專訪卓越睿新：將結構化知識轉化為AI基礎設施

隨著知識圖譜成為其最大的收入來源，這家知識科技提供商正通過自有平台構建可追溯、可調用的知識資產

陽歌

隨著AI從通用模型向專業應用邁進，競爭正轉向領域知識、工作流以及交付能力。在服務學術和科研機構近二十年後，上海卓越睿新數碼科技股份有限公司（2687.HK）將自身定位在這一應用層。

公司把學術資料、實驗流程和專家經驗轉化為AI可讀取、可調用的結構化、可追溯知識資產。產品包括Polymas平台、智能體、學科專屬大模型，以及源圖譜（Meta Graph）和Harness引擎。

2023年來，知識圖譜已成為公司增長最快的業務。2025年，該業務收入增長了68.5%，達到5.74億元，佔總收入的59.2%。交付量增長122.4%至10,386個，整體毛利率則從61.9%升至65.5%。卓越睿新也宣佈與阿里雲和火山引擎達成框架合作，將這些公司的基礎大模型及雲能力與自身的知識資產及學術場景相融合。

CFO曹睿就公司的AI戰略、知識資產以及不斷變化的機構需求與Bamboo Works進行了交流。

Bamboo Works：請詳細介紹一下卓越睿新的Polymas平台。它與主流的大語言模型有何不同？如何融入你們更廣泛的AI戰略？

曹睿：通用模型在語言表達和廣泛推理方面能力很強，但專業領域還需要具備權威性、可追溯且不斷更新的領域知識，外加對學術工作流的深刻理解。這正是Polymas平台所提供的功能層。

Polymas平台將我們的領域AI與領先的基礎大模型及結構化專業知識相結合。通過「源圖譜」，回答可以被鏈接到學術資料和具體的知識節點上，這使得推理過程更加透明，並減少了缺乏依據的回答——我們稱之為循證AI。

我們的戰略是不依賴特定模型：基礎大模型 + 知識資產 + 智能體 + 應用場景。這讓我們能夠隨時採用最先進的技術，而不必依賴於單一供應商。

問：你們最新的年報將知識圖譜描述為數字知識內容業務的核心增長引擎。這款產品是如何運作的？它又如何為盈利做出貢獻？

答：我們的知識圖譜不僅僅是實現信息可視化。學術知識通常分散在教材、論文、課件、規程以及專家經驗中。我們將這些內容轉化為結構化、可追溯、可更新且機器可調用的資產。

學生可以借此看清概念與實驗之間是如何相互聯繫的。教師則可以基於同一底座生成教學資料、設計測評內容並完成更新。機構能夠規劃課程體系，並追蹤科學與產業的發展動態。圖譜為AI提供了上下文背景、知識來源和安全護欄。

這反映了從知識存儲向知識計算的範式轉變。教材可能需要數年時間才能更新一次，而知識圖譜則可以隨著新研究的不斷湧現而隨時刷新。

在2026年世界人工智能大會（WAIC）上，我們推出了源圖譜和Harness引擎，將學科知識針對不同應用場景組織成模塊化的產品。其目的是在滿足特定項目定制需求的同時，支持復用性更高、更標準化的產品交付。

問：你們最近宣佈了與阿里雲和火山引擎的合作。各方在這些合作中分別帶來了什麼優勢？

答：科技大廠帶來了基礎大模型、雲計算以及AI生態系統。我們則帶來了近二十年的知識基礎設施經驗、多學科的知識架構、真實的教學與科研場景，以及將它們轉化為可部署產品的能力。

通用大模型不會自動理解學科邏輯、實驗標準或機構的內部工作流。我們充當了“翻譯官”和知識錨點的角色，將通用AI轉化為專業的教學、科研與實訓解決方案。這種對機構業務的深度參與是我們真正的護城河。

在與阿里雲的合作中，業務涵蓋了大模型知識Token賦能、物理AI研發，以及利用通義千問生態和AgentScope框架構建的多智能體平台。而在與火山引擎的合作中，業務則包括豆包大模型知識精調、虛實融合實訓以及數字化人才培養。

我們目前也在與其他領先的通用AI提供商進行探索性討論，探討涉及我們的知識資產、應用場景以及交付能力的潛在合作機會。

問：你們的產品如何為管理者、教師和學生——尤其是為你們的關鍵“燈塔客戶”——創造價值？此外，你們目前正在開發哪些新產品？

答：我們的燈塔客戶也是共同開發的合作夥伴。我們首先從一個高價值學科或工作流切入，與學術專家合作構建具有權威性的知識底座，然後將其與教學、科研、評估或實驗系統打通，最後把該解決方案沈澱為可供其他機構復用的功能模塊。

對於管理者而言，我們的產品能夠支持評估與統籌工作：為學習成果提供結構化證據，並提供規劃AI轉型以及使課程與技術、產業需求相契合的工具。對於教師而言，產品將教學資料和經驗轉化為可復用的知識資產，同時大幅減少重復性工作。對於學生而言，同一個底座即可支持個性化學習、交互式模擬及來源可溯的AI問答。

我們的下一代產品以源圖譜和Harness引擎的“1+N+1+N”架構為核心：一個知識底座；多個教學、科研、產業及實驗模塊；一個人才培養平台；以及多個針對特定學科的專屬配置。

問：隨著AI的廣泛應用，學術和科研機構最迫切的需求是什麼？你們認為前方存在哪些機遇？

答：問題已經從是否採用AI，轉變為如何負責任地將AI融入教學與科研中。機構需要值得信賴的模型輸出、特定學科的知識系統、與現有平台的順暢集成、清晰的數據治理與安全保障，以及在教育科研成果上能夠量化的提升效果。

學生群體的期望也發生了改變。僅僅把教材或講座搬到網上已經遠遠不夠了。學生越來越期望獲得按需獲取、互動式且個性化的知識體驗。他們希望AI能用不同的方式解釋複雜的概念、關聯前置知識、模擬實驗過程、提供即時反饋，並能夠清晰標明知識的來源。

與此同時，技術、行業實踐和學術知識的演進速度在不斷加快，要求課程體系必須持續更新。這些需求推動行業從資源數字化向知識運營化的轉變：靜態內容必須轉變為一個可以被更新、被組合、供人類使用且能被AI調用的動態系統。我們將此視為一次重大的結構性機遇。

同時，科研領域可能孕育著更大的機遇：AI可以在文獻綜述、假設生成、實驗設計、模擬與計算、數據分析及驗證，以及最終的科研成果產出等各方面提供協助。

問：能否分享一個能充分展示貴公司在科研和知識服務方面能力的項目案例？

答：一個很好的例子是我們參與的中國國家“101計劃”下的力學領域項目，這個領域的工作由浙江大學牽頭。作為一款力學專屬AI大模型，AIM力學大模型構建在2,026個知識點和4,189種關係之上，並將這些知識要素與高超聲速風洞虛擬仿真平台及專用求解器深度連接。

這個項目將概念、公式、實驗、模擬和科研工具鏈接成為一個學科級的知識系統。學生可以從一個基本概念平滑推導至公式，隨後直接進入模擬環境；而當新的研究成果出現時，教師和研究人員則可以對同一個底座進行更新和復用。這極大地加快了科研知識向教學轉化的速度。

問：目前的政策重點，包括「十五五」規劃，是如何為你們的業務創造機遇的？

答：我們看到了三股相互促進的驅動力。首先，高等教育、科學研究與人才培養正日益與國家創新及產業升級緊密融合。其次，新技術的湧現要求設立新學科、更新課程體系並提供更複雜的實踐實訓環節。與此同時，知識創新的加速也加劇了學術機構在教學與研究運營方面的負擔。

因此，機遇絕不僅僅是政策支持帶來的附帶結果。機構必須以更快的速度吸收新研究成果、更新教學內容、重構實訓體系，並讓廣大師生為迎接新興技術做好準備。傳統、主要依靠人工維護的內容系統已然無法跟上這種發展節奏。

我們的產品通過使知識變得結構化、可追溯、可更新且可調用，有效應對了這一挑戰。「源圖譜」可幫助機構梳理並治理自身的知識資產，而Harness引擎則將這些知識落地應用到教學、科研、實驗和人才培養的各個環節。

目前來自多家機構的需求已經超出了我們現有的交付能力，一些項目的實施時間表甚至排到了2027年，個別項目已經排到2028年。這種長達數年的項目儲備為未來的產品交付提供了極高的能見度，並在項目順利執行的前提下，為公司業務的持續增長提供了支撐。

咏竹坊專注於在美國和香港上市的中國公司的報道，包括贊助內容。欲瞭解更多信息，包括對個別文章的疑問，請點擊這裏聯繫我們

欲訂閱咏竹坊每周免費通訊，請點擊這裏