事實一致性，從而避免單純依賴大模型帶來的風險。據悉，海致科技是中國行業內首家通過知識圖譜有效減少大模型幻覺的企業。

圖技術的另一項價值，體現在提升Token運行效率。鄭緯民指出，在智能體複雜推理場景中，圖模融合解決方案通過精準子圖檢索壓縮冗余上下文，有效削減大模型多輪迭代中的無效工具調用與多余Token消耗，以輕量化推理路徑降低算力資源開銷。2023年，AtlasGraph在LDBC測試中吞吐性能超越既有紀錄45%，體現出其在複雜關係查詢和大規模圖數據處理方面具備優秀的工程能力基礎。

值得一提的是，海致科技與趨境科技攜手探索TaaS時代人工智能基礎設施的發展路徑，圍繞計算優化與知識融合兩個關鍵方向展開實踐。

三、AtlasGraph自主可控：夯實「主權AI」生態底座

在追求可信AI的過程中，算力成本與效率是繞不開的物理現實。當前國內算力市場呈現顯著結構性分化，高端訓練算力持續緊缺漲價，但中低端推理算力、地方智算中心硬件卻出現資源閒置率偏高的問題，這意味着大量國產算力硬件無法高效落地應用，供需錯配問題突出。

在「主權AI」成為大國博弈核心議題的背景下，鄭緯民提出「算力自主、算法自強、生態自立」三大主權AI支柱，並指出當前最明顯的短板是「生態自立」。他進一步表示，國產芯片要跨越從「能跑」到「願意用」的鴻溝，急需成熟的全棧國產化解決方案。

海致科技AtlasGraph作為完全自主研發的圖數據庫，正是這一方案的關鍵拼圖。AtlasGraph圖數據庫的全棧功能主要包括實時存儲數萬億數據記錄、深度分區關係分析、在毫秒內實現多跳查詢及動態可視化建模。公司自主研發38種圖數據庫算法，在經典百億級Twitter-2010圖譜測試中計算速度達到6,884毫秒，計算精度達到小數點后五位。

鄭緯民指出，AtlasGraph搭建精細化內存調度機制與原生全內存高速計算引擎，大幅降低磁盤讀寫開銷，顯著提升多跳關聯查詢速度與高併發處理能力。通俗易懂地説，AtlasGraph將原本需要高端GPU承載的任務，依靠閒置國產中低端推理芯片即可穩定運行，大幅提升智算中心硬件承載量和資源利用率。

此外，AtlasGraph是完全自主研發的圖數據庫，具備完整的自主可控屬性，可通過系統級協同適配，對接國產算力硬件體系開展聯合優化。

目前，這種「國產算力+圖模智能」的全棧協同正在加速落地。5月，海致科技與海光信息簽署戰略合作協議，雙方將在政務、公共服務和安全等行業聯合打造「國產算力+圖模智能」全棧解決方案，共同提升國產化AI方案在複雜業務場景中的兼容性和穩定性，形成算力、平臺與場景協同的交付體系。

與此同時，Atlas智能體已兼容百余款主流大模型，包括常態化接入智譜、DeepSeek等國產大模型，構建起從算力、平臺到應用的全鏈路自主可控生態。

從海致科技身上，我們可以看到圖模融合技術能高效串聯起國產算力硬件與行業智能體應用，優化賦能算力價值釋放，並完善自主算力生態。

鄭緯民強調，受制於先進芯片製程約束，國內算力產業必須從算法效率層面尋求突破，通過技術優化以更少Token支撐高質量業務推理，依託軟件算法「軟實力」彌補硬件算力「硬差距」。從WAIC到北京新政，國產AI正加速向「可信落地」轉型。未來，以圖模融合爲代表的底層軟件創新，不僅是破解大模型信任危機的關鍵，更是盤活國產算力、實現自主可控的核心支撐。跨越這道規模化落地的關口，中國產業級AI方能邁向真正的高質量發展。