马宇翔_构建商业世界的“数字雷达”：基于世界模型与智能体的企业认知与动态评价体系构建与演进_马宇翔.pdf

1、构建商业世界的“数字雷达”基于世界模型与智能体的企业认知与动态评价体系马宇翔 2026.04.18持续状态建模智能体企业认知系统企业认知系统动态评价体系目 录01问题我们是谁&遇到了什么问题02解法大小脑架构03案例实战成果04展望业务、组织、人信用有准备时点性 Vs 周期性信用有价值商业与金融权益信用有尊严合规采集及被社会认可数千万企业主用信入口基于AI的服务能力海量企业信息沉淀为全量市场工商主体，提供以信用为核心心智，围绕信用成长获取权益的服务阵地我们是谁业务问题传统企业评价体系的三大缺陷：企业数据前所未有地丰富，但高质量判断反而变得更难。我们拥有的数据远超有效处理能力。真正重要的问题不是

2、“现在分数多少”，而是“正在往哪里变、为什么、接下来会怎样”。企业认知范式必须从事后描述转向事前预判。因此真正需要的不是更多报表、更多资讯、或者一个更会说话的大模型而是一套能持续扫描、识别、跟踪、预警的认知系统技术难题五大技术难点：数十亿级节点与事件流数据模式、频率、可信度高度异构准确性和时效性要求双高查询、报告、预警三类时延目标完全不同必须满足权限、审计、溯源、合规和人工复核核心约束：规模、时效、准确、成本同时成立企业认知不是问答问题，而是状态建模问题；动态评价不是一次性打分，而是对未来经营轨迹的持续估计企业认知不是问答问题，而是状态建模问题；动态评价不是一次性打分，而是对未来经营轨迹的持续

3、估计。一份动态数字化信用档案商业：一套具公信力的实力证明金融：一个可根据信用成长的额度“数字雷达”不追求一次性看清世界，而是在噪声里识别真正重要的信号，在变化中建立持续更新的态势图范式跃迁：构建数字雷达我们不是把企业资料喂给一个更大的模型，而是维护一个持续更新的企业状态空间。持续运行的闭环认知架构架构示意架构示意数据底座从仓库升级为认知底座统一语义：不同来源必须映射到统一企业语义空间关系优先：企业价值与风险大量隐藏在网络关系中时间优先：保留变化顺序，系统从认知走向预测底座升级：数据仓库-知识图谱-时序认知底座企业认知系统的上限，不首先取决于模型参数规模，而取决于能否把分散在不同数据域中的企业事

4、实、行为轨迹、关系网络与事件流统一组织为可持续更新、可计算推演的底层输入。因此，我们把多源异构信号整理成能被世界模型理解、被agent调用，并支持持续更新的企业认知底座系统日均处理新增数据超过 10 亿条，历史存量数据超过 500 亿条。小脑：商业世界模型解决的问题是“如何维护一个对商业世界持续更新、可以预测未来、可以做反事实推演的内部表示”。手段是商业动力学建模系统学习环境状态如何随动作而变化系统学习环境状态如何随动作而变化落到商业领域，企业认知对象可以被重构为一个“状态-动作-转移”的动态系统：状态：经营健康度、信用基础、关系位置与行业处境；动作：融资、并购、投标、高管变更、扩张、诉讼和政

5、策变化；转移：这些动作与事件如何把企业推向未来的下一个状态。在高维表征中学习商业系统的在高维表征中学习商业系统的“物理定律物理定律”业务本质：商业决策常常不是描述题是What-If题，不需要解释，需要策略推荐的决策对象推荐的决策对象：小脑：商业世界模型形式化定义：z_t=E(G_t,x_t,d_t)z_(t+1)p(z_(t+1)|z_t,a_t,u_t)y_(t+)=h(z_t,a_(t:t+)G_t企业关系图快照股权、供应链、担保、竞对与合作网络x_t/d_t结构化观测+文本/事件观测财务、行为、文书、公告、舆情a_t企业内生动作融资、扩张、诉讼、并购、投标u_t外生冲击政策、宏观波动、行

6、业风险和供应链扰动潜空间对齐，抛弃token级表面生成，直接完成多尺度预测状态空间转移模型：显式区分快变量与慢变量不确定性也必须显式建模：aleatoric 反映世界噪声，epistemic 反映模型没见过的分布；只有把 score 扩展成“像不像训练分布、证据够不够、区间稳不稳”，系统才知道什么时候该自动判断、什么时候该降级到取证或人工。大脑：AI Agent商业场景往往要同时做项目理解、甲方分析、同行分析、报价策略系统要同时做监测、提取、归因、关联、解释与主动推送以及整个系统需要白盒化的稳定可观测链路为什么为什么需要 Agent如果把模型看成公共智力基础设施，真正不可复制的部分，不是“用了