千峰访谈天源迪科：不造基座，专注打造行业智能体改造四大行业

【亿邦原创】天源迪科定位为产业数智化综合解决方案提供商，策略上不造基座，专注打造行业智能体应用，2026年已完成50多个AI产品，并取得大模型备案与国产GPU信创兼容性认证，业务覆盖通信、金融、公安、央国企采购供应链四大行业领域。本届千峰奖访谈中，天源迪科围绕AI驱动的产业模态进化，分享了公司在行业智能体、数据要素与研发交付方式上的实践与判断。

亿邦：本届千峰奖聚焦产业能力的深层重构。结合您所在的行业，您如何理解这一轮由AI驱动的产业模态进化？天源迪科在AI能力建设上看到了哪些行业机会，做了哪些核心战略布局？能否具体介绍一下公司的定位及业务模式？

天源迪科：我们公司的定位是产业数智化综合解决方案提供商。多年来，公司持续投入研发力量，对全球前沿IT技术进行追踪、研究、引入与应用。

这一轮AI驱动的模态进化，我的理解是：软件正从“给人用”转变为“给智能体用”。我们在2026年半年报中明确提出，产品正从“问答式”向“自主决策式”演变——企业采购的不再是固化的软件，而是能够自主完成任务的智能体。

公司策略方面，我们的布局是：不造基座，专注打造行业最先进的智能体应用。我们对接多家主流大模型，着力推动行业知识本体的沉淀与建模、智能体技术优化。2026年已完成50多个AI产品，并取得大模型备案与国产GPU信创兼容性认证；在通信、公安、央国企采购供应链等垂直行业，均已跻身第一梯队。

市场方面，我们紧抓企业数智化转型带来的AI技术机遇：一方面以AI原生应用产品开拓新市场，目前已在央国企采购供应链、教育培训等行业成功落地；另一方面以智能体改造公司原有优势行业，覆盖通信运营商、银行、政府等领域。

亿邦：您提到“不造基座，专注打造行业最先进的智能体应用”。为什么选择不造基座？对接多家主流大模型，和自研基座相比，这个选择对天源迪科的产品路线意味着什么？

天源迪科：通用基座无需重复打造，但垂类能力必须自建。工业、运营商、金融领域存在大量通用语料未能覆盖的隐性业务规则，垂类大模型在部分场景下仍具较高的成本优势。但相比大模型本身，行业本体才是核心，可信推理的企业智能体架构，本质上是智能体与本体的有机结合。我们的策略是对接多家主流大模型，把资源集中在行业知识本体的沉淀与建模、智能体技术优化上，而不是重复投入基座训练。

亿邦：目前贵公司在哪些核心业务环节落地了AI/大模型技术？形成了怎样独具特色的AI或数智化竞争力体系？

天源迪科：我们将大模型技术在四个行业领域进行了落地。

一是在通信行业推出智能方案生成、商机数字助手、智能投标、营业厅业务受理、工单智能运维等产品，已在多个运营商实现规模化应用。

二是在金融行业推出反洗钱全流程自动监控、信贷报告自动生成、法律合规知识库、电催机器人、智能质检等产品，已应用于多家大型金融机构。

三是在公安行业推出交通管理智能指挥、警情研判、道路交通事故预测、执法规范智能体等产品，助力警务工作智能化转型。

四是在央国企采购供应链领域推出智能辅助评审、智能标书助手、采购智能体、智能商品运营平台、智慧采购价格管控平台、智慧采购供应链合规监管平台六大新产品，受到能源、化工、金融等行业央国企的欢迎。

亿邦：能否分享一个最具代表性的“AI+价值链”创新实践案例？它解决了哪些行业共性痛点，创造了哪些可感知、可量化的价值？

天源迪科：最具代表性的案例，是我们为企业提供的采购供应链“AI＋价值链”解决方案。它针对性解决了三个共性痛点。其一，非标物料叫法各异、难以横向比价——“天枢工业品大模型”基于数千万条数据进行训练，物料识别准确率达93%，已协助某央企完成300万级物料的标准化。其二，评标长期依赖专家主观经验、串标行为难以识别——“智能辅助评标”采用冷启动设计，可直接处理非结构化招标文件，人工成本降低50%以上，已在两家央企落地应用。其三，采购供应链业务复杂、链条长，高度依赖人员经验，且存在大量低效的日常工作——“采购智能体”采用AI Agent技术辅助完成采购决策，人机协同使采购工作效率提升80%以上。

从价值维度看，对于采购方，我们的AI产品已帮助企业节省8%至10%的综合采购成本；对于上下游伙伴，物料标准化使同一部件实现跨企业可比、可竞价，客观上拓宽了中小供应商的市场准入通道；对于公司自身，这套能力可复制至能源、化工、运营商等多个行业场景，形成可规模化的商业模式。

亿邦：您提到天源迪科拥有自有算力用于产品研发，同时也会采购外部第三方Token资源作为补充。算力和Token成本方面是什么策略？

天源迪科：我们公司拥有自有算力用于产品研发，同时也会采购外部第三方Token资源作为补充。具体Token消耗与算力成本暂不披露。

亿邦：在推进AI规模化落地过程中，数据要素扮演了怎样的支撑角色？天源迪科更侧重自有产业数据深耕，还是推进跨主体、跨行业的数据协同？核心挑战是什么、如何应对？

天源迪科：在AI规模化落地过程中，数据要素扮演的是“从连接走向认知”的角色。我在2026年华为全联接大会上讲过一句话：从数据连接到知识连接——数据连接解决“能不能拿到”的问题，知识连接解决“能不能算得出”的问题。模型参数可以购买、可以调优，但企业真正稀缺的是把业务术语、口径、规则沉淀为本体的能力，这正是让智能体敢于在强监管行业实现自主决策的前提。

数据要素方面的优势主要体现在三大身份：一是国家发改委价格监测中心全国价格监测定点单位、唯一工业品价格指数采集单位；二是参与中国电信数据要素建设；三是2026年入选合肥公共数据授权运营首批合伙人，覆盖七大领域。

我们既深耕自有产业数据，也积极推动跨主体数据协同，依托隐私计算实现数据融合，确保不输出原始数据。当前面临的主要挑战包括：产业数据语义标准不一，需依靠大模型与本体建模实现统一；跨主体共享需兼顾技术可信与权责清晰；数据真实性要求极高，需依托定点授权采集保障其稳定可靠。

亿邦：您怎么看产业智能体改写B2B？垂类大模型是否有长远发展必要？产业互联网公司的AI护城河在何处？

天源迪科：产业智能体从三个方面重塑B2B：一是交互入口由搜索框转为对话框，采购人员的工作重心转变为提需求、审依据、控风控；二是商业模式从流量撮合升级为代理决策能力，懂行业、可担责的智能体将成为业务主入口；三是智能体每完成一笔交易都会沉淀产业数据，持续迭代形成数据复利。

通用基座无需重复打造，但垂类能力必须自建——工业、运营商、金融领域存在大量通用语料未能覆盖的隐性业务规则，垂类大模型在部分场景下仍具较高的成本优势。但相比大模型本身，行业本体才是核心，可信推理的企业智能体架构，本质上是智能体与本体的有机结合。

我认为，公司的AI护城河主要包括：难以复制的行业本体知识；私有化部署与国产化适配能力；稀缺的数据授权资质；数千人的交付团队与几十款成熟的AI产品。这些要素相互支撑、环环相扣，新入局者短期内难以补齐。

亿邦：作为一家以提供技术服务为主的企业，在技术研发和交付方面是否已全面使用AI进行提升？这对公司的研发方式和团队配置带来了哪些改变？如何评价这种变化？

天源迪科：AI已全面落地研发与交付全流程，覆盖产品研发、项目实施、交付运维三大环节。借助AI赋能，我们将大量岗位的职责进行合并，项目团队规模精简、管理架构更加扁平。研发模式亦随之转变：产品人员定方向、AI承担研发编程、工程师负责校验。

我们认为，AI的核心价值并非替代人，而是将资深专家的能力批量复制给普通员工。我们尤为重视能够把公司多年积累的行业知识与交付经验，提炼为行业本体与业务规则的专家型人才。这些专家将带领团队，以AI为核心的研发组织方式完成未来的软件技术服务。

作为TO B领域年度风向标，“2026第八届亿邦产业互联网年会暨首届产业智能体大会”将于2026年11月20日在北京召开。主题定为“AI与出海带来的模态进化”，聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会将集结学界权威、央国企标杆、产业龙头、投资机构、服务生态伙伴，汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。同期还将发布年度产业互联网报告及标杆案例，举办决策人闭门会、“千峰奖”颁奖盛典。

本文首发于 亿邦动力 官方网站