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。…
