从1000通到1.5万通，百融智能的「硅基客服」真正开始「上岗」

编辑｜Youli 今年 7 月，一家头部物流企业上线了一批 AI 客服。 上线初期，这些 AI 客服每天处理的呼入电话 不足 1000 通， 但到 8 月底，这一数字已经 超过 1.5 万通。 变化的不只是数量。资料显示， 这些 AI 客服在 传统智能客服最擅长的标准化问答之外，开始进入真实业务流程，处理查件、催件、派件异常、地址修改、投诉反馈等开放式任务。其中，最长的一次连续通话时长甚至超过 20 分钟。 几乎同一时期，一家大型综合类头部券商在对这套 AI 客服进行严格效果验证后，决定将部署规模从 最初的 30 席扩大至约 210 席， 覆盖客户获取、激活、查询、互动与运营等多个环节。 仔细看，这两组在真实业务场景中跑出陡峭曲线的数字，释放出一个清晰的产业信号： 企业级 AI 正跨过「模型能不能做」，闯入「企业敢不敢把真实工作交给 AI」的深水区，那些曾经被视为试验品的「硅基员工」，已经真正打卡上岗、直接交付业务结果了…… 而隐身于这两家行业巨头幕后的「硅基劳动力」供给方，正是 百融智能。 如果追溯百融智能的发展路径，外界过去对它的认知更多集中在金融领域 —— 提供「智能决策、智能营销及客户运营」服务。2014 年，率先让决策式 AI 模型在高风险金融场景落地，解决了风险控制难题；2017 年，自研语音交互栈规模部署，开始在多行业营销、客服前线，扛起企业获客和经营增长的压力；2023 年，推出多模态基础模型 BR-LLM/BR-VLM，叠加行业专属模型和企业级 AgentOS，让一批批「硅基员工」在千行百业稳定交付关键经营指标…… 如今，百融智能正在推动一次新的战略升级： 将多年在严苛金融场景中千锤百炼形成的企业级 Agent 落地能力全面外溢， 以物流、券商、航空、电信运营商等高频交互领域为支点，向万亿级企业生产系统全速「进军」。而支撑这次跨行业拓展的核心技术载体，正是 「新一代 AICC 智能联络技术」。 为此，在百融智能 2026 中期业绩发布会后，机器之心和 百融智能创始人兼董事长张韶峰 聊了聊，试图理解此次战略升级背后的考量，以及对于 AI 技术发展的思考。 AI 从「工具」走向「生产力」，客服为什么成了「首发阵地」？ 过去两年，整个科技界和资本圈的目光几乎全被基础大模型、算力、芯片等热门议题所牵引，但任何技术如若无法在应用端实现大规模商业落地，终究难以持续。张韶峰给出一个务实的判断：「普通企业不可能买一个大模型回去供着，因为大模型本身并不直接解决业务问题，企业真正需要的是能完成具体工作的 Agent。」 诚然，过去几年大模型在企业内部的渗透不可谓不快，但绝大多数场景仍被锁死在辅助性「工具」定位：润色公文、提炼长文本纪要、生成配图…… 这些确实提升了个体员工的效率，但对于企业来说，AI 进入生产系统的评判标准截然不同： 它能否接手一项具体工作，并稳定交付结果？ 在所有企业级场景中， 客服场景， 被公认为 Agent 率先攻下的第一座要塞。 这并非偶然。 客服本身就是一个高度依赖信息处理和流程执行的岗位：每天处理大量重复性问题，背后连接企业知识库、订单系统、CRM 等业务系统，服务结果又可以通过响应时间、解决率、转人工率、客户满意度等指标直接衡量。这意味着 AI 带来的价值可以被清晰计算。 全球知名风险投资机构 Andreessen Horowitz（a16z）曾对企业 AI 落地情况进行分析指出，当前企业 AI 的价值主要集中在三个场景：编程、客服支持和企业搜索。其中，编程工具增长最为突出，客服和搜索则成为企业知识工作流中较早实现规模化应用的方向。而客服因目标明确、流程清晰、价值可量化以及人工兜底机制完善，天然适合进入生产环境。 然而，「商业价值显性」并不等同于「技术实现容易」。在企业级 Agent 真正能够扛起客服大梁之前，这个行业已经被旧有技术路径困在原地太久，经历了至少两次技术迭代，而上一代技术的天花板，恰恰构成了今天的机会窗口…… AICC（AI Contact Center），即智能联络中心技术，是企业客服自动化的重要技术基础。 早在十年前，上一代 AICC 技术就已广泛进入金融、电商与政务外呼体系。但只要真正接入过智能客服电话的用户，想必都有着被其「机械智障」逼到「怒转人工」的糟糕体验。 症结在于，传统 AICC 本质上是「流程自动化」，算不上「智能体」。张韶峰指出，其技术架构以 NLP、关键词匹配以及预设话术为主，适合流程相对固定的呼出任务 —— 按脚本外呼、通知提醒、菜单式应答，可一旦被拉进更加广阔的「呼入」战场，整个系统便迅速崩盘。 要理解这种断层，必须看透两类场景背后的认知逻辑差异。「呼出」与「呼入」，一字之差，实战难度却有天壤之别。 呼出： 企业知道自己想表达什么； 呼入： 企业不知道用户下一句话是什么，问题包罗万象：「我的快递为什么还没到？」「地址能不能修改？」「为什么扣了这笔钱？」「这个业务怎么办？」一次通话中，用户可能不断改变需求。 这就要求 AI 不仅要具备语言识别能力，还要理解上下文、判断真实意图、识别情绪变化、执行后续操作。 而传统 AICC 在这方面存在明显局限： 开放式问题理解失准： 一旦用户提问超出预设关键词范围，系统立刻「智障」； 长 - 多轮对话维持困难： 无法保持上下文连贯，反复让用户重复问题； 复杂业务流程执行断层： 只能「回答问题」，不能「办事」—— 无法调用企业知识库、对接内部业务系统完成闭环（如查件后直接发起改址、投诉后自动创建工单）。 结果便是，客户体验差、转人工率高，AI 沦为「转接前的绊脚石」。 因此， 谁能在「呼入」场景下做出真正「听得懂、办得成」的 AI，谁就能打开 AICC 赛道真正的增量空间 …… 而大模型技术的跃升，让这件事从「不可能」变成了「可行但极难」。 新一代 AICC：从「能对话」到「能干活」 仔细看会发现，传统 AICC 的局限本质上源于它解决的是语言交互问题，而非业务执行问题。大模型时代的新一代 AICC，正致力于改变这一点。 张韶峰告诉机器之心， 新一代 AICC 并不是传统客服系统的简单升级，而是以语音多模态大模型和主动对话大模型为底座的「硅基客服」生产力。 它能在实时通话中准确理解用户的开放式提问、识别其意图与情绪变化，同时调用企业知识库、对接内部业务系统，按标准业务流程闭环完成服务任务。 换句话说， 上一代 AICC 交付的是「对话能力」，而新一代 AICC 交付的是「业务结果」 —— 从用户交互、任务处理到系统回写和结果交付，形成完整闭环。 不过，能够流畅聊天，并不代表能够真正进入企业生产环境，还必须跨过生产级落地的门槛。 这也解释了为什么市面上各类宣称能做「智能客服」的模型与开源项目层出不穷，但真正能在企业级核心生产系统上大规模立足的厂商，依然屈指可数。因为客服是一个对稳定性要求极高的场景，容错空间极小，实现 「拟人的对话」只是及格线。 张韶峰坦言，要实现生产级落地，还必须达成低理解错误率、高回复准确率、低响应时延、稳定的并发承载能力、可靠的人工转接机制及完备的录音质检体系等多项要求。 也就是说， 「智能客服的壁垒，一半在 AI，一半在非 AI。」 张韶峰告诉机器之心。 正是基于这一