大模型越来越强之后，企业究竟愿意为什么样的AI付钱？单纯的模型能力，恐怕已经很难单独构成企业采用AI的理由。市场关注的重点已经从模型本身，逐渐转向AI怎样才能形成可以被感知、被核算的产出。百融智能最新披露的中报，呈现出的正是这样一条变化路径。
2026年上半年，百融智能总收入出现波动，但AICC业务同比增长52%，其中面向物流、券商等更多行业的新场景收入增长195%。AICC即AI Contact Center，把AI接入企业联络中心，让Agent直接承担查询、营销、服务和运营等具体工作。百融已在金融场景打磨出成熟的AICC和企业级Agent能力，如今开始向更多场景复制。
复制路径有清晰的量化支撑：物流项目日处理量从上线初期不足1000通提升至超过1.5万通；某头部券商部署规模由年初约30席扩大至约210席。百融采用的RaaS按结果收费模式，让处理量和部署规模可以直接转化为收入。一个标杆场景跑通以后，同一套能力和记忆可以继续向更多岗位、更多行业复制，真实运行产生的大量交互反馈再进入模型训练，形成数据飞轮。
为什么企业级Agent先落在AICC？联络中心长期承担大量查询、营销和服务工作，任务边界、流程和评价标准比较明确，AI接入以后处理量、转人工比例和单位服务成本都能较快反馈到经营结果上。顶级风投机构a16z也把编程、企业搜索和客服支持列为企业级AI较早进入生产应用的场景，客服领域流程大多已文档化，又保留人工兜底路径，天然适合Agent逐步接手。
百融的底气来自七八年积累。其客服和营销硅基员工项目2017年立项，金融行业对准确率、稳定性与合规的高要求，形成了与AICC高度重合的能力。技术上不追求大而全，把底层垂类基础模型也纳入自身体系，预训练、后训练与推理优化关键环节都由自己掌握，出问题时能判断是应用工程层还是基础模型层，再直接进入下一轮优化，缩短整个迭代链路。
真实生产还带来另一层考验：交付。不同企业的知识体系、操作规则与系统环境各不相同，AI完成对话后还可能要查询信息、调用内部系统、执行任务并写回结果。百融为此配置了FDE前沿部署工程师团队，进入业务现场梳理服务标准、知识库与系统接口，把适合AI承接的环节重新组织成Agent工作流，Agent进入生产后产生的反馈再进入下一轮模型训练。
企业级AI需要把模型、工程和业务流程连接成一套长期运行的系统，并持续接受真实生产环境的检验。当Agent开始承担原本由人工完成的工作，企业购买AI的方式也随之改变：付费对象从技术使用转向实际产出，价值范围从IT预算向运营与人力成本延伸。这种结果付费把技术公司推进业务流程内部，模型性能、稳定性与任务完成效果都进入同一套经营逻辑。
Agent的商业化演进由此有了更清晰的方向：先单点跑通，再扩大部署，逐步跨行业复制，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。当AI开始进入运营与人力成本，谁能把结果计量做得透明可信，谁就能赢得企业长期信任。星战科技OPC智能体协作平台所强调的可观测、可度量与工程化治理，正是支撑这种结果付费模式落地的基础能力。