正文内容
2026中国国际大数据产业博览会期间，中科富创正式发布中科智源供应链物流AI大模型2.0，并深度参与贵安新区人工智能公共服务平台的规划建设与发布，进一步提出推动AI从“看懂物理世界”走向“决策物理世界”。
数博会上的发布，是一个节点。发布之后，一个更重要的问题也随之展开：AI如何真正进入企业生产经营，而不只是停留在模型、算法和单点应用层面？
随着大模型、智能体和行业AI加速进入产业场景，企业关注的重点正在发生变化：从“有没有AI”，逐步转向“AI能不能真正理解业务、参与决策，并进入实际运行”。对于供应链物流、智能工厂、港航物流、烟草物流等复杂业务而言，真正影响经营结果的，往往不是一个孤立的数据或单一任务，而是订单、库存、产能、设备、人员、车辆、路线、成本、规则等多种因素共同作用的结果。这意味着，单一大模型、单点算法或者独立AI应用，很难独立承担复杂企业长期、稳定的智能化运行。
基于长期产业实践，中科富创逐步形成了一个更加明确的判断：企业智能化的关键，不是再增加一个AI工具，而是让机器真正理解企业如何运行，并在业务规则和经营目标约束下参与计算、推演、决策和执行。
围绕这一目标，中科富创持续完善“橐龠体系”，并以企业业务本体组织真实业务结构，以中科智源供应链物流AI大模型2.0承担业务理解、知识调用、任务识别与模型协同，以预测、运筹优化、仿真等专业模型和算法完成相应计算，通过AI应用服务平台进行能力承载与编排，最终由场景智能体进入具体业务运行，推动AI由“能力展示”走向真实业务运行。
让AI进入业务，首先要让机器理解企业如何运行
今天，大多数企业已经拥有ERP、MES、WMS、TMS、设备系统以及各类业务平台，也积累了大量订单、库存、产能、设备、人员、车辆、路线、客户和成本数据。但“有数据”，并不等于“AI理解业务”。对机器而言，一张订单如果只是数据库中的一条记录，它并不知道这张订单与库存、产能、设备、车辆和客户承诺之间是什么关系；一台设备如果只是一个设备ID，它也无法理解设备状态变化会影响哪些任务、哪些订单以及最终的交付结果。
AI真正参与业务之前，需要进一步理解：哪些对象正在参与业务运行，它们之间存在什么关系；当前处于什么状态；什么事件会引发变化；哪些规则必须遵守；哪些约束不能突破；谁拥有相应的决策和执行权限；最终又应按照什么经营目标评价不同方案。这也是中科富创持续完善“橐龠体系”的重要原因。
橐龠体系不是一个AI平台，也不是某一种大模型或算法，而是一套面向真实企业经营与业务运行的建模、组织与决策方法体系。通过这一体系，企业中的订单、库存、设备、车辆、人员等真实业务对象，以及对象之间的关系、状态、事件、规则、约束、责任和权限，可以进一步形成机器能够识别和计算的业务结构。企业业务本体，则是构建这一机器可理解业务世界的重要技术基础之一。
企业原有的信息系统和数据因此不需要被推倒重来。ERP、MES、WMS、TMS以及设备系统继续承担原有业务职责，中科富创所做的，是在这些数字化基础之上进一步建立业务语义和业务关系，让分散在不同系统中的数据重新回到真实业务运行逻辑之中。只有先理解企业如何运行，AI才有可能进一步参与企业运行。
从“理解业务”，进一步走向“计算业务”
理解业务，还不是终点。企业真正需要的，也不是一张更加复杂的业务关系图，而是当订单变化、库存不足、设备异常、产能受限或者运输条件发生变化时，系统能够判断影响、推演结果，并帮助企业形成更好的行动方案。这正是中科智源供应链物流AI大模型2.0继续向真实业务深化的重要方向。
在这一过程中，企业业务本体负责组织业务世界；中科智源供应链物流AI大模型2.0承担业务理解、知识调用、任务识别、模型协同和智能推理；预测模型、运筹优化、仿真等专业能力承担相应计算。不同能力不再孤立存在，而是围绕真实业务问题形成一条完整的智能决策链：业务建模→状态感知→预测→推演→优化→候选方案→权衡决策→受控执行→结果反馈。
例如，当一张重要订单发生变化时，系统需要判断的不只是“订单变了”。它还需要继续计算：现有库存能否满足需求，产能是否需要调整，设备是否可用，运输资源是否匹配，客户交付是否会受到影响，以及不同调整方案分别意味着多少成本、多少时间和多大风险。由此形成的也不应该只有一个答案，而可能是多个可执行方案。
而真实企业经营，本身就是多目标、多约束条件下的持续权衡。成本、效率、交付、库存、安全、设备能力、业务规则以及组织权限，经常同时存在。因此，中科富创进一步通过“衢衡”机制，对候选方案进行目标权衡、约束校验和方案比较，为受控决策提供依据，并在权限与审批机制下进入实际业务流程。从理解业务，到计算业务，再到在约束条件下形成可执行决策，AI才真正开始进入企业经营。
场景智能体，正在成为AI进入真实业务的运行载体
随着Agent技术快速发展，智能体正在成为企业AI应用的重要方向。但对于复杂产业场景而言，场景智能体不能只是“大模型＋工具调用”。中科富创正在探索的场景智能体，更接近一个能够持续参与业务运行的软件单元。它可以封装业务模型、行业知识、规则约束、预测、仿真、优化和决策能力，也可以连接企业原有审批、业务系统和设备系统。
当业务事件发生后，智能体能够识别当前状态和任务，调用相应模型与算法形成候选方案，在业务规则和经营目标约束下完成比较，并在获得授权后进入实际执行流程。执行结果再重新返回系统，成为下一轮判断和优化的依据。
因此，场景智能体并不是要替代ERP、MES、WMS和TMS。这些系统继续承担业务记录、流程管理和现场执行，中科富创则在既有数字化基础之上进一步形成智能业务层，承担业务理解、预测、推演、优化、决策支持和任务协同。AI由此不再只是企业业务之外的一个问答工具，而开始成为业务运行过程中的组成部分。这也是数博会上提出的从“看懂物理世界”走向“决策物理世界”，在企业真实场景中的进一步展开。
每一个项目，都应该成为下一次智能化建设的起点
AI真正走向产业规模化，还需要解决另一个现实问题：为什么面对相似的行业问题，每一个项目都要重新做一遍？过去，不少数字化和AI项目以单个客户、单个场景和单次交付为中心。项目完成以后，留下了一套系统；进入下一个项目，业务梳理、规则整理、算法适配和软件开发又重新开始。这种项目模式可以解决单次需求，却很难形成持续增长的行业智能能力。
中科富创正在推动的，是另一种建设方式：每一个项目既解决当前客户的问题，也形成下一次可以继续复用、验证和迭代的能力资产。在具体项目中，中科富创基于客户真实业务形成企业专属的业务模型实例，以及与之匹配的规则、约束、指标、决策任务和场景能力。
与此同时，长期项目实践中形成的方法体系、建模工具、行业参考本体、决策模型模板、规则模板、专业模型、算法能力和软件组件，也持续进行标准化沉淀。在合法合规、数据安全和知识产权边界下，其中具有共性的部分进一步沉淀为行业参考资产，在新的客户和新的项目中持续复用。
由此，AI项目逐步从“每一个项目重新开发一次”转向“通用能力复用、行业资产继承、企业业务实例化、场景能力装配”。对于企业客户而言，这意味着建设AI能力不再需要从零开始。已经形成的通用技术底座、行业参考资产、专业模型与算法、决策模板和场景组件，可以成为新的建设起点，有助于减少重复开发、缩短实施周期，并降低复杂业务智能化过程中的试错成本。
真正形成差异的，是长期运行之后留下什么
技术架构可以学习，模型可以迭代，工具也会不断更新。真正决定企业级AI能否持续向前发展的，是在一个个真实场景长期运行之后，能够留下什么。
数博会上发布的中科智源供应链物流AI大模型2.0，是中科富创产业智能能力的重要模型载体；贵安新区人工智能公共服务平台，则进一步为算力、模型和场景能力的验证与应用提供公共服务支撑。
在这些产品和平台背后，中科富创正在持续积累三类长期能力：持续沉淀的行业决策资产、能够进入真实业务运行的可执行体系，以及真实项目不断形成的能力复利。在供应链物流、智能工厂、港航物流、烟草物流等复杂产业场景中，每一次对订单、库存、产能、设备、车辆、路线、履约、调度和成本问题的解决，都不只是完成一个项目。其中经过验证的方法、规则、模型、算法和软件能力，可以继续沉淀；新的项目又会进一步验证和丰富这些资产。
项目越多，行业资产越丰富；行业资产越丰富，新的项目实施效率越高；新的运行结果，又继续反哺业务模型、规则、算法和决策能力。由此形成的，才是一套能够持续积累、持续验证和持续复用的产业智能体系。
从“有AI”，走向“AI真正进入业务运行”
从数博会发布中科智源供应链物流AI大模型2.0，到持续完善橐龠体系、企业业务本体和场景智能体，中科富创正在推进的是同一件事：让AI从理解和生成信息，进一步进入真实业务中的预测、推演、优化、决策支持与受控执行。这也是中科富创对企业级AI下一阶段发展的理解。
未来，中科富创将继续围绕真实业务运行，推进企业业务建模、行业模型、智能决策和场景智能体建设，并与科研机构、模型企业、算力企业和产业客户共同推动企业级AI在真实场景中的持续验证与应用。
中科富创希望推动的，不只是让企业“拥有AI”，而是让AI真正理解企业如何运行，在规则和权限边界内参与业务决策，连接实际执行，并在持续运行中不断沉淀新的智能资产。从“有AI”，走向“AI真正进入业务运行”，这是数博会之后，中科富创围绕中科智源供应链物流AI大模型2.0继续向产业深处推进的重要方向。