編者按：

2026年的AI賽道正在發生一場務實轉向。前兩年各家大廠瘋狂比拼大模型參數，動輒宣稱千億參數、全能對話，如今這場“紙面競賽”熱度快速降溫。扎根實體產業、能沉下心解決一線生意難題的企業級智能體，才是工廠、貿易商真正愿意買單的落地工具。

Gartner此前給出預判，到今年年底，全球40%企業應用會搭載具備任務執行能力的 AI 智能體，但國內大宗商品供應鏈的數字化落地，至今卡在“好看不中用”的尷尬局面。塑化作為支撐所有制造業的“工業之母”，全年交易規模突破2萬億元，上下游經營主體超30萬家，九成中小企業至今沒有成型數字化系統，報價、對賬、簽單高度依賴微信群與Excel表格。報價滯后、流程冗長、交易留痕缺失等問題持續蠶食企業微薄利潤。日前，中央財經大學聯合兆企供應鏈開源發布WorkMate，以“駕馭智能”為核心思路，跳出行業盲目追求全自動AI的誤區，用可控、可追溯的人機協同框架補齊塑化全業務鏈條短板，給大宗商品數字化提供了一套低成本、可落地的產業AI方案。

2萬億塑化產業困在微信與表格里

藏著AI 落地難的脫節與失控

跑遍江浙滬、廣東沿海大大小小的塑化貿易商行，不用多聊，只要看業務員的手機，就能讀懂整個行業的生存常態。每個人微信置頂幾十條上下游交易群，消息24小時不停刷屏，客戶隨手丟來的原料報價截圖只能一張張保存，下班之后還要騰出一兩個小時，手動把牌號、單價、起訂量逐條抄進Excel臺賬，稍微輸錯一個數字，一單生意就可能出現價差虧損。

塑化原料行情瞬息萬變，價格一天波動三到五次是常態，市場窗口期轉瞬即逝，但凡晚二十分鐘回復報價，下游客戶轉頭就會找別家，一單大單直接產生幾十萬的潛在損失。更磨人的是內部合同審批，一份標準購銷合同要經過業務、主管、法務、財務、采購多道關卡，所有人靠轉發文件來回溝通，沒有標準化流轉通道，正常走完兩天是行業普遍現狀。

現有調研數據清晰印證現狀：90%塑化中小企業未搭建標準化數字化體系，微信、Excel 成了行業交易的底層載體，效率低下、風控薄弱、合規存疑三重難題，常年懸在所有從業者頭頂。

塑化產業本身結構兩極分化嚴重，上游是中石油、中石化這類手握資源的頭部企業，拿貨門檻高、起訂量大；下游散落數十萬規模不一的制品加工廠，小作坊、中型工廠交錯分布，天然存在供需信息割裂、資源錯配的矛盾。行業整體毛利率本就微薄，一點點人工損耗、信息差、風控漏洞，都能直接吞掉企業全年利潤。近兩年多家塑化B2B平臺接連暴雷，虛假貿易、預付款挪用、資金鏈斷裂牽連大批實體工廠，根源就在于全流程操作無留痕、人為操作缺少剛性約束，單靠人工臺賬、微信溝通，根本兜不住潛在經營風險。

不少老板跟風花錢上線通用大模型，一番試用后大多束之高閣，員工只拿它當免費搜索引擎，報價識別、合同審核、客戶風控這類核心業務，依舊只能手工操作。通用AI不懂兩千多條塑化行業專屬術語，分不清不同牌號塑料的性能差異，識別不了微信群里五花八門、畫質模糊的報價截圖，更適配不了貿易企業分級審批、崗位分權的管理規則。早前海外消費級智能體Hermes Agent雖驗證了AI管控的可行性，但安裝流程繁瑣、不兼容Windows系統、重度依賴高端大模型，放到國內中小工廠簡陋的數字化環境里完全水土不服。

大模型能寫詩歌畫圖，卻看不懂一張塑化原料報價截圖；算力可以無限堆疊，產業落地的韁繩卻少有人愿意沉下心打造。行業、學界早已達成共識：當下實體企業缺的不是更強的AI，而是一套能嵌入自身流程、權責清晰、可控可審計的AI連接器。

北京交通大學曹志剛教授從網絡經濟學角度提出“網絡彈性”指標，供應鏈屬于多方深度綁定的強耦合網絡，上下游企業互相牽制、深度聯動，只有整條產業鏈統一部署標準化可控智能體，行業整體運轉效率才能實現質的飛躍。在此之前，沒有成熟框架能同時兼顧行業適配、權限管控、全鏈路審計三件事，這也是兆企供應鏈聯合中央財經大學打磨WorkMate的核心出發點。

兆企深耕塑化供應鏈五年，常年服務數千家中小實體企業，研發團隊沒有閉門堆砌算力，而是跟著業務員跑工廠、駐市場，完整跑通詢價、比價、簽合同、風控、履約全業務鏈路，整套系統先在自有業務里反復打磨多年，才最終成型。落地數據足夠直觀：人工報價從20分鐘壓縮到30秒，行業分析報告4小時縮短至15分鐘，跨部門合同審批直接從兩天降到4小時，實實在在砍掉行業里大量無價值的人工消耗。

兆企董事長徐琪現場直言，很多科技公司脫離產業閉門造車，只懂技術不懂貿易，做出的AI工具脫離真實生意場景，這也是他堅持先扎根自有業務打磨產品，再推向全行業的根本原因。

Harness Engineering給AI裝上方向盤

開源WorkMate搭建人機協同產業底座

在“駕馭智能”產教融合論壇上，WorkMate正式對外開源，其底層支撐的Harness Engineering，也成為2026年企業AI工程化領域標志性落地范式。中央財經大學黨委副書記楊瑩做過通俗解讀：這套體系本質，就是給AI戴上方向盤、裝上剎車和后視鏡，不讓模型脫離人的管控肆意操作。

和前兩代只優化提示詞、簡單管理對話上下文的淺層方案不同，Harness Engineering 搭建了三層剛性約束體系：運行環境隔離、策略規則引擎、強制人工審批流，從底層框定AI操作邊界，規避模型幻覺、越權操作帶來的經營風險。

市面上絕大多數智能體都在追逐端到端全自動流程，幻想徹底替代人工，WorkMate卻反其道而行，從設計之初就把人機協同放在第一位，堅持“遇模糊環節立刻暫停，所有操作責任到人”。一旦系統需要對外出具報價承諾、修改合同核心條款，或是識別到聊天記錄存在敏感信息，流程會自動中斷，推送人工復核窗口；AI每一次識別報價、生成風控報告、輸出客戶畫像，全部留存完整操作日志，精準綁定對應操作人員，權責一目了然，出了問題可以直接溯源。

中國人民大學吳武清教授在論壇中專門提到，財務崗位對權限隔離、操作追溯有著極高要求，一筆資金、一份合同都要留存數年審計備查。WorkMate這套同源權限、全鏈路留痕的架構，恰好能把財務人員從枯燥的重復核算工作里解放出來，轉向經營價值分析，直擊企業合規管理的核心痛點。

整套系統完全基于國內企業使用習慣重構，解決海外同類產品適配性差的短板：支持一鍵安裝、云端統一管控，原生兼容微信、企業微信等國內主流溝通工具，權限拆分細化到單個崗位，業務員、部門主管、法務、財務各自擁有獨立操作邊界，看不到不屬于自己的業務數據。系統內部沉淀2000多條塑化專業術語、上百套原料定價公式與交易規則，微信群報價圖片OCR識別準確率超96%，直接解決行業每日高頻、重復的報價錄入工作。同時把供應鏈完整業務打包成可自由編排的協同模塊，自動比價、客戶畫像、動態風控預警、物流倉儲監控形成閉環，企業無需投入巨額成本二次開發。

北京航空航天大學宋文燕教授以制造業質量管理舉例，企業級智能體的核心價值，是搭建“知識增強的人機協同閉環”。WorkMate剛好提供了完整落地載體。行業歷年交易數據、風險案例沉淀為專屬知識圖譜，AI調取數據完成推理輸出初步結論，業務專家審核修正后，有效經驗回流系統，持續迭代AI處理能力，形成自主進化的良性循環。

北京郵電大學劉偉教授補充，未來產業智能的內核是人機環境系統智能，機器擅長海量數據運算、重復勞作，人負責商業判斷與風險權衡。WorkMate“人駕馭智能”的設計，打破AI黑箱困境，管理者能清晰看見、牢牢把控每一步數字化操作。

這次開源不只是簡單開放幾段代碼，兆企完整放出Harness Core核心框架、10套供應鏈標準化技能模板與MCP多智能體協同SDK。不同于閉源軟件高價售賣、單點服務的傳統模式，這套開源思路借鑒Linux、Android成熟生態邏輯，在產業AI底層標準尚未成型的窗口期，吸引全行業開發者共建行業技能包，反過來推動框架持續優化。兆企董事長徐琪在媒體群訪時坦言，團隊先用自有真實貿易業務完成全流程驗證，再對外開放框架，初衷就是減少全行業企業重復試錯的成本，不用每家企業都從頭投入巨資自研。

成本層面，這套框架大幅降低中小企業數字化門檻。傳統企業從零自研AI智能體，動輒投入數百萬預算、耗費兩年開發周期，對于利潤微薄的塑化貿易商來說根本難以承受；基于WorkMate做二次開發，除去內部人力成本，僅需極低的成本即可落地。對于數據安全要求嚴苛的央企、大型貿易集團，系統支持私有云本地化部署，企業數據完全隔離，不存在信息外泄風險。算力層面不強制自建大模型，可靈活接入第三方通用算力，企業按需選用輕量化模型完成業務運算，不用承擔高額算力開銷，完全貼合實體企業務實經營的需求。

產業AI的競爭終點從來不是算力比拼，而是誰能更低成本、更安全地嵌入真實生意。落地路徑上，WorkMate以2萬億規模的塑化賽道作為示范樣板，長期規劃清晰務實：先依托開源吸引上下游貿易商、制品工廠試用、反饋，沉淀一套大宗商品通用數字化標準，再橫向復制到有色金屬、農產品、建材等賽道。這類行業普遍具備多級分銷、原料價格波動頻繁、線下交易占比高、數字化基礎薄弱的共性，塑化場景打磨成熟的智能體體系，具備極強復用價值。目前已有數十家地方供應鏈平臺、銀行、產業園區機構對接部署計劃，打算將這套框架作為自身數字化升級的底層工具，產業生態雛形已經顯現。

風控是WorkMate區別于通用AI產品的核心壁壘，依托徐琪多年銀行風控從業背景，系統搭建起動態立體風控模型，從過去二維靜態打分表，升級為加入時間維度的三維風險評估體系，打通交易、物流、稅務、銀行流水多渠道外部數據。年初塑化平臺金塑寶暴雷前，系統通過客戶交易行為、價格異動數據提前發出風險預警，自動限制合作權限，幫助兆企成功阻截了客戶信用風險，足以印證AI動態風控的實戰價值。

傳統銀行只能依靠月度靜態報表完成貸后核查，滯后性極強，而這套智能體能夠實時跟蹤客戶采購、生產、回款全鏈路，貨物、資金流向全程可視，成為供應鏈金融前置的第一道風險防線。針對行業中小工廠采購門檻高、融資難的痛點，WorkMate和兆企自身的貿易、供應鏈金融服務深度聯動。上游原料大廠起訂量高，小型工廠單獨拿貨沒有議價空間，平臺依靠AI匯總分散需求實現集中采購；同時依托全鏈路真實交易數據為下游企業動態授信，以原材料供貨替代現金放款，資金閉環鎖定生產環節，從根源規避資金挪用，補齊銀行服務實體經濟的最后一段缺口。

結 語

AI行業褪去堆砌參數的狂熱，產業落地的務實時代已經到來。WorkMate的價值，不在于研發顛覆行業的全新大模型，而是精準抓住實體企業數字化轉型最樸素的訴求：可控、低成本、貼合真實生意、守住合規底線。2萬億塑化行業長期困在微信與Excel構建的低效模式背后，是千萬中小企業想數字化卻無合適方案、投入高、風險難控的集體焦慮。

開源模式打破技術壁壘，產學研協同打通理論與產業之間的隔閡，為人機協同型產業 AI樹立了全新發展范式。技術本身沒有價值，只有嵌入真實產業鏈、守住經營底線、降低實體經營負擔，AI才能真正成為產業升級的底層引擎。

塑化只是起步，大宗商品全產業鏈數字化變革才剛剛拉開序幕。未來企業級AI智能體分出高下的關鍵，從來不是花哨的技術噱頭，而是能否深耕產業、敬畏風險、兼顧大小企業的差異化需求。WorkMate給出的答案十分清晰：駕馭AI，而非被AI裹挾，才是實體經濟數字化轉型的正確路徑。