慧辰首推「機器人智腦」產品，CTO馬亮：產品要打造「專才」

“今年我們看到不少智能體模式出現，但很多都是基于通用大模型加上智能體框架來做。這類方式在 to C 場景中可能沒問題，但在 to B，尤其面對大型企業時，往往不夠用。同時，這幾年企業也越來越意識到，數據不該只是成本，最好能變成收入。”

「明亮公司」獲悉，11月13日，慧辰股份在“數據筑基 模型共舞”AI重塑應用生態戰略發布會中，聯合生態合作伙伴發布企業場景化數字智能體產品矩陣，并推出“X”機器人智腦，首次向業界展示了其在具身智能智腦領域的技術賦能新探索。

HCR慧辰股份CTO馬亮在分享中指出，“產品不追求‘通才’，而要打造‘專才’——在具體業務場景中真正懂業務、能解決問題的場景智能體，關注可量化的降本增效價值，以及低使用成本與安全”。

據悉，此次公布的一系列AI垂直應用產品，基于公司的高質量行業數據集積累和場景化認知，展現了一條清晰的AI落地路徑，將為商業市場客戶提供更加貼合應用場景、更加高效可靠的AI智能化路徑。

其中，Data Agen分析產品體系作為新一代企業數據智能分析服務平臺，基于Chat與數字人智能交互模式，實現對企業業務場景中內外部數據的融合分析，提供從查詢、業務歸因到策略建議的全鏈路數據智能能力，目前已開始應用于部分行業頭部客戶的銷售與供應鏈等場景中。

垂直行業數據洞察智能體則專注于企業中更具價值的非結構化數據資源，能夠對多個場景所產生的大量非結構化數據文檔，進行專業且快速的挖掘與洞察。當前在醫療行業場景中，針對大量專業記錄文檔，有效觀點發現的召回率約在85%以上。

此外，市場需求研判智能體面向企業在銷售與售前服務環節的提效需求，提供戰略客戶全渠道畫像構建、宏觀與微觀業務動態追蹤、項目商機挖掘與評估等一系列能力，目前已在運營商的政企客戶服務場景中投入應用；數字員工管理平臺針對企業未來大規模應用數字員工所需的運營管理支撐，提供涵蓋數字化形象定制與管理、智能播報內容生成、實時互動響應（對接智能體）在內的全流程數字人能力支持，目前已在煙草行業相關場景中開展試點探索。

同步亮相的具身智能智腦產品HCR -“X”機器人成為一大亮點。

據馬亮介紹，該機器人融合百川智能頂尖大模型（BaiChuan-M2-PLUS）與HCR自有模型和算法模型調優能力，是能理解復雜指令、自主完成任務的“行業熟手”。現場，搭載智腦的松延動力機器人“小頑童”通過精準問答，展現了公司在訓練多行業垂直專業化“智腦”方面的能力。

此外，為推進生態共建，HCR慧辰股份副董事長何偉與首都在線高級副總裁何劍鳴于現場完成戰略簽約。未來，雙方將重點在消費場景進行深度融合，通過聯合打造更具針對性和競爭力的標準化或定制化方案，賦能終端企業客戶實現智能化轉型。

以下為馬亮演講（經編輯）：

隨著技術發展，數據、模型、算力這些要素正在不斷進步，尤其是數據積累非常快，很多大企業的內部數據增長迅猛。

這就帶來一個現實：企業越來越希望把內部數據用好、用出價值，實現從“數字化”到“智能化”的跨越——數據不該只是成本，最好能變成收入。

在這個過程中，“智能體”成了熱點。今年我們看到不少智能體模式出現，但很多都是基于通用大模型加上智能體框架來做。這類方式在 to C 場景中可能沒問題，但在 to B，尤其面對大型企業時，往往不夠用。我們不少大客戶在2023、2024年嘗試之后反饋，這類方案聽起來很對，但實際“沒什么用”。原因有幾個：

第一，方案無法深入業務，解決不了實際問題，客戶稱之為“正確而無用的東西”；第二，模型存在幻覺問題，輸出不可靠，影響決策；第三，如果用公共模型傳數據，合規會成問題；第四，如果做私有化部署，成本又太高——比如部署一個千億級別的大模型，可能需要一批H100/H200服務器，一臺就兩百多萬，大多數企業投不起。

因為這些現實問題，很多客戶還在觀望。但我們從中看到一個共識：真正的落地，必須依靠垂直類大模型。企業不需要“什么都會，但什么都不精”的通才，而要的是在特定場景下能解決問題的專才。

而垂直模型的核心，就是數據——你有沒有那個行業的專業數據。這些數據規模不一定很大，但專業性強，而且散布在各個行業深處，外部很難獲取，只有像我們這樣長期在行業中積累的公司，才能沉淀下來。

我們公司做了十五六年數據分析，主要在快消、汽車、醫療、運營商、煙草、TMT等行業服務。每年采購數據的合同量很大，去年就有1343個，采購成本在一點幾到兩點幾個億之間，占項目成本的40%–60%。十幾年下來，累計投入幾十億，也因此積累了大量的行業數據。

這些數據主要覆蓋三大類：企業外部環境數據、內部運營數據，以及產品和用戶數據。更重要的是，我們在業務過程中對這些數據做了深度的業務標注和特征抽象，不僅做基礎處理，還會做業務層面的質量評估和雙向校驗，標注出業務異常、突變、歸因邏輯等——這些才是企業真正關心、愿意買單的分析點。

過去我們沒敢大規模用這些數據，一方面是因為數據應用的政策法規還不夠明確，合規有風險；另一方面，也缺乏高效的技術手段把數據資源快速自動化地應用起來。直到2023年下半年，相關政策逐漸清晰、可操作，我們才開始動手，把原來的能力體系升級，基于大模型和智能體構建新的架構。

新體系包括幾個部分——底層是算力資源，我們自建一部分，也引入生態伙伴，共同支持算力需求；數據層面，把數據從成本變成可運營、可銷售的資產；在此基礎上，結合行業認知，做出更有價值的應用。

從今年開始，我們一個行業一個行業地系統整理數據。

比如快消領域中的飲料細分，我們已經整理了近800項高質量數據。通過自動蒸餾等技術，我們把數據加工得更加適合垂類大模型訓練。這些數據本身可以對外銷售，很多做大模型的廠商都非常需要；同時我們也內部用于訓練行業模型，支撐智能體的開發——因為我們有高質量數據，所以智能體在專業對話和業務理解上能做得更到位、更可信。

在產品層面，我們重點還是解決企業內的數據分析需求，尤其是兩大場景：結構化數據和非結構化數據分析。傳統BI工具靈活性不足，而我們基于大模型和智能體，可以讓業務人員直接用自然語言提問，快速獲得分析結果、歸因解讀甚至行動建議——這才是客戶愿意買單的價值。

例如，某國際飲料客戶，全國有1000多人的銷售團隊。原來用傳統BI系統，現在通過我們的智能體，在手機上3分鐘內就能問到銷售情況，效率大大提升；某醫藥客戶，在做藥品電話調研復核時，原來需要三到四天完成的分析，現在半小時就能出結果，準確率達到85%，而用通用大模型只有50%–60%。

除了數據分析類產品，我們也布局數字人和智能體管理平臺。企業越來越需要可控、可管理的數字人員工，用于內容生成、培訓、政策解讀甚至領導發言視頻制作。我們提供的平臺可以幫助企業快速訓練和管理多個數字人，適應不同場景，目前在煙草、運營商等領域已經開始落地。

最后，我們也開始探索人形機器人方向。我們認為，機器人的終極能力不只在于運動控制（小腦），更在于認知與決策（大腦）。我們正在嘗試將行業模型和數據能力嵌入機器人“大腦”，例如在醫療健康場景中，讓機器人具備健康監測、老人看護、應急響應等能力。這背后需要垂直的醫療知識、語音交互和多模態識別，正是我們可以賦能的領域。

總結來說，我們未來的方向非常明確：基于已積累的行業數據、垂直模型和智能體技術，為企業提供更專業、更安全、更低成本的智能化解決方案。我們不追求技術的“快”或“炫”，而是聚焦在客戶真正關心的降本增效、專業可信與合規安全上，一個行業一個行業扎下去，把智能化的價值做實。

作者：蘇打

出品：明亮公司