“下一轮AI，卖的不是工具，而是收益。”在包括OpenAI首席执行官SamAltman和谷歌首席科学家JeffDean等在内的150位全球顶尖AI创始人齐聚的红杉资本会场之中，大家得出了这个观点。而红杉资本合伙人PatGrady更是把这句话称为“万亿美元机会”。

当AI从“效率工具”向“认知伙伴”跃迁的过程中，AI的试验阶段已经结束，企业核心竞争力将取决于定制化AI应用和可量化的业务成果。

场景是价值体现的核心

在AI落地的过程中，找到合适的场景是关键，且场景颗粒度越小，相对越容易落地，在落地一个细分场景后，再将场景的能力复制，当形成更多的场景后，最终连接多个场景，形成全局性的智能体——这个观点是目前业内公认的，行业智能体落地的过程。

以财税行业为例，相较于其他领域，财税领域相对比较流程化，而生成式AI的出现，打破并重塑了企业原有流程。随着企业的发展，组织架构愈发复杂，而AI大模型的出现，能以一种简单的方式，将这个复杂的问题变成简单的问题，“通过流程和分工的方式，并在每个环节用好AI的能力，就能让原本复杂的问题变得简单，从而提高企业运营效率。”此前曾有业内专家对笔者表示。

企业流程的重构，在DeepSeek将算力成本降下来之后，进一步提速。以票据识别为例，粗略估算一下，使用人工审核的单张票据的审核成本大概在1~2元钱，而基于DeepSeek之上的AI票据审核将单张票据的费用降低到了1毛钱，甚至更低。

除此之外，这两年出海已经成为中国企业寻找新增长点的重要抓手，在海外当地票据的流通与财税合规性等方面，也可以通过AI审核的方式来进行应对。对此，百望股份高级咨询专家对笔者表示，在企业出海的过程中，采用AI审核票据的方式，一方面可以更智能、准确地翻译包括发票在内的各类单据信息，帮助员工更好地完成业务审核；另一方面，通过AI自学习能力，快速掌握当地财税规则，可以更好地帮助企业满足海外交易的属地合规性。

当算力成本被“打下来”之后，也给原先让很多SaaS企业能更好地为用户提供结合AI的解决方案，过去半年的时间内，很多SaaS企业也加快了在AI方面的布局。

以百望股份为例，作为中国数据智能服务商中的翘楚，百望股份在各个行业财税Know-How方面有着多年的积累，而行业Know-How是能否快速、准确找到场景的关键。

从近期百望股份的动态不难看出，无论是制造业，还是医药、金融等行业，百望股份都有着丰富的行业Know-How，并正在积极地与各行业的合作伙伴探索AI智能体的落地。

在制造行业，百望股份与爱玛科技、七识科技（柳工集团）、星网智云（玉柴集团）等进行了战略合作，双方基于此前多年来在对账协同、发票管理等财务信息化管理体系建设的合作。依托各自在数据智能与智能制造领域的核心优势，以“AI+数据资产”双轮驱动模式为引擎，聚焦智能财税、智能供应链协同、智能决策等关键业务领域，实现资源整合与优势互补，有力推动产业链各环节的效率跃升与价值重构，实现了从信息化，到数字化，再到数智化的“三级跳”。

在金融行业，百望股份与多家金融机构合作，围绕大模型、隐私计算、智能风控等前沿技术，就数据融合及数据智能产品共建等事宜展开深度洽谈，并在数据分析共创、合作开发智能风控产品矩阵等方向达成业务合作。

以“点”及“面”，构建行业智能体

与不同行业用户的合作，侧面展现了百望股份在各行业的财税管理方面都有着丰富的行业Know-How。从合作中也不难看出，AI的能力在各行各业中已经不仅仅局限于“单点”，而是向着能“统筹全局”的智能体演进。在此过程中，如何将这些单点能力串成链路，实现更广泛的智能体，是接下来行业内关注的焦点。

以AI票据审核场景为例，当百望股份的多模态票据识别智能体，为跨国企业完成跨境票据审计时，自然语言规则引擎可以解决多国票据核验问题，这些沉淀的海量数据又会反向优化模型能力，这正是数据智能与业务场景的相互优化作用。

比如，在某跨国500强药企之中，除了常规票据外，还有20多类特种票据，百望股份多模态票据识别智能体，为该跨国药企提供“票据识别-规则配置-风险决策”全栈式自动化解决方案，自然语言规则引擎的突破性应用构建智能合规中枢，也展现了结构化处理的深度能力，这正是智能科技转化为生产力的商业价值锚点。

在企业合规领域，百望股份的全球经营合规大模型，基于CaaS（合规即服务）理念，以及知识图谱，开展上下游关联风险分析，自动生成风险报告，实现了从通用交互应答到场景化智能风险管控的全面升级，以及企业交易全链路的穿透式监管。

同时，百望股份正在积极构建全球化的合规数据库和智能监控系统，实时响应法规变化，从而为客户提供定制化、精准化的解决方案，助力企业在复杂的全球税务环境中稳健发展。

AI审计仅是众多大场景中的一个，在各行业的财税场景中，百望股份都有所布局。比如，在与某金融机构的合作中，百望股份金融业务智能体通过多模型在线学习，可智能解析图像、音频等信息，并自动触发预警机制，生成多维度风险报告，增强金融产品流程效率及风控策略，帮助金融产品更精准识别和适配目标客群。

与此同时，金融业务智能体还能实现金融产品的全流程的动态监控，将复杂的分析简化为直观的数据呈现，帮助银行等金融机构降低违约率，指导企业优化财务结构。

除了金融业务智能体之外，百望股份还基于多年服务用户的行业Know-How，推出了交易管理智能体，以及经营决策智能体，并与包括爱玛科技、找钢集团、同程旅智等在内的涵盖了制造业、旅游业、医药业等多家企业达成了战略合作。

其中，交易管理智能体是百望股份通过多年来在工商登记、司法诉讼等十几个维度数据与行业Know-How的积累，将数据进行整合后，依托知识图谱与AI大模型技术，涵盖企业交易管理全流程的智能体。

交易管理智能体能够贯穿监管企业交易的全链路，动态检测3000多个合规指标，并精准识别虚假贸易、空壳企业、客商风险管理、税务风险管理等九个类型的风险场景，并自动生成应对方案。

针对不同场景，通过基础能力的模块化组装，达到最终赋能垂类场景的能力，这种方式已经成为AI时代，企业“定制化”的最优解。而这种方式也已经成为接下来以百望股份为代表的财税SaaS企业布局的重点。在这个过程中，SaaS服务商也正在从“工具供应商”跃升为“生态赋能者”，推动财税AI从单点功能迈向协同生态。

生态是AI能否走更远的关键

既然是“生态赋能者”，就离不开生态两个字。回看生成式AI发展的这两年，“单打独斗”显然并不适合生成式AI的商业化落地。正如同：没有一家企业能够具备全部AI从训练到推理，从“出生”到落地的全过程，已经是行业的共识。

在此背景下，一个完善而庞大的生态体系的构建，就成为了生成式AI能否走得更远的关键。

而在生态的构建中，企业需要认清自身的定位，联合产业上下游企业，共同搭建生态体系。以百望股份为例，在AI三要素（算力、算法、数据）之中，百望股份显然在算力、算法两个方面并不是很“擅长”，反而在数据方面，因为具备了丰富的财税领域的行业Know-How，这也是诸如百望股份这类SaaS企业在实现从SaaS服务商向AI赋能者转变过程中的核心优势和抓手。

而在自身不擅长的算法与算力领域，百望股份选择与诸如阿里云、华为云、火山引擎这样的国内大模型服务头部企业，以及沐曦科技这样的GPU芯片领军企业合作，并在此基础上，通过与大学院校（清华大学、人民大学、香港科技大学等）的合作，形成从底层基础设施，到行业Know-How，再到前沿模型技术与应用的生态体系，最终形成产学研用融合的闭环。

以百望股份与阿里云的合作为例，在4月底，阿里云发布Qwen3之后，百望股份第一时间接入了Qwen3大模型，通过深度融合和适配，5月6日就在阿里云百炼中上线了百望财税&数据MCP服务，该服务也是阿里云百炼MCP广场首个垂直领域MCP服务、首个财税行业MCP服务。同时，百望股份还与阿里云合作，共建了“数据智能联合实验室”，聚焦财税大模型训练、多模态票据识别、智能合规引擎等前沿领域。

与百望股份合作的国内做基础通用大模型的企业还不仅仅是阿里云一家，百望股份还在近日与零一万物签署战略合作协议。据悉，双方将深度融合百望股份的产业场景、海量数据与零一万物的大模型部署与落地能力，共研全场景大模型解决方案，破解“如何让AI在企业中可用、有用、好用”的新时代核心命题，为中国企业的数智化升级注入强劲动能。

除此之外，在AI大模型最重要的底层基础——GPU芯片方面，百望股份也于近日宣布了其与国产GPU芯片企业沐曦科技的合作。具体来看，在本次合作中，百望股份将与沐曦科技、汇天网络共同推进“数据智能”“算力基础设施”“云网平台”方面的融合创新，在交易管理、金融风控、决策优化垂类大模型训练/推理中心、行业专属云等关键应用场景中共创共建，为企业级客户打造软硬件一体的解决方案，合力推动中国人工智能产业生态的高质量发展。

联合产业上下游构建完善的AI生态，再结合SaaS企业深耕垂直行业多年的行业Know-How，实现了从技术到生态，再到商业化的完整闭环。像百望股份这种，构建全方位、多层次的人工智能生态体系的方式，也已经成为了当下SaaS企业在AI时代，实现从“工具供应商”跃升为“生态赋能者”的最佳路径。

从阿里云、华为云等的云平台基础设施支撑，到第四范式、零一万物等的大模型AI技术创新，再到昆药集团、爱玛科技、找钢集团、微众银行等多行业场景的商业落地，百望股份的AI生态网形成了一条完整的价值链路：底层技术提供支撑力，大模型转化创新力，场景落地释放生产力，而场景反馈的数据又反哺技术迭代——这种“基础设施-技术研发-场景应用”的协同闭环，正是其从“卖工具”到“织生态”的核心逻辑。

美国年度消费者支出数据将推迟发布，美劳工统计局“罕见”拒绝解释原因　　华尔街见闻　　美国劳工统计局周五宣布，原定于下周二发布的2024年度消费者支出数据将被“重新安排至稍后日期”，这份报告用于确定来年通胀数据中特定商品和服务的权重。美国劳工统计局并未解释推迟的原因，也未提供新的发布时间表，仅表示“有更多信息时将通知用户”