有人说，如今AI已经在部分场景下具备甚至超越了人类智能，但当大模型自信地编造一条条不存在的法律条款、为患者推荐一种未经验证的疗法、误导乘客可享受无中生有的航司折扣时，身为人类的我们作何感想？
早在1995年，计算机科学家Stephen Thaler引入了“幻觉”概念，用于指代神经网络中自发产生的新想法或概念，而在近几年，“幻觉”这个曾经的褒义词有了新的定义。“幻觉”问题即看似合理的表述实则系人工智能捏造事实或给出错误答案，这在C端时而为用户造成困扰甚至误导，在B端则成为企业规模化应用AI的一大关键挑战。
而能够有效消除大模型幻觉的知识图谱，或将成为助力企业破局的关键，为大模型提供可验证、可追溯的“事实锚点”，从源头上降低幻觉、提升输出可靠性与可解释性。这不仅是技术的补充，更是AI在复杂产业核心场景中从“聪明的通才”迈向“可靠的专家”的必经之路。
正因此，区别于追逐通用大模型参数竞赛的玩家，北京海致科技集团股份有限公司（下称“海致科技”）自2013年成立之初就将AI为产业赋能视为目标，坚定图模融合路线，颇具前瞻性地把知识工程置于其技术路线的核心位置，致力于通过知识图谱为产业AI构筑可靠的理解与决策基石。外界将正在冲刺IPO的海致科技形象地称为未来的“AI除幻第一股”。
图模必将走向深度融合
自ChatGPT引爆此轮人工智能热潮以来，大语言模型已逐渐被大众学习接受。
大语言模型（LLM）是指使用大量文本数据训练的深度学习模型，使得该模型可以生成自然语言文本或理解语言文本的含义。大语言模型的技术谱系可追溯至1943年提出的第一个神经元数学模型，从而引发了神经网络理论的萌芽。随著深度学习与Transformer架构的崛起，其侧重于在海量数据中隐式学习表征与生成能力。
顺着技术发展史的脉络，可以发现另一项对于当今企业AI落地至关重要的技术：知识图谱（Knowledge Graph）。
知识图谱起源于1955年提出的「引文索引」及1968年提出的语义网络，是以图结构描述客观世界的语义网络，本质是描述概念、实体及其关系的知识库，将复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来。在此前业界的实践中，知识图谱帮助企业自动构建行业图谱，应用于智能搜索、文本分析、机器阅读理解、异常监控、风险控制等场景，达到真正的智能和自动。
纵观大语言模型与知识图谱的融合演进历程，此前二者虽有交集，但主要系以各自方法论与技术栈独立发展。进入大语言模型时代后，大语言模型与知识图谱开始初步融合互补：知识图谱为预训练模型提供常识校正与符号推理支撑，大语言模型则通过嵌入式学习加速图谱的自动化构建与多模态融合。
而在未来，随著图计算与大语言模型技术的深度融合，人工智能将在复杂系统建模、因果关系推理和行业知识管理等更具挑战性的领域取得突破。
事实上，知识图谱、大模型二者的深度融合，才是撬动千行百业智能化转型最可靠的支点。根据弗若斯特沙利文数据，业界普遍认为，通过运用知识图谱的精准表征与精确推理能力来降低大语言模型中的幻觉问题，并增强大语言模型对行业特定信息的解析能力，将为人工智能应用在企业的规模化商用铺平道路。
产业Agentic AI的核心
前述判断背后，原因何在？
一方面现实是，大模型因幻觉效应产生的准确性不足及输出结果不可解释等常见问题仍阻碍著产业级人工智能应用的规模化推广。
大语言模型虽代表了当前机器学习技术的前沿发展方向，然而当前其在产业界的实际应用仍面临多方面的局限性。例如：
基础层：
• 数据获取难度大：专业知识匮乏，垂直行业的优质结构化数据稀缺；
• 无法实时更新：实际运行过程中产生的新数据难以被模型直接利用，因此无法及时更新到模型中，导致模型对最新信息的响应滞后。
技术层：
• 模型可解释及可信性低：大语言模型基于技术路线特性，其推理决策结果易产生「幻觉」现象，这将极大影响结果的可信度；
• 通用与专用性平衡困难：受制于大语言模型底层技术架构，在实现大语言模型通用性功能和行业专用性功能的同时适配各行各业的应用难度较大。
应用层：
• 实际应用难以满足需求：设计出符合用户的期望和需求的模型难度大，需要通过不断与用户交互，逐步优化调整；
• 集成与兼容性差：将大语言模型集成到现有的业务流程或系统中并能有效兼容使用难度大。
另一方面，知识图谱是人工智能领域知识工程在当下最主要、最成熟的表现形式和实践成果，其清晰可视化、高效检索、逻辑化推理三大优势突出。
知识工程概念是1977年由美国斯坦福大学计算机科学家费根鲍姆（E. A. Feigenbaum）在第五届国际人工智能会议上提出。其作为一个系统性的方法论，其目标是获取、形式化表示和管理领域知识以解决复杂问题。现代知识工程正致力于构建以“元知识中枢”（注：指融合语义、业务逻辑与可执行动作的统一认知操作系统）所代表的、融合了动态逻辑与行动能力的可计算、可演化的主动知识系统，推动知识从静态的“图谱”向驱动决策与行动的“引擎”演进。
知识工程正在成为AI产业级应用落地的关键支柱。知识工程的核心逻辑在于，将产业知识翻译、编码成机器可理解、可处理、可演化的形式，从而构建起人机协同的“共同语言”，解决了产业AI落地的“最后一公里”问题——如何让AI真正理解并融入复杂的业务现实。
更进一步看，元知识中枢则是激活知识图谱这个骨架的“大脑”与“操作系统”，在知识图谱奠定的语义基础上，进一步融入了动态的业务逻辑、可执行的动作以及实时状态，从而能驱动智能体进行推理、决策并执行。
元知识中枢创建了一个供AI系统理解和操作的真实世界的“数字孪生”，它无疑是产业Agentic AI的核心。
具体来看，它代表着产业数据与应用范式的三重根本性转变：
其一是企业数据从“数据湖”到“语义场”。元知识中枢超越了简单的数据集成，不仅是数据移动，更构建具有语义的数字现实。元知识中枢通过引入“本体论”作为认知框架，首先定义业务领域的基本实体（如“设备”、“订单”、“政策”）及其相互关系（如“隶属于”、“影响于”）。数据在接入时即被实例化为携带丰富语义关联的数字对象，形成一种语义场效应。在此场内，任何数据都能被准确理解、定位并与其他对象产生关联效应，使企业数据从被动的存储内容，转变为具有主动关联与推理能力的认知资源。
其二是业务逻辑从“应用代码”到“可编程现实”。在传统架构中，核心业务规则被硬编码在分散的应用程序和流程中，难以直接洞察和复用。元知识中枢则是“逻辑即数据”，业务规则是本体论中的一等公民，不再需要开发代码，而是关系约束自然触发，支持模拟推演与因果推理。
其三是行动系统从“数据洞察”到“现实编译器”。元知识中枢将具体的业务操作（如“创建工单”、“调整利率”）打造为可被数字对象绑定的标准化行动。当智能体基于前述语义场和业务逻辑推理出决策（如“应为设备A发起预防性维护”）后，该推理结果可被直接转化为一个可执行的“意图”，将数字世界的推理“编译”为现实世界的具体变更。
前述技术在产业中的具体实践流程，可大致归纳为一个层层递进的“认知消化”过程，首先是底层的数据知识的融合治理、其次是语义网络的构建与推理、随后是元知识中枢作为整个系统的认知调度核心，为上层应用提供统一的语义检索、决策支持等。最终，产业智能体得以在此坚实基座上执行从感知、分析、决策到行动的完整闭环。
海致科技：AI为产业赋能的践行者
刚刚过去的2025年被视为Agent元年，产业分析人士给出预测：AI Agent将在2026年呈现结构性加速落地的趋势。
想象一个电网调度中心需要快速统筹风电、火电、光伏以应对一座特大城市的用电晚高峰，并确保整张电网安全稳定时；一家商业银行的风控系统，需要从数万笔交易中毫秒级识别一个精心伪装的信贷欺诈网络，并预判其潜在违约的连锁冲击时，产业面临的本质挑战，不再是算力或算法的限制，也远非单纯的数据处理。能否高效地将领域知识转化为机器可用的“燃料”，直接决定了AI能否在复杂的产业核心场景中创造可靠价值。
传统数据平台如同堆满零件的仓库，虽琳琅满目，却无法自行组装成精密的机器，能够确保数据的可得性与准确性，回答“发生了什么”。而要驱动新一代产业智能，一个具备深度理解和行动能力的“产业战略大脑”是关键，价值则在于驱动产业智能体实现认知与决策，回答“为什么发生”并自主执行“因此该做什么”，实现从洞察到行动，从数据智能到决策智能。
Agent的应用落地，离不开深刻的业务逻辑作为内核，而最适合承载业务逻辑的一大技术正是知识图谱，图模融合才能造就商业落地的Agent应用。
事实上顺着上述思路，十余年来，海致科技依托自主可控的高性能图计算技术，通过图模融合技术开发产业级智能体并提供产业级人工智能解决方案。目前，海致科技主营业务涵盖知识图谱解决方案以及基于此的智能体解决方案。
其Atlas图谱解决方案基于图计算与数据分析能力构建，包含DMC数据智能平台、Atlas知识图谱平台及AtlasGraph图数据库。知识图谱分析平台主要提供沉浸式图分析研判，时空分析洞悉趋势、内置丰富图分析模型、智能化的实体标签分析；支持复杂的图查询，通过挖掘隐性关联关系、风险传导、异常形态、欺诈团伙等，应用于客户精准营销、风险防控、运营优化及管理决策。
与此同时，海致科技打造的Atlas智能体则是基于图模融合技术开发的智能体解决方案，支持Agent智能体编排的方式快速搭建场景化机器人应用，内置了知识库、插件，能够实现和已有系统的快速对接，此外还融合了元数据知识图谱技术，内置了数据问答、知识图谱问答等企业级数据分析场景应用，能更好地贴合企业级场景需求。
作为中国首家通过知识图谱有效减少大模型幻觉的AI企业，海致科技深刻理解数据智能、知识图谱的构建方法以及数据准确性与可追溯性对企业级人工智能应用的意义。
决策智能得到商业验证
总结来看，要从数据智能到决策智能，关键在于将企业内的业务知识、规则和经验进行数字化和结构化，形成“数字孪生”，使AI具备更高阶的计算与推理能力。事实上，这一模式已成功得到了商业验证，且构成了极高的市场进入门槛和竞争优势。
海致科技于2023年9月推出Atlas智能体，这一方案提升了大语言模型在特定行业场景中的精准推理能力，从而增强企业级应用的可靠性，正成为海致科技推动产业智能的关键抓手，市场对其图模融合解决AI幻觉的技术路线也颇为认可。截至目前，其Atlas智能体已兼容百余个大模型、覆盖百余个应用场景。
据了解，海致科技的前述解决方案已在反欺诈、智能营销、智能营运、风险识别、数据治理及智能制造等多类应用场景实现落地。据弗若斯特沙利文报告，按2024年收入计，海致科技在中国产业级AI智能体提供商中排名第五，在国内以图为核心的AI智能体这一细分市场中拥有超过一半的市场份额。
其实不难发现，知识图谱逻辑的深度运用，其实和本体论的理念不谋而合，而本体，也是知识图谱中的专有名词。运用该理论的国外对标公司美国大数据分析服务商Palantir，其业务在AI时代实现了快速增长，仅2025年第三季度营收同比增长63%，体现了AI落地赋能业务的真正实力。
正如知识图谱正成为海致科技的技术护城河，“本体”是Palantir所有优势的技术根源。在AI Agent时代，能够驱动决策与行动的平台比传统只做数据分析的平台更具价值。
此前，Wedbush证券丹·埃夫斯（Dan Ives）团队发布的“2026年十大科技预测”中提到，Palantir将在2026年通过AIP（人工智能平台产品）扩大在商业AI领域的成功，并成为AI革命中处于核心位置的软件领导者之一，在未来2-3年内迈向万亿美元市值（注：公司最新市值为4500亿美元）。
正冲击港股IPO上市的AI赋能产业践行者海致科技后续发展同样值得期待。
1月5日，证监会国际合作司发布海致科技境外发行上市及境内未上市股份“全流通”备案通知书，公司拟发行不超过47,584,600股境外上市普通股并在香港联合交易所上市。若成功登陆资本市场，海致科技无疑将推动技术创新，为产业带来关键革新。
