百融硅基员工批量上岗，企业级Agent按结果计费

大模型能力越来越强之后，企业究竟愿意为什么样的AI付钱？答案正从“模型多强”转向“AI能产出什么”。百融智能最新中报，展现的正是这条路径。

收入承压，AICC逆势增长

2026年上半年，受互联网助贷监管政策影响，百融总收入9.14亿元，同比下降43%，并出现亏损。但AICC（AI Contact Center，智能联络）业务表现截然相反：收入1.66亿元，同比增长52%，其中物流、券商等新场景收入增长195%。

基本盘AI决策业务收入下滑26%，但核心机构留存率仍达96%，管理层将其定位为利润和现金流基础。研发投入也反向加码：上半年研发开支3.94亿元，同比增长31%，占收入比例升至43%。

硅基员工批量上岗

AICC的核心变化，是让Agent直接承担查询、营销、服务和运营等具体工作。百融在金融场景打磨成熟后，正加速跨行业复制。

今年7月，硅基客服在物流场景承接查件、派件异常、投诉等复杂呼入任务，日处理量从不足1000通提升至超过1.5万通；券商场景中，已签约及合同流程中的机构达13家，一家头部券商部署规模从约30席扩大至约210席。

张韶峰解释选择这些行业的原因：C端交互需求持续庞大，且头部企业集中，标杆跑通后同一套能力容易向同行业复制。

为什么企业级Agent先落在AICC？

Agent能进入的场景很多，AICC的特殊之处在于商业价值可被清晰衡量：任务边界、流程和评价标准明确，处理量、转人工比例和单位服务成本都能快速反映到经营结果。a16z此前也将客服支持列为企业级AI最早进入生产应用的场景之一。

百融自己的积累始于2017年，客服和营销硅基员工项目经过七八年迭代，语音交互、复杂流程执行能力与AICC需求高度重合。

技术上，百融自研了BR-Voice语音多模态、BR-LLM-Proactive主动对话、BR-Vision-Doc文档理解三款垂类基础模型，电话场景参数控制在0.4B～30B之间，在准确率、稳定性、时延和推理成本之间寻找生产平衡。这与Sierra、Decagon等基于第三方基础模型的路线不同——百融把预训练、后训练和推理优化掌握在自己手里，出问题后能直接定位是应用层还是模型层，缩短迭代链路。在INTERSPEECH 2026多语种对话语音理解任务中，百融取得94.84%准确率，全球第三、国内产业界第一。

模型之外，真实电话网络还涉及8kHz窄带语音识别、降噪、打断处理等工程问题。百融搭建了通信工程体系，并配置FDE（前沿部署工程师）进入企业现场，梳理服务标准和系统接口，把人工工作流拆解重组为Agent工作流。

RaaS：按结果领工资

Agent直接承担工作，企业付费方式也随之改变。从License到SaaS订阅、Token计费，如今开始转向按实际产出付费。

百融采用RaaS（Results as a Service）模式，按成功完成且无需转人工的有效通话或工单收费，也可按部署规模计费。以物流业务为例，按有效通话收费后，单次处理成本比传统人工降低50%以上。

这种模式把技术公司推进业务流程内部——模型性能、稳定性、成本与任务完成效果，进入同一套经营逻辑。

技术重构型AI Roll-up

AI进入运营和人力成本后，更大的问题随之而来：新形成的AI产能，如何进入更多真实工作流并规模化复制？

北美的主流路径是资本先收购服务企业、获取工作流入口，再交由AI工程团队改造，如Current整合会计事务所、Crescendo AI收购PartnerHero。国内则出现另一类路径：技术重构型AI Roll-up——从企业工作流出发，用垂类模型和Agent承接具体工作，再扩大部署，结合战略投资和产业合作向外延伸。百融正是这一路径的代表。

张韶峰将这套打法概括为：先单点跑通，再扩大部署，推进跨行业复制，靠真实数据反哺模型，再借助产业资源打开更多工作流入口。

企业级AI的竞争边界，正从模型本身扩展到“模型+工程+业务流程”的完整系统。Agent的意义已超越产品形态，成为机器智能进入真实经济活动的入口。企业服务，正成为AI最先深入的腹地。

---

原文链接：量子位
本文由前途科技编辑整理