海致科技集团 (02706.HK) 2026智通财经夏季路演大会
文章语言：
简
繁
EN
分享
纪要
原文
会议摘要
对话探讨了AI智能体从prompt到context再到harness工程的演进，以及图模融合技术在产业级应用中的重要性。海志科技，一家由百度前高管创立的公司，专注于图数据库和知识图谱技术，已在公安、金融等领域取得显著成果，通过与大语言模型结合，开启了智能体新纪元。2023年，海志科技在LDBC测试中夺冠，同年港股上市，展现了其在图计算领域的领先地位和强劲市场潜力。
会议速览
海智科技：图模融合技术引领产业级AI解决方案的先锋海智科技作为中国首家将图模融合技术应用于产业级AI解决方案的公司，凭借其在图数据库领域的全球领先能力及智能体业务的高速增长，已实现盈利并拥有超过400家客户。公司与郑纬民院士合作，参与国家重点研发任务，制定全球首个图模融合标准框架，适配全球主流大模型体系，展现其在AI领域的创新实力与市场潜力。
海军发展历程：从知识图谱到AI产业级应用过去十年，海军从知识图谱技术积累，到自主研发图数据库，再到结合大语言模型实现AI产业级应用，覆盖政府、金融、能源等多个复杂数据领域，展现了技术革新与市场拓展的双重成就。
AI企业港股上市背后：技术、投资与产业落地介绍了一家AI企业在港股上市的背景，强调了其在to b端技术应用和服务大型企业的经验，以及与院士合作强化技术实力。股东包括技术投资人、国家队和知名企业，共同推动AI模型在产业端的实用化转型。
大模型与产业融合：驾驭体系的重要性及挑战讨论了大模型从概率智能向确定性执行转变的必要性，强调了驾驭体系（harness）在智能体应用中的核心作用，以及在B端落地时面临的挑战，如安全、权限和规则问题。同时，指出FD工程师在产业端融合中的关键角色，证明了驾驭体系对于大模型在B端成功应用的重要性。
大语言模型发展历程：从提示工程到引导式智能过去三年，大语言模型经历了三次关键演变。初期的提示工程聚焦于优化指令，但受限于模型自身能力不足及实际应用中频繁变化的任务需求。随后，上下文工程通过引入背景知识和案例学习，试图增强模型的理解与执行能力，但静态文档的局限性仍无法满足高级别任务需求。最终，引导工程的提出，旨在通过定制化的指导与规则设定，使模型能够像有经验的师傅一样，传授有效知识与实践技巧，从而实现更精准、高效的智能应用。这一系列迭代反映了人工智能领域对智能引导与应用认知的深化。
驾驭智能体：产业深度融合与技能编排的重要性讨论了智能体驾驭体系的重要性，包括语义知识图谱的理解、技能编排的合理性，以及与产业能耗的深度融合，强调了将实践经验模型化对提升人工智能价值的作用。
本体体系与AI智能体：电网数据管理的未来趋势讨论了在电网公司背景下，传统AI虽能提供数据洞察，但缺乏情境理解与决策支持，而基于本体体系的AI能识别家族性缺陷，预测供应链风险，提供全面的解决方案，强调了AI从工具向智能体转变的重要性，以及知识图谱在复杂关联管理中的作用。
新能源出力提升对经济影响：AI知识体系与行业本体的融合讨论了AI在新能源出力提升情境下对经济影响的分析能力，强调了行业知识本体的重要性。指出AI需具备行业知识才能提供实际指导，而非仅提供理论分析。新能源出力增加超过15%可能触发一系列连锁反应，包括局部反向潮流、储能策略不足、工业负荷响应牵引力不足等问题，需全面理解源网荷储环节及相互作用，以应对新能源高发时段的挑战。图计算在大规模复杂关联分析中展现出显著优势，为能源电力等行业提供新认知方式。
从一维数据到知识图谱：动态关系网络与智能体体系的融合对话深入探讨了一维数据至三维数据的演变，以及知识图谱在复杂关系网络中的应用价值。强调了动态变化对关系网络的影响，以及知识图谱技术与大语言模型结合的创新实践。同时，指出了知识图谱在智能体体系中的关键作用，尤其是在B端应用中与行业理解的深度融合，展现了未来技术发展的广阔前景。
智能体构建与产业融合：数据知识平台、行业本体与模型融合讨论了智能体构建中的三大核心能力：数据知识平台的构建，将复杂企业数据转化为AI可读取格式；行业本体的构建，解决不同部门对同一数据的语义差异；以及模型融合，适配不同大模型以实现产业链功能。强调了行业理解与产业背景对数据关联与应用的重要性。
行业深耕与技术领先：构建垂直闭环的产业优势通过长期服务金融监管和公共安全等行业，积累了跨行业数据认知，结合全球领先的图数据库技术和智能体组织编排经验，形成了从知识垄断到数据资产沉淀，再到组织嵌入的全行业最优垂直闭环，有效串联数据业务执行，实现AI智能体的最佳应用。
海之涂膜孪生智能体：运用大模型与图计算技术优化案件侦办流程介绍了一种名为海之涂膜孪生智能体的系统，该系统通过融合大模型技术和图计算技术，实现了从接收用户指令到自动规划、分解任务、调用工具并生成高价值成果的全过程。在案件侦办场景中，系统能够根据案件信息生成研判思路，绘制DAG图，分析嫌疑人作案可能性，并最终形成案件侦查报告，有效提升了案件侦办效率。
智能体与指挥官系统：重塑警务与政府决策讨论了智能体在警务和政府决策中的应用，强调其能有效缩短案件侦破时间，解放人力，专注于创造性工作。指挥官系统则通过综合分析多源数据，解决复杂问题，提升决策效率。
AI指挥官体系在多部门协同中的智能应用与价值探讨了AI指挥官如何通过实时监控客流、车流等数据，预测并调整交通状况，实现多部门协同指挥。强调了AI系统通过不断学习和沉淀经验，提升应对突发事件的能力，以及跨行业应用的潜力和挑战。
超大B端客户合作模式与未来付费趋势探讨讨论了以超大B端客户为核心的合作策略，强调了政策驱动下国央企和政府部门作为主要支付方的重要性。指出基于超大B端客户建立的行业能力具备外推和泛化潜力，且此类客户偏好私有化部署，合作周期长，复购率高。展望未来，随着服务范围向中大B端扩展，以使用付费的商业模式将逐渐成为可能。
AI领域企业探讨盈利模式与技术投入平衡对话围绕AI领域企业的盈利模式、技术投入与市场增长展开。指出尽管公司已实现盈亏平衡，但未来仍需大量硬技术投入，尤其在AI模型和自动化构图领域。强调高毛利被低估，实际增长将远超预期，应用端增长有望在模型迭代放缓后加速。
要点回答
Q：海智科技的发展历程是怎样的？
A：海智科技自2013年开始专注于知识图谱技术的研发，后来发现受限于当时的图数据库技术无法充分发挥图谱的价值，因此从2019年开始自主开发图数据库能力，并于2023年取得突破，击败了当时的世界纪录。随着大语言模型的兴起，海智将图谱技术与大语言模型相结合，实现产业级AI落地应用的可行性。
Q：海智科技在图模融合技术方面的定位是什么？
A：海智科技是中国首家将图模融合技术应用到产业级AI解决方案的公司，并且在以图为核心的AI智能体提供商中排名第一。我们自主研发的分布式云原生图数据库系统，在2023年时以45%的优势打破了当时的世界纪录。
Q：海智科技的智能体业务增长情况如何？
A：自2023年至今，海智科技的智能体业务实现了高速增长，增长率达到了1567%，虽然增速有所放缓，但每年50%以上的增速仍然可期。目前，海智科技已拥有超过400家客户，并在2024年从经营层面实现了盈利。
Q：海智科技在技术和人才方面的布局有哪些亮点？
A：海智科技拥有全国顶级专家郑纬民院士作为首席科学家，与他在2021年共同成立了研究机构，使得公司在图计算领域有更多的高等级人才合作机会。此外，公司能够适配国内外主流大模型体系，并且是国家重点研发任务的承担者，参与了多项重要项目。
Q：海智科技的主要客户群体和服务领域是什么？
A：海智科技的客户群体覆盖广泛，包括但不限于土地、非土地、金融、能源、电信、交通等领域，特别是在数据复杂、产业能耗积累深的大型企业或服务对象中，已有超过70%的国有及股份制银行成为客户，省级公安、电网等领域的覆盖率也分别超过了60%和30%。
Q：海智科技的核心创始团队成员有哪些背景？
A：海智科技的创始人包括任总（百度早期创业元老之一，财务自由后孵化了多家公司，包括海智），杨娜（中央电视台前主持人，公关公司创始人）和郑纬民院士（中国工程院院士，计算机系统结构学科带头人）。郑院士于2019年加入海智，成为公司的首席科学家。
Q：OpenAI在爆火后遇到了哪些挑战和问题，为什么会有用户想要卸载它？
A：OpenAI在爆火后遇到的安全问题包括权限问题、规则问题以及上下午场地等具体场景的应用难题。这些问题对C端用户来说构成了巨大挑战。而在更复杂的产业端落地时，这些问题更加凸显，导致用户开始寻求卸载。
Q：那么pic和OpenAI为何大量招聘FD (前沿部署) 工程师？
A：SO pic和OpenAI招聘FD工程师是为了真正将智能体部署在企业一线，这些工程师在部署智能体的同时扮演前端工程师、产品经理和项目主管的角色，将产业能耗与AI系统深度融合，证明了大语言模型在B端落地应用离不开与产业能耗的结合。
Q：人工智能或以大语言模型为核心的人工智能经历了哪三次变迁？
A：第一次变迁是prop工程，即通过改进提示词来提升模型效果；然而发现模型本身的结构能力和记忆局限性导致效果受限，进而发展到第二轮context工程，通过建立工作文档数据库增强模型的记忆和背景知识。但最终发现仅提供静态文档和背景知识仍无法使模型具备实际工作能力，因此出现了第三代harness工程，通过构建智能体的引导体系，使其能理解和遵循特定领域的知识、规则和隐性规则，正确发挥效能。
Q：为什么harness工程如此重要，它具体包含什么内容？
A：harnass工程的重要性在于它提供了一套智能体运作的约束体系，帮助智能体理解语义知识图谱、形成专业领域理解，并对工具调用和任务编排进行合理编排，解决长期逻辑推理问题。同时，它强调与产业能耗的深度融合，让智能体能基于实践经验积累的know-how进行有效应用和决策，而不仅仅是基于理论知识的输出。
Q：以电网公司为例，如何体现harnass工程在实际产业中的应用价值？
A：在电网公司场景中，没有以本体为基础的harnass体系时，AI只能提供基础的数据分析信息，如故障率上升、抢修时间增加等。而在完善的harnass体系下，AI不仅能识别出家族缺陷扩散的风险，还能预测未来修理需求、评估供应商交付周期，并建议及时检修保养以避免潜在故障，从而将智能体的价值发挥得更为充分。
Q：AI是一个工具还是智能体，如何理解其在实际应用中的角色？
A：AI如果要成为一个真正的数字员工，需要具备相应的知识水平和储备能力，而不仅仅是提供信息查询的功能。通过本体体系或hard体系，AI能够理解并关联不同现象之间的因果关系，比如设备故障引发的采购、维修需求变更等，从而实现更复杂的逻辑判断和行动部署。
Q：对于新能源出力提升对电网经济影响的问题，不具备本体知识的AI会如何回应？
A：不具备本体或hard体系的AI可能会给出一些基础且缺乏指导性的回复，如新能源增加导致风光率变化、储能调用频率上升、电网调节力增强等。但这种回答无法直接指导具体行动，仍需依赖于专家意见。
Q：拥有行业知识的本体在面对新能源出力提升时能提供何种见解？
A：拥有行业知识的本体能揭示新能源出力提升超过某个阈值（如15%）后，可能会触发一系列连锁反应，例如局部反向潮流、储能策略不匹配导致电网失去调节能力、工业负荷响应不足等问题，并指出这些问题可能带来的后续行动点。
Q：图计算在处理大规模复杂关联分析中的优势是什么？
A：面对百亿甚至千亿级别的大规模复杂关联分析时，图计算的优势在于其计算性能较传统关系型数据库快1000倍。图计算可以应用于电网、轨道交通、社交网络等各种领域，提供了一种全新的认识世界的方式，通过点兵关系线索表达事物及其关联关系。
Q：知识图谱与关系型数据库有何区别，以及为何在描述复杂关系时需要知识图谱？
A：关系型数据库适用于表达简单的一对多或多对多关系，但当涉及极为复杂的多层嵌套关系时，如公司股权结构穿透至底层实体企业时，关系型数据库已无法有效表示。此时，知识图谱能够以三维数据结构来全面、动态地描述复杂关系网络，驱动工具调用并预测潜在连锁反应。
Q：海志的知识图谱技术相较于一般知识图谱公司有何优势？
A：海志不仅擅长静态知识组织制图，更注重动态变化对整个知识体系的影响，并具备自动化构图技术，能够快速完成结构化数据间的关联构建，以及结构性数据与非结构性数据的整合关联。
Q：为什么大语言模型技术对知识图谱的发展至关重要？
A：在没有大语言模型技术之前，构建超大规模知识图谱成本高昂，需要大量行业专家参与。而现在，借助大语言模型和产业理解，可以实现自动化构图，使知识图谱在智能体体系中发挥更大作用，如任务规划器、上下文装配器、执行编码机等组件中，为智能体提供自动驾驶般的决策能力。
Q：在智能体构建中，融合了哪三种底层能力？为什么海智在智能体解决方案中能够做得比较好？
A：智能体构建融合了三种底层能力：首先是一种叫DMC的数据知识平台，它将企业的复杂数据构建出来，形成AI ready的数据；其次是一个行业的行业本体，即对同一公司内不同部门基于同一数据的语义定义进行整合理解；最后是图模融合技术，将这些能力适配到各种大小模型中。海智能做得好的原因有两点：一是我们在相关行业积累了超过十年的经验和大量案例，深入理解了不同行业的运作机制；二是我们最早进入的金融监管和公共安全领域中，处理的数据以外源性数据为主，这使我们在跨行业数据理解和应用上具备优势，并且拥有领先的图数据库技术和多项国家标准制定经验。
Q：海智是如何利用自身技术和行业经验服务于不同行业的？
A：海智以公安行业的服务为基础，由于公安数据主要来源于外源性数据，而这些数据在后续的金融、电力等制造行业也常常是所需的数据源之一，因此我们能够快速切换并应用到其他领域。同时，通过深度服务各行业，我们培养了对跨行业数据的基础认知，从而实现知识底座到知识本体的构建，让大元模型在action AI中发挥作用，串联起整个数据业务执行的最优法律机制。
Q：海之涂膜孪生智能体千川小智是如何运作的？
A：千川小智是融合了大模型技术和图计算技术的专业垂类智能体，能够根据用户意图自主完成任务规划、工具调用和价值成果交付。例如，在案件侦办场景中，根据报警信息和图研判知识生成侦查研判思路，并通过执行一系列指令，自动分析嫌疑人相关信息，形成案件侦查报告，大大提升了案件侦破效率和准确性。
Q：AI智能体如何通过学习优化自身决策效果？
A：AI智能体通过与不同部门和功能的交互，将每一次行动的影响沉淀下来，随着模型应用的增加，其智慧会逐渐提升。就像人从经验中学习一样，AI能根据历史数据和实时情况调整策略，提高决策的精准度和效率。
Q：在企业决策系统中，为什么需要一个能够串联不同口径、理由和归因的智能体系？
A：如果没有这样的智能体系，企业在面对多目标权衡和多约束协同的问题时，决策会变得混乱无章。例如，当税收任务未完成时，可能是因为规上企业业绩不佳或新入驻企业数量不足导致的，而这些原因可能分布在税务局的数据系统、招商部门和工商配合等多个环节。只有通过一个完善的智能体系，才能穿透并整合各个部门的任务和数据，形成全局观，并基于此做出有效决策。
Q：这种智能体系如何运作以实现“指挥官”功能？
A：该智能体系由多个子智能体组成，能够处理复杂的多目标、多约束环境，具备综合分析和多部门协调的能力。以AI指挥官为例，它能实时监控本市交通枢纽的客流情况，根据各种实时信息（如人流、车流、红绿灯状态、火车班次等）进行预测和决策，从而有效调度资源，如调整红绿灯时长、指挥交通或调整火车进站班次等。
Q：公司为何选择以超大型企业为核心开展业务，并采用项目合作模式？
A：首先，超大型企业在政策驱动下对新产业落地有巨大支付能力，且建立起来的行业本体能力具备外推和泛化的可能性。其次，以行业龙头企业切入可以确保获得预算充足且有强烈需求的客户，从而构建服务该行业所有客户的潜力。虽然目前这类客户倾向于私有化部署和项目合作，但长期来看，随着业务模式的发展和市场需求的增长，有望实现按照使用量付费的商业模式。
Q：公司何时能实现盈亏平衡以及对未来发展的预期？
A：公司在2024年已经实现了盈亏平衡，而2025年的目标受到一些财务处理因素的影响。尽管当前领域投入大额盈利并非首要目标，但公司的高毛利和研发投入被低估，随着AI需求井喷式增长，实际收入增长预计将远高于预期。随着大型模型能力的快速迭代和应用端的增长，预计到2028年至2029年后，应用端的增长将加速，进一步摆脱现有状况。
