大模型能力日益增强，企业付费逻辑正从“为模型买单”转向“为可量化的产出买单”。百融智能最新中报揭示了这一趋势：2026 年上半年，受外部监管环境影响，公司总收入波动，但 AICC（AI 联络中心）业务逆势增长 52%，其中新场景收入激增 195%。
AICC 即 AI Contact Center，核心是将 AI Agent 深度嵌入企业联络中心，直接承担查询、营销、服务及运营等具体工作。百融已在金融场景打磨出成熟的企业级 Agent 能力，并成功向物流、券商等行业复制。其物流项目日处理量从初期不足千通跃升至超 1.5 万通；某头部券商部署规模也从年初的 30 席扩至 210 席。
依托 RaaS（按结果收费）模式，百融将处理量与部署规模直接转化为收入，并通过真实交互数据反哺模型，形成“数据飞轮”。公司提出“技术重构型 AI Roll-up"战略，旨在通过投资与合作获取业务入口，将验证过的 Agent 能力嵌入更多工作流，实现从单点突破到跨行业规模化复制的增长闭环。
百融智能财报里的战略转向
最新财报显示，百融业务结构出现显著分化。公司将收入重新划分为 AI 决策、AICC 和其他业务三大板块，直观反映了业务重心的切换。
2026 年上半年，百融营收 9.14 亿元，同比下降 43%；毛利降至 4.88 亿元，毛利率由 73% 滑落至 53%；净利润由盈转亏，录得亏损 3.22 亿元。财报指出，这主要受 2025 年以来互联网助贷业务监管趋严影响，部分金融机构暂停相关产品运营，导致成熟业务收入收缩。
具体而言，AI 决策业务收入 3.72 亿元，同比降 26%；其他业务收入 3.77 亿元，同比骤降 62%。尽管面临压力，AI 决策业务基本盘依然稳固：核心机构达 141 家，留存率高达 96%，银行及互联网平台核心收入微增 1%。该业务仍被定位为利润与现金流的基石，以支撑后续 AI 投入。
与之形成鲜明对比的是 AICC 业务的强劲增长。上半年 AICC 收入 1.66 亿元，同比增长 52%。其中，信贷场景收入 1.55 亿元（+47%），新场景收入 1126 万元（+195%）。AICC 占整体营收比例已从 2025 年同期的 6.8% 提升至 18.1%。
在营收承压背景下，百融坚持加大研发。上半年研发开支增至 3.94 亿元，同比增长 31%，占营收比重达 43%；研发人员占比升至 61%。CEO 张韶峰明确表示，AICC 新场景是集团当前的核心增长点，资源将优先向此倾斜。
从金融向多行业延伸
百融的战略升级首先体现在行业边界的拓展。AICC 能力正从传统的金融领域，向物流、航空、券商、运营商及保险等服务密集型行业延伸。
任务复杂度也随之升级。新一代 AICC 不再局限于标准化的呼出通知，而是攻克复杂的呼入场景。面对用户开放式提问、情绪波动及多轮对话需求，AI 需调用知识库与内部系统完成闭环服务。百融将此类能进入实际服务流程的企业级 Agent 称为“硅基客服”，旨在解决传统机器人转人工率高达 70%-80% 的痛点。
跨行业复制已初见成效。在物流场景，硅基客服承接查件、异常处理等复杂任务，日处理量迅速攀升；在券商场景，签约机构达 13 家，头部客户部署规模大幅扩张。这些行业共性明显：C 端交互需求庞大且行业集中度高，利于标杆项目跑通后快速复制。
不过，规模化落地仍面临挑战。大型企业的采购验证周期长，需在 POC 阶段验证解决率、稳定性等指标，并在生产环境中确认安全合规后方可放量。这表明，规模化的瓶颈已不仅在于模型本身，更在于系统集成与业务切量。
企业级 Agent，为什么先落在 AICC？
企业级 Agent 规模化落地的首要前提是商业价值的清晰衡量。相比难以量化的决策质量提升，AICC 具有任务边界明确、流程标准化、评价指标清晰等优势。AI 接入后，处理量、转人工率及单位成本的变化可直接反映在经营结果上，符合 a16z 等机构预测的“客服支持”作为 AI 率先落地场景的判断。
自研垂类模型与工程体系
百融选择 AICC 还源于深厚的自身积累。其客服与营销硅基员工项目始于 2017 年，多年迭代形成的语音交互、智能联络及复杂流程执行能力，与 AICC 需求高度契合。
技术上，百融构建了包含 BR-Voice（语音多模态）、BR-LLM-Proactive（主动对话）及 BR-Vision-Doc（文档理解）在内的自研垂类基础模型体系。不同于依赖第三方大模型的应用层开发，百融掌握从预训练到推理优化的全链路技术。针对电话场景，模型参数量控制在 0.4B～30B 之间，以求在准确率、稳定性、时延与成本间取得最佳平衡。
在 INTERSPEECH 2026 MLC-SLM Challenge 中，百融在多语种对话语音理解任务上取得 94.84% 的准确率，位居全球第三、国内产业界第一，验证了其垂类路线的有效性。
数据飞轮与通信工程壁垒
模型上线仅是起点，百融通过“数据飞轮”实现持续迭代。在合规前提下，系统将真实业务中的正负反馈转化为强化学习信号，不断校正模型策略，形成“业务运行 - 反馈 - 迭代”的闭环。
此外，电话网络的特殊环境构成了技术壁垒。传统电话采用的 8kHz 窄带语音对识别与实时交互提出更高要求。百融长期建设通信工程体系，适配窄带识别、降噪及高并发调度，确保 AI 在电话网络中稳定运行。
交付环节同样关键。百融组建 FDE（前沿部署工程师）团队，深入业务现场梳理工作流，将适合 AI 的环节重组为 Agent 工作流，确保技术真正嵌入生产系统。
AI 开始进入生产系统
随着 Agent 直接承担具体工作，企业采购 AI 的模式正从购买“技术能力”（License、SaaS、Token）转向购买“实际产出”。
RaaS 模式重构商业逻辑
百融推行的 RaaS（Results as a Service）模式是这一变革的典型代表。该模式按“成功完成且无需转人工的有效通话”或"Agent 部署规模”计费，部分场景甚至按促成业务规模分成。在物流案例中，单次处理成本较传统人工降低 50% 以上。这种模式将技术服务方的收入与实际工作成果绑定，推动 AI 从 IT 预算走向运营与人力成本预算。
技术重构型 AI Roll-up
为解决 AI 产能的规模化复制问题，“AI Roll-up"概念应运而生。区别于北美常见的“资本收购 +AI 改造”的产业聚合型路径，百融代表了“技术重构型 AI Roll-up"：以垂类模型和 Agent 为起点，先改造工作流，再通过战略投资与产业合作扩大覆盖范围。
RaaS 解决了 AI 工作的计价问题，而 AI Roll-up 则解决了产能的组织与扩展问题。两者共同推动机器智能从技术产品演变为经济活动中的生产要素。随着企业服务成为 AI 深入的腹地，百融正通过 AICC 引领这一变革，让机器智能真正成为驱动真实经济活动的核心入口。