编辑｜Youli 今年 7 月，一家头部物流企业上线了一批 AI 客服。 上线初期，这些 AI 客服每天处理的呼入电话 不足 1000 通， 但到 8 月底，这一数字已经 超过 1.5 万通。 变化的不只是数量。资料显示，这些 AI 客服在传统智能客服最擅长的标准化问答之外，开始进入真实业务流程，处理查件、催件、派件异常、地址修改、投诉反馈等开放式任务。其中，最长的一次连续通话时长甚至超过 20 分钟。 几乎同一时期，一家大型综合类头部券商在对这套 AI 客服进行严格效果验证后，决定将部署规模从 最初的 30 席扩大至约 210 席， 覆盖客户获取、激活、查询、互动与运营等多个环节。 仔细看，这两组在真实业务场景中跑出陡峭曲线的数字，释放出一个清晰的产业信号： 企业级 AI 正跨过「模型能不能做」，闯入「企业敢不敢把真实工作交给 AI」的深水区，那些曾经被视为试验品的「硅基员工」，已经真正打卡上岗、直接交付业务结果了…… 而隐身于这两家行业巨头幕后的「硅基劳动力」供给方，正是 百融智能。 如果追溯百融智能的发展路径，外界过去对它的认知更多集中在金融领域 —— 提供「智能决策、智能营销及客户运营」服务。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…… 如今，百融智能正在推动一次新的战略升级： 将多年在严苛金融场景中千锤百炼形成的企业级 Agent 落地能力全面外溢， 以物流、券商、航空、电信运营商等高频交互领域为支点，向万亿级企业生产系统全速「进军」。而支撑这次跨行业拓展的核心技术载体，正是 「新一代 AICC 智能联络技术」。 为此，在百融智能 2026 中期业绩发布会后，机器之心和 百融智能创始人兼董事长张韶峰 聊了聊，试图理解此次战略升级背后的考量，以及对于 AI 技术发展的思考。 AI 从「工具」走向「生产力」，客服为什么成了「首发阵地」？ 过去两年，整个科技界和资本圈的目光几乎全被基础大模型、算力、芯片等热门议题所牵引，但任何技术如若无法在应用端实现大规模商业落地，终究难以持续。张韶峰给出一个务实的判断：「普通企业不可能买一个大模型回去供着，因为大模型本身并不直接解决业务问题，企业真正需要的是能完成具体工作的 Agent。」 诚然，过去几年大模型在企业内部的渗透不可谓不快，但绝大多数场景仍被锁死在辅助性「工具」定位：润色公文、提炼长文本纪要、生成配图…… 这些确实提升了个体员工的效率，但对于企业来说，AI 进入生产系统的评判标准截然不同： 它能否接手一项具体工作，并稳定交付结果？ 在所有企业级场景中， 客服场景， 被公认为 Agent 率先攻下的第一座要塞。 这并非偶然。 客服本身就是一个高度依赖信息处理和流程执行的岗位：每天处理大量重复性问题，背后连接企业知识库、订单系统、CRM 等业务系统，服务结果又可以通过响应时间、解决率、转人工率、客户满意度等指标直接衡量。这意味着 AI 带来的价值可以被清晰计算。 全球知名风险投资机构 Andreessen Horowitz（a16z）曾对企业 AI 落地情况进行分析指出，当前企业 AI 的价值主要集中在三个场景：编程、客服支持和企业搜索。其中，编程工具增长最为突出，客服和搜索则成为企业知识工作流中较早实现规模化应用的方向。而客服因目标明确、流程清晰、价值可量化以及人工兜底机制完善，天然适合进入生产环境。 然而，「商业价值显性」并不等同于「技术实现容易」。在企业级 Agent 真正能够扛起客服大梁之前，这个行业已经被旧有技术路径困在原地太久，经历了至少两次技术迭代，而上一代技术的天花板，恰恰构成了今天的机会窗口…… AICC（AI Contact Center），即智能联络中心技术，是企业客服自动化的重要技术基础。 早在十年前，上一代 AICC 技术就已广泛进入金融、电商与政务外呼体系。但只要真正接入过智能客服电话的用户，想必都有着被其「机械智障」逼到「怒转人工」的糟糕体验。 症结在于，传统 AICC 本质上是「流程自动化」，算不上「智能体」。张韶峰指出，其技术架构以 NLP、关键词匹配以及预设话术为主，适合流程相对固定的呼出任务 —— 按脚本外呼、通知提醒、菜单式应答，可一旦被拉进更加广阔的「呼入」战场，整个系统便迅速崩盘。 要理解这种断层，必须看透两类场景背后的认知逻辑差异。「呼出」与「呼入」，一字之差，实战难度却有天壤之别。 呼出： 企业知道自己想表达什么； 呼入： 企业不知道用户下一句话