WAIC 2026 | 卓越睿新(02687)首发源图谱+Harness引擎，高价值AI场景的真正瓶颈在“知识”不在“模型”

智通财经APP获悉，7月18日，2026世界人工智能大会产业生态专场论坛上，卓越睿新(02687)以知识科技赛道标杆企业身份受邀发言，正式发布了公司在知识科技方向的核心成果——“源图谱”知识底座与全新Harness引擎。这可不是一次普通的技术发布，它更像是公司对AI+知识行业核心痛点的一次系统性回答——行业卡的不是模型，而是知识。

值得注意的是，在同一场大会的“校长对话”环节中，清华、北大、上交、华科、哈工大、港科大(广州)等七位院士校长同台讨论“当机器会‘教’，大学何为”，反复出现的关键词正是“知识”。卓越睿新的发布，恰好回答了这个命题。

七位院士校长同台追问，卓越睿新的回答很直接

论坛上，北大校长丁奎岭说，学生“抬头率”不高，不是因为不努力，而是当AI能随时调取任何信息，“满堂灌”式的知识传递已经失效。华科校长尤政说得更直白：AI可以当“脚手架”，但不能当“拐棍”。这些讨论指向同一个方向：AI时代，大学的核心命题正在从“怎么教知识”变成“教什么知识”——以及，谁来提供这些知识。

顺着这个问题往下挖，一个更实际的问题就浮出来了：机器要“教”，凭什么教得准？卓越睿新给出的判断很直接——行业眼下真正的痛点，不在模型，在知识。通用大模型的训练语料主要来自互联网公开数据，但真正构成学科壁垒的知识——教材体系、实验数据、数十年积累的教学经验、教授的专业判断——恰恰是互联网上检索不到的。对于物理实验步骤、工程设计规范、医学诊断逻辑这类对精度要求极高的场景，事实性幻觉根本不是“瑕疵”，而是“硬伤”。

源图谱：卓越睿新让AI的每一次推理都有据可查

卓越睿新在WAIC上首次系统性披露了其AI的底层架构——“源图谱”知识底座。命名中的“源”指向一个核心诉求：溯源。在这套底座之上，AI的推理过程不再是一个“黑箱”，每一步推导都能回溯到具体的学科文献和知识节点。

公司服务近两千所高校及学术科研机构，学科覆盖达到全门类，所有知识均经过信源筛选并支持全链路溯源。这些数据源自教学现场、实验环境和科研一线，更新频率高、结构化程度深，且保持动态迭代。本质上，公司正在将原本分散在教材体系、实验规范、教案设计和教师经验中的隐性学科知识，系统性地转化为机器可读取、可调用的结构化知识基础设施。

Harness引擎“1+N+1+N”：卓越睿新把知识基础设施变成产品

判断之外，卓越睿新还发布了一套全新的Harness引擎——“1+N+1+N”。第一个“1”是源图谱知识底座，将学科拆解为知识点图谱、能力图谱、实验图谱、评估图谱四层叠加，形成学科级的“知识操作系统”。“N”是多场景范式模块，覆盖科研、教学、产业、实验等不同业务场景。第二个“1”是培养平台，承接人才培养全过程。最后一个“N”是学科定制，面向具体学科做深度适配。

更关键的是交付方式：可拆解、可组合、可按需接入。用户无需推翻现有系统重新建设，而是采用模块化接入模式，按学科、按场景逐步对接，成熟一个接入一个。这意味着“1+N+1+N”本质上是一套可商业化的知识基础设施交付方案——以学科级专业知识库和垂类模型为底座，具备规模化复制和边际成本递减的特征。

在WAIC 2026上，卓越睿新给出的不只是产品发布，而是一套面向AI4S痛点的系统性解法。学科级知识数据是地基，自研AI能力是引擎，覆盖全国的服务网络是触达通道——三者叠加，让“知识基础设施”从概念走向工程落地。随着源图谱和Harness引擎在更多高校落地，公司知识科技业务的商业化曲线有望加速，为长期价值沉淀更厚、更实的产业护城河。