近日，云从科技公众号发布，“企信洞察”智能信贷报告智能体正式升级发布，将信贷尽调报告生成周期从“天级”压缩至“分钟级”，已累计生成报告超万份，服务企业用户超500家，客户满意度95%。

当“AI四小龙”的光环褪色、当连续九年累计亏损超过54亿元、当研发团队五年缩减超七成之际，这款智能体的发布，对于云从科技而言更像是一场押注全部筹码的生死豪赌。

产品数据的确亮眼——分钟级生成、90%重复劳动替代、八大核心评估模块。但真正值得追问的是：这款智能体究竟是云从科技突围的利器，还是资本市场又一个“故事”的延续？当银行客户为“分钟级”买单时，他们是否也在为云从科技的生存买单？

1.智能体的“技术面子”

“如果你是一名银行客户经理，你的日常大概率是这样的：全网搜资料，在几十个网页间疯狂切换；深夜赶报告，一份报告耗时数天；焦虑逻辑错，怕数据遗漏埋下风险。”这是云从科技在产品发布稿中对银行从业者工作场景的描述。

这种“案头苦役”的痛点，正是“企信洞察”瞄准的市场切口。据云从科技介绍，该智能体基于公司AI智能体平台，通过整合工商、司法等全维度数据，实现了信贷尽调报告企业分析部分的“分钟级”自动化生成。与传统模式下客户经理需跨平台收集数据、耗时数天完成报告相比，这一效率提升不可谓不惊人。

但真正的技术含金量，藏在产品内置的“八大核心评估模块”中。与市面上简单的查询工具不同，“企信洞察”不仅覆盖企业股权结构、经营状况、财务报表等基础维度，更加入了行业对比分析及ESG与舆情监测。通过大数据与算法的深度结合，该智能体能自动还原企业真实经营全貌，量化偿债能力与现金流风险，并输出包含综合风险评分、授信额度及风险释义在内的决议依据。

云从科技宣称，根据实际应用测算，该智能体可替代90%以上的人工重复劳动，使客户经理能够从繁琐的机械性工作中解脱出来，聚焦于高价值的风险研判与客户拓展。截至发布时，平台已累计生成报告超过1万份，服务企业用户超500家。

从技术层面看，“企信洞察”并非孤立产品，而是云从科技“从容大模型”技术底座的延伸。在国际权威评测平台OpenCompass发布的全球多模态榜单中，云从自主研发的“从容大模型”曾凭借80.7分的综合成绩位列榜首，超越包括谷歌、OpenAI在内的国际顶尖团队。这一技术背书，为智能体的落地提供了核心支点。

然而，技术榜单上的排名是一回事，产品能否真正嵌入银行的信贷业务流程、能否被客户经理真正“用起来”，则是另一回事。云从科技在发布稿中提供的“95%客户满意度”是一个令人瞩目的数字，但这一满意度究竟如何定义、样本量多大、调查是否独立，外界无从得知。

更深层的问题在于：智能体生成的报告，银行敢直接用吗？信贷业务的核心是风险控制，任何自动化工具的输出都需要经过人工复核。如果“分钟级”生成的报告仍需人工重新核验一遍，那么效率提升的实际效果就要打折扣。云从科技声称“可替代90%人工重复劳动”，但剩下的10%——那些最需要专业判断的部分——恰恰是信贷业务中最值钱、最不可替代的环节。

2.银行买单的逻辑

对于银行等金融机构而言，云从科技的智能体产品切中的确实是真实痛点。长期以来，信贷尽调效率低、易出错、标准难统一，一直是困扰金融机构的“案头苦役”。在监管趋严、不良压力加大的背景下，银行对信贷流程的精细化管理需求比以往任何时候都更加迫切。

从云从科技过往的金融客户积累看，公司已为六大国有银行及超过100家金融机构提供服务，其生物识别系统曾将身份认证准确率提升至99.99%。这一客户基础，为“企信洞察”的推广提供了现成的渠道。近期，云从科技还中标了广州银行手机银行鸿蒙版SDK标段项目，为其提供定制化的鸿蒙版SDK，帮助银行实现用户身份验证等核心功能的优化。

但银行采购的逻辑从来不是简单的“技术崇拜”。在金融行业，任何新技术的引入都必须通过三道关卡：监管合规、风险控制、成本效益。云从科技的智能体能否顺利通关，尚存诸多变数。

第一关是监管合规。信贷报告涉及企业核心经营数据，其生成过程是否符合数据安全法规？自动化生成的报告如果出现错误，责任如何界定？这些问题目前尚无明确答案。虽然云从科技参与的中国人民银行金融科技创新监管试点项目（如广州“溯源跨境结算”）已成功运用“基于多方安全计算”技术实现贸易背景真实性核验，年支撑交易额达200亿美元，但这只是特定场景的试点，距离大规模推广还有距离。

第二关是风险控制。银行对信贷风险的容忍度极低，任何自动化工具的输出都需要经过严格验证。云从科技声称智能体“自动还原企业真实经营全貌，量化偿债能力与现金流风险”，但这一“还原”和“量化”的准确性如何验证？在极端市场环境下，模型的预测能力是否会失效？这些都是银行风控部门必须考量的因素。

第三关是成本效益。云从科技的智能体产品并非免费午餐，银行需要为之支付软件采购费、实施费、维护费。与现有的人工流程相比，智能体带来的效率提升能否覆盖其成本？对于大型银行而言，或许可以接受这样的投入；但对于中小银行，动辄数十万、上百万元的软件采购，可能是一笔不小的开支。

从近期银行采购动态看，市场对智能体类产品的需求正在释放。苏州银行2026年启动的放款审核智能体服务采购项目，最高限价49.5万元；浙江农商联合银行采购信贷领域智能化场景建设，包括智能财报分析、智能征信分析等。这些招标信息表明，银行确实在为AI智能体“买单”。但云从科技能否在这些招标中胜出，目前尚无公开信息。

3.亏损收窄与研发缩水的矛盾博弈

云从科技2025年业绩预告显示，公司预计全年归母净利润亏损约5.45亿元，尽管较2024年的6.96亿元有所收窄，但这已是连续第九个年度亏损，累计亏损金额超过54亿元。

亏损收窄的背后，是研发投入的“断臂式”收缩。2025年前三季度，云从科技研发费用同比下滑43.85%至1.62亿元，创历史新低。从2020年到2024年，公司员工总数从1799名锐减至453名，研发人员数量从997名腰斩至228名，五年内缩减超七成。2025年1月，核心技术人员张岭因个人原因辞职，公司核心技术人员从3人减至2人。

对于一家AI企业而言，研发是真正的护城河。大模型、智能体这类前沿赛道需要大量高端人才和长期资金投入，研发团队大幅缩水，市场自然会对其长期技术迭代能力产生深深的担忧。一个不断变小的研发团队，能否支撑起大模型与智能体这样高门槛的技术叙事？

云从科技将人员缩减解释为“主动优化成本结构”，但更深层的原因，是持续亏损带来的资金压力。自2017年以来，公司首发募资净额超16亿元的资金储备在常年亏损中逐渐消耗殆尽，2023年推出的定增未能成行后，降本成为无奈之举。

业务结构的畸形化，进一步放大了这种焦虑。2024年数据显示，公司五大业务板块中，仅泛AI领域及其他业务实现增长，收入1.48亿元，同比增幅达136.10%，但该业务毛利率仅为19.70%，同比骤降44.43个百分点。这意味着云从科技正从一家聚焦核心技术的高科技企业，向低毛利的系统集成商转型。传统高毛利业务全线萎缩：智慧治理业务收入同比下降57.86%，智慧出行业务与智慧商业业务降幅分别达到63.77%和64.74%。

在这样的大背景下，“企信洞察”智能体的发布具有双重意义。从积极的一面看，这是云从科技从传统计算机视觉解决方案商向人机协同智能体平台商转型的重要一步。2025年前三季度经营现金流净额首次回正，达到3126万元，一定程度上验证了“AI基础设施+智能体”双轮驱动模式的短期成效。

但消极的一面同样不容忽视：云从科技的智能体布局仍面临多重瓶颈。其技术仍处于初级阶段，商业价值难以量化，外部竞争激烈。在智能体赛道，华为、阿里等科技巨头凭借算力、生态、资金优势快速布局；以DeepSeek为代表的新兴企业则凭借高效的技术架构在垂直领域突围。云从科技夹在巨头与新兴企业之间，既缺乏巨头的算力与生态支撑——其算力主要依赖华为昇腾，自主算力布局薄弱——又未能像DeepSeek那样实现技术效率与成本控制的突破。

资本市场对云从科技的态度，从股价走势中可见一斑。公司上市后曾备受追捧，2023年4月股价较发行价累计涨幅达283.47%，但此后一路“跳水”，到2026年2月时在16元左右徘徊，市值大幅缩水。截至3月16日收盘，云从科技（688327.SH）每股股价14.59元。这一走势折射出资本市场对AI企业投资逻辑的根本转变——从愿意为技术梦想买单，转向只认实实在在的营收、利润和现金流。

踏入2026年，AI界的投资逻辑已明显由“听故事”变为“看业绩”，榜单上的技术排名已不足以维持市场信心。云从科技要用实实在在的订单和利润来填平这张连续九年的亏损报表，只有当技术光环真正变成稳定的现金流时，这场艰难的转型才算真正完成。

对于银行等金融机构而言，选择与这样一家正处于关键转型期的AI企业合作，既是对其技术实力的认可，也是对其商业模式可持续性的信任投票。而“企信洞察”智能体，正是这场信任投票的试金石——如果它能真正嵌入银行的信贷业务流程，真正被客户经理“用起来”并创造价值，那么云从科技或许能在智能体赛道找到自己的生存空间；如果它只是又一个“故事”的延续，那么这场“分钟级”的豪赌，终将以失败收场。