智能体收入暴增68%！这家港股AI公司靠「关系」驯服企业龙虾

Jay 发自 凹非寺量子位 | 公众号 QbitAI港股超额认购5065倍的AI公司交出了上市后的首份答卷。一路猛涨全年营收6.21亿元同比增长23.4%。净利润2414.7万元同比增长42.6%。更令人印象深刻的是在营收扩张的同时其盈利能力不降反升整体毛利率提升了7个百分点达到43.3%。而这一切的背后都离不开一个核心引擎的驱动——Atlas智能体业务。这项业务正展现出强大的生命力收入实现跨越式增长达到1.457亿元同比激增68.4%毛利率更是高达53.2%成为拉动公司整体盈利水平提升的关键。海致科技2706.HK一家并不追逐底层大模型「军备竞赛」的公司却凭借为「企业级AI」打造「操作系统」在激烈的市场竞争中杀出了一条属于自己的路。Agent这个词在C端已经被OpenClaw彻底引爆一度催生出生态中的无数中间层甚至连大厂们也争相推出龙虾部署方案。而现在B端企业级Agent基础设施所蕴含的巨大价值也随着海致科技这份扎实的财报清晰地浮出水面。企业级AI落地差点「关系」过去两年Coding Agent的迭代速度令人咋舌。Claude Code、Codex、Cowork……模型干活的能力越来越强了这一点毋庸置疑。但一个尴尬的事实是大量企业的AI项目仍然停留在Demo阶段。搭个聊天机器人、做个文档摘要、跑个知识问答这些事员工自己Vibe Coding一下就能上线。可一旦要把AI嵌入核心业务流程赋予它真正的「执行权」问题就来了——根本不敢让它干活啊小编已经深受其害。前段时间我给自己的龙虾接入了公司内部系统。本意是丢给它一篇同事的在线文档让它帮我想几个标题。谁想到它二话不说直接上手要改人家的原文档。幸好那篇文档没开放编辑权限它尝试半天无果最后灰溜溜地回来了。但至今想起这一场景我仍是一身冷汗。要是哪天它在闲逛时不知从哪读到一串「删除所有文档」的提示词……后果难以设想。毕竟现在的AI在技术架构上压根就没有真正的约束。你费尽口舌嘱咐龙虾要注意安全对AI而言不过是又一段上下文在长链路任务里它转头就忘了。只要底层还是概率模型随机性就永远存在。可这在B端语境中是不可容忍的。模型厂商在不断刷新技术的上限但B端落地的门槛是守住下限——结论来自哪些知识和规则任务执行走了哪些步骤调用了哪些Skill出错了该回溯到哪一步按传统的解决方案这几乎是个不可能完成的任务。从第一性原理思考随着企业数智化进程加速智能体在工作时会像滚雪球一样不断积累Skill、任务、记忆……这些一旦滚起来可就很吓人了。哪怕是C端对于那些资产沉淀深厚的龙虾发烧友一句你好可能几万Token就烧没了。更别提企业级的数据资产规模。成本还是次要。关键在于光靠暴力扩充上下文并不能有效提升模型表现。已有研究表明模型的注意力是有限的。哪怕能吞下1M的上下文记得最清楚的也只有开头和结尾中间的内容基本是一团乱麻。更何况知识、规则、Skill、任务和状态通常散落在不同系统里。规模一旦上来想让Agent干活时把这些约束全记住无异于大海捞针。归根结底Agent的执行过程从来就不是一条流水线。任务之间有依赖Skill之间有前置条件记忆之间存在因果……想要高效检索重要的不只是数据还得记住数据之间的关系。这正是图数据库的逻辑。它是一种节点间相互连接的数据结构。各维度的数据不再是孤岛而是通过各种关系连在一起的「蛛网」。以反走私为例。海关手里有案件记录、物流信息、资金流水等多源异构数据想揪出隐蔽的走私团伙往往得把多类数据结合起来才能连点成线。而这一切放在关系网里瞬间就清晰了。人、公司、银行账户、物流集装箱、走私案件全变成了图上的节点它们之间的关联就是连接节点的边。研判人员想查隐藏团伙只需沿着这些边快速走几步就能看清张某控制着哪家公司这家公司又和哪个物流团伙有来往资金又是通过哪些账户层层转给境外的。对于深度与业务融合的场景而言这种检索逻辑能用「关系」这层信息替代掉庞大上下文非常适合用来管理企业级数据资产。RAG的出现反向说明了LLM本身是一个充满不确定性的「混沌世界」而RAG能提供更确定的事实依据。但当知识量持续膨胀时如果没有高效的知识索引RAG带来的这些红利会直线下降。LLM无法解决所有问题图亦然。更好的解决方案或许是取平衡点——让两者协同合作各自发挥所长。这就是海致所说的图模融合。通过图技术构建结构化的知识索引再利用Skill与LLM进行对接从而让知识在图与模型之间高效流转被精准解析与执行。这样既解决了知识高效索引的问题又保留了向量信息从而能够充分发挥LLM的推理与生成能力。结果就是AI得以蜕变为兼具领域专家智慧与高效执行能力的「超级员工」。这正是海致科技过去十余年持续深耕的壁垒。做企业级AI的地基海致科技的核心产品叫AtlasGraph一个自研的图数据库。但如果你只把它理解为一个数据库那就低估了这家公司的野心。在海致的技术架构里AtlasGraph的角色更像是一个面向Agent的「操作系统」。这个操作系统由五个核心模块构成。首先是Ontology图管理这是整套AtlasGraph的语义基础其核心价值在于「对齐」。简单来说这就像是为Agent进行的一次全面的「入职培训」提供一份详尽的业务白皮书。它负责定义企业的业务世界将设备、流程、概念和关系统一编码成机器可理解的语义框架确保AI与人类在同一套坐标系下进行高效对话。完成对齐后接下来就该为Agent配备「办公用品」了也就是Skill。Skill的出现堪称2026年以来Agent产品化的最大功臣之一。它硬生生将AI做成了生态游戏甚至一度干崩纳斯达克一众软件股。然而Skill太多又会有新的问题出现。如何管理这些SkillAgent时代至今涌现了诸多范式革新比如用CLI替代MCP用Skill替代Prompt……但这些本质上只是「工具层面的升级」。即便用CLISkill替代了MCPPrompt节省了一定的上下文空间本质上仍是杯水车薪并未真正解决「如何管理」的难题。你想想给一个员工塞几百本操作手册他反而会陷入选择困难。AI亦是如此。当Skill积累到一定量级后它们也不再是孤立存在的个体Skill之间的依赖关系会衍生出新的复杂度。以企业常见的「销售报价」场景为例假设你让Agent帮你生成一份客户报价单它需要调用这些Skill查客户历史订单、查当前库存、查产品定价规则、生成报价文档。表面上看这是四个独立的技能。但实际上「查定价规则」依赖「查客户历史订单」因为老客户享有折扣而新客户没有。「查库存」也会影响「查定价规则」因为部分SKU可能不参与促销活动。而「生成报价文档」必须等待前三个步骤全部完成并且如果库存不足文档中需要自动标注备货周期。如果只是将它们罗列成一个清单这些关系就会丢失。此时一旦定价规则更新根本无法知晓哪些下游Skill会受到影响。本质上还是个高效管理企业资产的问题。这正是AtlasGraph在Skill层所做的事情提供一套标准化、可管理的执行接口将最优流程以图的形式固定下来而不用每次都重新规划。正所谓大道至简。配备好Skill结合已有上下文Agent便可以正式开始工作了。为了解决前文提到的企业内部超长上下文问题AtlasGraph同样给出了精妙的解决方案——答案是三张图。1、任务图。你让Agent做一份报价单它先把这个目标拆成不同的子任务。这些子任务之间存在依赖关系有的可以并行处理有的则必须等待前置任务完成。2、记忆图。锁定客户后Agent顺藤摸瓜发现该客户上个月曾询价当时因库存紧张最终给予了特殊报价。有了这个信息就能不用再询问客户一次了。3、状态图。报价生成到一半客户那边说先等等任务暂停。但等三天后重新启动时也不用再从头生成状态图能直接告诉系统客户信息已查完库存查了一半定价规则还没跑从这里继续就行。这就是「快照」留存的重要性。三张图协同工作解决的是同一个问题Agent无需将所有上下文都塞进一个超长的对话窗口里。任务结构、历史经验、当前进度各归其位随时可查、随时可恢复。最后当然还有至关重要的安全边界问题。AtlasGraph内置了一套规则引擎将企业的制度、审批链、权限控制、风险要求、白名单和黑名单等数据全部写入其中。将这些连点成线Agent便能清晰地看到各个业务场景的执行边界确保每一次操作都在合规的轨道上运行。至此海致科技的技术基座彻底形成基于此他们构建了一整套端到端的产品矩阵——AtlasGraph图数据库作为底座Atlas知识图谱平台负责知识建模DMC数据智能平台负责多源数据治理智能体平台则将这一切串联成可落地的Agent应用。从数据治理到知识建模从智能决策到自动执行形成了一个端到端闭环。当然概念终究是概念最终还是要用市场成绩说话。最新财报数据显示2025年Atlas图谱解决方案贡献了4.753亿元收入服务172家客户平均客单价达到280万元。与此同时一条强劲的第二增长曲线同样引人注目Atlas智能体业务贡献1.457亿元收入同比增长68.4%客户数从19家跃升至40家。而这个抽象层之所以能取得如此瞩目的成绩同样离不开海致在图数据库这个基座上的深深扎根——2025年贡献收入的Atlas智能体客户中有50%先前已经部署了Atlas图谱解决方案。客户并非单纯被Agent的故事吸引而是在已经验证了图谱价值的基础上主动追加了对其延伸产品的投入。如今海致科技已成功拿下六家大型国有商业银行中的四家连续三年获得大型国有电信运营商的复购合同在金融、能源、政务等核心场景中持续深化渗透。而就是在这么一路狂奔的情况下其账面上仍有超10亿元的现金储备这也为后续的长跑储备了充足的粮草。深水区才是真正的赛场2026年Agent基础设施类产品已经开始席卷B端。对于C端用户模型或许是一个无所不知的聊天伙伴但在金融、政务等企业级AI的「深水区」模型必须是一个严守纪律、精准执行的「数字员工」。在这个维度上模型参数更大、跑分更高并不等同于更好用。真正的决胜点在于谁能更好地驯服模型将其以一种稳定、可靠的方式无缝嵌入到盘根错节的企业业务中。而这个趋势只会进一步加速。随着大模型能力的持续迭代Agent的自主性会越来越强能够独立完成的决策与执行也愈发复杂。但这也带来了一个棘手的悖论Agent越聪明越难管理。与此同时失控的破坏力也会指数级上升。掌管银行业务权限的Agent如果执行了一次错误的资金划转后果是灾难性的。企业不再仅仅需要一个「更聪明的大脑」更需要一套能约束、引导这名「超级员工」的部门架构与规章制度。而海致做的正是这件事——为整个企业AI时代修路架桥为这场正在真实发生的波澜壮阔的「数智化」革新打下坚实的地基。当行业里的大多数玩家还在追逐一个个转瞬即逝的概念时做基础设施无疑是件更艰苦的活。但如今凭借亮眼的财报表现海致科技成功印证了其选择的必要性在AI技术狂飙突进、上层应用护城河不断被模型厂商蚕食的当下中间层的落地基础设施反而会越发坚固。而凭借这层中间层构筑的技术壁垒与生态占位海致科技在向ToB产业级应用延伸时已然占据了更有利的战略高地。图模融合是这片数字新大陆的肥沃土壤。在这片沃土之上大获成功的Atlas智能体不仅是首个破土而出的硕果更是对这套底层逻辑最有力的验证。未来这里必将生长出更多基于大语言模型延伸的杀手级应用共同构成一个繁荣的产业AI生态。毕竟当A2A智能体对智能体协作的时代真正来临如何高效地编排、管理与治理海量的智能体将成为一个直观且棘手的挑战。而Agent OS多智能体架构甚至AI自治架构……这些都是海致正在落地进行中的方案。从构建地基到定义上层建筑这种在应用层所展现出的无限想象空间或许才是ToB AI最贵重的门票。