被市场低估的Voice AI隐形龙头：百融智能（06608）价值重估窗口正在打开

这一轮 AI 产业的叙事转向，比市场预想的来得更彻底。

过去两年，资本市场所有注意力几乎都盯在通用大模型上：卷参数规模、卷榜单排名、卷多模态能力，仿佛参数越大，价值天花板就越高。

但当大模型能力逐渐走向商品化，市场的标尺正在悄然切换 —— 从 “技术炫不炫”，全面转向 “落地稳不稳、能不能交付可计价的结果”。

在所有 AI 落地方向里，语音交互是最容易被低估、却最贴近企业核心业务的场景。 而有一家港股公司，已经悄悄完成了从 “金融科技解决方案供应商” 到 “企业级 Voice AI 龙头” 的身份跃迁：AI 客服客户数一年增至 3.5 倍、累计真实通话量达 26 亿通、自研语音模型登顶全球权威评测榜单。

它就是百融智能（06608）。 这些深刻的基本面变化，至今仍未被充分反映在市场的定价里。

被忽略的 75% 交互蓝海：第二增长曲线跑出加速度

一个长期被 AI 叙事忽略的事实是：人类清醒状态下的沟通行为中，45% 用于倾听、30% 用于语音表达，合计 75% 是语音类交互。 第三方调研同时印证：76% 的客户处理复杂业务、纠纷与高风险问题时，会优先选择语音而非文字；语音输入的效率，是打字的 3 倍。

语音从来不是 “多一个交互入口”，而是企业在最高价值、最高风险、最容易流失客户的场景里，用户唯一愿意使用的主通道。谁能在这条通道上稳定承接业务，谁就站在了企业 AI 支出最密集的位置。

百融交出的答卷，已经跑出了清晰的增长轮廓。

过去一年，公司 AICC（智能语音客服）客户数从上年水平增至 3.5 倍，达到 140 家，覆盖物流、航司、券商、银行、运营商等8 个行业；2026 年上半年新场景收入 1126 万元，同比增长 195%。 技术端，自研语音模型在 VoiceBench 全球语音大模型综合能力评测中以 90.46 分位列全球第一，领先 NVIDIA、阿里等一众对手；累计沉淀真实通话量达到 26 亿通，形成了不可复制的私域数据闭环。

然而，市场对百融的认知，还普遍停留在 “金融数字化服务” 的旧标签里。 当我们拨开标签看业务，它的第二增长曲线，已经从 “概念验证” 跑进了 “规模化复制” 的快车道。

真正的壁垒：26 亿通真实通话，是参数堆不出来的护城河

企业级语音 AI 要稳定承接真实业务，从来不是 “能听懂人话” 这么简单。 从听清字句、理解意图，到多轮交互、应对打断与改口，再到调用业务系统、闭环完成任务并回写工单。前两关靠模型，第三关靠系统与工程，而最底层的壁垒，是真实场景的数据沉淀。

百融的答案是 VoxOne 语音智能底座，搭配 “自研模型 + 场景产品 + 开放平台” 的三层架构。而真正无法复制的护城河，藏在底座之下。

第一，26 亿通真实对话构成的私域数据闭环。 客服场景需要的从来不是泛化的通用语料，而是带需求识别、成交结果、满意度标签的真实业务对话，这些数据不可合成、无法公开获取、且拥有完整用户授权。大厂的训练数据规模更大，但那是泛域数据；百融的 26 亿通通话，是垂直场景的业务数据 —— 这是代差级的差距，而非规模级的差距。 这些数据通过奖励函数反哺模型迭代，形成 “落地 - 数据 - 优化 - 更多落地” 的正向循环，越跑越稳。

第二，三个自研模型各司其职，形成组合壁垒。 很多人以为语音 AI 只靠一个大模型，实则不然。百融搭建了三套模型协同作战：BR-Voice 端到端多模态语音大模型负责 “听清听懂”，端到端时延约 500ms，支持全双工打断，字错误率低至 2.30%；BR-LLM-Proactive 主动引导式对话大模型负责 “会问会控”，目标不是自然闲聊，而是遵循业务流程、控制合规风险、减少幻觉输出；BR-Voice-Reasoner 负责 “深度推理”，正是它拿下了 VoiceBench 全球第一。 不堆单一参数，只针对企业客服场景做极致优化 —— 这恰恰是通用大模型最难补齐的短板。

第三，源自金融级要求的工程与成本壁垒。 真实电话网每秒采样 8000 次，信息密度只有互联网语音的一半，处理难度显著更高；叠加高并发承载、人工无缝转接、录音质检、合规管控等通信工程能力，才能让 AI Agent 真正接入客户既有系统并稳定运行。 这套能力在金融这种极低容错率的场景里反复打磨，再向其他行业迁移时，几乎是降维打击。 更关键的是，电话专属小参数模型带来了极低的推理成本，Token 输出成本较通用大模型显著节省 —— 这是 “按结果收费还能保住毛利” 的核心前提。

错位竞争：不卷通用大模型，只做 “交付结果”的语音 AI

这是市场最容易产生误判的一点：百融和通用语音大模型厂商，从来不是替代竞争关系。

通用模型解决的是 “通用语音能力”：识别、合成、多语言、开放域对话，追求的是广泛泛化； 百融解决的是 “企业级语音 AI 客服”：在一通真实来电里识别意图、调用知识库与业务系统、按标准流程闭环完成任务并回写工单。 两者的目标函数完全不同，赛道也根本不在一个维度。

当前赛道上的玩家大致分三类：互联网大厂与通用模型厂商、传统唿叫中心与语音技术厂商、垂直 AI Agent 创业公司。 百融的差异化位置，是 “垂直护城河” 三件套：海量真实私域数据 + 自研场景化语音模型 + 前置部署团队。 尤其是深入客户现场打通 “最后一公里” 的工程能力 —— 模型再强、能操作电脑，不等于能直接落地企业业务；打通全流程的系统适配与业务对接，才决定 AI 能不能真正进入生产环节。

更重要的是，百融把交付逻辑直接升级成了 RaaS（Result as a Service，结果即服务），把验收指标直接写进了合同定价：按 AI 独立完成的有效任务计费，不转人工、闭环完成才收费，客户系统可直接核对；按部署的硅基员工数量计费，约定工作量与服务标准；按促成的业务规模分润，与客户价值深度绑定。

客户买的不是软件许可，也不是调用次数，而是可验收、可计价的真实业务结果。而这种模式的商业价值在于：收入与客户实际业务价值直接挂钩，粘性极强；一旦客户完成系统切换，更换供应商的成本极高，合作关系天然稳定。

目前这套模式已经从金融走向更广阔的行业。

物流行业日均唿入量庞大，高峰期人工接通率骤降，痛点极其刚性，在这个领域百融已实现全链路场景覆盖，标杆客户进入生产落地阶段，同业复制正在推进。

金融方向也同样提速。智通财经了解到，公司已签约及推进中的机构多达十余家，某头部券商的硅基员工从年初约 30 个增至约 300 个，场景从基础客服延伸至理财代销、投教等增值环节。

市场尚未定价的三重跃迁：双轮驱动的长期价值

综合来看，百融正在发生三重根本性的基本面变化： 一是业务边界的跃迁。从聚焦金融信贷，扩展到 8 个行业，在物流、券商等人力密集、痛点刚性的赛道实现实质性突破，成长天花板彻底打开。 二是商业模式的跃迁。从软件 / 项目制收费，转向 RaaS 按结果收费，收入质量与客户粘性同步提升，从 “卖工具” 升级为 “交付价值”。 三是技术身份的跃迁。从 “AI 应用商”，升级为拥有自研语音模型底座、并登顶国际权威榜单的模型厂商，技术护城河远超市场预期。

如果用一个双轮驱动的框架去看百融的长期价值，逻辑会更加清晰。 第一轮是 AICC 主业的第二增长曲线，路径非常清晰：标杆先行、同业复制。金融场景打磨出的语音理解、合规控制、工程能力可以直接平移，进入新行业只需补充行业知识库与业务规则，标准场景数周即可完成首轮验证，边际复制成本持续递减。后续增长的驱动力，来自客户数量增加、单客户硅基员工数提升、收费模式向 RaaS 升级三重共振。 第二轮是 AI 产业投资的协同引擎，一方面通过投资唿叫中心外包企业，以 “AI+BPO” 推动人机协同，直接放大 AI 能力的落地场景；另一方面与中金资本合作设立 5 亿元 AI 产业基金，投向 AICC 上下游的算力、硬件与技术企业，把投资行为直接转化为主业的场景入口与技术补给。这条 “投资 - 协同 - 反哺主业” 的链路，目前同样没有被市场充分定价。

站在投资者的角度，后续观察公司价值兑现，可以从几个核心维度跟踪：商业化层面看 RaaS 模式的收入占比与规模爬坡，验证结果付费模式的跑通程度；客户拓展层面看 AICC 客户总量的增长与单客户价值的提升，观察跨行业复制的整体速度；行业渗透层面重点关注物流、券商等标杆场景的复制节奏，以及航司、银行等大体量行业的落地进展；同时也可跟踪技术端的模型迭代与产业端的投资协同效果。

结语

回头看这一轮 AI 产业的价值迁徙，规律始终清晰： 第一阶段，市场为模型的想象力买单； 第二阶段，市场为落地的确定性定价。

再强大的通用模型，最终也要走进真实业务场景；再炫的交互能力，最终也要交付可衡量的商业结果。 当 AI 从 “会答问题” 走向 “交付结果”，离企业核心业务越近、越能跑通闭环价值的公司，长期价值就越厚重。

百融智能手握着 26 亿通真实业务对话沉淀的数据壁垒，是覆盖 8 个行业的落地能力，是从对话到结果的完整交付闭环。当市场的目光终于从通用大模型的喧嚣，转向垂直场景的真落地、真增长，属于百融智能的价值重估，或许才刚刚拉开序幕。