海致科技集團

範式智能

导语

过去两年，资本市场追逐人工智能，几乎都围绕同一个问题展开：谁的大模型更强。

参数规模、推理能力、上下文长度、多模态性能，构成了这一轮AI叙事最醒目的标签。但当热潮真正进入企业现场，问题很快发生了变化。企业并不缺一个会聊天、会写摘要、会生成内容的模型;真正稀缺的，是一套能够接入数据、进入流程、调用工具、遵守规则并完成任务闭环的系统。

换句话说，决定AI能否兑现商业价值的，不再只是模型本身，而是围绕模型构建起来的那套“驾驭系统”。

这正是“Harness”概念被频繁讨论的背景。

(Harness，是2026年AI工程圈最热门的话题之一。图片来源：AGI Hunt)

如果说大模型是一匹马，那么 Harness 更像马具——缰绳、辔头、马鞍、挽具。没有这套装备，再强壮的马，也只是拥有力量;装上它，马才能真正进入生产系统，被引导、被控制、被协同，最终承担运输、作战或劳作。放到人工智能时代，逻辑也是一样：模型提供智能，Harness 决定这种智能能否被组织驾驭、被企业部署、被产业真正使用。

沿着这一坐标系重新审视海致科技(02706)，资本市场对它的理解方式，或许也应随之改变。

一、一场变化正在发生：AI比拼的已不只是模型

大模型爆发以来，市场最容易看到的，是模型能力的跃迁。OpenAI、Anthropic、Google、Meta，以及国内一批模型厂商不断推动能力边界上移，形成了“谁更聪明”的显性竞争。

但企业端很快证明，模型强，并不等于业务就能跑通。

麦肯锡在《The State of AI in 2025》研究中提到，已有88%的受访企业在至少一个业务环节中使用AI，但真正实现规模化应用的比例仅为33%;只有39%的受访者表示，AI已为企业带来EBIT层面的改善。这组数据的含义很直接：AI采用率并不低，真正兑现到经营结果上的比例却仍然有限。

问题不在于企业没有模型，而在于模型往往还没有真正进入组织运行系统。

很多企业今天已经能让AI写文案、做纪要、产出报告、辅助客服，但一旦进入更复杂的业务深水区——比如风控审批、产业研判、设备诊断、关系识别、合规治理、跨系统任务协同——模型常常就会暴露出局限：它不理解企业自己的数据结构，不知道业务规则，不具备稳定的工具调用能力，也缺乏可持续的状态管理和结果校验机制。

于是，AI行业的竞争逻辑开始悄然变化。

上一阶段，拼的是谁拥有更强的模型;下一阶段，拼的更可能是谁能把模型接入工作流、知识系统、权限体系和真实任务，并最终转化成企业愿意长期付费的生产力。这种变化，本质上就是从“模型竞争”走向“系统竞争”。

Harness之所以升温，正是因为它回应了这一阶段最现实的问题。

二、什么是 Harness?给大模型套上“马具”!

“Harness”并不是一个新模型名字，也不只是技术圈内部的黑话。它更像一个理解企业AI下半场的框架。

如果借用一个最容易理解的比喻：大模型像马，Harness像马具。

缰绳决定方向，辔头决定控制，马鞍决定承载，挽具决定它能不能真正去拉车。没有这整套系统，马再有力量，也只是力量;有了它，力量才会变成可调度、可组织、可利用的生产力。

(图片来源：AI生成)

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在谈“Harness时代”时，也采用了类似的形象表达：AI产业接下来真正重要的，不再只是训练出一个强大的模型，而是围绕模型建立起一整套让它能被驾驭、被调用、被接入产业场景的运行机制。模型像马，而 Harness 更像让马真正进入生产系统的那套装备;如果借用汽车工业的类比，模型像发动机，Harness则更像线束和控制系统，使用者则是驾驶员。

汤道生指出，过去三年，全世界的注意力都集中在“发动机”上;而今天，大家逐渐意识到，真正创造价值的，是驾驭发动机的“线束”。模型能力的天花板，不只在模型之内，也在模型之外;约束不是对智能的压制，而是对智能的引导;AI无法可靠地评价自己，因此 Harness 的意义，正是让模型更安全、更可控。

放到企业AI中，Harness至少包含五层能力。

第一层：上下文与企业知识接入。

模型知道大量公共知识，但它不知道公司的制度、合同、供应链、客户、设备、组织架构与历史关系链。Harness要做的第一件事，就是让模型接上企业自己的知识源，让AI不是在“空中回答”，而是在企业语境里理解问题。

第二层：工具调用与系统连接。

企业工作并不只靠语言完成。查数据库、调API、触发审批、读报表、写入系统、执行规则，这些都需要AI拥有“手和脚”。没有工具调用能力，AI永远只是建议者，很难成为执行者。

第三层：状态、记忆与连续任务管理。

真实工作不是一次性问答，而是持续过程。前一天做了什么、上一步判断是什么、下一步该调用什么，都需要状态和记忆来维持。缺乏这一层，AI就会一直处在“失忆式办公”中。

第四层：规则、权限与治理边界。

企业不是开放游乐场。金融有合规边界，政务有权限边界，工业有安全边界。Harness的重要任务之一，就是让AI在规则之内行动，而不是自由发挥。

第五层：验证、反馈与纠错机制。

企业不怕AI慢一点，怕的是它一本正经地错。AWS Labs在关于企业生成式AI的技术文档中提到，hallucination management 与 contextual grounding 是企业级AI可信落地的关键，尤其在金融、医疗、法律等高准确性场景中更是如此。

因此，Harness解决的从来不是“模型是否足够聪明”，而是“模型是否能够被纳入制度化、流程化、可治理的工作系统”。

由硅谷连续创业者 Jyoti Bansal 与前苹果 DevOps 技术负责人 Rishi Singh 联合创立的全球头部 DevOps 厂商 Harness，也在官网中提出，客户真正需要的，不是一个能做出演示的模型，而是“reliable, trustworthy, governed systems at scale”——可依赖、可信任、可治理、可规模化的系统。

(截图出处：Harness 官方网站)

说到底，企业真正想买的，从来不是一个“会聊天的AI”，而是一套“终于能上岗的AI”。

三、为什么海致科技，越来越像 Harness 时代的代表公司

如果顺着 Harness 的逻辑重新看企业AI公司，判断标准就会变得不一样。

真正值得注意的，不一定是模型最强的公司，而更可能是那些把模型装进真实产业流程的人。它们做的不是单点问答，也不只是一个聊天入口，而是在解决模型如何与知识、关系、规则、数据、工具和系统连接的问题。

从这个意义上看，海致科技的代表性，恰恰不在于“它也是一家AI公司”，而在于它切中了 Harness 最关键的一段。

根据公开招股材料，海致科技是一家中国领先的产业级人工智能企业，核心技术路线是图模融合，主要通过这一技术开发产业级智能体，并提供产业级人工智能解决方案。按2024年收入计，公司在中国产业级AI智能体提供商中位列第五;而在中国以图为核心的AI智能体提供商中位列第一，市场份额为53.3%。

从公开材料看，海致科技目前形成了两大产品主线：

Atlas图谱解决方案：包括 DMC 数据智能平台、Atlas知识图谱平台、AtlasGraph图数据库;

Atlas智能体：基于图模融合技术开发，落地于反欺诈、风险识别、数据治理、智能制造等场景。

截至2024年末，公司已服务300多家客户，覆盖100多个应用场景，客户主要来自金融、公共服务、能源、电信等复杂行业。

这些信息最值得注意的，并不是“海致也在做智能体”，而是它做智能体的方式。

四、海致真正特别的地方，是它在给大模型“装地图、装轨道、装护栏”

海致科技最鲜明的技术标签，是“图模融合”。

这个词看起来专业，但产业含义并不难理解。

大模型的优势在于自然语言理解、泛化能力和开放式推理;但它的问题同样明显——在复杂企业环境中，它容易脱离具体业务语境，容易“答得像”，却未必“答得准”。尤其在风控、治理、制造、产业决策这些高门槛场景里，模型的幻觉不是小毛病，而可能直接影响企业判断和组织运行。

而图谱所做的，恰恰是把企业世界里的对象、关系、规则、流程、风险点和约束条件结构化表达出来。换句话说，图谱像地图，模型像驾驶员。没有地图，驾驶员再聪明，也容易迷路;有了地图，模型的推理就不再悬空，而能沿着关系网络、业务规则和知识结构前进。

海致科技招股材料特别强调，公司是中国首家通过知识图谱有效减少大模型幻觉的AI企业。这句话之所以重要，不是因为它听起来新，而是因为它恰好打在企业AI最关键的痛点上：企业真正需要的，不是一个更会发挥的模型，而是一个更不容易失控的模型。

这实际上非常接近 Harness 的本质：不是让模型拥有无限自由，而是给它装上轨道和护栏，让它在产业知识和业务关系网之中工作。

从这个角度看，海致科技与很多“在模型外面包一层工作流”的智能体公司并不相同。很多Agent公司更偏“动作层”和“交互层”;海致更偏“知识层”和“约束层”。它不是只帮AI多走一步，而是在试图解决AI为什么能在复杂行业里走得稳。

而在企业AI真正走向深水区之后，这种能力往往更难、更慢，但也更有壁垒。

五、海致站住的，正是企业AI最难也最值钱的一段

市场有时会用旧标签看新公司。海致科技长期被视作知识图谱公司，这没有错;但如果只停留在这个标签上，已经低估了它所处的位置。

放在今天的AI产业结构里，海致的价值更像三层能力的叠加。

第一层，是数据与知识底座。

包括数据治理、实体识别、关系建模、知识组织、图数据库管理等。这一层解决的是：企业究竟知道什么。

第二层，是推理与约束能力。

通过图模融合，把大模型的语言理解能力与图谱的精准关系表达、规则约束和结构化推理能力结合起来。这一层解决的是：AI如何理解这些知识，并且不乱理解。

第三层，是场景化智能体与行业解决方案。

把前两层能力真正封装进可落地的业务系统，如反欺诈、风险识别、数据治理、智能制造等。这一层解决的是：AI如何开始干活，并在企业流程中持续创造价值。

如果说传统知识图谱公司主要停留在第一层，很多Agent公司主要停留在第三层，那么海致科技的意义就在于：它把三层串起来。

而这，也正是 Harness 型公司的典型特征——它卖的不是一个零部件，而是一套“能工作的系统”。

从财务数据看，海致科技2022年至2025年收入分别为3.13亿元、3.76亿元、5.03亿元、6.21亿元;其中 Atlas 智能体收入从2023年的890万元增长至2025年的1.46亿元，增长较快。公司并非停留在概念和技术论证阶段，而是在把图模融合与智能体能力逐步转化为真实收入;同时，市场对其产品的接受，也已开始从底层平台能力延伸到更上层的智能体能力。

企业AI与消费AI最大的区别，不是模型大小，而是容错率。消费端一个助手答错一句话，用户大多一笑而过;但企业端一个系统误判风险、误读政策、误配资源、误导治理，代价就完全不同。尤其在金融、政务、能源、制造这些场景中，AI不是图个新鲜，而是必须可解释、可验证、可追责、可集成、可持续优化。

也正因此，企业级AI最稀缺的，不是单点聪明，而是系统层面的可信。

把这一点与海致科技的产品路线放在一起看，就能理解它的战略位置：它没有去卷最热闹的通用模型，也没有只做一个轻量级Agent入口，而是选择了更重、更产业、更接近企业核心流程的一条路径——通过图谱、图数据库、知识结构与智能体，把AI放进高复杂度场景。

这条路未必最容易讲故事，却更接近企业预算，也更容易形成长期壁垒。

换句话说，海致的价值不在于它是不是“又一家做AI的公司”，而在于它恰好落在企业AI最难的那段路上：让模型进入关系复杂、规则密集、错误代价高的产业现场。而这，正是 Harness 时代最值钱的一段。

六、放到港股AI公司里看，海致的稀缺性才真正清楚

如果把海致科技放到港股AI公司框架中看，它的差异化会更清楚。

第四范式(06682)更接近企业级AI平台和决策智能公司。它的长板在企业AI平台化、模型工程化和行业解决方案能力，代表的是“企业AI平台层”的能力。

商汤(00020)则更偏“大模型+基础设施+Agent应用生态”。从其公开资料看，商汤既有日日新大模型，也有“大装置万象”这类面向Agent开发的平台，并在办公、内容、电商等方向推出多类智能体产品。它更像模型能力向应用生态外溢的代表。

金蝶国际(00268)的逻辑又不同。金蝶的优势不在模型底层，而在企业管理软件和ERP入口。它布局AI智能体，本质上更像是把Agent嵌入既有企业软件流程中，因此更接近“软件入口型 Harness”。

相比之下，海致科技的差异化并不在于它也做Agent，而在于它是少数把“图谱、图数据库、结构化知识底座、复杂关系推理、产业智能体”捆在一起讲清楚的公司。

如果说第四范式的长板在企业AI平台化，商汤的长板在模型、多模态与应用生态，金蝶的长板在企业软件入口，那么海致的长板就在于：它更靠近 Harness 最难也最有壁垒的一段——把模型装进高复杂产业知识网络。

也因此，海致未必是港股中最宽泛意义上的 Harness 公司，但很可能是港股最具“产业级 Harness”辨识度的公司之一。

当然，“港股 Harness 第一股”如果只是一个吸睛概念，意义不大;只有当它背后有产业逻辑和资本逻辑支撑时，这个判断才站得住。

至少从目前看，这个提法成立，依赖三个前提。

第一，海致所处的不是一个过窄的细分赛道，而是一个正在快速扩容的新接口。

根据招股材料相关公开转引，中国产业级人工智能解决方案市场规模预计将从2025年的654亿元增长至2029年的2861亿元，复合年增长率为44.6%;而集成知识图谱的产业级AI智能体市场规模预计将从2024年的2亿元增长至2029年的132亿元，复合年增长率达到140.0%。这意味着，海致站在的并不是一个已经见顶的老市场，而是企业AI从试点走向系统化部署的关键接口。

第二，它切中的，是企业AI最现实也最长期的痛点。

今天企业真正反复问的问题，并不是“模型够不够大”，而是：怎样降低幻觉，怎样接入企业知识，怎样进入业务流程，怎样在高门槛行业中稳定运行，怎样让AI的输出更可解释、更可治理。海致科技的产品路线，几乎都对准了这些问题。

第三，它的故事更容易从“技术叙事”过渡到“资本市场叙事”。

资本市场真正偏好的，从来都不是“技术很先进”这句话本身，而是“技术先进，并且正好落在价值兑现的主线之上”。

因此，若把海致科技称为港股“Harness第一股”，至少在今天，这个判断已不只是口号，而开始具备商业化验证与资本市场双重语境下的解释力。如果未来市场对AI公司的估值逻辑，确实从“模型能力”逐渐转向“系统落地能力”，那么海致科技这种能把模型装进复杂产业流程的公司，就有机会比单纯依赖概念热度的AI公司更早获得重新理解，并更早被 Harness 逻辑重新定价。

但这并不意味着它已经没有挑战。

资本市场后续真正要看的，仍然是几个现实问题：图模融合的技术优势能否持续转化为更标准化、更高复用率的产品;Atlas 智能体的快速增长能否继续延续;以及在大模型厂商、云厂商和软件厂商不断下沉企业市场的背景下，海致是否能够守住其“图+模+产业知识”的复合护城河。

这些问题，将决定它最终能不能从“一个被新叙事照亮的公司”，走向“一个真正被长期定价的公司”。