郑纬民强调，受制于先进芯片制程约束，国内算力产业必须从算法效率层面寻求突破，

2026 世界人工智能大会在上海圆满落幕，智能体技术成为整场行业盛会的核心焦点。几乎与之同期，北京重磅发布全国首个省级层面智能体专项政策，明确提出支持 " 驾驭层工程（Harness Engineering）" 攻关。

顶层政策导向与前沿技术迭代形成双向呼应，国内人工智能产业的发展重心已然转变，转向真实场景下的 " 可信 " 落地能力。

在这场从 " 能用 " 向 " 好用、敢用 " 跨越的进程中，产业界正面临两座必须同时翻越的大山：一是大模型固有的幻觉与黑盒推理带来的信任危机；二是国产算力 " 高端紧缺、中低端闲置 " 的结构性错配。如何让 AI 不仅聪明、靠谱，还能 " 跑得起、用得省 "，成为当下产业级 AI 必须回答的核心命题。

一、政策与技术同频共振，智能体迈入 " 驾驭层 " 时代

作为行业风向标，WAIC 释放出明确的信号。大会官方遴选发布的十款 " 镇馆之宝 " 中有四款为智能体相关产品；在大会举办的百余场论坛与活动中，有超过 10% 的场次主题与智能体相关。

如果说 WAIC 是技术创新与产业趋势的展示窗口，那么《北京市关于加快智能体引领发展的若干措施》则为智能体落地按下了加速键。《措施》明确提出强化智能体底层共性技术攻关。支持创新主体实施驾驭层工程（Harness Engineering），围绕上下文工程优化、任务持久化、多智能体协作、系统可扩展等夯实智能体共性底座。推动构建自主可控互联协议、开发框架和基础工具链，推动关键能力组件开源开放，提升智能体开发部署、运行管理和跨框架集成能力。《措施》同时提出，重构产品形态和服务模式，培育 Token 即服务（TaaS）、智能体即服务（AaaS）、结果即服务（RaaS）等商业新模式，推动更多符合条件的 Token 新产品新服务纳入中小企业服务券配券产品范围。

这一顶层设计，精准切中了当前 AI 工程化落地的核心痛点，也为业内探索 " 图模融合 " 等前沿技术路线提供了明确的政策支撑。作为国内较早将图模融合技术应用于产业级 AI 解决方案的企业，海致科技被资本市场称为 "Harness 第一股 "。其将十余年技术积淀与行业 Know-How 深度融入 Harness 架构，形成可直接落地的产品化体系。

本届 WAIC 上，海致科技 " 基于图的智能体驾驭平台 " 项目入选大会 " 数据要素赋能智能体 " 论坛典型实践项目。同时，公司首席科学家、中国工程院院士郑纬民接受媒体与央视专题采访，围绕国产 AI 主权生态、TaaS、图模融合技术等核心议题，分享了产业界在跨越落地鸿沟过程中的最新思考与实践。

二、图模融合从源头消除幻觉与Token浪费，聚焦确定性智能

当前国内 AI 产业规模化落地的核心瓶颈，集中体现为大模型固有幻觉风险与 Token 资源的无效消耗的双重制约。在金融、医疗、能源、制造、政务等高精准、强合规场景中，模型输出失真可能引发较大的合规风险与实质性的经营损失；而在复杂业务处理中，传统智能体往往需要加载海量原始数据填充上下文，将大量无关信息转化为冗余 Token，持续放大算力消耗。

海致科技提供了差异化的技术思路。不同于行业主流通过模型轻量化或单纯硬件扩容的思路，海致科技依托全球领先的图技术，直击大模型幻觉与高消耗两大命门。

具体而言，海致科技的图模融合解决方案覆盖控制、记忆和编排三个层次。分布式图数据库 AtlasGraph 与行业知识图谱平台承担控制层职能，通过图谱约束、图计算校验和行业本体沉淀，对模型输出进行规则边界约束和事实一致性校验；AtlasGraph 还可以保存企业实体关系、业务状态和历史流程，为智能体提供可推理、可追溯的长期关系记忆；Atlas 智能体平台则负责连接企业 API、数据库和业务系统，通过多模型路由、人机协同和流程编排，将模型能力转化为可执行、可审计的业务动作。

郑纬民表示，海致科技的图模融合解决方案将大模型与传统确定性技术如知识图谱相结合，利用图结构确保数据的结构正确性和逻辑一致性，利用大模型处理模糊或非结构化内容。通过这种 " 左右脑协同 " 的架构，海致科技能够在推理过程中显著降低幻觉，并在可控场景下接近 100% 事实一致性，从而避免单纯依赖大模型带来的风险。据悉，海致科技是中国行业内首家通过知识图谱有效减少大模型幻觉的企业。

图技术的另一项价值，体现在提升 Token 运行效率。郑纬民指出，在智能体复杂推理场景中，图模融合解决方案通过精准子图检索压缩冗余上下文，有效削减大模型多轮迭代中的无效工具调用与多余 Token 消耗，以轻量化推理路径降低算力资源开销。2023 年，AtlasGraph 在 LDBC 测试中吞吐性能超越既有纪录 45%，体现出其在复杂关系查询和大规模图数据处理方面具备优秀的工程能力基础。

值得一提的是，海致科技与趋境科技携手探索 TaaS 时代人工智能基础设施的发展路径，围绕计算优化与知识融合两个关键方向展开实践。

三、AtlasGraph自主可控：夯实 " 主权AI" 生态底座

在追求可信 AI 的过程中，算力成本与效率是绕不开的物理现实。当前国内算力市场呈现显著结构性分化，高端训练算力持续紧缺涨价，但中低端推理算力、地方智算中心硬件却出现资源闲置率偏高的问题，这意味着大量国产算力硬件无法高效落地应用，供需错配问题突出。

在 " 主权 AI" 成为大国博弈核心议题的背景下，郑纬民提出 " 算力自主、算法自强、生态自立 " 三大主权 AI 支柱，并指出当前最明显的短板是 " 生态自立 "。他进一步表示，国产芯片要跨越从 " 能跑 " 到 " 愿意用 " 的鸿沟，急需成熟的全栈国产化解决方案。

海致科技 AtlasGraph 作为完全自主研发的图数据库，正是这一方案的关键拼图。AtlasGraph 图数据库的全栈功能主要包括实时存储数万亿数据记录、深度分区关系分析、在毫秒内实现多跳查询及动态可视化建模。公司自主研发 38 种图数据库算法，在经典百亿级 Twitter-2010 图谱测试中计算速度达到 6,884 毫秒，计算精度达到小数点后五位。

郑纬民指出，AtlasGraph 搭建精细化内存调度机制与原生全内存高速计算引擎，大幅降低磁盘读写开销，显著提升多跳关联查询速度与高并发处理能力。通俗易懂地说，AtlasGraph 将原本需要高端 GPU 承载的任务，依靠闲置国产中低端推理芯片即可稳定运行，大幅提升智算中心硬件承载量和资源利用率。

此外，AtlasGraph 是完全自主研发的图数据库，具备完整的自主可控属性，可通过系统级协同适配，对接国产算力硬件体系开展联合优化。

目前，这种 " 国产算力 + 图模智能 " 的全栈协同正在加速落地。5 月，海致科技与海光信息签署战略合作协议，双方将在政务、公共服务和安全等行业联合打造 " 国产算力 + 图模智能 " 全栈解决方案，共同提升国产化 AI 方案在复杂业务场景中的兼容性和稳定性，形成算力、平台与场景协同的交付体系。

与此同时，Atlas 智能体已兼容百余款主流大模型，包括常态化接入智谱、DeepSeek 等国产大模型，构建起从算力、平台到应用的全链路自主可控生态。

从海致科技身上，我们可以看到图模融合技术能高效串联起国产算力硬件与行业智能体应用，优化赋能算力价值释放，并完善自主算力生态。

郑纬民强调，受制于先进芯片制程约束，国内算力产业必须从算法效率层面寻求突破，通过技术优化以更少 Token 支撑高质量业务推理，依托软件算法 " 软实力 " 弥补硬件算力 " 硬差距 "。从 WAIC 到北京新政，国产 AI 正加速向 " 可信落地 " 转型。未来，以图模融合为代表的底层软件创新，不仅是破解大模型信任危机的关键，更是盘活国产算力、实现自主可控的核心支撑。跨越这道规模化落地的关口，中国产业级 AI 方能迈向真正的高质量发展。

格隆汇声明：文中观点均来自原作者，不代表格隆汇观点及立场。特别提醒，投资决策需建立在独立思考之上，本文内容仅供参考，不作为实际操作建议，交易风险自担。