一家企业引入人工智能，最终需要回答的往往是一个具体问题：设备资料能否更快找到，现场画面能否被正确理解，处理结果能否进入已有工作流程。模型能力为这些任务提供了新的解法，而把解法变成员工可以持续使用的系统，则为企业级AI服务商创造了新的竞争空间。
极视角2026年中期披露，让这场变化有了可观察的业务坐标。上半年公司收入约1.65亿元，同比增长181.2%，公司将主要增长归因于大模型解决方案的快速商业化与业务扩张。相比单纯讨论模型规模，这组经营信息指向一个更具体的方向：AI正在由技术供给进入企业的实际采购与应用环节。
企业采购正在围绕完整任务展开
消费端用户可以围绕一个问题与模型对话，企业端则需要把多个动作组织起来。以技术资料查询为例，系统首先要理解问题，再找到适用版本的文件，判断提问者拥有的访问权限，最后提供带有依据的结果。每个环节都能影响使用体验，也都对应软件、数据与业务管理之间的配合。
这意味着企业采购的对象，逐步从单项识别功能延伸到完整任务。员工需要知道结果来自哪里，管理者需要了解任务完成情况，信息技术部门则需要系统能够与现有环境衔接。模型表现之外，部署、管理和持续服务共同构成解决方案的价值，服务商的工作也因此更加贴近客户运营。
极视角的业务结构与这一变化相对应。中期公告将其服务划分为标准AI计算机视觉、定制化AI计算机视觉、软件定义一体化AI以及大模型解决方案。不同交付形态面向不同需求，既可以为明确场景提供算法，也可以将平台、软件与设备组合起来，支持客户完成更完整的应用建设。
多种交付方式的意义，在于让技术进入企业的路径更加灵活。需求已清楚的客户，可以从成熟能力开始;具有行业特定要求的客户，则可围绕数据与流程开展适配。两种路径共同服务于同一个目标：将技术能力转化为具体岗位能够理解、能够操作、能够评价的工作工具。
视觉经验为大模型落地提供场景入口
企业的知识不只存在于文字中，也存在于设备图纸、现场照片和视频画面里。计算机视觉帮助系统从图像提取信息，视觉语言模型进一步连接图像与自然语言，使用户可以围绕画面提出问题。这种连接扩大了AI处理业务信息的范围，也让原有视觉应用拥有了更丰富的交互方式。
极视角在中期公告中披露推出“星际视觉语言大模型”，设置35B、4B和0.8B三个版本，分别面向复杂视频分析、一般业务场景及智能硬件等需求。这一安排体现了对应用条件的区分：云端分析、边缘部署和终端运行，各自有合适的计算资源与响应要求。
对于企业客户，多版本选择的价值在于能够围绕任务配置能力。需要深入理解的材料可以采用相应分析方案，日常高频任务则结合现场资源安排部署。选择依据从单一参数数量，转向任务质量、响应时间、运行环境与使用成本的共同平衡，这也是企业级产品设计的重要内容。
长期参与视觉项目，还可以为服务商积累需求表达与验收经验。现场人员如何描述目标，哪些变化值得关注，结果怎样呈现才便于行动，都需要在使用中逐步明确。这样的场景知识与大模型能力结合，有助于将开放的技术可能性整理为客户可以采购和实施的方案。
工程交付连接技术与经营目标
大模型进入企业之后，需要与原有数据和系统形成联系。极视角中期公告介绍，极智智能体应用开发平台集成多模态大模型、知识库、插件库、模型库和MCP，并提供低代码或无代码界面。这些模块为应用搭建提供工具，使开发工作能够围绕任务流程展开。
知识库的作用，是让企业已有资料成为回答问题的依据。通过检索增强生成等技术，系统可以先检索相关信息，再组织结果;插件与工具接口则为后续动作提供连接。两者结合后，应用便可以从单轮问答延伸到查询、整理和提交等连续步骤，让员工在熟悉的工作任务中使用AI。
在实际组织中，这类应用还需要明确责任和确认环节。谁提供业务资料，谁认可判断标准，哪些动作需要人员确认，都是交付设计的一部分。极视角披露持续加强AI咨询及前沿部署工程师交付能力，说明公司正在将技术开发与业务理解放到同一工作过程中。
前沿部署工程师的价值，可以理解为把管理需求转成可执行的工程任务。对于设备维护，岗位希望获得什么信息，与系统能够读取哪些数据，需要逐项对应;对于资料审核，规则、依据与复核流程也需要共同明确。这样的工作越扎实，技术就越容易进入稳定的日常使用。
商业化进展来自更多真实使用关系
验收方式也会随完整任务而改变。资料查询可以核对引用是否对应原文，信息整理可以检查关键字段是否齐全，涉及操作的应用则需要验证确认步骤。把这些要求在开发前说清楚，有利于客户和技术团队形成共同目标。交付的竞争力，就体现在能否把模型表现转化为可验证的工作结果，而不是只依靠一次效果演示。
2026年上半年，极视角大模型解决方案收入约8480万元，上年同期约180万元，相关客户数由2家增至16家。绝对收入与客户数量同时变化，说明该业务已经从较小的商业化起点进入更多客户场景。其观察价值在于使用范围与交付规模的扩展，而非孤立的同比倍数。
公告列举的应用包括设备维护、技术问答、工程图纸检索等智能体，涉及制造、民航、物流和能源领域。这些任务具有鲜明的企业属性：围绕特定资料、特定岗位与特定处理要求展开。模型与行业知识结合，使商业化具备了更明确的任务载体，也让客户能够据此组织评价。
未来企业级AI的增长空间，可以沿着这种任务关系继续展开。同一客户可能在一个岗位验证后，再评估其他相近需求;同一行业中形成的接口和交付方法，也可以为下一项应用提供基础。规模化来自成熟能力的复用与新场景的适配共同推进，产品、工程和客户交流缺一不可。
极视角正在探索的赛道，正是把这些环节连接起来。视觉技术提供对产业现场的理解，大模型扩展信息处理能力，平台将能力组织为应用，交付团队再将应用接入流程。随着这一链条不断完善，公司参与AI商业化的方式，也从提供算法继续向服务企业的完整工作任务延伸。
