当大模型走向应用落地的深水区，企业的真正价值，不在于追逐光鲜的名词，而在于能不能深入到痛苦的问题现场，把那些脏活累活的事解决掉。

文｜朱耘

ID | BMR2004

近日，北京海致科技集团股份有限公司（以下简称“海致科技”，02706.HK）正式获纳入港股通标的名单，并已正式生效。 纳入港股通后，符合资格的中国内地投资者可通过A股账户，直接参与公司股票交易。纳入港股通，是资本市场对海致科技综合实力、核心技术壁垒与长期产业价值的高度认可。

2026年2月13日，海致科技正式在港交所挂牌上市。公开发售当天获得了5065.06倍的认购，首日狂涨260%，被誉为“AI除幻第一股”。

过去3年，AI是全球资本最热捧，也最拥挤的赛道。在资本的加持下，大模型参数不断做大，迭代速度越来越快。进入2026年，资本的风向发生了变化：资本不再单纯为参数有多大、模型有多大买单，而是转向了为“模型能干什么”付费。正是在这一时间点上，在Harness（驾驭工程架构）概念火爆的今天，海致科技踩对了步点。

海致科技为何在资本为“模型能干什么”买单时备受青睐？大模型天然具有幻觉，海致科技是如何成为“AI除幻第一股”的？《商学院》记者专访了海致科技CEO杨再飞。

01

给大模型套上“缰绳”

模型智力越高，越要被驾驭，因为它越是深入关键业务，一次概率失误的代价就越大。

大模型有幻觉，几乎是业内皆知的问题。在大型电网的维护，一架由全球几百万个零件构成的飞机的离散制造，金融领域的监管执法这些场景中，一个概率的、不可解释的结果，万分之一的风险都可能带来无法承担的后果。因此，大模型深入行业应用，需要“除幻”。

这正是当下AI领域爆火的Harness概念的由来。杨再飞把大模型的应用分成三个递进的阶段：第一阶段是Prompt（提示词）阶段，靠好的提问让它当好参谋；第二阶段是Context（上下文）阶段，靠越来越长的上下文让它读懂企业更复杂的知识体系；第三阶段就是Harness阶段，给越来越聪明的大模型套上“缰绳”。

事实上，大模型本质上是一个“归纳模型”。它给出的，终究是“最可能”的结果，而非“确定”的结果。幻觉，就是这种概率偏差的产物。

当大模型进入真实的产业一线，企业需要的是能够真正嵌入工作流、自主解决复杂问题的“智能体”。“模型智力越高，越要被驾驭，因为它越是深入关键业务，一次概率失误的代价就越大。所以大家提出来，未来的Agent，就等于大模型加上Harness（缰绳）。”杨再飞说。

海致科技给大模型“除幻”的方法，就是在归纳之外，重新引入演绎——一套逻辑可追溯、可审计的工程，而“图本体”正是这套工程的载体，即把行业里的事实、规则以及彼此的关系，一条条理清楚，连成一张网，并把大模型和这张网绑在一起，让大模型开口前，先对着知识图谱核对一遍，实现“图模融合”。

“图模融合”中的知识图谱，海致科技已经积累了10多年经验，在没有大模型的时代，海致科技就开始布局。

作为国内深耕知识图谱最久的科技企业，海致科技由中国工程院院士郑纬民担任首席科学家，共建了全国首个高性能图计算院士专家工作站。 海致科技招股书显示，在复杂逻辑推理与抗幻觉MuSiQue基准测试中，传统大模型得分低于10%，普通向量RAG低于40%，而海致科技的图模融合技术得分突破50%。

2026年，《智能计算 图计算性能测试方法》和《信息技术 神经网络表示与模型压缩 第3部分：图神经网络》。两项国家标准接连落地，海致科技都是核心起草单位之一。这两项国标的落地，也把图智能行业的竞争，从“比模型参数大”推向“比系统可控、可治理、可落地”。

具体到海致科技的Atlas智能体，知识图谱被嵌进了大模型工作的全流程：在预训练阶段，先让大模型学习知识图谱的结构化逻辑，提前建立事实认知；在推理阶段，大模型负责发散联想，知识图谱同步进行逻辑校验，确保每一个结论都有“实体—关系”的事实支撑；在输出环节，再对内容做验证和改错。归纳负责快、广、举一反三，演绎负责严谨、可控、有据可循，两者深度融合，而非简单叠加。

如今，在海致科技的平台上，接入100多款大模型，为大模型在行业应用中“除幻”。而这正是资本市场最看中海致科技的地方：大模型越来越聪明、越来越便宜，谁能用大模型在“错不起”的行业里干活，资本就为谁买单。

自2013年成立以来，海致科技已累计完成10余轮融资，投资方涵盖BAI资本、君联资本、恒生电子、高瓴资本、上海人工智能基金等知名机构。2025年年报显示，公司总收入6.21亿元人民币，其中Atlas智能体解决方案收入1.46亿元人民币，同比增长68.4%；净利润2410万元，同比增长42.6%。

作为海致科技A+轮的领投方，BAI资本创始及管理合伙人龙宇表示：“我们见证了团队从数据智能到图模融合的关键跨越。当大模型走出实验室、进入容错率极低的产业场景，AI幻觉成为横亘在‘可用’与‘可信’之间的鸿沟。海致科技以知识图谱赋予AI‘类左脑’的精确推理能力，与大模型‘类右脑’的创造性互补，率先实现通过知识图谱显著降低大模型幻觉，并在事实准确度、幻觉率、复杂逻辑推理三维构筑技术壁垒。上市是在更透明、更长期的市场检验中持续进化的新起点，我们期待海致科技将产业对可信AI的共识，沉淀为中国面向全球的长期竞争力。”

需要注意的是，既然海致科技能为大模型“除幻”，那么它给出的结果，会不会有“二次幻觉”，甚至这个“二次幻觉”经过了本体校验的结果，披上了“已校验”的外衣，错误更难被发现？

杨再飞说，“除幻”并非让幻觉归零，“而是让这个决策过程处在逻辑上可演绎的范围之内，你可以去跟踪它。当过程可追溯，错误的发现、问题的溯源就有据可循，进步也变得可测量。”在其看来，用可审计的方法去面对错误，比反过来要求系统“永远不出错”更务实。

02

把隐性知识蒸馏成资产

真正的企业知识，往往藏在那些未被传统业务系统（如SAP）收录的非结构化数据中。

在海致科技的“图本体”中。知识图谱是把行业里的事实连成一张网，本体则是织这张网的规则：它负责规定一个行业里有哪些类型的东西、每类东西有哪些属性、类型之间能发生哪些关系。本体是行业知识的“骨架”和“规则书”，知识图谱是照着骨架长出来的“血肉”。有了本体，大模型才知道一个行业里什么是什么、什么能连什么，每一步推理才有据可依，这是它能“除幻”的前提。

建一套本体，靠的是深入一线的苦功夫，但绝不是人海战术。行业里大量的经验是藏起来的，杨再飞说它分两类：一类是非结构化的操作手册、现场笔记、工作总结，文字有，但没整理成规则；另一类连文字都没有，是经验沉在专家的肌肉记忆和直觉里，连他自己都说不清。要把这两类模糊知识一点点掏出来、整理成本体，没有捷径，只能扎到现场去。

但扎到现场，并不意味着要靠人肉去一点点挖掘。杨再飞说，专家在现场的“肌肉记忆”，其实早已通过一次次业务操作，沉淀在了企业的数字化系统里。真正的企业知识，往往藏在那些未被传统业务系统（如SAP）收录的非结构化数据中。海致科技要做的，就是利用AI自动化深入企业的数字化底座，获得这些无法被大模型公司轻易捕获的Know-how和数据，并将其“蒸馏”成大模型可复用的结构化资产。

这种将隐性知识转化为结构化资产的思路，与全球最前沿的AI商业理论不谋而合。

6月14日，微软CEO纳德拉提出了“Token资本”的概念。他一针见血地指出：企业使用AI（消耗Token）的目的，不应仅仅是为了完成任务，而是要将其转化为“企业自己拥有的AI能力资产”。在纳德拉看来，可沉淀、可复用的公司级AI Harness和可被AI使用的知识网络，才是AI时代效率的真正体现；人的判断、经验、关系、创造力能够被AI系统化沉淀才是关键。

杨再飞也表达了类似观点：“当大模型走向应用落地的深水区，企业的真正价值，不在于追逐光鲜的名词，而在于能不能深入到痛苦的问题现场，把那些脏活累活的事解决掉。”在资本和业界，很多人把海致科技的业务模式与Palantir对比，甚至说海致科技就是“中国的Palantir”。的确，最初双方都是把最聪明的工程师派到客户烦琐的现场，曾经还有人觉得这样的打法‘不性感’，软件生意的理想状态就是把一套光盘给到客户，在办公室里解决问题。杨再飞认为，海致科技选择的路线是对的，把聪明人放到真正烦琐的现场，得到真正的结论，才是对社会最重要的贡献。

在杨再飞看来，本体从来不是一句可以轻易喊出的口号，而是一项极度依赖行业沉淀的苦功夫。“很多公司是在大模型火了之后，倒推着去做本体；而海致科技是在过去十几年里，把最聪明的工程师派到客户最烦琐的现场，把那些‘慢活细活’干透了，才自然蒸馏出了这套知识体系。”杨再飞说，真正的壁垒不在于谁先提出了“本体”这个词，而在于谁拥有把复杂行业逻辑转化为机器可理解、可执行规则的工程能力。

事实上，把工程师放到一线，把不同企业的现场经验抽象成知识体系，把那些需要深入产业才能累积的隐性知识“蒸馏”成大模型将来可复用、更普遍的知识，既考验组织对行业逻辑的深度理解，也考验团队在AI工程化上的定力与耐性。

杨再飞说，这条路的最终目的，是教会大模型自己建本体。“我们希望大模型进入一个陌生的、有深度的行业时，能自己去识别本体、建设本体、找到本体之间的关系。通过不断地输入和互动，大模型会比人更快抵达知识的模糊边界，而真正的挑战在于，人如何与它互动，让它在那些模糊时刻自己建出好的本体。”

海致科技正在努力做这项工作，例如在金融领域，海致科技正与一些大型银行建设“全行级知识工程”，搭建一整套金融本体架构，支撑审计、风控、营销、反洗钱、反欺诈的智能化。在能源领域，海致科技瞄准的则是油井的全生命周期管理、大型电网的故障快速诊断这类硬骨头。

杨再飞说，海致科技选择的方向，很多是落在基础领域。这些领域的问题，有很多没被解决过，数据往往非常复杂、异构，很多没被结构化，没被人类和大模型完全清晰地掌握。恰恰在这些领域，产生的价值更大。

然而，当大模型越来越强、能自我学习、自主决策，一旦它在这些关键场景出错，谁来负责？杨再飞说，当系统被有效约束、可审计可追溯，出错概率会变小，出错后的溯源也有路线可循，“用方法去面对大模型，比反过来要求它不出错更务实。”

事实上，在能源、安全这些领域，人也并非不会出错。但有了本体作为“规则书”，当大模型出错，系统有一条“从错误中追溯、学习”的路径。

至于大模型出错的担责问题，杨再飞将其上升到了碳基文明和硅基文明如何共存的终极问题。“这终究会出现，考验的是我们这个文明本身的形态。也有科学家曾签名要求停止大模型研发，但我更接近务实派——发展阻挡不了，只能在发展中解决问题。”而至于让一个工具永远不出错的期待，杨再飞认为，那是人类对自己全知全能的一种妄想。

记者注意到，杨再飞所说的这些基础领域，也是很多ToB的AI企业瞄准的方向，竞争可谓激烈。但杨再飞表现得十分坦然：“很多公司在做，应该解释为好消息，这条路如果少有人走，往往是死胡同；很多人在做，恰恰说明需求旺盛。至于海致科技有什么优势，这个问题只能靠竞争来回答，不是靠CEO表决心。只要市场够大、创新够强，我们自然会找到自己的空间。竞争让大家都更有活力，它不是零和游戏，而是通过创新把市场做大的多赢游戏。”

随着正式纳入港股通，海致科技迎来了资金结构、交易活跃度与估值体系的系统性重估。这不仅打破了内资无法常态化配置的格局，更让这家“AI除幻第一股”的价值发现通道被彻底打开。截至记者发稿，Wind数据显示，海致科技总市值256亿港元。纳入港股通，对于海致科技而言是制度性利好，随着南向资金的逐步配置，公司的价值锚点将取决于基本面验证而非概念炒作。

（本文图片由受访者提供）

来源 | 《商学院》杂志7月刊