编者按：

2026年的AI赛道正在发生一场务实转向。前两年各家大厂疯狂比拼大模型参数，动辄宣称千亿参数、全能对话，如今这场“纸面竞赛”热度快速降温。扎根实体产业、能沉下心解决一线生意难题的企业级智能体，才是工厂、贸易商真正愿意买单的落地工具。

Gartner此前给出预判，到今年年底，全球40%企业应用会搭载具备任务执行能力的 AI 智能体，但国内大宗商品供应链的数字化落地，至今卡在“好看不中用”的尴尬局面。塑化作为支撑所有制造业的“工业之母”，全年交易规模突破2万亿元，上下游经营主体超30万家，九成中小企业至今没有成型数字化系统，报价、对账、签单高度依赖微信群与Excel表格。报价滞后、流程冗长、交易留痕缺失等问题持续蚕食企业微薄利润。日前，中央财经大学联合兆企供应链开源发布WorkMate，以“驾驭智能”为核心思路，跳出行业盲目追求全自动AI的误区，用可控、可追溯的人机协同框架补齐塑化全业务链条短板，给大宗商品数字化提供了一套低成本、可落地的产业AI方案。

2 万亿塑化产业困在微信与表格里

藏着AI 落地难的脱节与失控

跑遍江浙沪、广东沿海大大小小的塑化贸易商行，不用多聊，只要看业务员的手机，就能读懂整个行业的生存常态。每个人微信置顶几十条上下游交易群，消息24小时不停刷屏，客户随手丢来的原料报价截图只能一张张保存，下班之后还要腾出一两个小时，手动把牌号、单价、起订量逐条抄进Excel台账，稍微输错一个数字，一单生意就可能出现价差亏损。

塑化原料行情瞬息万变，价格一天波动三到五次是常态，市场窗口期转瞬即逝，但凡晚二十分钟回复报价，下游客户转头就会找别家，一单大单直接产生几十万的潜在损失。更磨人的是内部合同审批，一份标准购销合同要经过业务、主管、法务、财务、采购多道关卡，所有人靠转发文件来回沟通，没有标准化流转通道，正常走完两天是行业普遍现状。

现有调研数据清晰印证现状：90%塑化中小企业未搭建标准化数字化体系，微信、Excel 成了行业交易的底层载体，效率低下、风控薄弱、合规存疑三重难题，常年悬在所有从业者头顶。

塑化产业本身结构两极分化严重，上游是中石油、中石化这类手握资源的头部企业，拿货门槛高、起订量大；下游散落数十万规模不一的制品加工厂，小作坊、中型工厂交错分布，天然存在供需信息割裂、资源错配的矛盾。行业整体毛利率本就微薄，一点点人工损耗、信息差、风控漏洞，都能直接吞掉企业全年利润。近两年多家塑化B2B平台接连暴雷，虚假贸易、预付款挪用、资金链断裂牵连大批实体工厂，根源就在于全流程操作无留痕、人为操作缺少刚性约束，单靠人工台账、微信沟通，根本兜不住潜在经营风险。

不少老板跟风花钱上线通用大模型，一番试用后大多束之高阁，员工只拿它当免费搜索引擎，报价识别、合同审核、客户风控这类核心业务，依旧只能手工操作。通用AI不懂两千多条塑化行业专属术语，分不清不同牌号塑料的性能差异，识别不了微信群里五花八门、画质模糊的报价截图，更适配不了贸易企业分级审批、岗位分权的管理规则。早前海外消费级智能体Hermes Agent虽验证了AI管控的可行性，但安装流程繁琐、不兼容Windows系统、重度依赖高端大模型，放到国内中小工厂简陋的数字化环境里完全水土不服。

大模型能写诗歌画图，却看不懂一张塑化原料报价截图；算力可以无限堆叠，产业落地的缰绳却少有人愿意沉下心打造。行业、学界早已达成共识：当下实体企业缺的不是更强的AI，而是一套能嵌入自身流程、权责清晰、可控可审计的AI连接器。

北京交通大学曹志刚教授从网络经济学角度提出“网络弹性”指标，供应链属于多方深度绑定的强耦合网络，上下游企业互相牵制、深度联动，只有整条产业链统一部署标准化可控智能体，行业整体运转效率才能实现质的飞跃。在此之前，没有成熟框架能同时兼顾行业适配、权限管控、全链路审计三件事，这也是兆企供应链联合中央财经大学打磨WorkMate的核心出发点。

兆企深耕塑化供应链五年，常年服务数千家中小实体企业，研发团队没有闭门堆砌算力，而是跟着业务员跑工厂、驻市场，完整跑通询价、比价、签合同、风控、履约全业务链路，整套系统先在自有业务里反复打磨多年，才最终成型。落地数据足够直观：人工报价从20分钟压缩到30秒，行业分析报告4小时缩短至15分钟，跨部门合同审批直接从两天降到4小时，实实在在砍掉行业里大量无价值的人工消耗。

兆企董事长徐琪现场直言，很多科技公司脱离产业闭门造车，只懂技术不懂贸易，做出的AI工具脱离真实生意场景，这也是他坚持先扎根自有业务打磨产品，再推向全行业的根本原因。

Harness Engineering给AI装上方向盘

开源WorkMate搭建人机协同产业底座

在“驾驭智能”产教融合论坛上，WorkMate正式对外开源，其底层支撑的Harness Engineering，也成为2026年企业AI工程化领域标志性落地范式。中央财经大学党委副书记杨莹做过通俗解读：这套体系本质，就是给AI戴上方向盘、装上刹车和后视镜，不让模型脱离人的管控肆意操作。

和前两代只优化提示词、简单管理对话上下文的浅层方案不同，Harness Engineering 搭建了三层刚性约束体系：运行环境隔离、策略规则引擎、强制人工审批流，从底层框定AI操作边界，规避模型幻觉、越权操作带来的经营风险。

市面上绝大多数智能体都在追逐端到端全自动流程，幻想彻底替代人工，WorkMate却反其道而行，从设计之初就把人机协同放在第一位，坚持“遇模糊环节立刻暂停，所有操作责任到人”。一旦系统需要对外出具报价承诺、修改合同核心条款，或是识别到聊天记录存在敏感信息，流程会自动中断，推送人工复核窗口；AI每一次识别报价、生成风控报告、输出客户画像，全部留存完整操作日志，精准绑定对应操作人员，权责一目了然，出了问题可以直接溯源。

中国人民大学吴武清教授在论坛中专门提到，财务岗位对权限隔离、操作追溯有着极高要求，一笔资金、一份合同都要留存数年审计备查。WorkMate这套同源权限、全链路留痕的架构，恰好能把财务人员从枯燥的重复核算工作里解放出来，转向经营价值分析，直击企业合规管理的核心痛点。

整套系统完全基于国内企业使用习惯重构，解决海外同类产品适配性差的短板：支持一键安装、云端统一管控，原生兼容微信、企业微信等国内主流沟通工具，权限拆分细化到单个岗位，业务员、部门主管、法务、财务各自拥有独立操作边界，看不到不属于自己的业务数据。系统内部沉淀2000多条塑化专业术语、上百套原料定价公式与交易规则，微信群报价图片OCR识别准确率超96%，直接解决行业每日高频、重复的报价录入工作。同时把供应链完整业务打包成可自由编排的协同模块，自动比价、客户画像、动态风控预警、物流仓储监控形成闭环，企业无需投入巨额成本二次开发。

北京航空航天大学宋文燕教授以制造业质量管理举例，企业级智能体的核心价值，是搭建“知识增强的人机协同闭环”。WorkMate刚好提供了完整落地载体。行业历年交易数据、风险案例沉淀为专属知识图谱，AI调取数据完成推理输出初步结论，业务专家审核修正后，有效经验回流系统，持续迭代AI处理能力，形成自主进化的良性循环。

北京邮电大学刘伟教授补充，未来产业智能的内核是人机环境系统智能，机器擅长海量数据运算、重复劳作，人负责商业判断与风险权衡。WorkMate“人驾驭智能”的设计，打破AI黑箱困境，管理者能清晰看见、牢牢把控每一步数字化操作。

这次开源不只是简单开放几段代码，兆企完整放出Harness Core核心框架、10套供应链标准化技能模板与MCP多智能体协同SDK。不同于闭源软件高价售卖、单点服务的传统模式，这套开源思路借鉴Linux、Android成熟生态逻辑，在产业AI底层标准尚未成型的窗口期，吸引全行业开发者共建行业技能包，反过来推动框架持续优化。兆企董事长徐琪在媒体群访时坦言，团队先用自有真实贸易业务完成全流程验证，再对外开放框架，初衷就是减少全行业企业重复试错的成本，不用每家企业都从头投入巨资自研。

成本层面，这套框架大幅降低中小企业数字化门槛。传统企业从零自研AI智能体，动辄投入数百万预算、耗费两年开发周期，对于利润微薄的塑化贸易商来说根本难以承受；基于WorkMate做二次开发，除去内部人力成本，仅需极低的成本即可落地。对于数据安全要求严苛的央企、大型贸易集团，系统支持私有云本地化部署，企业数据完全隔离，不存在信息外泄风险。算力层面不强制自建大模型，可灵活接入第三方通用算力，企业按需选用轻量化模型完成业务运算，不用承担高额算力开销，完全贴合实体企业务实经营的需求。

产业AI的竞争终点从来不是算力比拼，而是谁能更低成本、更安全地嵌入真实生意。落地路径上，WorkMate以2万亿规模的塑化赛道作为示范样板，长期规划清晰务实：先依托开源吸引上下游贸易商、制品工厂试用、反馈，沉淀一套大宗商品通用数字化标准，再横向复制到有色金属、农产品、建材等赛道。这类行业普遍具备多级分销、原料价格波动频繁、线下交易占比高、数字化基础薄弱的共性，塑化场景打磨成熟的智能体体系，具备极强复用价值。目前已有数十家地方供应链平台、银行、产业园区机构对接部署计划，打算将这套框架作为自身数字化升级的底层工具，产业生态雏形已经显现。

风控是WorkMate区别于通用AI产品的核心壁垒，依托徐琪多年银行风控从业背景，系统搭建起动态立体风控模型，从过去二维静态打分表，升级为加入时间维度的三维风险评估体系，打通交易、物流、税务、银行流水多渠道外部数据。年初塑化平台金塑宝暴雷前，系统通过客户交易行为、价格异动数据提前发出风险预警，自动限制合作权限，帮助兆企成功阻截了客户信用风险，足以印证AI动态风控的实战价值。

传统银行只能依靠月度静态报表完成贷后核查，滞后性极强，而这套智能体能够实时跟踪客户采购、生产、回款全链路，货物、资金流向全程可视，成为供应链金融前置的第一道风险防线。针对行业中小工厂采购门槛高、融资难的痛点，WorkMate和兆企自身的贸易、供应链金融服务深度联动。上游原料大厂起订量高，小型工厂单独拿货没有议价空间，平台依靠AI汇总分散需求实现集中采购；同时依托全链路真实交易数据为下游企业动态授信，以原材料供货替代现金放款，资金闭环锁定生产环节，从根源规避资金挪用，补齐银行服务实体经济的最后一段缺口。

结      语

AI行业褪去堆砌参数的狂热，产业落地的务实时代已经到来。WorkMate的价值，不在于研发颠覆行业的全新大模型，而是精准抓住实体企业数字化转型最朴素的诉求：可控、低成本、贴合真实生意、守住合规底线。2万亿塑化行业长期困在微信与Excel构建的低效模式背后，是千万中小企业想数字化却无合适方案、投入高、风险难控的集体焦虑。

开源模式打破技术壁垒，产学研协同打通理论与产业之间的隔阂，为人机协同型产业 AI树立了全新发展范式。技术本身没有价值，只有嵌入真实产业链、守住经营底线、降低实体经营负担，AI才能真正成为产业升级的底层引擎。

塑化只是起步，大宗商品全产业链数字化变革才刚刚拉开序幕。未来企业级AI智能体分出高下的关键，从来不是花哨的技术噱头，而是能否深耕产业、敬畏风险、兼顾大小企业的差异化需求。WorkMate给出的答案十分清晰：驾驭AI，而非被AI裹挟，才是实体经济数字化转型的正确路径。