#【有奖】政策与资本加码，“知识图谱 + 大模型” 能否成为产业AI落地标配？#
不是追热点，是啃硬骨头。
这两天工信部那纸通知把我钉在屏幕前：到2026年底，全国AI应用服务商资源池突破2000家，探索首购首用、风险补偿，加大大模型、智能体、Token采购力度。 翻译成人话——政策不只想让模型「会聊」，想让模型「敢进车间、敢进柜台、敢进应急指挥室」。
资本那边更直白：英伟达传要买Hugging Face，Stripe已收OpenRouter，大家抢的不是模型本身，是模型与场景之间的管道、缰绳、阀门。这时候再看海致科技，我会说：它不一定最性感，但很「仓鼠」——把粮藏在底座里，不张扬，却扛饿。
一、下半场的基础设施，不是「更大的模型」，是「可追责的系统」
通用大模型的上半场拼参数、拼上下文、拼Benchmark。下半场进产业，规则变了：
- 金融要可审计，不能「好像对」；
- 安全与保障要可溯源，不能「可能是」；
- 能源矿山要可复盘，一次误判就是人命与停产；
- 政务要可解释，决定不是黑箱投出来的。
所以我心里的产业AI基础设施是五层：
数据治理层 → 知识本体层 → 图谱推理层 → 智能体执行层 → 审计与治理层。
少了任何一层，都是Demo漂亮、上线翻车。大模型负责「理解与生成」，知识图谱负责「事实与关系」，Harness（驾驭工程）负责把两者捆紧：先核对、再推理、后出票，每一步留痕。
这也是我不太信「纯向量RAG包打天下」的原因。向量找相似，图谱讲因果；向量快，图谱稳。复杂行业里，稳比快贵。
二、「知识图谱+大模型」会是标配吗？我的判断：分场景
不端水：
- 通用闲聊、文案、客服初筛：不一定需要重图谱，RAG够用；
- 金融风控、反欺诈、政务治理、能源安全、智能制造：图谱+大模型会逼近标配。不是因为潮，是因为「错不起」。
- 未来形态不是「图谱代替模型」，也不是「模型挂在图谱上」，而是图模融合：图谱做实体—关系—规则约束，模型做归纳与表达，智能体做任务编排与执行。
海致把它叫「AI除幻」，我更愿意叫它给大模型配缰绳。越聪明的马，越要缰绳；越关键的业务，越不能裸跑。
三、为什么我看好海致科技：它不是最响的那只，却最像「底座鼠」
1）先发不是口号，是十年冷板凳
2013年成立，2017年做DMC和Atlas知识图谱，2021年推AtlasGraph图数据库。 注意：它在大模型爆火前就在干图谱，不是2023年临时转行贴标签。这种「前大模型时代」的积累，会形成客户数据、行业本体、交付经验的复合护城河——后来者抄产品易，抄时间难。
2）产品双引擎：图谱稳，智能体快
公开口径里，2022–2024营收3.13/3.76/5.03亿元，CAGR 26.8%。 2026上半年更猛：营收2.96亿元，同比+70.4%，毛利率44.7%；Atlas智能体收入1.15亿元，同比+135.6%，占比升到38.8%，毛利破50%。
我喜欢这个结构：不是靠老业务躺平，也不是靠新业务烧噱头，而是图谱基本盘养信任，智能体新曲线养弹性。
3）存量客户转化，是最被低估的指标
报道里说，69%的智能体付费客户来自已部署图谱的存量客户。 这比「新增多少客户」更值钱——说明它不是卖完就走的项目制外包，而是在同一客户身上把「数据→图谱→智能体」一层层加厚。客单价图谱约310万、智能体约400万，不是小单试水，是核心业务进场。
4）不绑死一个大模型，反而更像「中间层赢家」
Atlas智能体兼容100+大模型，按客户成本、性能、信创要求挑模型。 这很关键：未来模型会降价、会换代，若公司绑定某一个模型，会被模型周期拖走；不绑定模型、绑定客户业务流程，才吃得到「管道型中间层」的红利。
5）信创与国标位置，是隐形资产
与海光等国产算力联合认证，参与图计算/图神经网络相关国标起草。 在金融、政务、能源这类场景，「自主可控」不是PPT词，是采购门槛。
6）生态拼图在凑齐
海光（算力）×智谱（模型）×宁波银行/京东科技（场景与渠道）这类合作，说明它不走纯自营交付，而在搭联盟。 产业AI最怕项目制人力扩张——人停项目停；生态化才能把边际成本压下去。
四、财报里我最借鉴的几笔「仓鼠笔记」
毛利比营收更先说话
智能体高毛利、占比提升，说明产品标准化在跑，不只是定制人力。仓鼠信毛利结构，不信单纯收入增速。
现金储备约9.7–10亿元，是过冬毛绒
AI公司最怕两件事：模型迭代烧钱、项目回款慢。有现金才有底气不追烂单。
仍亏损，不装作看不见
早期净亏存在，亏损来自前置研发与商业化投入。 我看公司不看「现在赚不赚」，看「亏损是不是换来了可复用资产」：图谱、客户、本体库、案例。若是纯销售驱动，亏得慌；若是底座驱动，亏得值。
研发费率下降要警惕也要分辨
研发费用从0.87亿降到0.61亿、费率从37.8%降到12.1%，表面不像激进研发型公司。 可如果钱从「泛研究」转到「图谱—智能体工程化、交付效率、生态集成」，反而成熟。ToB不是论文赛，是现场赛。
应收账款和项目制是雷
政企、金融大单回款周期长，收入确认不等于现金到手。 后续我盯三个数：经营现金流、应收账款周转、老客户复购率。比盯市值重要。
五、经营理念上，它最戳我的一句潜台词
「不生产大模型，只把大模型用于生产。」
这很仓鼠：不追天上最亮的星，只把星星的光存进粮仓。它把自我定位放在产业级AI Harness——不是替模型站台，是替客户兜底。任旭阳带队、郑纬民院士任首席科学家，这种组合不是流量组合，是「产业信任」组合。
六、风险我不藏：看好≠无脑冲
- 估值若被「中国版Palantir」情绪推太高，短期回撤会狠；
- 项目制定制仍重，规模化的敌人是人力；
- 智能体赛道会涌进大厂与云厂商，中间层可能被上下挤压；
- 亏损未稳、回款未优前，财报要逐季验证；
- 政策采购利好的是「服务商生态」，不是每家公司都吃满。
所以我的态度是： 长期跟踪，不追首日狂飙；看半年报节奏，不猜明天涨停。
七、结尾：产业AI的下半场，谁陪企业熬到「错不起」？
通用智能像烟花，行业智能像暖气。
海致吸引我的地方，不是「AI除幻第一股」这个title，而是它把最不性感的事做了十年：把事实理顺、把关系连起、把推理留痕、把模型关进可审计的栏里。政策在推首购首用和风险补偿，资本在抢管道中间层，而客户只在乎一件事——你这套东西，出了事能不能解释给我听。
能解释，才敢采购；能溯源，才敢放大。
仓鼠式结论：不追最吵的模型股，蹲最稳的底座鼠。粮要藏在地基里，不在风口上。
#震荡观市手记#
本文作者可以追加内容哦 !
