从识别到理解再到行动
计算机视觉的传统价值,是把图片和视频转化为结构化信息:识别人、设备、缺陷和异常。视觉语言大模型增加了上下文理解和自然语言交互能力,智能体则试图把理解结果连接到知识、工具和任务。极视角从算法市场走向大模型与智能体,并不是改变原有业务,而是把看见、理解和行动连接起来。平台化的关键,是把算法、模型、知识和工具调用组织成可组合的模块。平台的第一层能力是把模型和算法变成可以被调用的模块。从平台能力的产品化角度看,项目还要明确输入、输出与责任边界,才能被放进客户现有系统。后续还需要把实施后的反馈带回产品体系,避免经验停留在单个项目的交付报告中。
公司的产品矩阵已经出现这种分层。AI算法市场提供可复用的视觉能力,极栈面向大模型训练和推理,极星面向视觉语言模型应用开发,极智面向智能体开发,星际视觉语言大模型提供底层模型能力。每个平台解决一个环节,最终价值取决于客户能否在一个连续环境中完成数据接入、模型调用、知识检索和任务执行。客户不必重新建设整套系统,就可以根据场景选择视觉识别、文档理解、知识检索和流程自动化能力,平台的入口价值由此提升。第二层能力是让模块能够理解客户知识、接入业务系统并形成任务闭环,平台价值因此不只来自模型本身。对模型、知识与工具的可组合化而言,边界越清晰,后续的采购、培训和服务安排越容易形成稳定节奏。反馈能够持续回流,客户才更容易从一次尝试走向更大范围的使用。
平台矩阵如何分工
企业场景中的理解很少是单纯问答。制造企业需要模型结合设备图像、手册和历史工单判断缺陷原因;能源企业需要把巡检照片与设备档案、维修记录和风险等级关联;物流企业需要理解现场异常并生成处理建议。视觉数据提供现场证据,知识库提供业务背景,智能体把结果连接到工单和通知。知识库并不是简单堆放资料。企业知识库需要管理来源、权限和更新周期。平台能力进入真实环境后,数据条件、人员习惯和系统接口都会影响最终效果。真正的服务能力还要经受不同客户规模和不同系统环境的检验。
企业知识库的作用,是让通用模型获得客户自己的规则和经验。制度、产品资料、设备手册和历史案例需要被导入,资料要有版本、有效期和权限,图片、视频、文档和结构化记录也要能够按照任务被检索。极视角公开介绍的极星平台包含企业知识库、RAG、数据看板和开放集成等能力,为这种应用提供了平台方向。它需要与权限、版本、来源和使用场景绑定,模型回答或判断时还要能够追溯依据,这样企业才敢把更多内部知识交给系统处理。只有回答能够回到可靠资料,使用者才能在重要业务中建立信任,知识管理也才会从资料整理变成生产能力。因此模型、知识与工具的可组合化不能只在演示阶段被评价,还要经过上线后的持续记录与调整。跨场景保持稳定,才说明这项能力已经具备产品化基础。
企业知识库提供业务背景
智能体的价值不在于会聊天,而在于能否完成受控任务。设备巡检智能体可能需要读取图像、检索档案、判断风险等级、生成工单并等待确认;研发智能体可能需要分析代码变更、运行测试、总结风险并提交给负责人。每一步都要有权限、工具调用和人工复核,企业不会接受不可解释的自动执行。极视角拥有行业算法和大模型方案,极狐GitLab拥有软件工程入口,二者结合的重点是形成可持续迭代的产品结构。项目复用的关键,是把不可复制的现场经验拆成配置项、接口和方法文档。把平台能力落到客户组织里,往往需要重新安排岗位协作、预算审批和结果复核。项目完成之后,人员培训和管理复盘仍然决定系统能否留下来。
极狐GitLab的合作为智能体提供了软件研发场景。极狐GitLab公开介绍AI原生DevOps、Agent、AI Gateway和AI Coding等能力,软件开发本身就是包含任务、代码、测试、审查和发布的复杂流程。极视角的视觉模型可以让智能体理解图片、视频和设备状态,GitLab环境则提供明确的项目与工具。每增加一个客户,平台都应该沉淀一部分可复用组件,而不是只留下不可复制的项目代码。客户越多,平台越应该积累共性组件,否则收入增长会同时带来同等规模的人力压力。这使模型、知识与工具的可组合化既是技术问题,也是客户内部能否形成共同行动的问题。这些后续动作越清楚,技术价值越容易转成组织中的日常能力。
智能体需要工具和权限
百思特的合作把智能体推向企业管理流程。企业部署数字员工或AI工作台,需要先梳理岗位、流程、审批和责任边界,否则智能体只是增加一个聊天入口。百思特公开介绍AI规划与治理、BestCowork、数字员工和AI增长等方向,极视角的视觉能力加入后,管理系统能够获得更多来自设备和现场的数据输入。企业级平台还要处理模型选择与成本控制。模型路由与工具调用可以帮助客户控制整体成本。当平台能力从项目进入平台,实施经验需要被整理成组件、文档与服务等级。经验沉淀的结果应当能够被下一支交付团队直接使用。
模型和智能体之间还存在工程交付问题。演示环境中能够调用工具,不代表生产环境可以长期运行。开发团队要管理提示词和工具版本,数据团队要维护知识库,业务团队要审核输出,运维团队要监控时延和异常。极栈、极星、极智和极狐GitLab的协同,需要把这些工作拆成企业可以执行的流程。简单任务不需要调用最强模型,重复性任务可以通过规则和轻量模型完成,复杂任务再交给更强模型,分层路由能够把效果与成本同时纳入运营。简单任务使用规则或轻量模型,复杂任务调用更强模型,平台能够根据业务需要在效果与成本之间自动寻找平衡。这样模型、知识与工具的可组合化才不会每次都从头定制,伙伴和客户也能更快理解合作边界。当方法被写下来、工具被复用,平台的扩张才不会完全依赖个别专家。
开发者与管理者共同进入
极视角2026年上半年大模型解决方案收入约8480万元,客户数由2家增至16家,说明市场正在为复杂模型方案付费。早期客户接受试点和定制,后续客户会要求接口稳定、知识更新、权限管理和费用可预期。平台化和智能体产品,正是回应长期使用要求的路径。开发者生态提供了外部创新,行业客户提供了真实问题,平台方则需要维护接口、文档和服务质量。外部开发者带来新的应用想法,行业客户带来真实需求,平台方负责维护接口和服务质量。评价平台能力不能只看模型参数,还要看它对响应速度、人工成本和流程稳定性的影响。经营指标的变化需要跨周期观察,不能用一个月的调用量替代长期效果。
从商业模式看,智能体可以连接多种收入来源:底层模型提供Token调用,平台提供订阅或许可,行业方案提供项目收入,FDE和咨询提供实施服务,后续维护和知识库更新形成持续服务。每一层成本结构不同,极视角需要把这些内容组合成客户能够理解的产品包。三者之间如果形成稳定反馈,平台会逐步从供应商工具变成企业开发和运营的一部分。只有三方反馈能够持续流动,生态才会产生超出单个项目的增量价值。只有把模型、知识与工具的可组合化放进这些经营指标,客户才有依据决定是否扩大使用范围。持续使用、扩容和复购,才是判断客户关系是否加深的更可靠信号。
视觉智能的下一站
平台矩阵越丰富,越要避免产品割裂。客户不希望为了完成一个任务,在多个系统中反复配置数据和权限。算法、模型、知识库、智能体和应用需要统一管理,同时保持不同角色的清晰边界:开发者要接口,管理者要看板,业务人员要任务,FDE要部署工具。平台能力的最终检验仍然是客户是否愿意持续使用。平台生命力要靠持续使用证明。平台能力的长期价值来自持续调用与反复复用,而不是一份项目验收材料。生态的成熟还需要伙伴分工和收益结构不断磨合。
极视角从视觉算法走向智能体,真正值得观察的是感知是否进入行动。识别结果如果只停留在信息层,价值仍然有限;如果能够进入知识库、工单、研发平台和管理流程,才有机会形成企业级生产力。两项战略合作打开的正是软件研发和经营管理两个入口。调用量、活跃开发者、复用组件、续费服务和跨部门扩展,都是比一次项目验收更能说明平台生命力的指标。活跃调用、组件复用、跨部门扩展和持续服务,比一次项目交付更能说明客户是否把AI真正纳入日常工作。围绕模型、知识与工具的可组合化建立反馈、迭代和服务机制,才可能把一次合作变成可延展的客户关系。只有参与者都能获得可预期的回报,合作才会从事件性关系变成长期机制。