大模型混战中，如何争得一席之地？

对于提供企业级应用服务的公司来说，大 B 客户好比金字塔尖的明珠，既心向往之，又高不可攀，要想从他们兜里赚到真金白银，自己要先拿出点真本事。

海致科技最先争取到的大客户是安防，当时它还只是做知识图谱的初创公司。2018 年，一家三线城市在海致部署的系统上 " 小试牛刀 "，结果一晚上抓了 300 多个违法嫌疑人。经此一役，海致科技在政务系统打出了名号。

8 年后的今天，海致已跻身全国政务、金融系统供应商的头部位置：它的数据分析平台，部署在全国 20 多个省的 170 多个地、市的安全相关政务系统上；全国 300 多家大型金融机构，海致覆盖到了其中的八九十家——这些堪称最复杂、最丰富的数据网络，也是 AI 技术最理想的训练场，由此扩展到其他场景，相当于降维。

这条演进路径，在美国公司 Palantir 身上已经得到了验证，其商业模式简单概括就是：以最强的技术拿下最高价值客户，之后技术应用会像瀑布流一般，自上而下，一层层扩散到更广泛的群体。最早，它只是向 CIA、美国国土安全部、美国军方等提供数据分析服务，后来延伸到金融、能源、医疗、航天、制造领域—— 2026 年，其商业客户数超过 800 家，市值超过 4000 亿美元。

争做 " 中国版 Palantir" 的企业不在少数，但 " 似其形 " 容易，" 得其神 " 难。" 借助于大模型，今天的企业可以轻松搭建一个类似 Palantir 的复杂产品平台，但这家公司 20 年的工程经验是无法轻易复制的。" 杨再飞说。

他是海致科技联合创始人、CEO。在这家氛围轻松、" 没大没小 " 的公司，高管都没什么 " 官威 "。创始人及董事长任旭阳自称 " 拉拉队 "，杨再飞经常被各种 " 吐槽 "，甚至被当面、当众顶撞，但这无损团队对他的信服，原因正如一位高管所说，" 将公司客单价从几万元做到几百万元 " ——海致上下通行的评价标尺，就是 " 结果 "。

现在，这家成立于 2013 年的国内初代知识图谱公司，熬过一轮接一轮的行业洗牌，成为少有的幸存者，并在几乎颠覆一切的 AI 时代，等到了爆发的机会。2026 年上半年，海致营收同比增长 70%，其中传统业务 Atlas 图谱解决方案服务收入同比增长 45%，新兴业务 Atlas 智能体收入同比增长 135.6%。

" 说实话，没想过怎么才能活下来——这是个抽象问题，而我们每天都在折腾具体的事情：怎么选择方向？怎么招揽人才？做成的时候如何扩大战果，平衡风险和收益？做错的时候又如何止损 ……"

杨再飞不喜欢抽象，像大模型，从归纳进入演绎就会出现幻觉——这是创业者需要极力避免的，" 海致历史上的错误决策，都是因为我的主观造成的 "。他的包里常年装着一本芒格的书，这位投资大师格外重视行为心理的研究，在《人类误判心理学》一文中，芒格列举出 25 种容易掉入的心理陷阱，杨再飞经常对照，提醒自己 " 客观 "。

" 我们现在仍处于幸存中。" 他说。

一个接一个 " 至暗 "

2016 年，海致科技高级副总裁瞿珂还在甲方机构参与选型，海致给他的第一印象，是个很 " 奇葩 " 的存在。

行业供应商大概分两种，一种是普适于各个行业的平台型供应商，比如率先布局大数据分析领域的 BAT；一种是在行业内土生土长的垂直型供应商，前者拥有技术优势，但很少在某一个行业重兵部署，这不符合其 " 规模 " 逻辑；对后者来说，" 贴身 " 服务不成问题，但技术能力欠缺，只能依赖外部采购提供集成解决方案。因此，客户往往会面临 " 两难选择 " —— " 能干的不愿干，想干的又干不了。"

海致提供了第三种选择。它的初始团队中很多人来自百度，具备大数据分析、知识图谱等技术基础；作为一家初创公司，它有能力，更有意愿跟着客户一起 " 死磕 " 业务场景。

在每个技术转换的节点，都会诞生这样的 " 桥梁型 " 公司——在科学与现实之间，在普适技术与行业应用之间，在规模供给端和个性需求端之间。就比如，最早提出 Transformer 架构的是谷歌，不过是 OpenAI 基于对架构的工程化落地推出大语言模型，才引爆了人工智能的 "GPT" 时刻。

对于海致来说，这也是一个关键拐点。创业前三年，海致以提供企业级数据分析的 SaaS 产品为主，客户多为零售、互联网等中型企业，它们的应用场景并不复杂，相应地，也决定了收入的 " 天花板 "。2016 年，海致全面转向以政务、金融为主的大客户服务模式——他们的数据集巨大，而且敏感度高、私密性极强，不愿意上云共享，海致的工程师必须进驻现场进行业务对齐——现在各大 AI 公司争相布局的 FDE（前沿部署工程师）模式，海致从 10 年前就开始做了。

" 如果当时没有转型，我今天就不敢说是跟 Palantir 一样的公司。" 瞿珂说。也正像 Palantir 一样——亏损 20 年后才转危为安，海致的考验也是一个接着一个。

瞿珂记得加入海致后的第一次经营工作会上，杨再飞就感叹公司正面临 " 至暗时刻 "，3 年后，依然是这个说法，以至于瞿珂实在忍不住了，" 老杨，这至暗的有点长吧？" 后来不光他，海致的很多员工都对此说法习以为常了。

原因之一来自心理层面。杨再飞解释说，" 创业成功本就是一件很低概率的事情，这个过程如果感觉很轻松，大概率已经做错了，所以危机心态是创业者必备的。"

现实也是如此。回头看，海致绕过了不少暗礁：早期从 SaaS 模式转到大客户私有云模式，让它逃过了知识图谱公司的大规模溃败；疫情初期迅速精简近半数研发人员，聚焦核心业务，才有可能熬过集体 " 寒冬 "；接着又面临关键技术 " 卡脖子 " 的威胁，好不容易攻克了技术难关，大模型的龙卷风又席卷而至。

" 不是一开始就有了宏伟蓝图，然后严格执行的一个发展轨迹，而是一种随着外部变化，快速奔跑、调试的状态。"杨娟说，她曾任 IBM 资深软件架构师，2015 年，以联合创始人的身份加入海致。

" 快 " 到什么程度呢？一些高管会经常吐槽杨再飞 " 拉抽屉 " ——今天一件事说好了怎么做，过几天感觉不对，就会推倒重来，但团队已经沿着新路线走出一大段了。

后来，吐槽慢慢变成习惯性调侃，再后来甚至转变为某种程度的认同。" 团队反倒练就一个很好的适应力——既能保证前面走得不冤枉，又能保证随时能调头。" 用瞿珂的话来说，变化本身最后成为一种能力，" 海致人最大的特点是心脏无比大，天塌下来都不会慌——没关系，能解决。"

" 二流 " 不是一个选择

2019 年，海致开始有了一定规模的客户，但新的问题又出现了。有段时间，客户现场报错越来越多，而且无论如何对知识图谱平台进行优化，都无法达到客户要求的性能表现。问题根源在于底层：当时公司采购的图数据库是基于传统的 JAVA 架构，很难应对超大规模数据的高速吞吐。

转向分布式的技术方向是毫无疑问的，难的是选哪一种路径。第一反应是收购一家技术公司—— " 最后没谈拢 "；或者继续采购海外系统——虽然 " 脱钩断链 " 的风险苗头已经出现，但不同的开源协议下还存在优化改善的空间，这样做投入更小、结果可控；最难的一条路，就是从零开始，自研数据库。

杨娟记得，" 当时大家挺犹豫的 "，顾虑之一是技术难度—— " 别人的图做了那么多年，海致凭什么做出不一样的？" 另一层担心在于投资风险，图数据库的研发投入动辄上亿——到现在为止，这也是海致历史上最大的一笔研发投入，而当时公司面临不小的资金压力；更重要的是，结果未知。

但在杨再飞的 " 算法 " 里，另一种风险权重更高。" 反过来说，如果不自研，就只能基于别人的技术来做，那么海致肯定会成为一家二流公司。"

公司很多人都了解这位 CEO，平常的他很随和，喜欢跟大家一起开玩笑，但遇到 " 红线 " 问题，他也绝不手软—— " 凑合 " 就是其中之一，" 如果已经预感情况不对，就赶紧动手去试，做错了没关系。但不能说因为不知道怎么改，所以先凑合，" 杨再飞说，" 这肯定是不能接受的。"

要做一流的技术，就要争取一流的团队。2019 年，海致找到了中国工程院院士、清华高性能计算研究所教授郑纬民，后者后来加入海致担任首席科学家。2021 年，双方共建院士专家工作站，基于 Rust 语言进行分布式图数据库研发。在此之前，清华研究所的联合开发者多是华为、IBM 一类的大公司，与海致这样的创业公司合作，还是第一次。

95 后的王铮就是在这个时候，从清华计算机实验室来到海致，成为图数据库的研发主力，现在已经晋升为海致科技副总裁。他对当时的情形印象很深：任务复杂，光数据库的代码都有五六十万行；团队精简，正式员工只有几个人；但 " 野心 " 很大，" 老板的要求是尽快出成果，冲个世界第一 "。半年之后，他们就参加了第一次 POC（验证性测试），用王铮的话说，" 惨败而归 "。

不管对技术前景多么看好，海致都面临一种可能性：继续折腾下去，最终一无所获，甚至连 " 二流 " 都当不成。

" 当然，这是个很复杂的系统，做不成的概率是很大。" 杨再飞坦陈，但他更清楚，二流就是死亡的开始——海致没有退路。

海致又一次赌对了。2023 年 12 月，其自主研发的分布式图数据库AtlasGraph，在 LDBC（关联数据基准委员会）的基准测试中，拿到了综合性能评分第一的成绩，同时以 45% 的性能提升打破原有世界纪录。

这也成为它角逐大模型时代的一个有力筹码。

大模型混战，找到自己的位置

在加入海致、担任 CFO 之前，孙君博（现任海致科技合伙人）考虑了一整年的时间。那是 2025 年，打着 "AI 概念 " 的公司层出不穷，大模型也开始展露它席卷一切的威慑力，他需要先确定一点——这家 AI 公司的业务不会被大模型 " 吃掉 "。

早在 2022 年，海外大模型刚刚冒头时，海致内部也讨论过这个问题。他们的判断是，大模型会引发革命性巨变，但对海致来说，机会多过威胁。

"大模型会重塑所有的软件，但它吃不掉底层架构，尤其在企业级应用层面，因为 B 端客户更强调安全、可控，一个组件出问题，在整个系统中就会放大为指数级的灾难。" 王铮解释说，" 大模型应用到企业场景，需要在严格的限定框架内进行，而知识图谱正是构建这一框架的关键基础设施，其结构化约束与可解释推理能力，是纯大模型难以独立提供的。"

理论推演是成立的，不过海致从来不会停留在想的层面，也从来不会坐等改变发生。" 在我们公司，执行是第一位的。一个方向只要凭感觉是对的，就不会把时间再浪费在构思、设计上，更重要的是去试。" 瞿珂强调说，" 而且这个过程一定要快，能比对手早知道对或错，才有可能赢。"

海致算是最早一批试水大模型的中国公司，当时全球还没有开源模型—— 2023 年 2 月，Meta 才发布 Llama。后来，更多大模型启用开源模式，越来越多的企业意识到 AI 变革已来，此时的海致，已经正式推出图模融合解决方案。

时间点刚刚好。瞿珂还记得，那时他们在为江苏电网提供数据运营服务，项目进行几个月后，ChatGPT 横空出世，对方的要求马上跟着来了—— " 能不能上大模型？" 瞿珂甚至都不用犹豫，系统很快就上线了。

另一部分新客户，则通过大模型公司找了过来，" 客户现在不仅愿意掏 300 万元，甚至愿意掏 3000 万元买海致的服务，" 孙君博说，" 否则即便花 2000 万元买了模型，没有图模融合与企业级 AI 落地能力，模型也很难真正用起来。"

海致过去十几年在图数据库和图应用上沉淀的技术资产和部署经验，一下子被大模型 " 引爆 " 了。

借助于后者，海致可以覆盖到更多场景。每个行业都有自己独特的知识图谱，需要行业专家、图技术专家的反复沟通打磨，才能绘制完成。因此，以往的行业拓展极大受制于专家资源。如今，基于海致过往在复杂行业沉淀的技术能力，大模型可以快速进行初步的自动构图，专家再跟进复核校验——孙君博给出的数字显示，现在每个项目制图方面的投入已经压缩到原来的 1/10 到 1/3 不等。

简言之，" 模 " 让 " 图 " 更通用高效，" 图 " 使 " 模 " 能在真实的企业环境落地——图模融合真正推动了产业智能化。根据弗若斯特沙利文数据，中国产业级 AI 解决方案市场规模会从 2024 年的 386 亿元增长至 2029 年的 2394 亿元，复合年增长率达 44%。

水大的地方，也是大鱼出没之处，在这个市场中竞相角逐的，既有如日中天的大模型公司，也有手握优势资源的传统大厂。产业头部公司、不同技术路线的初创公司同样盘算着从中分一杯羹——海致如何争得一席之地？

杨再飞指出，一方面，AI 产业正处于蓬勃发展期，B 端市场足够大，竞争远没到白热化的阶段。另一方面，海致定位于大客户，后者是最有话语权的采购方，更倾向于选择各个环节最专业的公司，而不是最大的公司。" 与盲目的市场争抢相比，更重要的是找准自己的位置。" 杨再飞说，" 我们不生产大模型，而是更好地把大模型用于生产 "。

当年 " 死磕 " 下来的图数据库，已升级为多模数据库，成为海致如今最核心的底层资产。早期，他们在上面生成知识图谱，为企业提供数据分析解决方案，现在他们在上面创建本体和 "Harness 工程 " ——如同字面意思 " 马具 " 一样，帮助企业更加有效地进行大模型应用；业内一个普遍判断是，大模型越聪明，Harness 产品就越重要。

这也意味着，在整个技术栈里，海致的自身定位也在发生变化：不再只是一家图数据库 / 知识图谱公司，而是企业 AI 应用的 " 本体基座 " ——用统一的本体层，把企业的业务知识、数据资产 " 喂 " 给大模型，让后者在真实场景里可用、可控。

" 随着 AI 行业从单纯的‘模型能力’竞争转向‘系统落地能力’的比拼，海致的核心价值会愈发凸显。" 在给《中国企业家》的回复中，君联资本总裁李家庆这样表示。

君联资本是海致最大的机构股东。2026 年 2 月 13 日，海致上市当天，李家庆曾用 " 魔幻 " 形容对这家 " 慢 " 公司的投资经历—— 10 年、五只基金、4 轮次；他还提到另一个 " 魔幻 " 时刻：就在一个月前，君联投资的另一家 AI 企业——智谱刚刚敲钟，与海致一前一后，在资本市场挂出 " 大模型第一股 "" 大模型除幻第一股 " 的招牌。智谱也是海致的基石投资人之一。

正如杨再飞所设想的那样，海致慢慢成为 AI 产业生态中一个更活跃的参与者：今年上半年，与海光信息、智谱、宁波银行分别签署战略合作协议；8 月，牵手京东科技，联合推出 " 图智能 + 产业云 " 一体化解决方案。

接下来，技术演进和融合会带来更大的应用空间。" 除幻是最重要、最基础的功能；更进一步，通过 Harness 整合检索与知识图谱，支撑企业知识中台建设。" 杨娟指出，未来企业要完成复杂任务，一定是大小模型结合，而且模型能力不同，性能侧重不同——有的传输量大，但算力消耗也大，客户也会有不同的使用偏好，"Harness 可以综合所有这些维度，进行大模型的动态调用 "。

上半年，海致 Atlas 智能体平台已兼容超过 100 个大语言模型，一般情况下，海致会在一个项目中配备四五款不同的模型。杨娟还透露，接下来的一年，海致将围绕 Harness 进行产品研发和迭代，使之能够承载更多的复杂场景；同时进一步升级本体（Ontology）能力，推动智能体从 " 知道 " 到 " 执行 "。

难攻的堡垒，也是坚固的屏障

最早一单图模融合的需求，是中国移动提出来的，尽管之前没做过，但不到一周时间，王铮就做出了第一版 demo（样本）。

" 速度 " 带来的惊喜和焦虑并重，好的一面是，大模型提升了效率，但相反的一面，" 降低了对手追赶的门槛。复制图数据库的难度不小，但可能性肯定存在。" 杨再飞说，不过更有可能的是，" 在实验室都能跑通，一到现场就趴窝。"

对于 B 端业务来说，真正的战场不在实验室，而在客户现场，这也正是此前被诟病 " 投入大、产出慢 " 的 FDE 模式最深的护城河。今年上半年，海外高科技公司 OpenAI、Google 就开始投入重金招揽 FDE 团队，国内类似的趋势也在升温。但 FDE 模式，并不像字面上—— " 前沿部署工程师 " 那么简单，背后是一整套与传统科技公司不同的研发进度、市场打法和业务模式。

瞿珂就指出，现场应用较量的不是绝对技术，而是调试速度。"B 端业务落地就是一个坑接着一个坑，关键能力取决于踩坑数量——踩到一个，快速填上，再继续踩——永远比对手领先一个身位，就能提前锁定成本和盈利优势，最终把后面的追随者彻底拖垮。"曾经，海致就是凭借这一 " 战术 "，淘汰了三四十家竞争对手，成为相关政务系统的主要供应商。

在海致，常被提起的一句话是 " 真相都在客户那里 "。公司 70% 的技术人员是实施顾问，他们不是传统的驻场执行者，而是技术与业务的 " 翻译者 "，负责将 AI 能力直接嵌入企业的核心工作流。

高管也是同样，负责产品和销售的瞿珂不用说，一周平均要见三个客户，一年下来，坐经济舱都坐成了航空公司白金卡用户；杨娟也要 " 两头兼顾 " ——技术一旦成形，精力马上倾斜到前线，在研发端和客户端来回轮动；就连负责前沿技术的王铮，其关注重点都在慢慢迁移，之前他们团队的 OKR 考核更侧重于系统功能实现或者性能提升，现在，解决客户需求、促进业务落地被赋予了更高的权重。

" 以前我们讲技术实现，现在更重要的是技术变现。" 瞿珂说得很直接，" 产品价值的体现就是客户黏性、高频反馈，其他都是假的。"

也只有这样，FDE 模式才能持续运转。一般而言，B 端客户采购会经历几个阶段，最初进行能力验证，只会试探性采购一些简单服务，但对于提供服务的企业来说，一开始就意味着重型投入；所以第一单等同于买个入场券，之后进入高附加值、高难度的复杂场景，才会迎来红利期，以瞿珂的经验来看，由浅入深的周期，一般需要 3 年。

跨入后一个阶段，计费模式也会发生变化。" 一般基于企业由此创造的价值，或者节省的成本，抽取一定比例。"孙君博透露。以矿山场景为例，为了避免设备突发故障导致巨额损失，企业过去通常会按照一倍冗余的原则进行采购——需要一台设备，多买一台备用，而设备动辄过亿元。如今，通过 Atlas 智能体监控预判，矿山企业实现同样的风控效果，只需要支付相当于设备价格 10%~20% 的费用。

这也是 FDE 模式下客户独特的留存曲线——不是一次性买入工具，而是随着信任度的增加，把越来越多的核心业务迁移到系统上。

目前，尽管千万级收入贡献的企业只占少数，海致的客单价已在逐年上升。2026 年上半年，海致平均客单价为 340 万元，Atlas 智能体客单价为 400 万元，其中有 69% 的客户之前已经安装过图谱类产品。内部数据显示，海致前 20 大客户在 4~5 年的生命周期内，累计采购额约为首次采购的 20~30 倍。

考虑到技术转换和服务迁移成本，这些长期培育的高黏性客户群已经相对稳固，或许会成为海致抵御竞争最牢靠的屏障。

" 所有这么想的公司最后都挂掉了 "，在杨再飞看来，这样的判断不仅过于乐观，而且很危险。他很清楚现场的情况——海致的团队几乎每天都会被客户盘问，" 我投入了这么多，到底产生了什么价值？" 所以他不允许团队有丝毫懈怠，" 谁敢这么想，就不可能还留在海致。"

风来了，更要稳住

在大多数 AI 公司还在寻找落地场景的时候，海致则由于客户需求的急剧增加而 " 爆单 " 了。" 现在最大的挑战还不是竞争问题，而是我们自己的产能缺口。" 杨娟表示。

从技术复用的角度来说，行业扩展的难度和成本都不算高；增长的主要瓶颈在于专家资源和行业知识缺口，即便有大模型加持，FDE 模式仍然依赖人海战术。过去半年，海致的队伍已经从 700 人增加到近千人，但还是难以接住突增的订单，今年上半年的经营总结会上，几乎所有业务部门的负责人都在抱怨交付团队的人手问题。

孙君博透露，海致不排除通过合作、引进团队等方式补充各个细分行业的数据分析专精能力，以进一步扩大产业覆盖——上半年刚组建的矿业团队就是其中之一，不过目前推进很谨慎，" 看了很多标的，还没有出手 "。

海致吃过激进的 " 亏 "。2022 年，杨再飞决定进军医院业务，从数据规模和数字化基础来说，这的确是个理想的落地场景—— DeepMind 也曾尝试过，但现实问题远比技术复杂得多。

" 说实话，当时投资人是不同意的，但我觉得我们多厉害。" 杨再飞 " 自嘲 " 当时膨胀了，不仅坚决要做，而且是以 " 大工程 " 的标准——挖了一位相当专业的负责人，组了一支 20 多人、全部高学历的 " 豪华 " 团队，他自己则亲自负责销售，每天往来医院沟通。不过也正因此，他很快就发现了问题，马上砍掉了整个业务线。在前后五六个月的 " 大干快上 " 之后，医院项目以四五百万元的亏损收场——钱不算多，对团队士气伤害更大。

" 后来复盘，其实最大的问题不是选择错了，而是方法错了。" 杨再飞说，这也沉淀为海致业务拓展的一个原则，" 不一定什么都能看得很准，但要保证以更科学的方法、更低的成本去验证。"回到医院的项目，更好的做法或许是派出一支小 " 巡逻队 "，快速试一下行业深浅，或者找到出路，或者全身而退。

以这种渐进式打法，海致进入行业的准备期一般需要 1~2 年——今年上半年的铺垫，明年才会见到成效。而根据目前在手订单数量，海致上半年 70% 的增长态势会延续至 2026 年全年，未来 1~2 年的增长情况也大概率向好。

根据孙君博的说法，海致会坚持灯塔策略，先做出行业标杆项目，把行业经验沉淀到本体，之后就能以更快的速度、更低的成本覆盖到更广泛的用户。在他看来，如果海致能在十几个行业实现这样的突破，才会真正迎来爆发式增长。

来源：受访者

不过目前，符合上述标准的行业只有五六个，其中政务、能源、金融算是基本盘，智能矿山、电信运营商、油气这些行业，刚刚迈入营收红利期，其他的新兴行业，比如国产大飞机、智能汽车、工业机器人、医药生产及流通、城市热力运营等，尽管已经拿下少量订单，但整体处于探索期；还有一些行业机会有待论证，比如新药研发、消费领域。

" 我们当然希望能快速抢占更多的行业机会，但速度不能解决一切问题；企业要更尊重 B 端业务规律，把行业吃透，才有可能真正站稳脚跟；否则欲速则不达。" 杨再飞说。他提起 NBA 篮球明星吉诺比利的一句话，"23 岁能跳得更高，但 30 岁可以打得更聪明 " ——企业也是如此，但他觉得还要加上一个重要限定，" 当你客观一点，没那么多的 Ego（自恋），经验才会成为一种优势。"