如果從真實的AI生長脈絡來看，在奧哲·云樞企業AI平臺的“AI+數據+低代碼”的構成中，其內嵌的恰是一個個原生skills和封裝好的企業上下文環境。

基于低代碼和Coding能力，企業能以更快的速度構建好適配AI的Harness土壤和環境，同時基于Agent構建和AI數據挖掘的能力，推動AI產品落地，讓AI建設加速進入ROI回報期。

作者|皮爺

出品|產業家

“龍蝦對我們而言是一門新技術，也更是一種焦慮。”一位金融企業CIO告訴產業家，“我們接到的KPI是要在Q3之前在企業落地龍蝦，但現在怎么落，落在什么場景，如何落得安全可靠還都沒有頭緒。”

這是一個縮影。如果說2025年企業級市場的AI關注點是行業大模型、數字員工，那么在當下的2026年，這個問題伴隨著AI技術的進步在更前一步：龍蝦范式的企業級Agent、vibe coding。

在這些不斷被提出的新概念之外，更多企業開始向內看——到底應該怎樣讓AI從自己內部的土壤自然而然地長起來？

在過去的3月份，大洋彼岸出現一份新共識答卷——Harness。即這個由OpenAI和Curcor在論文中先后提出的新概念提出了一個AI落地的新方向——為了讓大模型能更好落地，服務商需要幫助企業在其內部打造一個適配AI落地和生長的土壤體系。這個土壤體系包括上下文工程、工具接口、知識庫等等。

換言之，只有構建出適合AI生長的土壤，才能讓AI有充分的養料和環境持續生長，轉化為企業的真正動能。

無獨有偶。把視線拉回國內，也有企業錨定了同樣的方向并落地實踐，這家企業就是奧哲。

關于奧哲，市場對其最大的印象是低代碼領跑者，在過去多年基于“All in One”的低代碼產品幫助無數企業實現數字平權。而在去年10月，其更是進一步升級，基于“AI+數據+低代碼”的組合，正式發布了奧哲企業級AI平臺。

今年，這家在低代碼領域多年領跑的廠商進一步把自身在低代碼沉淀近20年的算法模型、數據養料、行業理解，和過去三年摸索的最先進AI組件融合，徹底地轉化為奧哲·云樞企業AI平臺的底層AI模塊，打磨出一套能一步步把AI能力內嵌進企業真實業務體系的新AI服務范式。

2026年，一個新的專屬于中國企業的AI TO B范式正在成型。

一、企業AI，中國市場落地的“四座大山”

“今年龍蝦出來后，我們能清晰地感受到，企業級AI市場在進一步提速，甚至很多客戶主動找過來想要尋求一些共創。”奧哲創始人&CEO徐平俊告訴產業家。

誠然如此。Token是AI的晴雨表，剛剛過去的3月，伴隨著龍蝦在中國市場的爆火，國產大模型Token調用量呈現井噴狀態。根據不完全統計，中國AI市場周調用量高達7.359萬億，環比2025年增長56.9%。

中國的企業AI建設，真的被“龍蝦”帶到一個更新、更實用的高度了嗎？

其實不然。從智譜和MiniMax披露的財報數據來看，Tokens大部分調用量更多集中在C端市場，人們通過“龍蝦產品”自動化執行部分辦公、查詢、調研需求。

也可以說，在真正的TO B企業級場景，AI的溫度要遠比人們感受到的“低”。

一組來自咨詢機構RAND發布的2026年企業AI落地報告數據顯示，目前全球企業AI項目整體失敗率仍高達80.3%：其中33.8%在開發階段即被廢棄，未能上線；28.4%雖完成部署但完全無法產生業務價值；僅有19.7%的項目真正實現預期目標與規模化ROI。而同樣一組來自Gartner的2026年工業AI落地報告顯示，全球85%的工業AI項目無法跨越從試點到規模化生產的 “死亡谷”。

為什么會如此？或者說，相較于C端的熱火朝天，B端企業級AI為何仍然沒有跑出良性的AI體系？其本質原因在于，企業在落地AI時往往會遇到“四座大山”。

在關于企業級AI落地的探討中，如今業界有一個普遍的共識：決定AI落地效果已經不單純靠AI大模型本身，決定其效果的是AI土壤體系——Agentic Infra（Agent基礎設施）。

Agentic Infra，分為Context層（Agent能記住什么）、工具接口層（Agent能做什么）、Harness層（Agent怎么被管住）、知識層（Agent知道怎么做）、經濟性層（跑Agent花多少錢）。

這些學術用語轉化為企業場景的語言則是，AI大模型不僅要理解企業所在的場景知識，如銷售數據、MES數據，進銷存環節，更要能和之前的SaaS產品一樣具備最核心的安全可控性、易用性，和MES、ERP等企業軟件打通的兼容性，同時還要兼備智能增量和性價比。

這不是一件容易的事，尤其對中國企業而言。“有些企業會提出很多需求，認為AI無所不能，但其中有很多需求用大模型沒辦法直接做到，不同需求用多大的模型、需要怎樣調優，prompt怎么寫等等，很多企業都是不清楚的。”徐平俊告訴我們。

這恰是企業面臨的第一座，也更是最難的“大山”，即“AI語言”。更通俗來說，企業很難把準確的業務需求語言轉化為AI需求語言，由此帶來的是一系列問題，如企業對于AI投入標準的不明晰，AI項目需求對齊不明朗等等。

難題不僅在企業的外部認知，也更在內部場景。對不少企業來說，由于缺乏AI的頂層規劃，“應該率先選擇怎樣的場景落地AI”往往會成為第一個絆腳石，不少企業在推進AI時直面的矛盾是：部署邊緣場景AI“沒有價值”，部署后端核心場景AI又似乎不夠放心。

這兩座大山之外，人才和數據也更是企業部署AI的顯性難題。對于企業而言，目前大部分都缺乏“產業視角+AI視角”的人才，這種人才缺失導致的最直接后果是企業無法保證整個AI戰略由點及面，由創新點向核心業務規模演進，資源層、模型層和智能體層無法協同。

以及被稱為AI土壤的數據卡點。不同于歐美，中國企業由于沒有統一的數字化架構建設，大部分企業的數據體系呈現“臟亂差”狀態，很難構建出有價值的知識庫供模型推理調優，大模型也就不能準確理解企業的業務場景和業務習慣。

從某種程度來看，這四個卡點也恰對應著當下Agent在企業內部“步履維艱”面臨的四個核心難題：即“AI要從哪里開始？AI由誰來管理？AI要如何‘聽懂話’以及AI要怎樣在企業內部一步步長大？”

“國內的AI環境和國外不同，中國企業的AI建設需要的還是一個系統性、體系化的工程服務。”徐平俊表示。

二、奧哲·云樞再升級：讓AI在企業內部長起來

“我們在過去兩年發現，原本就使用低代碼的企業往往可以讓模型在推理環節和上下文理解上做得更好，更能做到和業務實際相關。”徐平俊告訴產業家，“不過，中間仍然有很多模塊和原子能力都是需要在實際的AI工程中補齊的。”

這些模塊和低代碼、AI一道，恰構成了奧哲在2026奧哲·云樞AI戰略暨產品升級發布會上的核心——奧哲·云樞從融合AI的低代碼平臺，全面升級為企業AI平臺。

什么是企業AI平臺？

整體來看，奧哲·云樞企業AI平臺是去年發布的“奧哲企業級AI平臺”在產品上的落地，其把大模型、AI工程體系、低代碼工程的全部原子模塊都放置到平臺之上，向下對接算力基礎設施與模型底座，向上支撐AI原生應用與傳統業務系統的AI化升級，最終實現全員參與的企業業務應用的敏捷構建、業務智能運行和數據價值釋放，幫助企業快速實現數智化躍遷。

這種“全方位”聚焦到落地層面是更契合企業的AI體系建立。以應用AI原生構建為例，“去年其實我們更偏向于用基于大模型和自然語言交互幫助或輔助企業實現應用的高效實現，但在今年，我們會基于奧哲·云樞企業AI平臺幫助企業構建自己的上下文知識，并結合這些上下文及應用構建者的意圖表達，幫助企業更精確地挖掘需求，再結合業務流程管理知識一次性生成高質量的業務應用。”奧哲CPO孟凡俊表示。

換言之，基于奧哲·云樞企業AI平臺，企業可以將自身的需求轉化為更有體系的AI執行鏈路，從上下文工程到流程設計再到最終的效果評估，生成直接可用的業務應用。

同樣的體系化設定也更體現在AI Agent構建和應用系統融合AI的企業需求側，即前者可以通過AI助理、AI技能、AI知識庫等核心模塊，構建自主運行的AI Agent，在固有頁面之外將對應能力的Agent或Bot嵌入到操作頁面上，企業可以隨時喚起具備對應能力的機器人助手。

后者則是在將固有的低代碼中臺升級為“低代碼+AI”中臺，把AI能力融入到低代碼模塊中，企業可以基于奧哲·云樞企業AI平臺實現在表單、視圖、流程、規則、門戶等業務系統構建單元中原生注入AI能力，使存量業務系統以“浸潤式”完成智能化升級，實現業務智能高效處理。

最后，奧哲·云樞企業AI平臺提供的數據挖掘應用，一方面為企業提供最底層的企業專屬大腦，幫助企業將非結構化、以及“臟亂”的數據轉化為更有價值的特征工程；另一方面實現進一步的數據挖掘和數據智能，進而讓底層的AI模型和前端的Agent更懂企業，也更懂行業。

在產品之外，服務體系更是奧哲企業AI體系至關重要的一環。

以“AI星火班”為例，其面向的恰是前文提到的企業AI人才的短板。奧哲每期星火班都在單個企業內部開展，由企業不同的產品、業務、研發人員組成多個小組，以企業實際業務為課題，在導師的指導下進行基于AI的探索創新，只有完成對應的AI成果才能完成結業。

再比如專屬模型訓練和AI轉型無憂服務。前者是由奧哲為企業提供從數據準備到模型評估、部署和迭代升級的全流程支持，讓模型在企業里跑起來、用起來、持續進化；后者對應的則是奧哲通過Agent、應用開發等服務，確保企業AI轉型真實落地。

一個真實的感受是，相較于去年的逐步探索，奧哲在2026年的全新升級中，已然構建起一套從真實AI水溫出發，環環相扣的覆蓋產品、服務、人才的全方位AI賦能體系。

基于這個體系，企業可以構建出真正適合自己的AI中臺，Agent產品應用，以及專屬于自身業務場景的AI人才，找到真正適合自己的AI之路。

三、“AI+數據+低代碼”，正在成為中國企業的Harness土壤

如果把視線放到整個TO B行業，不難看到的是，在奧哲之前，已經有不少專業SaaS和Agent廠商面向企業場景推出對應的AI產品和服務，不論是知識圖譜類、數字員工類，抑或是Coding類的產品，從當下的落地和實施交付來看，大部分AI產品呈現“水土不服”狀態。

但奧哲不然。基于這套“產品+服務”的全方位AI體系，已經有不少的企業在奧哲的幫助下實現了AI的規模部署。

比如全球前十光模塊供應商、國內光通信領域領軍企業，其基于奧哲·云樞企業AI平臺已經建立起了一套整套包括“合同智能審核”、“相對方風險評估”、“履約智能監控”AI智能體在內的AI合同體系，履約達成率提升25%、客戶投訴率下降32%。

再比如某電力自動化領域領軍企業，其在奧哲·云樞企業AI平臺的加持下，構建出一整套AI的檢測報告全流程電子化體系，針對裝備制造復雜的技術參數和行業標準專門優化，用AI實現數據的自動提取與標準化處理，報告處理時長從人工1-2天縮短至3-4小時，整體效率提升超過80%。

同樣還有電力建設骨干企業的技術審核AI智能體、某鐵前冶金工程國家隊的企業級AI大腦、華南領先綜合型律所的智能業務平臺等等，在這一個個由奧哲·云樞企業AI平臺支撐的鮮活企業案例中，AI已經成為企業核心環節的新生產力工具，幫助其構建出企業的全新護城河和新生產效率。

“其實過去多年我們低代碼產品的本質構成，就是一個個算法模型，這些算法模型等同于一個個最小的企業業務know-how，本身就是企業的原生skills，這些skills都可以讓AI直接調用落地，構建出一個AI自動化執行的平臺底座，這也是我們現在奧哲·云樞企業AI平臺的核心框架。”徐平俊表示。

如果從真實的AI生長脈絡來看，在奧哲·云樞企業AI平臺的“AI+數據+低代碼”的構成中，其內嵌的恰是一個個原生skills和封裝好的企業上下文環境，基于低代碼和Coding能力，企業能以更快的速度構建好適配AI的Harness土壤和環境，同時基于Agent構建和AI數據挖掘的能力，推動AI產品落地，讓AI建設加速進入ROI回報期。

“奧哲·云樞企業AI平臺這次發布的AI組件和前端LUI，是我們推進業務自動化的關鍵舉措。我們的目標是想成為AGI時代企業運營管理的核心底座。”徐平俊表示。

從數字化時代到AI時代，從低代碼到企業級AI平臺，從“All in One”的全員開發到龍蝦模式的Agent“自執行、自進化”，從數字平權到AI平權。2026年的奧哲，正協同企業一起邁進AI原生時代。