企业级领域专用生成式AI解决方案提供商Articul8今日推出多模态决策模型Bivia。该模型能够对所见内容进行判断、定位并给出证据，并可根据组织所属行业的专业知识、政策与操作流程进行定制。Bivia基于Articul8企业AI平台内产生的数十亿次决策构建，目前以API形式对外提供，开发者可借此构建跨文本、图像、视频、表格与图表的AI智能体，而无需在每一步都调用生成式模型。
随着企业将AI智能体投入实际业务，一项挑战正日益凸显：使用高性能生成式模型来完成数千个相对简单的决策，成本居高不下。麦肯锡《2026年AI现状》报告显示，40％的大型企业受访者表示其组织正在规模化部署AI智能体，高于上一年的27％。同一研究还发现，约五分之一的受访者表示，包括token成本在内的AI相关运营费用正在制约其组织对AI的使用。
与通用决策模型不同，Bivia可针对组织的行业属性、政策、流程及历史决策进行调优，使其判断能够反映企业的实际运营方式。该模型还可将文本与工程图纸、设备图像及图表一并评估。Articul8创始人兼首席执行官Arun Subramaniyan博士表示，公司已在Articul8内部使用决策模型超过三年，原因是观察到企业让生成式模型承担了大量不必要的工作。他指出，当AI智能体处理复杂任务时，并不需要强大的生成式模型来回答沿途的每一个问题，而企业需要这些决策能够反映自身的知识和运营要求，这正是将该技术对外开放的原因。
在功能层面，用户可将Bivia指向图像、文档、音频片段或长片视频，并以任意语言提出问题。模型会即时响应，将答案锚定在支撑其结论的具体像素、文字或时间戳上，并给出置信度评分。当证据不足时，模型可以选择弃答，而非生成缺乏支撑的答案。在一场现场演示中，Bivia在单次请求内处理了一部时长52分钟、由国际空间站拍摄的4K纪录片的每一帧画面，将素材转化为可搜索索引，提供全片画面内容的一览式图谱，并允许用户提问并直接跳转至相关时刻，其中包括仅持续数秒的短暂事件。
从产品定位看，Bivia试图解决企业AI智能体落地过程中的两类问题：一是推理成本，即避免用大模型处理本可由专用决策模型完成的简单判断；二是决策可信度，即通过证据定位与置信度评分机制，使智能体的判断可追溯、可验证。这一思路与当前企业AI市场对成本控制和可审计性的双重诉求相吻合。
对企业服务市场而言，Bivia以API形式开放的策略意味着Articul8正从提供端到端生成式AI平台，向输出底层决策能力的基础设施角色延伸。在AI智能体规模化部署的背景下，如何在保证判断准确性的同时控制token开销，已成为企业AI平台竞争的关键维度之一。此类专用决策模型能否在真实业务场景中替代部分生成式模型调用，将取决于其在垂直行业中的调优效果与集成成本。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
