从昆仑万维财报，看见真正的AI增长内核

从某种程度来看，AI商业化飞轮在昆仑万维的业务体系内被打响也属必然。

不论是大模型市场人们讨论的从算力（芯片）到算法到数据的全技术栈布局，还是从模型到产品到场景的AI商业布局，这两个大模型持久战或者价值验证的必经路线在昆仑万维身上都能看到清晰的答案。

作者|皮爷 

出品|产业家 

“我们现在还在PMF验证阶段，商业化还在铺量的过程中。”一位国内头部AI应用产品负责人告诉产业家，“AI应用的商业化阈值比之前的软件产品要更高。”

更具体的细节是，这款产品如今仍然处于和“客户”共创的过程中，刚刚完成产品功能基于需求的迭代，对于面向市场的商业化还没有明确的时间表。

这种情况在AI大模型市场不再少数。

从整个行业的视角来看，即伴随着Manus等一系列Agent智能体产品的出现，从AI技术到商业化场景落地的热情被加速释放，这其中不仅产生的不仅有面向各个企业场景的Agent产品，也更有无数面向C端需求场景，如游戏、社交、娱乐等等方向的AI应用出现。

但在这种“热潮”背后，一个真实的问题也更在被越来越多人关注，即这些AI产品真正有价值吗？或者从企业的业务视角来看，这些智能体产品能构成公司的业务经营主体吗？

互联网时代，业务价值/产品价值对应的是对特定需求的满足，而这种对需求的满足也恰构成着企业商业价值的呈现，不论是C端场景，还是B端场景，都不外乎如此。

但就当下的大部分AI企业而言，这些问题的答案是“否”。

根据一份来自Gartner的数据显示，目前有超过80%的AI产品因为无法适应对应的场景而失败，其中原因涵盖数据安全、场景满足度不够等等；此外，更有不完全数据统计显示，在2023年至今，有接近90%的AI产品发布后因“参与度低、采用率为零”被市场淘汰，仅极少数头部产品维持用户活跃度。

“这一轮创业和之前的创业不同，这次创业需要在大厂的射程范围之外，否则都很难被市场认可，更难做商业化。”一位投资人告诉产业家。

但也有例外，比如伴随着AI大潮的袭来，逐渐被越来越多人关注的昆仑万维。

在刚刚过去的5月份，这家定位全球化的企业交出两份亮眼的“AI财报”。在2024年度财报数据中显示，昆仑万维2024年全年营收56.6亿元，同比增长15.2%，整体毛利率达73.6%；2025年第一季度，昆仑万维营收同比大增46%至17.6亿元，AI业务商业化落地加速。

构成这些增长的产品细节数据是，根据财报显示，截至报告期末，昆仑万维AI社交产品报告期内单月最高收入突破100万美元，成为海外收入增长速度最快的中国AI应用之一；AI音乐年化流水收入ARR达到约1200万美元（月流水收入约100万美元），短剧平台DramaWave年化流水收入ARR达到约1.2亿美元（月流水收入约1000万美元）。

这是一份亮眼的成绩单，或者准确来说，这是一份在中国乃至全球的AI浪潮里也可以称之为优秀的成绩单，这种“优秀”的最核心表现恰是——AI已经构成了昆仑万维，这家全球化企业财报数据底层的真实增长支撑。

它做对了什么？或者说，这个已经成型的商业化闭环，能“跑起来”的关键是什么？

一、AI商业化验证，

昆仑万维打响“第一枪”

一个足够准确的说法是：昆仑万维打响了AI商业化第一枪。

从2024年度财报和第一季度财报都能明显看出的是，在昆仑万维财报中三个产品尤为亮眼，它们分别是短剧平台DramaWave、AI音乐产品Mureka、AI社交产品Linky。客观来看，这三款产品也恰构成了昆仑万维的“AI商业化第一枪”。

首先来看短剧平台DramaWave，据第三方数据显示，截至2025年3月，DramaWave月活跃用户量已经突破1000万大关、下载量突破3000万大关，而在爆火短剧《订婚风暴》的推动下，其于4月12日在韩国市场实现对Netflix的超越；此外，根据财报数据显示，2025年第一季度，在市场竞争最为激烈的美国区，DramaWave的下载量也位居TOP5、应用内购收入位居TOP7。

在这个增长速度飞快的“短剧明星”产品背后，市场的反馈是它的AI味越来越浓，比如，在核心的内容创作侧，基于昆仑万维推出的专项AI短剧创作平台SkyReels，平台创作者可以进行快速地AI创作，加速自身作品的成型。

再比如在分发侧，基于DramaWave推出的智能聊天功能，用户可针对剧情、角色与剧中人物进行沉浸式互动；以及最新上线的AI配音功能，用户可实现16种语言转译配音，无障碍观看短剧。

而和DramaWave 的“内容+AI”逻辑不同的是，AI音乐产品Mureka和AI社交产品Linky则是市面上纯正的AI产品逻辑，即基于底层对应的模型进行相应的上层产品表达。

前者为用户提供从创作到交易的全AI音乐链条服务，仅仅上线9个月就取得月流水收入100万美元的成绩，在刚刚过去的3月份，其全球访问量达333万，环比增长86.5%，增速更是位列全球AI音乐品类第一。而后者则是基于大语言模型，基于虚拟角色构建全新的AI社交产业链，一个数据是，Linky产品业务最高收入突破100万美元/月，月活跃用户超过300万。

实际上，对于昆仑万维的AI商业化成绩单，可以从两方面理解它的特殊性——一方面是明星级产品DramaWave，它代表的是AI技术对昆仑万维自身原有平台业务（短剧）的升级加速效果已经彰显，另一方面是纯原生AI应用Mureka和Linky，在不到1年的时间里，迅速完成了商业价值路径验证。

这都是不容易的点。

首先从DramaWave的视角来看，其本身对应的是AI技术对于平台能力和平台价值的加强，这点从AI市场来看尤为难得。即尽管AI大模型从2023年发展至今，放眼国内乃至全球市场，不论是一众电商平台，还是短视频、社交等一系列其它平台，都还没有产生像昆仑万维这样AI驱动固有平台业务增长的效能，不论是基于创作者端，还是如平台功能端。目前市场面上有相关成熟尝试的也只有剪映等产品，但剪映等产品的逻辑也是嵌入到原有的工具产品中，本身对后端视频平台的牵引力不强。

其次是Mureka和Linky。作为两款真正的AI原生应用，能在如此短时间内取得这样的成绩实属亮眼，两者均在不到1年的时间（Linky尽管之前已推出，但真正结合AI能力是从2024年下半年）迅速完成了从产品冷启动到商业化验证的过程。

根据Sensor Tower不完全统计，在全球市场，包括ChatGPT、豆包等生成式AI应用通过订阅制快速验证的时间是20个月；同时，当红炸子鸡Deepseek用户破亿仅用7天，但商业化验证实际收入达标周期也更长达约11个月。

这也是Mureka和Linky被关注的原因，即尽管在过去一两年时间里，AI音乐和AI社交一度是被投资人看好的赛道，但即使从全球范围来看，真正能在短时间完成商业化验证的产品寥寥无几，更多仍处于产品功能迭代阶段，距离商业化的距离还尚远。

可以看到，不论是SkyReels +DramaWave，还是Mureka、Linky，再或者财报中的其它业务，如AI游戏、社交娱乐平台StarMaker，在昆仑万维的业务体系里，AI商业化，这个在全球AI市场范围内都称得上是卡点的难题似乎在以不同的方式得到正向反馈和结果，不论是和固有业务的商业化“1+1>2”，还是AI原生产品的“从0到1”，从财报数据看，这些被加持后的平台和产品甚至已经构建起了2025年昆仑万维的最大增长极。

昆仑万维，这个“孵化场”，有什么特殊之处？

二、拆解昆仑万维的AI飞轮

对于昆仑万维，市场最早的标签是包括搜索、社交、游戏娱乐等在内的互联网平台企业，但在最近的两年里，这家企业的全部标签开始被浓缩为一个：AI。

这种标签的浓缩对应的不单纯是在战略方向上的”All in AGI与AIGC”，也更是在企业整个产品架构上的增长飞轮重构。

在如今的大模型时代，一个公认的说法是，“模型即产品”——这句话在论证模型重要性的同时，也更在彰显一个全新的AI时代的产品逻辑，即只有底层的模型足够强大，由此衍生出的上层产品才能具备足够强的功能。

DeepSeek是如此，豆包是如此，昆仑万维也更是如此。只不过，和前两者不同的是，昆仑万维的做法是选择做细分领域的SOTA模型，在大厂“射程”范围外找到新的确定性机会。

沿着上层几个已经被市场广泛关注的产品（DramaWave+SkyReels、Mureka、Linky）向下看，能看到的是昆仑万维频繁密集的AI大模型成绩单。

比如，Skywork R1V多模态推理模型达到开源SOTA（State of The Art，当前最佳水平）；在视频生成领域，SkyReels-V1模型与支持精准表情动作控制的SkyReels-A1算法位居全球领先地位，后者实现技术突破性SOTA；再比如，在AI音乐领域，Mureka V6与全球首款融合CoT技术的Mureka O1形成组合优势，其中Mureka O1凭借创新架构设计实现对竞品的全面性能超越，登顶行业SOTA。

以及在综合AI大模型，昆仑万维 “天工”系列大模型，也更在复杂任务处理、多模态等方面不断传出新消息，从Hugging Face等多个权威榜单数据来看，天工大模型AI技术实力位于国内第一梯队。

可以理解为，昆仑万维也恰是基于这些细分领域大模型的SOTA能力，同时辅以自身在这些对应领域（娱乐、社交、游戏等）积淀的多年用户需求理解，进而构建出上层专项的产品，形成真正的前端AI触角。

这些触角一方面以AI服务的形式满足现在市场对于细分领域AI产品的需求，可以迅速完成从“需求出现—需求满足—商业验证”的AI产品路线；另一方面这些AI产品也更能够嵌入到原有的软件业务形态里，比如嵌入到DramaWave短剧业务的上下游产业链中，帮助整个产业链从创作到分发扩散实现智能化升级，进一步加码和放大原有平台产品的价值属性，创造增长营收。

实际上，谈到飞轮效应，在现在的AI时代，市场往往会想到的是微软。即从底层模型出发，微软有上层足够广阔的模型部署场景，比如可以把GPT直接部署到Office系列产品上，之后基于Office3.87亿用户对写作建议的采纳率、修改行为等数据用于优化GPT-4的办公场景理解，再比如可以基于Teams Copilot的会议记录分析、GitHub Copilot的代码生成反馈，形成“应用-数据-模型”动态迭代的过程。

微软的AI飞轮效应在于其可以把模型的进步和上层场景进行有机结合，将GPT足够强的模型的能力和价值充分在上层场景中进行商业化和产品表达，同时将这种表达的结果进一步回收至大模型的训练流程中，帮助其进一步旋转飞轮。

这也正是昆仑万维的模型，只不过相较于微软的工具型场景，昆仑万维已经形成闭环的是自身的消费级场景——从SOTA模型能力出发，在自身已有的上层平台场景或已有的对（搜索、社交、游戏、短剧等）特定领域需求的理解场域中进行专属表达，基于真实的用户需求理解，进而构建出对应的新AI产品模块，一方面帮助昆仑万维强化自身的产品版图，另一方面释放对应的商业价值；同时这些真实的AI数据又回反流至领域模型，进一步强化模型的SOTA能力。

这也是昆仑万维和微软等企业的特殊之处。即在这个已经成型的AI飞轮闭环中，企业的出发点不是从0开始，而是基于固有的对特定领域的理解和认知（用户需求）、和固有的场景沉淀，从需求出发，构建出一个完备的从模型到产品再到模型的闭环。

也可以说，这种出发点本身也恰在一开始就决定了整个体系具备极强的商业化价值。对昆仑万维而言，其在过去多年的真正价值底层恰是对市场需求和用户需求的本质理解，这种理解在互联网时代体现为UI设计、平台机制和用户活跃度，而在AI时代则升级为从模型到应用再到场景的完整AIGC商业化飞轮。

三、被低估的昆仑万维，

被重估的昆仑万维

从整个AI产业链的角度来看，这种商业化飞轮也更取决于昆仑万维的特殊性，即在这家全球性的企业场域里，有构成这个AI飞轮运转的一切养料，比如底层数据积累，比如研发能力，比如前端的固有商业场域，以及新AI产品能被引爆的庞大用户群体，这些都构成了昆仑万维如今在持续运转，甚至正在加速旋转的AI商业飞轮。

而这些飞轮的任何一个节点，在真实的市场里都是分散的，甚至是不成体系化和不成型的，但在昆仑万维如今的版图里，这些却已经形成一个“用户AI需求—模型研发迭代—AI应用/功能表达—场景验证”的完整AI产业链闭环。

这也是昆仑万维这次财报被市场尤为关注的点，即人们看到的不仅是这家全球性企业在AI商业价值上的成型，也更看到其整个AI体系的完善，这其中最为突出是其底层的技术投入。

根据财报数据显示，在2024年全年，昆仑万维全年公司研发费用为15.4亿元，同比增长59.5%；而今年这个数字还在攀升，即仅在2025年第一季度，在AI算力芯片、大模型及应用的研发迭代上，昆仑万维的研发费用就已达4.3亿元，同比增长23%。

此外，在2023年昆仑万维通过增资方式控股AI算力芯片企业——北京艾捷科芯科技有限公司，如今也已经完成了“算力基础设施—大模型算法—AI应用”全产业链布局。目前，其整体研发进度已经过半，向实现量产迈出了坚实的一步，据了解，截至一季度末，艾捷科芯员工数量已经接近200名。

从某种程度来看，AI商业化飞轮在昆仑万维的业务体系内被打响也属必然，即不论是大模型市场人们讨论的从算力（芯片）到算法到数据的全技术栈布局，还是从模型到产品到场景的AI商业布局，这两个大模型持久战或者价值验证的必经路线在昆仑万维身上都能看到清晰的答案。

前者保证了昆仑万维可以一直“坐在大模型牌桌上”，而后者则是保证了昆仑万维在坐在牌桌的同时，更可以不断洗牌，进而打出一手手好组合。

这个好牌如今也更在持续演进。根据财报披露的消息显示，据了解，在接下来的5月，昆仑万维将发布全球首款生产力场景通用Agent平台Skywork.ai，以高频使用场景为核心，构建由五大专家级AI Agent组成的智能体系，分别针对专业文档、数据表格、演示文稿、播客及网页内容进行深度优化。

可以说，如果说昆仑万维过去更强的能力在于针对细分SOTA领域，如对用户娱乐、社交、搜索等AI需求的满足，那么如今这些对细分AI需求的满足能力在自身愈发全面的AI布局下，正在向更大的场景和领域延展。

这种延展来自于被率先真实运转起来的AI商业闭环（真实数据），也更来自于昆仑万维不同于互联网大厂的内部快速反馈、快速行动、快速验证的产品价值闭环。

也或者可以说，在自己擅长的领域率先出击并且完成AI飞轮闭环，这种真实世界的模型反馈下，创业公司的战斗力不见得比互联网大厂的战斗力差，Deepseek是如此，昆仑万维也是如此。

结尾：

从资本市场来看，昆仑万维的一系列AI动作，或者更准确来说是基于AI的业务增长模型早已经有了正向反馈。

比如根据华泰证券最近给出的报告显示，通过SOTP估值法，认为昆仑万维的目标市值为552亿元，对应目标价44.84元/股。

需要解释的是，昆仑万维现在的估值模型设定更多的是传统估值体系（传媒行业），即在企业大规模研发投入基础上的总营收和利润等数据，整体得出了较低的PS值，进而换算出总估值。

但这种单从营收利润数据出发的估值体系并不合理，也是远远低估的，实际上，其如今正在被SOTP估值（不同业务分别计算估值），甚至是更为真实反应企业增长面的科技估值体系（AI估值体系/SaaS估值体系）所代替，比如AI大模型（天工系列）可以对标Hugging Face（估值45亿美元），甚至进一步如DeepSeek（1500亿美元）、短剧与AI应用（DramaWave+Mureka）可以对标HeyGen（PS 15-20倍）等等，这些高成长性的业务分别在资本市场都能找到足够适配的新估值标的。

甚至，如果一旦在2026、2027年基于昆仑万维的战略规划实现AI产品的盈利指标，SOTP估值还将可以进一步转化为AI或SaaS估值模型，届时估值将在552亿的基础上进一步提升。

可以说，从传统估值模型到SOTP估值法再到后续的AI企业估值模型，这种变化的估值模型背后，对应的也更是市场对昆仑万维AI新增长内核的肯定和看见，这些肯定包括对更广用户的覆盖，对更大市场的满足，以及更有前景更确定性的基于AI的商业增长空间。

AI驱动增长，不是一句空话，在昆仑万维身上更是一个确定性的表达，这次的年报和一季度财报正是一个前奏。

Zoho在2025：三个支点和一个新故事

这些独特的能力模型在新的水温环境下如今正在被Zoho拆解成对应的新进化方向——AI驱动、平台加持和生态助力。

而也或者可以说，这三个支点也更构成的是一个新的SaaS故事。即在这个故事里，企业自身的AI力、产品力、技术力和对需求的拆解力被无限放大，同时伙伴的交付和服务能力被充分发挥，进而为无数中国不同产业的企业提供更为细分和贴身的AI和软件服务。

作者|皮爷 

出品|产业家 

今年年后，夏海峰很忙。“DeepSeek破圈后，有很大一批企业找过来要上相关的AI能力，有些是基于CRM、智能客服、BI上的能力有明确需求，有些企业不知道要上什么能力，但是会‘坚定’告诉我们‘要上AI’。”

同时集中找过来的还有另外一个需求群体—出海企业。根据不完全统计，截止2025年5月份，仅中国市场，就有超过30%的企业开始考虑或者加强出海和全球化方面的布局。

夏海峰和Zoho对这个数据的感知更为真实。“在一季度，我们新增企业数就超过40%，其中接近70%多是有出海相关需求的企业。”

这种来自AI和出海的需求也更构成着在Zoho内部的新思考：即在AI浪潮和如出海等垂直细分场景新SaaS需求蓬勃向上的如今，作为一个定位中国土壤的软件厂商，新的进击姿态应该是怎样的？或者说，应该如何调整自身的企业模型，来更好地成为TO B市场新需求的满足者和承载者。

这不仅是Zoho面临的状态，这些问题也更在成为着一众中国SaaS企业的思考，即伴随着Manus等产业智能体的出现、国际水温的变化以及中国数字化水温的整体提升，SaaS企业构建的下一个能力基座和核心竞争力锚点到底应该是什么？

实际上，在这些思考发生的同时，在Zoho内部，一系列的变化和调整已经在悄然出现，这些变化的背后是关于AI产品、平台、生态的新答案。

2025年，关于Zoho，一个新的进化故事正在拉开帷幕。

一、2025年，

被重新测量的SaaS水温

“基本每个过来的企业我们都会跟踪评估。”夏海峰告诉我们，“但有些我们需要帮客户先明确他们的AI需求到底是什么，以及是不是能解决的。”

从更大的视角来看，不仅Zoho，这是几乎所有国内头部SaaS厂商都在面临的问题，即面对企业蓬勃而生的AI需求，服务商应该以怎样的姿态应对？

这种姿态的考量对应的是市场对SaaS企业的新要求。即在AI需求到来的同时，一些其它的问题更随之而来，比如在涌过来的需求侧，部分企业对于AI需求的表达过于个性化和“想当然”，比如部分企业自身的数据土壤并不完善，再比如企业在AI需求提出的同时，也更对数据安全有极高的要求等等。

以及服务商本身的供给侧，即如果想要完成自身所在软件赛道，如CRM、ERP、低代码、BI、HR等领域的AI化，企业需要思考资金和投入的新问题——即是基于自身软件层面的“+AI”，还是重新做一个AI Agent产品，再或者是像海外Salesforce等TO B巨头一样重新打造Agent PaaS（基于智能体平台的PaaS服务）等核心基座。

可以说，这些变化也更在成为过去两年时间里，中国几乎全部SaaS厂商都必须面对的新外部环境。

不仅如此。在猛烈爆发的AI环境之外，在固有的SaaS需求链路上，水温也在变化。

除了前文提到的旺盛出海需求，夏海峰还告诉我们，“今年不少中大型客户对Zoho的各个产品提出了更多个性化的需求，包括产品功能、UI等等各方面纬度，场景需求更在被不断强化。”

这点不难理解。即伴随着数字化对中国产业土壤的持续浸润，两个明确的趋势也更在凸显，即一方面越来越多的不同传统产业赛道的企业开始选择更为专业的SaaS软件，如CRM软件、HR SaaS软件等作为自身下一步发展的新根基，另一方面切入数字化一定时间的企业开始选择更适合自身业务模型的软件形态，这其中对应的也正是对SaaS厂商的更个性化的产业需求。

但对服务商而言，这并不是一件容易的事。不论是CRM、EPR还是低代码等等产品形态，如果想要做到对行业个性化需求的充分满足，其必须具备足够分子化和产业化的PaaS平台能力，以及对应配套的生态交付体系，才可以实现用更低的成本和更优质的效果完成企业的个性化需求满足。

可以说，不论是如雨后春笋般出现的AI化需求还是持续向深处延展的行业化需求，对SaaS企业而言，这些在构成新的水温环境的同时，也更带来的是全新的产品和战略考量。

SaaS企业必须要变化。但应该如何变？以及真正能适应新水温的新SaaS企业模型应该是怎样的？

二、进化的Zoho：

三个新支点，一个新故事

“其实去年我们整体的付费客户流失率算是创了新低，几乎是历年最低的水平。”夏海峰告诉产业家。

对Zoho的一个侧写是，如果说在中国市场上有的SaaS企业的风格是渠道为王，有的企业的风格是定制化交付贴身服务，有的企业更多是把持产品订阅的红线，那么Zoho的一个公认标签正是：产品。

这种产品对应的是Zoho对外提供的以CRM软件为头排兵的All in One产品体系，基于这套服务体系，企业可以满足自身对于多个内部环境的数字化需求。

“我们去年的产品交叉销售比例在明显增加，有的赛道增涨30%上下，但有的增增长也会到100%，这其中对应的也是整个客单价的提升。”夏海峰表示。

但尽管是这样一张优秀的成绩单，在夏海峰看来，Zoho还是要变。

但如何变，以及怎样才能保证前进方向的正确性？一个真实的情况是，对SaaS企业而言，其在构建新的服务模型的同时，也更需要考虑的是自身的创业模型和商业模型。

不过，在大量真实需求的驱动下，Zoho却很快锚定了方向。“我们内部也讨论了很久，比如生态策略，平台策略等等。”

这些讨论如今转化为Zoho的新的三条线，即AI 进化、平台模型和生态策略。

AI进化自然不用多说，对几乎所有SaaS企业而言，这是一个必然的进化方向，但Zoho选择的却是其中“最彻底”的做法，即基于Agent PaaS的形态从底层重构AI能力。

换言之，基于Agent PaaS能力，Zoho可以做到基于不同Agent模块的组合帮助不同产业场景、不同需求的企业构建专有适配自身的Agent产品体系，真正做到专企专用，最大程度满足。

值得一提的是，这也正是Salesforce切入AI的姿态。在中国市场，这个方式目前还没有厂商发出对应的动作信号。“其实我们之前已经在和一些伙伴一起在做一些Agent开发，帮助一些传统产业结合硬件提高效率，但Agent PaaS一旦成型，我们可以为他们提供更灵活、更适配的AI能力。”

其次是平台策略。如果说之前Zoho的标签之一是强产品能力，那么接下来它会加速把这个标签转化为“平台能力”，即在AII in One的产品体系加持下，真正从产品交付向后“退一步”，以平台的身份面向生态伙伴和企业赋能，这其中不仅包括固有的超过55+的产品能力开发，也更包括一些如PaaS层和即将成型的AI PaaS层能力开放，真正为市场提供平台原子化组件能力。

而与平台策略对应的也更是另一个重大调整，即生态策略。“包括很多企业有非常旺盛的出海需求，以及在不同行业，中国的行业SaaS需求都在蓬勃兴起，我们需要和生态伙伴一起来服务企业客户。”夏海峰表示。

诚然如此。根据数据显示，垂直行业。数据显示，‌2023年全球垂直SaaS市场，如针对特定行业需求定制的服务，如医疗健康、教育、农业等，整体销售额达到了911.9亿美元‌，预计到2030年将达到2347.3亿美元，年复合增长率为16.3%‌而在中国市场，这种产业个性化的SaaS需求也更在加速倍增。

这个在Zoho几乎讨论最久的策略如今也得到了最为彻底的执行。

据了解，在这个策略驱动下，几条被同时推进的线是：一方面Zoho将会把自身交付的很大一部分线索比例开放给生态伙伴，让生态伙伴负责交付的同时帮助生态伙伴成长；另一方面自身原有的产品交付团队转型为生态伙伴服务体系，对生态伙伴进行赋能加持，以及随时的支援保障；此外，强化前端产研团队，放到产品/平台的能力优势，帮助生态伙伴打磨更强的产品武器。

“我们预计将在今年的第二季度，在每个区都培养出一些大型的生态伙伴来。”夏海峰表示，“而且在接下来的3—5年，我们的生态策略会进一步强化放大。”

实际上，这三个策略的支点也更对应的是Zoho对中国市场的个性化解决能力，比如Zoho的强产品能力（前端产品和底层PaaS分子能力），比如Zoho自身在市场“物超所值”的市场印象，以及作为一家国际企业对于AI可以完全彻底化投入的态度等等。

这些独特的能力模型在新的水温环境下如今正在被Zoho拆解成对应的新进化方向——AI驱动、平台加持和生态助力。

而也或者可以说，这三个支点也更构成的是一个新的SaaS故事。即在这个故事里，企业自身的AI力、产品力、技术力和对需求的拆解力被无限放大，同时伙伴的交付和服务能力被充分发挥，进而为无数中国不同产业的企业提供更为细分和贴身的AI和软件服务。

三、AI时代，

中国SaaS要走向何方？

2025年，中国SaaS会走向何方？这个问题几乎是每个SaaS企业都在被问询的问题。

和这个问题一道出现的，还有国内SaaS行业愈发分野的趋势，比如不同方向的投资并购、强强联合，比如不同领域赛道的全新生态政策，再比如面对AI到来时的敏捷抑或抗拒表达。

这些也恰在构成着SaaS行业的内部水温——固有的SaaS共识被打破，新的SaaS定义和衡量标准正在成型的路上。

但需求是真实的，对需求的新供给能力也更是明朗可看见的。这种对于新“供需”的明确表达在海外市场已经有所体现，比如Salesforce、ServiceNow、Workday等国外SaaS巨头在过去两年里也都在不断调整自身的产品和服务模型，不论是基于AI Agent体系对固有产品的全面改造，还是对于组织架构的新调整（如Salesforce宣布新招聘4000名AI销售等等），都在成为着对SaaS这个服务形态的新补充。

实际上，这也是夏海峰和Zoho几个策略之外体现出来的进化哲学——即以需求为锚点，基于TO B需求的供需模型向产品要结果，向生态要结果，向组织能力要结果。

不论是基于Agent PaaS的全面AI化，还是平台、生态的全面加码，这些策略一同瞄准的恰是构建出Zoho的新需求满足能力模型。在这个新的能力模型上，出海将不仅仅是Zoho的最大“甜点”，包括一系列AI个性化需求、行业CRM等SaaS需求都会更加成为这个头部SaaS企业的新覆盖地。

换言之，技术上纵向要深度，服务模型上横向要广度。“其实现在中国市场还有很多人是不知道CRM等这些软件的，甚至很多企业只有一个财务软件，这些都是未来的市场空间。”

和外界认为的SaaS行业面临的巨大挑战相反的是，根据相关数据预测，在接下里的几年时间里，通用型SaaS（CRM/ERP）增长还将持续保持 15%-20%的增速，而垂直行业SaaS（如医疗/教育），在政策等倾斜下，增长率将达到25%-35%；此外，“PaaS+SaaS一体化”的交付方案增长率也将超30%。

这些数据背后，也更对应的是中国数字化市场的蓬勃生命力，是SaaS行业可以持续深耕的蓝海市场。

“中国市场一直都是一个需求创造市场，像我们之前很多年前提出的问题需求现在才开始在其他国家区域出现，但在国内市场我们已经能很好的解决了。”夏海峰表示，“尽管中国市场贡献的营收在全球市场里不是最高的，但我们对于Zoho整个产品的理解、需求创造以及未来规划具有深远的意义。”

对于2025年，人们往往会说今年是一个大模型落地元年。对Zoho等企业而言，这个正在进行的充满变化的一年也更是讲好一个新故事的年份。

这个故事不仅仅是关于出海和全球化，也更是关于AI技术，关于平台，关于在中国在土壤上的生态模型，关于Zoho的新未来。

千帆800天：中国产业AI的「工程化创新」破局

关于百度，关于百度智能云，伴随着AI大模型浪潮的带来，外界一直以来的印象是“AI第一枪”、“先行者”、“领跑人”等等标签，但在这些“速度”的定语底层，这家在每个时代都保持进化的互联网巨头还有另外一些表达，如扎实务实，如体系创新。

这些新的体系表达里对应的是把技术转化为生产力的工程AI能力，对应的是在每个千帆平台细小产品模块上的对产业know-how表达的精益求精，也更是从需求到产品再到需求的系统进化飞轮。

作者|皮爷 

出品|产业家 

“我们这些产品不是凭空捏造来的，而是根据企业真正的需求一个个打造出来的，包括我们千帆模型开发平台、应用开发平台以及数据智能平台。”林小琳告诉产业家。

作为百度智能云平台产品事业部增长运营负责人，她所说的是百度智能云千帆大模型平台的三个核心产品。

对于千帆大模型平台，外界并不陌生。从某种程度来看，这是继2023年百度面向AI发布文心大模型后，打响的“第二枪”，而就全球范围来看，这甚至是真正将“AI落地流程”进行产品化呈现的AI工具层“第一枪”。

而林小琳所说的恰是这个工具层的内部产品运营逻辑。“这些都是为了保障真正的落地，很多产品的具体功能都是我们和落地AI的企业深度共建的，也是真实‘趟’出来的。”

实际上，从更广的视角来看，“AI落地”——这个百度智能云千帆核心“KPI”，如今也逐步成为一众中国企业提升生产力的首要指标。

但这并不是一件容易的事。根据不完全统计，在如今全部启动的AI项目中，有接近30%-80%的项目陷入困境，比如根据RAND智库统计，有80%的AI项目失败，失败率是传统IT项目的两倍，再比如根据2025年Gartner报告显示，有30%的生成式AI项目因成本高昂、数据质量差和商业价值不明确被搁置。

AI作为注定引领生产力革命的技术手段，其正确的打开方式和落地SOP应该是怎样的？以及即使对2025年的如今而言，这些工程化的“基座”是否已经准备好了？这些问题，在数据体系构建不完整的中国土壤上也更被无限放大。

这些问题，也是过去2年多时间千帆平台的进化主线——从技术到产品，从基座模型到行业模型，从数据体系到Agent。这些被拆解的工程化模块在帮助一个个企业完成AI大模型落地的同时，也更构建着千帆平台的最新进化。

关于创新，谷歌联合创始人拉里·佩奇曾有这样一个说法，“创新的本质不是创造新奇，而是让复杂的技术变得简单可用。”

800天，千帆正在交出一份属于产业AI的创新答卷。

一、中国产业AI落地，走到哪了？

首先，一个毋庸置疑的信号是：在中国产业土壤里，尝试AI企业的企业在明显增多。

根据一份2023年的相关《白皮书》统计，在当时进行的一份市场调查问卷中，积极落地AI的企业仅仅占到53.7%；而在2025年，根据贝壳财经的调查数据显示，这个口径对应的数据则是增长到了91%。

但与这个“热情”形成鲜明对比的还有另外一组数据，即居高不下的AI落地失败率，即在2023年Gartner的报告统计口径中，AI项目的失败率高达63%，而根据2025年这一权威报告机构的最新报告统计口径，也更是有超过80%的AI项目未达预期。

AI落地，到底难在哪？

在回答这个问题之前，可以先来看当下AI落地的整个链路，总体来说分为三步，即“选择基座模型—精调企业模型—Agent相关产品开发”。

在这三个大的节点中又分为一些小的节点，比如在这个链条之前，企业需要选择API公有云接入还是本地私有化部署，在“选择基座模型”环节，是选择直接部署基座模型还是选择在某个基座模型的基础上蒸馏小模型，以更具性价比的方式进行部署。

比如在“精调企业模型”环节，企业需要优先构建好自身的企业数据和对应的行业数据集，基于此进行模型的精调；再比如Agent开发环节，企业需要明确定位好自身需要使用AI的场景，以选择将AI能力嵌入原来的软件，还是单独打造Agent产品等等。

如果想要做好AI落地，对企业而言，这些节点都必须完成。但从现实的情况来看，这些节点也可能是一个个“难点”。

从最底层的模型部署来看，许多企业对调用模型API接口比较熟悉，但由于自身业务性质特殊，部分企业需要本地化部署模型。然而，本地部署后的模型运维（如蒸馏、精调等）与公有云版本存在差异，这就要求企业具备相应的部署和运维经验。

首先，在模型蒸馏方面，2024年年中之前，相关技术尚未完全成熟，企业很难基于基座模型高效地蒸馏出小参数模型。这不仅导致部署成本较高，模型效果也受到明显限制。

其次，在模型精调环节，由于国内大部分企业仍处于数字化建设的早期阶段，数据体系尚未完善，知识库等基础设施也相对薄弱。因此，企业往往缺乏足够的数据支撑，难以通过精调让模型适配自身的工作场景和业务流程。

最后，在Agent部署阶段，场景匹配成为关键挑战。目前业内的共识是“AI落地，场景为王”。企业在构建Agent之前，需要先梳理自身业务，明确哪些内部流程或行业特性最适合优先引入AI技术，以确保实际应用效果。

但对大部分中小企业，乃至大型企业而言，这种“诊断”体系并不存在，一方面大部分企业对于AI能发挥的价值点到底在哪并不清晰，另一方面对不同产业、不同内部流程的企业而言，这更是一个极具“行业know-how”的推进动作，需要结合“AI+产业”的属性进行定位。

除了这些显而易见的挑战之外，AI落地还面临着诸多隐性难题。比如居高不下的算力成本，从模型层到数据层再到应用层的一站式需求缺口，以及持续性的模型优化和智能体升级等需求。这些"看得见"和"看不见"的挑战共同构成了AI技术落地的完整难题图谱。

从当前市场服务商的布局来看，针对AI落地过程中的单个技术瓶颈，其实并不缺乏解决方案。例如在数据体系建设方面，已有众多服务商提供从数据标注到治理的全流程服务；在Agent开发环节，也不乏宣称能够构建通用型或行业专属Agent应用的软件供应商。

但实际情况是，这种碎片化的单点服务模式，反而可能给企业带来更多实施障碍。由于各服务模块之间缺乏有效衔接，导致模型与数据、数据与Agent等关键环节难以协同，最终形成新的"技术孤岛"，加重了企业的落地负担。

那么，真正有效的解决方案应该是什么？或者说，一个既深谙行业know-how，又具备前沿AI技术实力的工程化平台，究竟需要具备哪些关键特质？

二、 “从需求出发到产品，到组织”

“千帆三个产品分别对应着企业不同层面的需求。”林小琳告诉产业家，“每一个产品都是从‘需求’倒推出来的。”

这是百度智能云交出的一张答卷。即从产品构成来看，在如今千帆大模型平台上，三个核心的产品线为模型开发平台、应用开发平台、数据智能平台（此次百度Create大会发布），从具体功能来看分别对应的是企业落地的三个核心节点，即模型部署、数据治理、应用部署。

林小琳告诉我们，这三个产品对应的恰是企业真正AI落地过程中需要的三个核心能力。

比如模型开发平台，现在已经提供了100多个模型，既包括刚刚在Create大会上Robin发布的文心 4.5 Turbo等一系列百度自研模型，也包括像DeepSeek、Llama、通义、Vidu等等第三方模型，客户真正用得上、效果好的模型在千帆上都能找到，而且服务稳定、可靠，并且通过提供完整的工具链来帮助大家开发模型，为企业定制专精模型等。

再比如在应用开发平台，企业可以基于零代码/高代码的方式，快速生成自身的Agent应用，并且完成一键部署，以及基于最新发布的数据智能平台，通过多模态数据管理、多模态数据处理、弹性 AI 计算、统一在线协同开发四项核心能力，将企业把原本散落在各处的数据统一管理和治理，发掘数据的价值，实现数据变现并提升业务的决策效率。

在显性的这些能力模块之外，千帆的更大价值点还更在隐藏的“产业属性”。“我们从最开始就一直和行业里的客户共创行业解决方案，包括在不同产业、不同场景内该用怎样的方式进行落地，以及如何精准落地发挥价值。”林小琳表示。

以考试宝为例，在百度智能云千帆的加持下，这家拥有6000万用户的成人教育平台如今已经可以做到千人千面的教学辅助。根据考试宝CTO介绍，原来人工制作解析一道题成本平均1.5元，现在基于AI成本降低至3厘，整个内容生产效率较传统人力模式提升了超1000倍。更结果侧的一个数据是，在接入AI能力后，其产品营收迎来了大幅增长，产品付费率增长超过百分之百，营收增长更是超过240%。

这其中涉及到的不单纯是模型侧的调用，更包括一系列小参数模型生成、模型调优等等一系列工程落地服务。

实际上，不仅考试宝，也不仅教育，在金融、能源、汽车等多个最新尝试AI落地的行业，都能频繁看到千帆的身影。数据显示，百度智能云是目前国内大模型项目中标最多的企业之一。

根据三方统计，2024年全年大模型中标项目共910个，在中标项目数、行业覆盖数、央国企中标项目数这三个维度里百度智能云均为第一，此外，从行业来看，在能源、政务、金融这三个行业，百度智能云中标项目数也更是位于所有厂商第一。

这些广泛的落地也恰构成着百度智能云对于大模型落地的深入理解，而这些理解的最直接能力转化点正是千帆上的一系列模块，比如模型蒸馏/精调、RAG能力、推理加速、Agent部署等等。

而这些真正的工程化模块能力也恰构成了千帆在模型工具层的真实成绩——截至2025年3月，百度智能云千帆企业客户数量40万+，百度智能云千帆企业应用开发数量100万+，百度智能云千帆组件数量1000+。

从某种程度来看，这恰是一个先进AI服务和先进AI生产力的良性飞轮。即基于真实AI需求出发的产品构成和产品进化逻辑推动了千帆在AI工程落地能力上的持续成型，而这种工程能力的成型也反向构成着百度智能云在越来越多市场项目中的被选择和被投票，进而再反向推动千帆内不同产品模块的升级。

“我们其实不怎么谈虚的事情，核心诉求就是帮助企业在TO B侧用好大模型，真正能做到AI落地，和生态伙伴一起做好行业解决方案。”林小琳说道。

她还告诉我们，“百度智能云千帆始终秉持开放共赢的理念，我们深知在丰富的产业场景中需要与生态伙伴深度协同，打造更贴合行业需求的方案与服务，共同推进AI技术在产业端的创新落地“。

三、产业AI爆发潮里，

我们需要怎样的基建角色？

在大模型发展3年时间的如今，一个必须思考的问题是，我们到底需要怎样的产业AI平台？或者说，在中国这个特殊的产业土壤上，到底怎样的产业AI平台可以成为真正的基建者和助力者？

客观来看，百度智能云千帆正在提供一个答案。

即在这个如今仍然在加速迭代的答案里，能看到的是从真实产业需求到产品满足的良性倒推，是对真实先进的AI技术的产业工程化拆解，是和一个个真实的大型企业不断共建、共创的行业AI方案，也更是集合优质AI生态伙伴的共同发力，这些都在构成着千帆平台上一个个具备真实AI落地能力加持的组件和解决方案。

如今，这个具备良性循环的AI工程平台如今还在持续迭代。除了前文提到的在本次Create大会上发布的数据智能平台之外，固有的模型开发平台和应用开发平台也被再次升级。

前者模型开发平台更加多维开放，支持上百个模型服务；此外，新增多模态、深度思考模型工具链，并且成为国内首个把RFT、GRPO等领先强化学习方法产品化的平台；“一键蒸馏”功能，让企业客户更方便地用小参数模型“学”到大参数模型，解决特定问题的推理能力，降低大模型的使用成本。

后者应用开发平台则在Agent智能体侧有更为亮眼的升级，比如在原来的Agent全流程服务之上，其逻辑推理、多模态、工具调用和多智能体协同能力再次升级，比如RAG能力升级为Agentic RAG，再比如在工具调用和多智能体协作上，其提供超过100个官方精品组件和1000+MCP组件，让Agent可以像团队一样配合完成复杂任务。

此外，在最前沿的MCP协议侧，千帆还在国内率先实现了MCP协议的全生态兼容，发布MCP组件广场，企业可以基于自己的需求自行调用MCP组件，以更成熟的组件搭建自身的Agent产品。

这些升级共同传递出来的一个信号是，千帆正在加速把过去几年百度智能云的产业实践和技术积淀转化为更可视、可用、可组合的模型、Agent等分子化能力，搭建出一个能让企业更好落地AI大模型、打造自身AI体系的土壤环境。

关于百度，关于百度智能云，伴随着AI大模型浪潮的带来，外界一直以来的印象是“AI第一枪”、“先行者”、“领跑人”等等标签，但在这些“速度”的定语底层，这家在每个时代都保持进化的互联网巨头还有另外一些表达，如扎实务实，如体系创新。

这些新的体系表达里对应的是把技术转化为生产力的工程AI能力，对应的是在每个千帆平台细小产品模块上的对产业know-how表达的精益求精，也更是从需求到产品再到需求的系统进化飞轮。

这一切也恰构成了百度集团执行副总裁、百度智能云事业群总裁沈抖在这次大会上所说的那句话——系统的价值，不仅是解决某一个问题，而是让企业拥有创造“创造的能力”。

奔跑800多天的千帆，恰在成为这句话的最佳侧写。

对话网易数帆总经理封雷：AI时代，让数据表达再“向前一步”

作者|皮爷 

出品|产业家 

变化。是封雷和网易数帆过去9个月里的核心关键词。

把时间拉回2年前，伴随着ChatGPT的出现，整个科技界和产业界都开始掀起一股AI大模型的浪潮，随之而来的是市面上铺天盖地的对于AI时代软件应用和数据应用新模式的探讨。不仅在国外，更在国内。

这些讨论几乎遍布软件服务的整个产业链。比如产品侧AI方向的争论，即软件厂商是应该“+AI”还是“AI+”，再比如服务模型侧，服务商如何实现以更好更低成本的方式帮助企业落地AI，是基于模型推理侧发力还是优先优化数据体系，再比如商业模式侧，未来的SaaS形态是否还是如今的核心软件模式等等。

这种讨论伴随着Manus的出现也更达到顶峰——新的数据应用形态和软件形态应该是怎样的？固有的Data服务体系和SaaS下一个进化方向到底应该在哪里？

对这些问题的思考和解答，也更构成着封雷和网易数帆的全部“变化”。

对于网易数帆，外界并不陌生。作为背靠全球领先互联网厂商网易、且早早布局大数据业务的国内头部数据软件服务商之一，网易数帆有足够强的数据产品和数据服务体系，不论是DataOPS的数据理念，还是数据开发治理平台EasyData，抑或是底层数据设施NDH，如今都已经成为不少金融、制造等垂直产业方向中大型企业进行数字化转型的底层数据基础设施和数据治理标准。

但如今，AI时代来了，然后呢？

封雷告诉产业家，过去9个月里，网易数帆一直在变化。“因为AI时代，我们要做新的数据表达，必须要‘变’。”

这也是外界对网易数帆的感受。即在过去的一年时间里，在市场感知里，这家老牌数据服务厂商似乎“刻意放慢了”奔跑的速度，，一些可以窥见的细节是，如相关部门人员的调整，如战略方向的变化，以及网易数帆在产品发声上的“稍显沉默”等等。

但真实情况是，这些外界无法厘清的变化，在内部对应的是一个个有条不紊的、逐渐成型的适配AI时代的新产品和新组织形态。

AI时代，数据的进一步表达应该是什么？这个被称为大模型“弹药”的赛道，应该路线何方？一年后的如今，封雷和网易数帆已经准备好交卷。

一、让数据表达，

“向业务再走一步”

去年11月，一个和网易数帆相关的消息引发市场关注。“我们战略方向从原来的‘数据软件服务提供商’调整为‘做数据应用价值的赋能者。”封雷告诉我们。

对这句话的字面意思理解是，网易数帆的角色定位似乎不再是一个软件产品提供商，为企业的数据体系负责，而是更向前一步，为客户的“数据表达”负责。

实际上，在过去多年时间里，这种对数据的“进一步表达”并非没有人提出，比如在不少垂直SaaS领域的一些如“业财一体”、“业才一体”、“业培一体”等等，本质对应的都是想帮助企业把先进软件能力融合到业务流中，进而帮助企业更好地实现业务数字化转型。

但真实情况是，这种软件侧的理念执行得不彻底。从本质来看，即尽管不少SaaS服务商提出对应的业务融合理念，但企业发展底层驱动来看，其对应的数据并没有发生形式上的变化，企业做到的仅仅是将对应的财务软件/HR软件为业务人员开通某些权限，但软件上的相关数据依然被“束之高阁”，由于不具备相关的业务价值使得其很难被有效利用。

再或者是，即使在软件介入后的一段时间可以帮助业务进行更新的数据理解，但企业底层的陈旧数据无法和前端的新数据建立“血缘”联系，很难构建真正的“业务数据”模型，更多尝试是 “形式大于变革”。

那么，如果SaaS层做不到，再向下一层的数据层呢？

这正是封雷想做的事。“我们之前更多的是提供产品服务能力，帮助客户搭建自身的数据体系和数据表达，但对于真正的业务环节/业务职能部门并没有充分的加持，现在我们打算更向前一步，帮助企业不仅做好数据体系的搭建，也更要做好数据在对应环节/职能岗位上的对应表达。”

实际上，不仅网易数帆，在过去多年的时间里，包括网易数帆在内的中国、乃至全球数据服务厂商更多的价值体现在帮助企业构建自身的数据体系，包括如指标平台建立，数据一体化模型构建，数据治理等等底层，同时在数据底座的基础上进行上层BI的呈现，帮助企业构建数据驱动经营的模式。

这种方式在一定阶段，可以有效帮助企业构建自身的数据底层模型，让企业内部不同环节的人员和决策者可以对自身的经营状况等可以有更为清晰、智能化的理解。

但实际上，也恰如封雷所说，这种数据侧的服务模型并不彻底，或者说，对数据服务厂商而言，其更多的角色仅仅是服务商角色，即完成的是“数据治理—指标呈现”的链条。对企业而言，这些距离到真正的基于数据进行经营分析仍然有很大的距离，即仅仅能做到“看数”，很难做到完美的“用数”，更不必提让企业真正做到“以数据驱动业务决策”。

也或者可以说，对企业而言，这种数据产品服务的模式仅能帮助其完成表面的数据智能呈现，但无法真正深入内里，基于数据构建新的业务增长极。

这其中的原因不尽相同。比如企业自身的数据体系不足以支撑对应的业务表达，但结合行业相关数据对底层算力和算法有较高的要求，服务商也很难满足；再比如，数据服务商和上层的SaaS软件提供商无法做到完全的适配表达，不兼容甚至是排斥的情况不在少数，等等。

但在封雷看来，这是AI时代网易数帆如今必须要做的事——更准确来说，在封雷的设想里，接下来的网易数帆，要在数据之上，把数据服务真正嵌入到企业的经营流程中，并逐步渗透到具体的业务环节和场景中，从数据侧给予企业业务人员、决策人员最直接的经营管理策略加持。

这道题，可解吗？

二、在原子化底座上：

搭建一个新的数据价值表达范式

在此之前，需要对这个“转型命题”做一个细致拆解，即从数据产品服务的角色到数据价值赋能，对一个服务商而言，需要做什么？ 

首先从产品能力来看，如果说过去如网易数帆这样的数据服务商更多帮企业完成的是底层数据体系的搭建，比如数据治理等等，那么从“赋能”层面来看，服务商必须要做更多的如数据指标制定、数据业务标注、底层数据血缘关联等等工作，不仅要做数据如何管理，更要清晰了解数据的产生链路和业务表达点，同时配合具体的低代码能力、AI Agent能力等，以可视化的前端形态进行效果交付。

其次，从服务流程，和过去更多交付数据产品不同的是，基于数据应用价值赋能者的定位，服务商需要在原先产品交付的基础上，更要了解企业真实的经营情况和业务情况，帮助其构建从数据到上层业务的表达，更向前一步，完成基于不同企业情况的数据层面的业务经营加持。

以及最重要的，组织架构。即和原来软件服务需要的人才模型不同的是，在更新数据赋能模型下，服务商需要具备既懂数据又懂业务的人才团队，甚至是面向前端多个不同的业务线，需要具备不同业务环节know-how能力的人才梯队，进而帮助企业的通用环节以及个性化环节进行定点数据价值释放。

比如从产品侧，需要向前迈一步，从软件交付到效果交付；从服务流程来看，新的数据交付模型需要对上层业务有足够细颗粒度的呈现，以及从组织来看，新的方案需要打破原有的服务流程，需要更多既了解业务也了解数据的人员等等。

实际上，这也恰是构成着网易数帆“9个月变化”的核心主线。从产品形态的创新，到服务流程的重新打磨，再到最核心的人员培养和团队职能变化，这些都伴随着AI大潮的来临，在封雷的推动下被有条不紊地推进。

“这个过程中很多原子能力都是我们之前具备的，甚至是和很多企业客户一起打磨过的，比如低代码，比如BI能力，比如数据血缘管理，数据指标模型等等。”封雷告诉我们。

诚然如此。从企业变革的角度来看，这场从产品能力到服务形态，再到人员团队的变革不亚于一个新式AI企业的重塑，但从周期来看，网易数帆甚至还跑出了“加速度”。

这些也恰是封雷口中所说的“积累和底蕴”，也是催动他和网易数帆坚定变革的“底气”。比如网易数帆连续多年入选Gartner相关报告，比如网易数帆是多个国家级数据行业相关标准的制定参与者等等。

以及如果把视角拉近，则更能看到的是，网易数帆的有数 ChatBI 产品是今年国内最早一批上线DeepSeek能力的BI产品，如今也已经在多个企业内部落地实践。“包括最近我们也在想，能不能把BI解耦，就像拆解成一个个积木，围绕客户场景和需求，将积木重新拼装组合，解决客户的问题。”

可以说，这些原本的底座能力也恰构成着如今网易数帆进化的加速度。“我们现在其实已经可以从数据层面，帮助企业客户做一些类似经营策略的事情了，比如企业如果想要在营收不变的情况下，实现利润增加应该怎么做这些，我们会给到企业在具体业务侧的建议。”封雷告诉我们。“这里面不单纯涉及到之前网易数帆过往的能力，还更有比如低代码、Agent等等能力，叠加到一起为企业提供一个可视化的产品界面。”

实际上，在网易数帆最新拿下的大单中，新的服务模型已经在彰显。

比如和山东港口科技集团的合作，在2024年，山东港口货物吞吐量突破 18 亿吨，集装箱量突破 4400 万标箱，相当于每天处理近 12 万个集装箱的全球流转，这些庞大的货物吞吐量背后是激增的业务数据量。

网易数帆要做的恰是帮助其通过统一平台的工具技术和统一数据研发流程、数据服务能力等，助力其完成数据对前端的真正业务赋能，完成山东港口数据基座的能力升级。

以及在和浙江国贸的合作，企业的情况是业务体系庞大，多层级、多业务板块之间存在数据壁垒，需要更为高效和透明的数据融合。网易数帆基于自身的“1+1+N”集团管控解决方案，帮助企业实现了集团级和集团级与成员公司之间的数据共享和经验赋能。

据了解，在网易数帆的加持下，其不仅打破了数据孤岛，还在浙江国贸全集团范围内实现了数据标准化管理，为业务决策提供了坚实的数据基础。

一个明确的感知是，如果说在之前的市场合作中，网易数帆更多的是一个数据产品提供和服务的角色，那么从最新的被选择来看，如今它已然正向前一步，越来越多地参与到企业真正的前端业务中，帮助对应的业务人员和职能人员进行定向加持赋能，从数据管理、治理走向真正的数据价值表达。

三、9个月，网易数帆趟出一条数据AI路

“数据服务的下一站在哪里？”、“数据服务厂商的新价值在哪？”、“以及数据的更有价值表达是什么？”——在AI大模型蓬勃向上的这两年，这样的问题不仅是外界对这个行业的拷问，也更是从业者不断思考的问题。

不同的是，相较于其他数据服务企业，对封雷和网易数帆而言，这种思考被更快一步转化为行动，这些行动覆盖几乎网易数帆的方方面面，从产品到服务流程，从人员构成到新的战略定位，从数据软件到数据价值理解，而这也构成着如今新的网易数帆。

“面向职能业务部门的赋能加持，将会是网易数帆未来几年唯一的重点。”封雷告诉我们，“在这个过程中，变化是必需的。”

但如果细心观察，能看到的是在这种变化的同时，网易数帆依然保持着绝对的市场竞争力，比如EasyData的持续深化，比如DataOPS观念的不断夯实，比如一体化的数据服务能力等等。封雷告诉我们，过去一年，在原来产品上，网易数帆的营收依然保持持续增长，甚至这个增速还在提升。

这种“变化”中的增长和扎实也更在构成着封雷带领团队不断进化、不断求变的底气。“现在我们保持两条线，一方面提供新的数据赋能能力，为企业业务部门提供更多的价值，让我们走的更远；另一方面也更保持着原有标准产品的创新进化和持续迭代，这些是支撑前者落地的根基，可以帮我们走得更稳健。”

如果说AI带来什么？于产业而言，它带来的是对更多数据的分析表达，但如果聚焦到真正的场景和企业管理哲学，这些如何转化为真正的决策价值和企业经营辅助，这其中需要的是足够强的数据表达能力和AI工程落地能力。

在这个新的能力模型中，需要的不仅是如Agent、工作流编排、MCP等新式技术手段，也更需要的是对于企业底层数据模型和上层业务模型的深刻理解，只有真正把数据服务模型和AI能力进行有机结合，才能构建出新的数据价值范式，推动乃至加速大模型在企业和产业侧的真实落地。

“网易最大的风格就是务实，其实网易做产品的初心很朴素，就是想做一款好用的产品，我们只有在服务好内部、取得较好实战验证的前提下，才会开放给外部企业、外部客户。”封雷表示，“我们的一些产品，如今正走在PMF验证的路上，在接下来的几个月可以做到80分的水平，这种程度上我们就可以有底气地为企业客户提供这些全新的服务。”

从数据服务角色到数据赋能表达，对封雷和网易数帆而言，2025是变革、变化一年，但也恰在成为收获和新起点的一年。

MCP爆火背后：AI Agent的生产力时代来了吗？

或许未来不会出现绝对的"统一协议"，但由 MCP 引发的这场标准革命，已经为 AI 生产力爆发打开了闸门。

作者|斗斗 

编辑|皮爷 

出品|产业家 

2024 年 7 月，美国加州旧金山的一家办公室内，Anthropic 工程师 David Soria Parra 沮丧的看着显示屏。

当他思考如何让更多员工深入整合现有模型时，却发现因为 Claude Desktop 功能有限，无法拓展，而 IDE 又缺少 Claude Desktop 的实用功能，导致自己只能在两者间来回复制内容，十分麻烦。

“我意识到这是个 ‘MxN’ 的问题，也就是多个应用程序与多种集成的难题，而用一种协议解决再合适不过。”

琢磨几周后，David 有了一个念头：做一个类似 LSP 的东西，把这种「AI应用与扩展之间的通信」标准化。他找到 Anthropic 工程师 Justin，二人一拍即合，开始着手构建。

4 个月后，这个念头被产品化，摆在了大众面前，这就是 MCP。

如今，MCP 在各大平台被广泛讨论，多家大模型服务商纷纷宣布支持 MCP，在二级市场，MCP 概念股也被炒的火热。

狂热之下，诸多疑问也不断冒出来：MCP 为何爆火？它能成为真正的通用标准吗？大模型厂商纷纷接入背后，又有着怎样的商业逻辑？此外，MCP 爆火背后，是否意味着 AI Agent 的生产力时代真正到来了？

一、MCP，AI 应用程序的「USB-C 接口」

长期以来，AI 模型与外部工具集成始终面临双重挑战：定制化开发成本高昂且系统稳定性难以保障。传统模式下，开发者需要针对每个新接入的工具或数据源开发专用接口，这种"一对一"的适配方式不仅导致资源浪费，更造成系统架构的脆弱性。

MCP 协议的诞生，为的就是解决这些痛点。

它的核心价值在于标准化交互规则。即通过 MCP，开发者只需让模型和工具分别遵循协议标准，就可以实现即插即用，将原本“M×N”的集成复杂度简化为“M+N”。这样 AI 模型就能通过 MCP 直接调用数据库、云服务甚至本地应用，不需要为每个工具单独开发适配层。

从当下来看，在实践层面，MCP 已展现出强大的生态整合能力。

例如，Anthropic 的 Claude 桌面应用+通过 MCP 服务器连接本地文件系统，使 AI 助手能够直接读取文档内容并生成上下文相关回答;开发工具 Cursor+则通过安装多个 MCP 服务器(如 Slack、Postgres)，在 IDE 内实现多任务的无缝切换。

MCP 似乎正慢慢成为 Justin 口中的样子：“我们认同将 MCP 类比为 AI 应用程序的 USB-C 接口，它是连接整个生态系统的通用接口。”

不过从 MCP 发布到爆发，中间还有一段很长且十分重要的故事要讲。

2024 年 11 月，MCP 发布，很快便吸引了业内开发者以及企业们的注意。不过，并没有现在这么火热，原因在于当时人们对智能体的价值并不清晰，或者说即使解决了 Agent“M×N”的集成复杂，AI 生产力会不会爆发，谁也不知道。

这种不清晰的感觉，主要来自大模型技术不断升级迭代下，应用侧却迟迟不发力的落地难题。此外，互联网社交平台也充斥着对智能体的各种声音，这让人们对 AI 技术能在产业落地几何，信心不高或者说看不到希望。即使是当下市面上已经出现了不错的落地方向和应用，但 AI 技术究竟是真的转化为了生产力，还是只是融于表面无法作出决策，很难看清，这需要大量的时间去验证。

事情的转折发生在 Manus 的框架发布和 OpenAI 的官宣下场支持 MCP。

Manus 所展现的多 Agent 协同能力，完美诠释了用户对 AI 生产力的终极期待。当 MCP 借助聊天界面实现 "对话即操作" 的创新体验 —— 用户只需在输入框中下达指令，便能直接触发文件管理、数据调取等系统级操作时，一场关于 "AI 真正能够辅助完成实际工作" 的认知变革由此开启。

这种颠覆性的使用体验，反过来进一步提升了 MCP 的热度。可以说，Manus 的发布正是推动 MCP 走红的重要因素。

除了 Manus 这样一个“带货达人”，OpenAI 的官宣下场，也为 MCP 被抬上“通用接口”高位推了一把。

2025 年 3 月 27 日，OpenAI 宣布对其核心开发工具 AgentSDK 进行重大更新，正式支持MCP服务协议。当这个占据全球40%模型市场份额的巨头宣布支持协议，意味着 MCP 开始具备类似 HTTP 的底层基础设施属性，MCP 正式进入大众视野，热度持续走高，指数级飙升。

这让大家看到了“AI 界 HTTP”成为现实的可能。随后，Cursor、Winsurf、Cline 等平台也相继接入 MCP 协议，MCP 打造的 Agent 生态逐渐壮大。

二、MCP 来了，

Agent 生态还会远吗？

MCP，真的能成为未来AI交互事实标准吗？

3月11日，LangChain 联合创始人 Harrison Chase 与 LangGraph 负责人 Nuno Campos 围绕 MCP 是否就成为未来AI交互事实标准展开激辩，虽然没有结论，但很大程度上激发了大家对 MCP 的想象空间。

值得注意的是，这场辩论的同时，LangChain 还在网上发起了投票。投票结果，出人意料：40% 参与者支持 MCP 成为未来标准。

在这场投票中，剩下的那 60% 未投票者，让 MCP 走向未来 AI 交互事实标准的这条路，看起并不顺畅。

他们的顾虑是什么？

最值得一提的，便是当技术标准与商业利益的割裂。这一点从 MCP 发布后，国内外的玩家们的动作便可见一斑。

Anthropic发布MCP后不久，Google就搞了一个A2A（Agent to Agent）。

如果说 MCP 为单个智能体铺好了路，让它们能方便地到达各个“资源点”，那么 A2A 的目标则是构建一个连接这些智能体的庞大通信网络，让它们能够互相“对话”、协同工作 。

其实从底层来看，无论是 MCP，还是 A2A，本质都是 Agent 生态抢夺。

那么在这个时刻，国内市场又呈现出怎样的趋势呢？

具体来看，更多的动作集中在大模型厂商，4 月以来，阿里、腾讯、百度相继宣布支持 MCP 协议。

其中，阿里云百炼平台在 4 月 9 日上线了业界首个全生命周期 MCP 服务，集成高德地图、无影云桌面等 50 余款工具，5 分钟可生成专属 Agent。支付宝联合魔搭社区率先在国内推出“支付 MCP Server”服务，让 AI 智能体一键接入支付能力。

4 月 14 日，腾讯云升级大模型知识引擎，支持调用 MCP 插件，接入腾讯位置服务、读书等生态工具。；4 月 16 日，支付宝推出“支付 MCP Server”，开发者可通过自然语言指令快速接入支付功能，打通 AI 服务商业化闭环；4 月 25 日，百度宣布全面兼容 MCP 协议，推出全球首个电商交易 MCP 及搜索 MCP 服务。智能云千帆平台已接入第三方 MCP Server，搜索平台索引全网资源降低开发成本。

可以发现，国内的大模型厂商的 MCP 玩法，是一个“全闭环”。从是阿里云百炼平台 MCP 服务集成高德地图；到腾讯云支持调用 MCP 插件，接入读书等生态；再到百度推出搜索 MCP 服务，都在以 MCP 发挥自己的长板优势，加固自己的生态壁垒。

这种战略选择背后有深刻的商业逻辑。

试想，若阿里云平台允许调用百度地图服务，或腾讯生态向外部模型开放核心数据接口，那么各厂商费心构建的数据和生态护城河带来的差异化优势，或将瓦解。正是这种对"连接权"的绝对掌控需求，使得MCP在技术标准化的表象下，正悄然进行着人工智能时代基础设施控制权的重新分配。

这种矛盾的张力正在显现：表面上，MCP 通过统一接口规范推动着技术协议的标准化进程；实质上，每个平台都在通过私有化协议定义自己的连接规则。

而这种开放协议与生态割裂，必然会成为制约 MCP 走向真正通用标准的深层障碍。

三、AI 产业落地浪潮里，

再看 MCP 真实的价值

或许未来不会出现绝对的"统一协议"，但由 MCP 引发的这场标准革命，已经为 AI 生产力爆发打开了闸门。

就目前来看，每个大模型厂商都在通过 MCP 协议构建自己的“生态飞地”，这种“全闭环”策略会暴露出 Agent 生态碎片化的深层矛盾。不过，也能将生态建设者积累的能力释放，快速形成应用矩阵，推动AI落地。

例如大厂过去的优势（如支付宝的支付技术、用户规模、风控能力）原本局限于自身业务，但通过标准化接口（MCP）开放后，这些能力可以被更多外部开发者调用，例如其他公司的 AI Agent 无需自建支付系统，直接调用支付宝接口。更可以吸引更多参与者使用大厂的基础设施，形成依赖性和网络效应，扩大生态影响力。

这种“圈地式创新”在一定程度上，加速了 AI 技术的产业渗透。

从这个角度来看，或将驱动未来的 Agent 生态呈现“有限开放”的格局。

具体来说，就是核心数据接口仍会被大厂牢牢掌控，但在非核心领域，通过技术社区的推动和监管机构的干预，可能会逐渐形成跨平台的“微标准”。这种“有限开放”既能保护厂商的生态利益，又能避免彻底割裂的技术生态。

在这个过程中，MCP 的价值也将从“通用接口”转变为“生态连接器”。

它不再追求成为唯一的标准化协议，而是作为不同生态间相互对话的桥梁。当开发者能够通过 MCP 轻松实现跨生态的 Agent 协作，当用户能够在不同平台间无缝切换智能体服务，Agent 生态才会真正迎来它的黄金时代。

而这一切的前提，是行业能否在商业利益与技术理想之间找到微妙的平衡点。这是MCP在工具本身价值之外带来的变化。

其实 Agent 生态的建设，不在于某一个标准协议的出现。AI 的落地，也不在于某一个环节的打通，而是共识。

正如 Anthropic 工程师David最初构想的那样：我们需要的不仅是“万能插座”，更需要一个让插座们能彼此兼容的“电网”。而这个电网，既需要技术共识，更需要一场关于 AI 时代基础设施规则的全球对话。

AI 技术快速迭代的当下，在 MCP 的“催化”下，厂商们正在加速这种技术共识的统一。

数智进化潮里，京东想讲一个「新营销故事」

在BRIDGE数智品效解决方案一次次发力背后，京东所做的恰是把自己的增长和平台企业的增长进行归因，同时把这些增长在底层的产品侧，如京准通、商智、数坊、营销云、京东新品创新中心等产品上进行更为准确的能力模块表达。

最终基于这些进化迭代的产品搭建出一个完整的覆盖经营洞察、用户资产、内容营销、流量运营、货品运营的一站式品牌先进数智品效解决方案。

作者|皮爷 

出品|产业家 

2025年，企业最关心的事是什么？在所有可能给出的答案里，营销必然是关键词之一。

但即使在营销工具频出的今天，做好这件事，仍不简单。根据一组不完全数据统计，在国内的整体电商平台上，部分平台的转化率仅不到5%，而就全域营销的视角来看，其成本也更在和效果呈现愈发鲜明的反比趋势，即营销成本攀升，但相关转化数据却越来越差。

这正是京东想要解决的事。

作为国内最大的电商平台之一，甚至是最大的零售商角色，京东为用户提供优质购物体验的同时，如何把自身的经验抽离出来，帮助商家更好的做好营销，乃至全域的营销？

这不是一件容易的事，早在2023年6促期间，京东就提出了ACME品牌营销方法论，即旨在帮助企业实现短期效益和长期价值的平衡，科学评估营销效率。

但真实情况是，尽管ACME模型能给予商家一定的诊断建议，让企业清晰自身的营销水位，但在“诊断”之后应该如何对症下药，从实操和实践视角构建出自身的营销模型，却仍然缺少关键一环。

在刚刚过去的2025京赢未来数智营销盛典上，名为“BRIDGE”的数智品效解决方案被京东放到台前。它正是基于ACME品牌营销方法论，针对企业六大核心经营环节提出的一个可实操、可落地的一体化数智品效解决方案。

京东提供的数智营销抓手，来了。

一、2025，营销走到哪了？

“现在不是营销本身不好做了，是营销的环境不同了。”一位零食营销相关负责人告诉产业家，“因为环境是动态的，所以营销不再像之前那么单一。”

如今，营销更类似于一个足够复杂的综合命题，在这个命题里，有如用户运营、全域营销、货品运营等等环节，只有每个环节都做好，企业才能做到有“质量”的营销——基于准确的人群，用精准的内容，通过适合的媒介方式，强化企业自身的营销效率。

但理想很丰满，现实很骨感。对企业而言，在这个全链条的营销模型上，每一个节点都存在难度。

以用户运营，也就是最核心的用户资产为例，对大部分企业来说，都缺乏全面和细致的人群梳理，这也导致企业很难进行精准定向和面向特定人群做对应的策略运营。

这其中的原因不难理解。即一方面从当下的流量环境而言，大部分企业无法对全域用户资产进行沉淀；另一方面，即使沉淀下来相关用户资产，对大部分企业，尤其是中小企业，其缺乏对应的分析模型，很难对数据进行科学化、价值化的分析应用。

一组数据是，根据QuestMobile的一组商家数字化调研报告显示，如今仅有12%的商家能够通过数据预测用户复购周期，大部分企业仍然处于用户运营的“混沌”状态。

如果说用户运营对应的是全域营销的难题，那么基于电商平台的视角来看，同样的难点也更出现在“经营洞察”和“货品运营”等等环节。

同样一组来自艾瑞的企业数字化报告显示，截止2024年，仍有67%的中小商家使用Excel手工报表，其对于市场行情的洞察分析延迟平均时长为3-7天；而根据另一组来自电商平台的数据报告显示，如今仅有不到20%的商家能够实现实时监控行业同品类价格波动。

客观来说，实现科学的“经营洞察”绝非一件容易的事，其不仅需要自身具备完备的数据体系，还更需要对整个市场的水温和竞争态势有足够高的视角观察和理解，进而构建出一个完备的经营洞察体系。

那么，一个真正能契合企业自身情况、契合如今的流量营销环境的营销方案应该是怎样的？或者说，在中国的电商土壤里，怎样的营销路径才是真正有效的路径？

二、“BRIDGE是一个真正的数智品效解决方案”

“开售日全天销售目标达成317%，品牌成交金额较日均增长超8.2倍”——这是星巴克新品“莓好时光系列星杯”给出的一组数据。用市场的说法正是，“新品即爆品”。

这正是星巴克和京东基于BRIDGE的共建。

更具体的细节是，在这次发售的前6个月时间里，京东和星巴克一起，从杯型测试、产品设计、价格设定等方面，设计了多轮消费者问卷调研和策略设定，从超50款行业热销杯型中筛选出消费者评价最高的10款杯型。

比如在款式层面，京东和星巴克对各款马克杯、随行保温杯和功能型保温杯进行分组测试，真实了解消费者对每款水杯的元素、配件、颜色等偏好；再比如价格层面，京东采用PSM模型（价格敏感度测试模型），评估消费者对不同样品的价格敏感度，为新品价格设定提供了科学建议。

这些新品创新的全链路数智赋能加上京东站内外的营销资源，促就了星巴克的惊艳的新品发售。而其底层依傍的，正是京东推出的BRIDGE数智品效解决方案。

“BRIDGE数智品效解决方案是场景化的解决方案，里面有非常翔实的最佳实践、最佳案例，这些不是我们拍脑袋拍出来的，是我们京东在过去共性场景里面逐渐打磨出来的，所以说它不是多么玄妙的东西，而是非常实战的一套方案和打法。”京东零售营销云与数据业务负责人告诉我们。

更准确的表述是，针对前文说的的所有营销节点，在这个被京东放到台面上的数智品效解决方案上都有足够细节的“实操指南”，即“BRIDGE”分别对应的是经营洞察（B）、关系经营（R）、内容营销闭环（I）、流量聚合（D）、货品运营（G）和长效价值评估（E）。

针对每个核心环节，BRIDGE数智品效解决方案都给出了切实可行的操作建议和执行路径，比如经营洞察，企业可以基于京东提供的经营洞察地图进行自我诊断和优化，这其中包括对行业趋势的分析、自身用户资产的建设水位对比、商品的层级策略等等一系列纬度，让企业充分了解自身的经营短板，以及下一步需要补齐的方向。

比如关系经营，其本质对应的也恰是前文提到的用户精细化运营，京东BRIDGE数智品效解决方案的做法是为企业提供了一个包括九宫格在内的全域用户运营体系，企业可以合规、高效地汇集不同平台、不同阵地的用户，通过京东海量数据和算法能力的加持，将用户通过RMF、4A、九宫格、行为等不同的模型进行深度的洞察和用户分层，这样品牌就可以精准的对细分人群进行差异化的运营策略，大幅提升用户的运营效率和转化效果，从而实现全域的用户增长， 并实现长效的用户积累和运营。

再比如内容营销闭环，内容场域可以为品牌带来增量的流量及用户，也是品牌用户心智建设的一个重要阵地。京东在内容营销是提供了 “种收一体”的方案。京东不断在强化和社媒的合作关系，如和小红书合作的小红盟、和知乎合作的“京知”、和B站合作的“京火”等，在这个基础上，京东就能高效链接社媒的种草场与京东的转化场，从达人的选择、内容的方向、投流的策略、种草用户的到站识别、京东场域内的转化、种草效果分析等提供全链路的数智赋能，让每个环节可度量、可调控，助力商家实现种收一体，获得生意增长。

以及货品运营和流量聚合，前者对应的是可以帮助企业完成货品全生命周期的管理和策略制定，包括前文提到的星巴克新品打造案例，以及品牌大促推广和日常商品续销的运营策略等等；

后者对应的是企业可以基于BRIDGE数智品效解决方案实现全域的营销数据体系监控和优化，通过站外触达人群资产引流京东，联动京东侧数据，以全域视角评估营销效果，反哺调优营销和投流策略，并基于全域用户资产沉淀，挖掘高价值用户、匹配流量触点，实现京东站内高效再营销，从而实现基于数据驱动的全域营销模式。

可以理解为，在BRIDGE数智品效解决方案之上，能看到的是一个覆盖当下品牌核心经营节点的实操路径，这其中不仅有上层的对内容、商品的运营加持，也更有底层的对于品牌用户资产、营销数据的指导，帮助品牌真正构建一个基于数据体系的全视角数智营销解决方案。

实际上，BRIDGE数智品效解决方案的底层，对应的是京东自身的进化迭代。

把视角拉近，则是能清晰看到在这个模型最小触角上，遍布其上的是一系列数智化工具。比如前文提到的“九宫格全域用户运营体系”恰是京东营销云天链的最新升级能力，比如经营洞察地图中新的看数用数能力也正是商智4.0的最新进化模块等等，以及京准通，对不少中小企业而言，它也更在成为一个新的营销运营平台。

也可以理解为，这些进化的数智营销产品也恰是构京东BRIDGE数智品效解决方案的核心构成。“这些能力都是我们在一个个和企业的需求碰撞和打磨中实践过的，也是我们内部觉得真正成熟了的，只有这样的能力我们才会把它们放到上层的营销解决方案里。”

三、一张独属于京东的数智营销答卷

“其实现在我们谈的‘营销’，已经不单纯是营销的范畴了。” 京东零售营销云与数据业务负责人告诉我们，“比如一款新品应该怎样是受欢迎的，人们是不是不单纯喜欢IP的东西，以及市场对企业品牌感知是怎么样的等等，这些都需要更真实的策略反馈。”

比如和星巴克有同等境遇的雀巢，在去年9月份，联合京东推出的真视高学生奶粉，凭借强劲的产品力，依靠顶配钙、叶黄素+维生素A及0添加蔗糖等精准卖点，同时在京东的辅助下进行精准定价，首月就迅速突破百万GMV的销售，同时也让雀巢在学生奶粉的市场份额提升了3%-5%。

可以理解为，在BRIDGE数智品效解决方案一次次发力背后，京东所做的恰是把自己的增长和平台企业的增长进行归因，同时把这些增长在底层的产品侧，如京准通、商智、数坊、营销云、京东新品创新中心等产品上进行更为准确的能力模块表达，最终基于这些进化迭代的产品搭建出一个完整的覆盖经营洞察、用户资产、内容营销、流量运营、货品运营的一站式品牌先进数智品效解决方案。

“其实我们前面几年一直在搭数智营销的地基，做‘水电煤’的建设，到现在我们基本已经完成，不论接下来的营销环境如何变化，我们都可以快速搭建相关方案，帮助品牌做好营销。”京东表示。

从电商土壤的角度来看，京东几乎是国内最复杂、最具挑战性的电商土壤，这种土壤的复杂性和多样性也更构成着对于营销水温的更新把控和感知，而这种感知也恰构成着京东在电商属性之外的营销平台属性。

即其不论是基于电商消费的指标体系拆解，还是对于货盘、用户、流量等全流程的理解，也更不论是商家新品体系的搭建还是日常运营的路径，抑或是对于用户商品的深刻理解，其都可以堪称最有积淀的营销企业之一。

这些特殊的来自真实交易的积淀也恰构成着今天被京东放到台前的BRIDGE数智品效解决方案，能看到的是，这些方案在京东数智能力的加持下，其不仅在成为在京东平台上的最佳营销实践指引，也更在成为着这些品牌在营销侧进化的路径参考。

授人以鱼，授人以渔。这恰是京东交出的数智营销答卷。

关于云知声智能科技股份有限公司境外发行上市及境内未上市股份“全流通”备案通知书

云知声智能科技股份有限公司：

你公司境外发行上市及境内未上市股份“全流通”的备案材料收悉。根据《中华人民共和国证券法》《境内企业境外发行证券和上市管理试行办法》《H股公司境内未上市股份申请“全流通”业务指引》等规定，我会对备案事项通知如下：

一、你公司拟发行不超过26,600,447股境外上市普通股并在香港联合交易所上市。

二、你公司36名股东拟将所持合计39,826,763股境内未上市股份转为境外上市股份，并在香港联合交易所上市流通。股东名称及转换数量附后。

三、自本备案通知书出具之日起至本次境外发行上市结束前，你公司如发生重大事项，应根据境内企业境外发行上市有关规定，通过中国证监会备案管理信息系统报告。

四、你公司完成境外发行上市后15个工作日内，应通过中国证监会备案管理信息系统报告发行上市情况。你公司在境外发行上市及股份转换过程中应严格遵守境内外有关法律、法规和规则。

五、你公司自本备案通知书出具之日起12个月内未完成境外发行上市及股份转换，拟继续推进的，应当更新备案材料。

本备案通知书仅对企业境外发行上市及“全流通”备案信息予以确认，不表明中国证监会对该企业证券的投资价值或者投资者的收益作出实质性判断或者保证，也不表明中国证监会对企业备案材料的真实性、准确性、完整性作出保证或者认定。

附件：“全流通”股东名称及转换数量

中国证监会国际合作司

2025年4月14日

从华为云的平台生态，看见企业的数智化真实密码

基于平台生态的模式，华为云将千行百业的无数企业/产业转型的数智化需求转化为如今可视、可见、可满足的产品技术需求，传导到优质供给侧，进而助力企业和中国产业实现真正的数智化跃迁。

作者|斗斗 

编辑|皮爷 

出品|产业家 

全面的架构创新、中国首个正式商用的大规模算力基座……2025年4月10日，华为云生态大会上，一个名为“CloudMatrix 384超节点”的技术被正式放到台前。

AI普惠化，又向前迈了一步。

技术狂欢的浪潮里，一个清晰的感知是如今AI技术正以前所未有的速度成为所有人的进化共识。从互联网巨头到初创企业，从传统制造业到新兴科技公司，都在以近乎狂奔的姿态奔赴这场热潮。

但在技术狂欢硬币的另一面，如今真实的AI落地水温到底是怎样的？

一组来自Gartner最新调研结果显示，截至2024年年底，只有8%的国内企业将生成式人工智能部署在生产环境中。同样一组来自埃森哲的数据显示，在国内将生成式AI视为机遇的中国企业（90%）比例比全球（77%）高20%，但在具体的流程效果上，其当下的利用效益只有全球样本的63%和83%。

一些“落差”也更发生在服务商侧。据IT桔子统计，在目前国内34家AI服务商上市公司中，有19家在2024年上半年依然处于亏损状态，累计净亏损超过60亿元。

更真实的一个表述是，在技术狂欢的背后，在中国的产业环境里，真实的AI落地仍存在“失焦”和“割裂”——企业很难找到合适的AI转型服务和模型，优质的AI服务商在“业务半径”范围里无法完全地服务好企业。

这些问题如今正在被越发频繁的放到台面上。即2025年，对企业而言，真正能实现数智化转型的通路到底在哪？以及对优质服务商而言，如何才能保持自身良币的模型，把对技术和产品的投入转化为真正的市场正反馈？

AI加速落地的当下，这些问题需要更清晰的答案。

一、数智化转型的“黑洞效应”

在爱因斯坦的《相对论》中，黑洞被赋予了一个特殊的概念，它代表的是天体运动中信息传递的扭曲和不对等。

这也正是如今数智化市场的供需现状。

据不完全数据统计，截止目前，仅有25%的AI试点项目能够规模化推广、60%的企业在AI项目中技术与实际场景需求脱节。

这种脱节的具体表现是，在需求侧，企业无法精准表达需求，导致难以找到适合自身的产品和服务商；在供给侧，服务商也面临“精准用户缺失”与“销售渠道有限”的双重挑战。

这种恶性循环已经在发生。一些企业为规避AI选型错误风险采取"宁可不用不错用"的保守策略；在服务商侧，不少大模型服务商、Agent服务商等为争夺有限订单，不得不陷入价格战泥潭。

解决方案在哪？从过往不论移动互联网的发展还是产业互联网的发展来看，对于需求和供给的野蛮乱序，平台生态是一个最直接有效的答案。

但这并不是一件容易的事。AI数智化落地面临多重挑战，即需求侧因企业行业、规模差异导致隐性需求难以精准识别；供给侧则因服务商能力参差不齐，需建立筛选机制避免劣币驱逐良币。

根本而言，平台生态需深度理解AI落地全链条，既需对需求端进行颗粒化拆解，更要深入认知技术产品的价值实现路径，方能构建优质服务体系。

二、一个良性的数智化平台生态模型，

应该是怎样的？

那么，一个良性的数智化平台生态模型，到底应该是怎样的？

要想基于平台生态的模式实现供需两端的精准对接，需直面其背后更深层的矛盾。

即从底层来看，企业之所以无法精准表达需求，究其根本原因，主要存在"语义鸿沟"；而技术服务商之所以“卖不好”产品，根本原因在于从传统IT系统向AI驱动的业务重构，复杂度直线上升，需求涉及多维度的组合优化。

显然，这不再是一个单点考核，而更是一个系统工程。

一些能看到的市场情况是，不少被提出的“主流解决方案”是服务商通过彼此集成不同技术模块来满足企业需求，但这种"集成式交付"往往会因协议不统一、数据格式不兼容而失败。

这些也恰都是一个良性平台生态应该考虑的问题。即平台方需具备对AI等数智化需求的原子化拆解能力、对服务商核心优势的深度认知，以及跨服务集成能力；具体到产品层面，应提供基础组件库（如数据库、安全防护、智能服务）和需求模块化拆解工具，构建跨行业适配机制；生态层面需建立服务商与企业间的价值循环体系，实现共生共赢。

也可以说，如果想要完成这个数智化“黑洞”的贯通，其需要的是一个能深刻理解AI全产业模型的底层构建方——从需求到供应，从前沿技术到分子拆解，甚至从伙伴激励到线下服务体系等。

三、在华为云，

看见平台生态的样本实践

实际上，华为云提供的恰是这样一个答案。

首先，以华为云商店为例，其如今通过智能化服务和模块化设计，构建了覆盖"查找—购买—部署—管理—支持"的B2B一站式解决方案闭环，可以帮助企业有效完成从模糊需求到可执行路径的转化难题。

一个数据是，如今华为云商店应用数量已超1.2万，覆盖全球170+国家和地区。

更具体来看，一些特殊的平台设计也驱动着对不同企业需求的满足，比如其智能化导购系统支持"搜/荐/比/试/询"全流程服务，可以帮助企业快速筛选商品；再比如商品部署模式支持企业以SaaS化订阅、容器化部署、API调用等不同组合接入使用。

此外，从服务体系来看，华为云商店提供全球化的专业服务网络，覆盖170+国家和地区，并实现7×24小时服务响应，从技术选型到售后支持形成全生命周期保障。

不仅在需求侧，华为云给出的平台生态答卷也更在技术服务商侧。

据了解，面向服务商，如今华为云提供了11种应用上架方式和结构化商品配置页面，配合行业标签体系，帮助其精准触达目标客户；同时，基于其创新的"组合销售"能力，可以支持跨场景、跨伙伴的商品打包销售，进而有效满足行业客户的多样化需求，使合作伙伴获得更高销售分成。

2024年，华为云生态“朋友圈”持续扩容，伙伴数量超4.5万；开发者作为华为云生态的重要组成部分，规模已经超1200万；销售业绩也愈发亮眼，其中年业绩超百万的销售伙伴达400家，超千万的达150家。这恰对应了华为云全球生态部总裁康宁所说的那句：“生态是广袤的沃土，只有生态伙伴的成长和成功，才有生态系统的枝繁叶茂。”

此外，更值得一提的是，在产品和技术加持之外，更被看见的还有华为云面向伙伴的强劲生态体系——“Go Cloud”和“Grow Cloud”。前者提供了全栈技术支持与定制化方案，助力伙伴拓展服务边界并实现增长；后者则强化了伙伴间市场协同与销售联动，促进资源互补与深度共赢。

这些从平台到政策的模式，也恰可以看作，华为云为生态伙伴构建的是一个渠道加持、技术扶持、彼此共赢的新生态循环系统。在这个成熟的生态伙伴体系之上，对应的是对更多复杂企业数智化需求的满足和适配。

实际上，这些对从需求到服务能力的拆解，也更对应着华为云自身对于AI数智化产业链的深刻理解和技术沉淀。

比如这次华为云2025生态大会中，吸引市场目光的CloudMatrix 384超节点技术，其具备的“高密、高速、高效”特点，使得昇腾云算力底座搭载的CloudMatrix架构实现了从服务器级到矩阵级的资源供给模式突破。

这种技术势能与生态资源的协同创新，也恰在构成着华为云如今展现出来的新“AI基建者”角色：通过深度融合鲲鹏、昇腾、鸿蒙等根技术能力，华为云构建了以超大规模算力为地基、模块化技术组件为砖石的开发者生态矩阵。通过平台生态的模式，华为云将千行百业的无数企业/产业转型的数智化需求转化为如今可视、可见、可满足的产品技术需求，传导到优质供给侧，进而助力企业和中国产业实现真正的数智化跃迁。

这是华为云的价值，也更是如今一个良性的数智化平台生态正在交出的一张新答卷。

AI战略两年后，云计算厂商走到哪了？｜财报解读

如果说此前AI是实验室中的“技术盆景”，2024年则标志着AI进入规模化落地阶段——技术投入与商业回报形成正向循环。

作者|斗斗 

编辑|皮爷 

出品|产业家 

在大厂最新发布的财报中，AI含量再次被拉到了一个新高度。

同比增长13%、同比增长21%、同比增长24.4%、占总营收比重提升至33%……这是大厂云厂商们在新赛季交出的答卷，而这种双位数的增长与变化，离不开AI的加持。

更加具体的信号是，在过去一年里，"智能密度"似乎开始取代服务器数量成为核心指标，"行业渗透率"似乎开始替代算力规模成为竞争标尺。

一些看得见的变化是：

AI拉动云实现两位数增长，云计算行业增长逻辑从“资源规模”转向“智能密度”；

大模型技术从“试验田”升级为“核心收入引擎”，技术投入与商业回报形成闭环；

云竞争主战场转向行业智能云，行业渗透能力（而非算力规模）成为新护城河，垂直解决方案毛利率高达45%；

大模型技术倒逼全栈能力建设，竞争焦点从单点技术转向“算力-算法-数据”融合效能；

开放API、开发者社区与伙伴网络构建“共生型”生态，技术领先性需通过生态杠杆放大才能兑现商业价值。

在各大云厂商的财报数据下，视角被拉向另一个方向，即云厂商正以AI原生创新和垂直场景渗透撕开新增长曲线，这场智能化浪潮正从技术试验田演变为商业主战场。

一、双位数增长，指向AI

2024年全球云计算市场迎来结构性复苏，国内诸多头部云服务商实现了双位数增长。

首先是阿里云，根据最新发布的财报显示，其在2024年第四季度实现317.42亿元营收，同比增长13%，季度环比增速从7%跃升至13%，创近18个月新高。

阿里云在财报中提到，这一增长主要源于AI驱动的公共云业务爆发，其通义千问系列模型带动AI相关收入连续六个季度保持三位数增长。

阿里云，AI商业化已然进入收获期。

再看百度智能云，其延续强劲增长态势，根据最新发布的财报数据，其2024全年营收1331亿元，同比增长21%，第四季度增速达26%。

值得注意的是，百度智能云AI相关收入同比增长近3倍。

还有华为云，其2024年实现688亿元销售收入，同比增长24.4%，海外公有云收入增幅达52%，成功进入全球15个国家的TOP5云服务商行列。

抢眼的是，其昇腾AI云服务算力使用量同比增长6倍，支撑了超过2000个行业AI项目。

总体来看，华为在云业务上的增长背后，除了AI的加持，还有全球化带来的加持。

比起阿里云、百度智能云还有华为云，腾讯则未单独披露云业务数据，但其金融科技及企业服务板块全年营收2120亿元，占总营收比重提升至33%，印证了云业务的强劲增长。

值得注意的是其AI原生应用腾讯元宝自2025年2月至3月的DAU（日活）激增超20倍。而这必将大大拉动腾讯云的用量，带来云业务上的增长。

京东云也未在财报中单独披露云业务收入，但结合集团整体数据及技术布局，其云业务在2024年呈现结构性增长特征。

这一点从其在AI落地布局上，便可见一斑。例如依托言犀大模型，推出行业首个多模态数字人解决方案服务超9,000家企业。

总体而言，2024年云市场的结构性复苏呈现出一个明显趋势，这种趋势背后，离不开AI的作用力。

如果说2023年AI是云厂商播下的种子，那么2024年，这个种子已经发芽，且在2025年技术平权的加持下，这颗幼苗加速成长，似乎逐渐成为大厂云业务增长的核心。

二、AI驱动增长，

奔向“核心收入引擎”

透过财报，另一个信号是：AI在2024年完成了从技术探索到商业闭环的跨越。

过去，AI多被视为优化现有业务的工具（如推荐算法、广告投放），但如今已成为重构商业模式的核心要素。这一转变的本质，在于企业开始为AI重写业务代码，甚至重塑组织架构。

阿里的加码投入是这一转型的缩影。

财报数据显示，其单季度资本开支激增259%至317.75亿元，并计划未来三年投入超3800亿元用于AI基建。

这种“赌注式”投入带来了显著回报，即AI产品收入占比持续扩大，例如推荐算法驱动淘宝天猫GMV增长，而大模型驱动的智能客服系统将客户留存率提升30%。

更值得关注的是，阿里将AI能力封装为标准化产品，如通义千问API，吸引超10万家企业开发行业应用，形成“技术输出-场景反馈-模型迭代”的正向循环。

华为的路径则更具生态协同色彩。

昇腾AI芯片与鸿蒙系统的结合，使其在智能汽车领域实现突破——车机系统与自动驾驶技术带动该业务营收同比暴增。

这种“端-边-云”协同的商业模式，不仅降低了车企的AI部署门槛，还通过硬件销售与软件服务的分成模式创造持续收入。例如，与赛力斯合作的问界车型中，AI座舱功能成为核心卖点，单车软件收入贡献超万元。

字节跳动虽也未公布具体财务数据，但其AI资本开支达800亿元，抖音电商GMV突破3.5万亿元，AI技术优化了内容推荐与流量分配规则。中小商家通过AI生成的直播脚本，销售额平均提升200%，这种“技术赋能-生态繁荣-数据反哺”的闭环，使其在内容电商领域构建了难以复制的壁垒。

百度的案例则揭示了AI对传统业务的颠覆性改造。

百度发布2024年财报显示，文心大模型日均调用量达16.5亿次，相比2023年末5000万次增长33倍。

具体来看，其智能云在能源领域与国家电网合作，通过AI预测电网负荷，提升电力调度效率；在医疗领域，轻量级大模型提升CT影像诊断准确率，助力三甲医院实现AI辅助诊断的规模化落地。

这些成果印证了李彦宏的判断：“AI正在从‘锦上添花’变为‘雪中送炭’。”

诚然如此，AI不再是“锦上添花”，而是彻底重构产品逻辑与商业模式。企业开始为AI重写业务代码，甚至重塑组织架构。 

三、从“通用云”到“行业智能云”，

垂直场景成为主战场

2024年财报揭示，通用云服务的价格战已落幕，行业智能云成为新战场。

当通用云服务的价格战走向终结，垂直场景的深耕成为新战场。云厂商的核心竞争力从“算力规模”转向“行业渗透能力”，谁能将AI技术与垂直痛点结合，谁就能在存量市场中开辟增量。

华为在制造、交通、能源领域打造的118个数智化样板，展现了“云+AI+行业Know-How”的威力。例如，在矿山场景中，其解决方案通过AI优化开采路径，使能耗降低15%；在港口场景，智能调度系统将集装箱周转效率提升30%。

这些解决方案的毛利率高达45%，远超行业平均水平。

其背后的逻辑是：通过深度绑定三一重工、国家能源集团等行业头部客户，形成技术标准与数据壁垒，进而向中小客户输出标准化产品。

京东云的差异化策略则聚焦供应链优化。其智能仓储系统结合AI算法，将库存周转率提升25%，并推出医药行业专属SaaS工具，实现从药品溯源到智能补货的全链路覆盖。

这种“供应链+AI”的组合，使其在物流与新消费领域建立了独特优势。例如，为某跨国药企定制的冷链监控系统，将疫苗损耗率从1.2%降至0.3%。

百度飞桨平台的开发者生态则降低了垂直场景的进入门槛。其轻量级大模型支持医疗、教育等行业快速部署。

一个数据是百度飞桨的开发者数量已经突破1300万，这意味着AI能力的“民主化”正在加速——中小企业无需自建团队，即可通过低代码平台调用大模型能力。

这种生态化策略，使百度智能云在垂直市场的渗透率快速提升。

总体而言，云厂商的核心竞争力从“算力规模”转向“行业渗透能力”。谁能将AI技术与垂直场景的痛点结合（如工厂能耗优化、医疗影像诊断），谁就能在存量市场中开辟增量。

四、“云智一体”成为标配，

大模型技术重构竞争规则

大模型技术的成熟，也在改变云服务的竞争规则。

“云+AI”的深度融合不再是口号，而是成为衡量企业竞争力的核心指标。

百度的“云智一体”战略以飞桨框架与昆仑芯芯片为底座，构建了从算力到应用的全栈能力。

其自研的万卡支持10万卡级混合训练，效率折损控制在5%以内，使模型训练成本降低60%。

这种技术优势正转化为商业竞争力：文心大模型通过开源策略吸引超5万开发者，而企业级客户只需调用API即可获得顶尖AI能力，无需承担自研成本。

华为的端边云协同则展现了另一种技术路径。

昇腾AI与鸿蒙系统的结合，使智能汽车解决方案首次实现盈利。在问界M9车型中，AI语音助手的响应速度达到毫秒级，且支持多模态交互（语音+手势+视觉），用户满意度达98%。

这种“软硬一体”的模式，不仅提升了产品溢价，还通过数据闭环持续优化模型——每辆车的行驶数据都会反馈至云端，用于迭代自动驾驶算法。

腾讯的混元大模型则验证了AI对传统业务的改造潜力。

其小游戏平台通过AI生成动态剧情，使用户停留时长提升50%，流水增长30%。在游戏开发端，AI自动化的关卡设计工具将开发周期从3个月缩短至2周。

这种“技术赋能创作”的模式，正在重塑内容产业的成本结构。

而这，也将成为2025年云厂商发展的重要标地。

五、生态竞争取代单点技术竞争，

开放协同成生存法则

透过财报数据，也看到了一个关键转折：企业间的竞争已从技术单点突破转向生态协同能力，开放、共享、共生，成为新时代的生存法则。

华为的鸿蒙生态扩至720万开发者，昇腾AI联合1200家企业，构建了从芯片到应用的完整产业链。

其“硬件+软件+伙伴”模式，使智能汽车解决方案的成本显著降低，合作伙伴的利润率得到提升。

这种生态协同的威力，在问界车型的热销中得到验证——超过70%的零部件来自生态伙伴，而华为仅专注于高附加值的AI与系统集成。

阿里云的合作伙伴收入增长30%，也印证了开放战略的价值。

其通义大模型API日均调用量超10亿次，覆盖金融、制造等20余个行业。

例如，某零售企业通过调用API，仅用两周便搭建出智能选品系统，将库存周转率大幅提升。这种“模型即服务”的模式，使阿里云从基础设施提供商升级为智能服务中枢。

腾讯的生态共建策略则更具普惠性。

混元大模型向中小开发者开放后，5万家团队基于其开发小游戏，其中30%的作品月流水超百万。这种“平台-开发者”共赢模式，不仅降低了AI应用门槛，还通过数据反哺优化了底层模型。

一个看的见的趋势已经显现，技术领先已无法单独制胜，企业必须通过生态开放（如开源模型、API接口、开发者社区）绑定上下游伙伴，形成“共生型”商业网络。

写在最后：

如果说此前AI是实验室中的“技术盆景”，2024年则标志着AI进入规模化落地阶段——技术投入与商业回报形成正向循环。

未来，谁能通过“AI+云+垂直生态”的三位一体架构，将技术转化为行业生产力，谁就能在智能化浪潮中占据先机。

DeepSeek热潮背后：谁在成为中国中小企业的数智化基座？

对中小企业而言，一方面极度渴望AI赋能，寻求新的生产力增长模型；但另一方面又受制于数据、算力与人才瓶颈，进度止步不前。

那么，真正的数智化转型模型到底应该是怎样的？对作为中国经济最核心构成的中小企业而言，怎样的助力方式才是其能紧跟这波AI技术红利的最佳姿态？

作者|斗斗 

编辑|皮爷 

出品|产业家 

数智化转型，正在成为2025年中小企业发展的核心命题。

近年来，国家政策对中小企业数智化的支持力度持续加码。《中小企业数字化赋能专项行动方案（2025—2027年）》明确提出，到2027年，中小企业上云率将超40%，规上工业关键工序数控化率将达到75%。

这不仅是时间表，更是一个明确的信号：对中小企业而言，数字化或者说数智化转型，已从“可选项”升级为关乎生存的“必选项”。

政策之外，技术推动力也在加速显现。

一个关键节点是DeepSeek带来的AI技术落地浪潮。凭借强大推理能力、低成本和开源特性三大核心优势，DeepSeek正在加速推动中小企业数智化转型的意愿和需求，AI技术等数智化转型模型向企业场景的覆盖正在被悄然加速。

然而，现实却并不乐观。

一组来自《中国中小企业数字化转型报告2024》的数据显示，98.8%的中小企业已经开启数字化转型，但数字化水平较高、由智能驱动的中小企业占比仅为3.2%。

这一数字鸿沟的背后，是认知弹性与实践落地的结构性矛盾——对中小企业而言，一方面极度渴望AI赋能，寻求新的生产力增长模型；但另一方面又受制于数据、算力与人才瓶颈，进度止步不前。

那么，真正的数智化转型模型到底应该是怎样的？对作为中国经济最核心构成的中小企业而言，怎样的助力方式才是其能紧跟这波AI技术红利的最佳姿态？

在华为云开年采购季里，一个答案正在出现。

一、中小企业数智化浪潮里，“真需求”和“伪服务”

实际上，更精准的一个总结是：中小企业的数智化转型正呈现出一个复杂的图景——一边是“集体觉醒”，一边是“分层断档”。

2024年，汇丰曾发布过一项面向全球八大主要市场的中小企业调查，显示68%的内地中小企业计划投资AI技术以提升运营效率，重点是这一比例位居全球首位。

这种强烈的AI意愿，随着DeepSeek带来的AI技术平权，在今年被进一步强化。对于中小企业而言，DeepSeek的“物美价廉”且“触手可及”的特性，似乎为它们打开了一扇通往数智化未来的窗口。

面对旺盛的市场需求，卖方市场极为活跃。技术服务商或者不少云厂商纷纷推出面向中小企业的AI产品、应用、服务等，以不同路径切入中小企业需求腹地。

比如当下较火的一体机，再比如不少服务商面向企业推出的AI应用或者AI工具链。

不过，对于中小企业来说，这些“AI加持方式”真的好用吗？答案可能并不乐观。

首先是隐性成本。

一体机包含复杂的软硬件组件，后期维护往往被低估，甚至需要额外支付年度服务费。且高算力设备功耗问题更是不容忽视，长期运行导致的电费支出可能远超企业预期，尤其对于场地和成本敏感的中小企业，这种负担尤为沉重。

其次，从市面上如今的一体机样式来看，其性价也并不高。

许多一体机预装了特定行业的算法，但这些非标配配置往往需要企业支付高额定制费用，而实际功能与通用方案差异却微乎其微。随着企业业务发展，为满足未来扩展需求，企业还可能被迫购买高于当前需求的配置，导致算力资源闲置。

技术层面也存在挑战，一体机与企业现有网络架构、操作系统等IT基础设施的兼容性问题，可能延长部署周期。此外，预置模型无法完全适配企业独特的数据特征，例如方言语音识别、小样本工业检测，企业不得不额外投入人力进行数据标注和模型微调。

更糟糕的是，就当下而言，一体机的开发者工具链往往也并不完善，企业难以实现二次开发能力，进一步限制了其灵活性。

从这个角度看，一体机的部署模式虽能在短期内缓解中小企业的“燃眉之急”，但从长期价值的角度来看，它更像是一种“智商税”。

这样的服务模式，显然无法满足中小企业在数智化路上的长期转型需求。

二、重新理解中小企业的数智化转型

能够清晰感知到的是，中小企业在AI技术应用中的需求与主流AI云服务的供给之间存在显著错位。这种错位的核心矛盾在于：中小企业的业务场景复杂度高、资源有限、组织能力薄弱，而现有AI云服务产品普遍存在“标准化强、适配性弱”“技术先进但落地难”的特点。

这种矛盾不仅限制了AI技术在中小企业中的实际应用，也暴露了现有服务模式与企业需求之间的深层冲突。

例如，许多中小企业缺乏系统整合能力，导致AI应用难以与现有软件工具打通。数据无法流通，企业无法基于数据推动决策，最终形成技术孤岛。

决策层的认知偏差进一步加剧了问题。许多中小企业在这一轮AI浪潮中，过于关注技术参数，却忽视了自身业务场景的复杂性，导致技术难以落地、难以实用。

更深层次的挑战还体现在人才和数据层面。一方面，中小企业缺乏将AI技术转化为实际业务应用的专业团队；另一方面，随着AI时代的到来，数据安全问题日益严峻，企业需要应对更大的合规压力。

那么，什么才是真正适配中小企业的数智化“模型”？

首先，中小企业需要的AI，一定是聚焦于解决具体业务痛点，而非追求技术参数。这要求AI模型需要轻量化、低代码化，能快速嵌入现有业务流程。

此外，AI服务需具备低成本、高灵活性的整合能力，能够与现有的ERP、CRM等系统无缝对接，支持API开放和模块化扩展，避免“数据孤岛”和重复建设的同时，帮助企业实现资源的高效利用。

更重要的是，AI服务需要提供从数据采集、治理到分析的一站式能力，帮助中小企业将数据转化为可操作的洞察。

此外，安全可信的底层架构也不可忽略。服务商的AI服务必须满足数据本地化存储、隐私计算等合规要求，同时通过云原生架构实现弹性扩展和灾备能力，确保企业在技术应用中的稳定性和安全性。

基于这些要求，一个理想云服务范式逐渐显现。

它应该是按需付费的，企业只需简单配置即可快速上线；它应该是一个AIaaS平台，具备开放算法训练和模型微调工具链，支持企业基于自身数据迭代优化模型，而非完全依赖厂商预设；还应该是可以整合ISV、咨询公司、第三方服务商，在“技术+业务+实施”闭环下，为企业提供全生命周期的服务。

总而言之，这个数智化“模型”一定是全生命周期的、全栈式的、具备长期价值的。即其并非标准、泛化的AI产品和AI服务，而是真正能落地到业务、具备组织加持能力以及数据保障能力的数智化方案。唯有如此，才能让AI真正融入中小企业，将技术转化成真正的生产力。

三、华为云，交出一张答卷

实际上，这正是华为云推出的方案。

从行业动作来看，和市场上热炒的“一体机”不同的是，针对中小企业普遍面临的高昂硬件投入与运维成本问题，华为云推出基于云原生架构的昇腾适配版DeepSeek-V3&R1部署方案。企业无需购置昂贵硬件，只需按需调用算力资源，可以实现“用多少付多少”的弹性模式。

和一体机相比，这种模式不仅降低了初始投入，还避免了长期运行中的电费和维护成本，让中小企业能够以极低的门槛迈入AI时代。

此外，面对中小企业业务场景复杂、AI能力与业务脱节的难题，华为云昇腾AI云服务提供开放的模型微调和二次开发工具链，企业可基于自身数据优化模型，确保AI能力与业务场景深度契合。

这种“量体裁衣”的从模型到应用的适配方式，不仅提升了模型的实用性，还帮助企业逐步积累属于自己的AI能力，实现从工具使用到能力沉淀的跨越。

同时，针对中小企业人才短缺和数据治理难题，华为云也更构建了覆盖数据存储、计算资源、AI开发的全栈技术矩阵，提供端到端的数智化转型方案。

比如在算力底层，Flexus云服务器X实例性能达竞品1.6倍，比同规格竞品降本30%。Flexus云服务器L实例让轻量级AI应用部署效率翻倍。Flexus云数据专注中小企业需求，提供开箱即用的轻量级数据管理；

在AI开发落地层面，昇腾AI云服务提供全球算力基础设施，ModelArts Studio平台能够提供简单易用的模型开发工具链，降低大模型定制门槛，通用AI七件套覆盖OCR/语音等7大场景，支持快速构建智能客服等应用；

在安全层面，华为云云上云下一体化方案，涵盖Web应用防火墙，SSL证书管理，oS高防AAD等，实现了统一安全运维，且开发运维工具链覆盖全流程，缩短了AI应用商业化部署。

这与一体机的模式有着本质区别，如果说一体机是“一次性购买的昂贵硬件、预置模型的固定工具箱、割裂的单点工具”，那么华为云的DeepSeek解决方案则是“灵活的云原生算力服务、灵活可塑的工具工厂、全栈整合的数智化平台”。

这些能力的背后，是华为云自身在AI时代的全栈积累。

据了解，如今昇腾云服务面向开发者提供了全流程AI开发工具链，在垂直解决方案层面，更是打造了60+行业提供定制化方案。在算力侧，其整合自研鲲鹏/昇腾处理器、分布式存储及智能化网络架构，相较于其它服务商更多元化、更具适配性。

如今这些从算力到数据再到应用的产品正在被华为云放到台前，比如今年的开年采购季中，为了进一步降低中小企业的转型门槛，华为云特别推出了一些新玩法。

比如，截止4月15日，个人用户注册即领价值7860元通用代金券包，覆盖云服务器、数据库等基础资源；储值返万元券，最高享充10万送39999元；以及活动时间内单笔订单≥1000元或完成企业实名认证，即可获得抽奖机会等等。

此外，更为值得一提的是，华为云还开放百万级扶持通道，完成企业认证并提交申请，最高可获100万元上云代金券，为创新种子提供丰沃的“数字土壤”。

这不是简单的促销活动，而是华为云开年采购季以“开年领跑，乘云智胜”为支点，将昇腾AI云服务、Flexus云服务器等全部核心AI能力转化为可规模化、可真实落地加持的中小企业转型燃料，让政策红利通过云服务基础设施直达企业。

也可以理解为，在这次采购季背后，对应的也更是一个企业接入AI全栈能力的入口，华为云通过各种产品方式、资金方式的组合配比，不仅让中小企业可以迅速接入AI产品体系，也更能以最小的成本构建自身的AI原生进化力，获得持续迭代的数智化动能。

写在最后：

从“授人以鱼”到“授人以渔”，这也正是华为云在AI时代交出的答卷。

诺贝尔得主玛丽·居里曾说过这样一句话，“真正的成长不是被推着走，而是自己长出翅膀。”——这也恰是华为云如今交出的答卷写照，即通过其全栈式的DeepSeek解决方案，中小企业不仅可以解决短期的AI转型痛点，也更可以建立长期发展的底层架构，真正 “内生进化”的质变。

中小企业既是国民经济的晴雨表，更是数智化转型的主战场。在这场关乎产业未来的变革中，需要的不仅是DeepSeek这样的技术突破，也更需要像华为云这样能将AI技术转化为实际生产力加持的云厂商。唯有如此，占企业总数99%的中小主体，才能真正成为中国经济高质量发展的数字基座。

这是AI的价值，也更是华为云等中国云厂商的价值。

AI时代，奥哲的All in One低代码“平权”哲学

AI大爆发的背景下，缺乏灵活的低代码平台支撑，无论是核心业务的高效推进，还是长尾应用的敏捷落地，企业的全员数字化、平台集成化、数据资产化等数字化目标均难以实现。

奥哲的数智平权哲学，便是通过All in One低代码平台，实现全员、全面数字化，进而通过融合AI释放巨大的价值，消弭数智化与业务之间的距离。让AI和低代码从技术神话，变为人人可用的生产力工具。

作者|皮爷 

出品|产业家 

在一家正加速布局海外市场的新能源汽车制造企业，CIO张响正面临前所未有的考验。

业务团队刚刚启动一项全新的跨境项目，却在系统和流程上屡屡受阻——现有的标准化系统难以适应当地的合规要求，财税、供应链管理因缺乏灵活的IT支撑，导致交付周期被一再拉长。

与此同时，伴随着DeepSeek等AI大模型的火爆，企业对数智化的期待被推向新高。AI的火热不仅没能减轻张响的焦虑，反而暴露了企业数字化短板：由于业务部门的数字化意识和能力依然不足，许多末端工作仍依赖线下手工处理，导致AI难以介入。

事实上，AI的应用落地需要强大的数字化支撑，而更深层次的企业数字化问题正浮出水面——创新业务缺乏个性化系统支撑、全员数字化的落地困境、平台集成壁垒重重以及系统数据标准混乱、难以支撑业务决策……

这些问题交织在一起，是张响当前的困境，更是当前中国企业数字化转型的普遍写照。

解题方式在哪？或者说，就当下中国企业的数智化转型需求而言，怎样的模式才是推动其迈向新平权时代的有效钥匙？

2025年，奥哲通过再升级的All in One低代码平台，又交出了一份答卷。

在这个跨越365天的答卷上，能看得见的有AI，也更有对中国企业全面数字化平权体系的更深层思考。

一、水面之上的AI

水面之下的数字化“顽疾”下半场

过去一年，AI成为全球企业争相布局的前沿赛道。然而，在AI浪潮汹涌之下，更多企业意识到一个更为迫切的问题——伴随着数字化的渐渐深入，企业对于更全员、更全面的数字化始终无法得出最优解。

根据一份来自波士顿咨询（BCG）2024年的研究数据显示，在已部署AI大模型的企业中，仅12%的企业通过AI实现业务指标显著优化（如利润率提升5%以上、客户满意度提升20%等）。这种在AI上出现的反差源头恰源于企业不够成熟、不够全面、不够全员化的数字化体系。

国家层面也释放了清晰的信号。网信办等四部门联合印发的《2024年提升全民数字素养与技能工作要点》文件显示，全员数字化被放到首位提及。国家倡导企业培养和建立高水平复合型人才体系，通过让业务人员参与数字化，进而加速企业全员数字化进程。

然而，理想与现实之间仍存在巨大鸿沟。以国内制造业头部企业西子联合为例。西子联合是C919国产大飞机的制造商之一，旗下产业涵盖电梯及电梯部件、航空零部件、锅炉、立体车库等多个领域，员工数量超过万人。

当前，现有IT系统更多采用ERP等标准系统固定化建设的模式，无论是底层开发人员还是前端业务人员，都难以进行个性化、场景化、敏捷化的开发。

例如，航空业务是西子联合新的业务板块，其业务及管理模式相对创新，其CRM、QMS缺乏合适的数字化系统，然而当前合作的厂商难以其个性化定制的需求。

同时，在电梯等传统业务板块，许多一线业务人员对车间的物料管理、5S管理、设备维修等场景实现在线管理。但由于IT资源有限，他们必须先向IT部门报备，经过冗长的开发流程才能完成应用落地。久而久之，不仅应用开发效率低下，更严重打击了业务人员的数字化参与积极性。

这种员工数字化参与度不高的问题也对应着另外的问题，比如由于无法构建全员数字化的体系，企业上下游供应商往往会采购不同的软件系统，由于不同软件的标准不一，因此企业内部会呈现出系统无法集成的难题，导致数据无法形成全业务链路流转，进而很难构建数据资产。

西子联合所面临的数字化挑战，正是当前中国企业数字化困局的缩影。

AI大爆发的背景下，这些问题被进一步放大。无论是核心业务的高效推进，还是长尾应用的敏捷落地，企业的全员数字化、平台集成化、数据资产化等目标因为种种原因始终难以实现。

缺乏灵活的低零代码一体化支撑，AI的巨大潜力更加难以充分释放。

企业数字化的命题正在拷问每一家企业及组织：如何构建一个全面、全员、全场景的数字化体系？

二、奥哲All in One，再进化

这恰是AI时代，奥哲正在思考的问题。

去年，奥哲·云枢All in One低代码平台发布，致力于帮助企业实现业务层面的数字原生。在发布后的一年里，奥哲在更细节场景、更产业聚焦、更全员化角色等环节持续进行深入探索，All in One的内涵与细节也被不断丰富与具象化。

近日，在2025奥哲低代码数智化峰会上，All in One的全新升级，向我们展示了奥哲当下的目光所向。

首先，从低零代码一体化能力来看，关注场景痛点，其核心是面向专业开发者、IT管理员、业务人员等不同角色赋能，云枢All in One低代码平台构建了从“零代码配置”到“深度开发”的不同场景能力支持。

举例来说，云枢进一步拓展了企业ToB/ToC的应用场景，支持企业在B端构建产业链上下游供应商、经销代理商、企业以及内部各地子公司的统一连接，在C端构建营销、成交、服务等全部链路的打通，真正实现特定场景的低零代码一体化。

此外，除了场景的封装支持，云枢All in One低代码平台整个产品层面，也站在时代角度，面向不同企业的市场属性和内部“组织肌理”进行了升级适配。

升级后的云枢All in One低代码平台可以做到自适应多语言与时区，助力海内外业务的顺畅配合、开展。此外，更矩阵化的权限体系设计，让企业内部的权限管理更为清晰，为复杂业务流程提供决策支撑。

在面向业务人员的零代码配置中，更为易用、可视化、低门槛的电子表格视图也跃出水面，保证企业业务人员可以更丝滑、流畅地完成对应的业务配置。

另一方面，奥哲CEO徐平俊在发布会演讲中强调，奥哲已经将AI能力全面融入云枢All in One低代码平台，在不同的低代码模块调用以及对应场景的服务能力、数据处理能力中，AI已经成为最核心的构成分子之一。

相较于市面上大部分将AI能力作为助手角色引入的管理软件而言，云枢All in One更可以看作是打造了一个企业进行AI开发的操作系统。

在云枢上，企业能够全面接入DeepSeek、ChatGPT等国内外主流AI大模型，基于上层的产品工程模块进行企业自身Agent的开发设计，通过从模型调取到知识库搭建，再到将AI能力嵌入足够原子化的低代码模块等全链条的模式，企业可以真正将AI转化为最贴合业务本身的智能化模块能力。

此外，云枢All in One还专门将AI的工程能力封装为一个专门的产品——AI应用设计器。这是一个助力企业AI落地的Agent平台，企业可以基于自身的知识库构建自身的 “专属AI技能”，创建、发布企业级Agent，同时将Agent，按需无缝嵌入到自身的工作流中，完成真正的适配自身业务模型的AI能力接入，为企业与企业内的所有用户插上AI能力的翅膀。

与此同时，原有的集成开放平台和数据可视化能力也进一步升级。全新发布的云枢集成服务Pro，内部预置连接了超过1000个应用，支持与5G、IoT、区块链等不同技术产品的快速对接，帮助企业实现数据一网通，业务一盘棋。

升级后的云枢All in One低代码平台能够推动数据资产化，进一步释放数据价值。报表设计引擎的升级，让业务人员可以通过自然语言交互问数生成报告，深度打通BI能力，帮助业务人员进行更多维度数据分析与数据表达。

可以理解为，云枢All in One低代码平台的进化升级，面向的正是如今企业数字化的难点，为企业迎来数智普惠提供了难以替代的推动力。

企业得以构建真正的全场景、全业务、全员工的安全的数字化体系，将企业内外部的特殊个性化场景以及供应链上下游进行完全意义上的打通，完成全员数字化体系的落地和推进。

如果说人们对低代码的价值认同，在于帮助企业实现数字化平权和技术普惠；那么如今奥哲所做的恰是更加向前一步，通过对低代码工程化能力的打磨，完成从技术开发者到业务人员的数智化赋能，构建更深层次的数智化转型体系。

三、AI时代，重新理解数智平权

实际上，已经有企业在升级后的云枢All in One低代码平台加持下实现了进化。

比如上文提到的西子联合，通过引入奥哲·云枢低代码平台，在极短时间内完成了航空QMS所有系统和功能的调研与开发，囊括12个子模块50余项应用，快速推进业务数字化；电梯等轻应用部分则由零代码技术支撑，让业务人员也可以快速构建6S检查、原料管理等车间应用。

国内某头部证券厂商也通过云枢，在不同场景打造了差异化的应用产品，完成从核心技术场景到前端业务场景的全面统一，构建了更为完备的全员数字化体系；同时在AI的加持下，完成了对前线业务人员的智能化赋能，包括智能审批、智能填报等能力。

一个来自市场层面的共识是，企业的数字化程度和AI价值释放呈绝对的正相关。Gartner报告显示，数字化成熟度高的企业，AI项目ROI最高可以做到4:1，而基础薄弱企业仅为 1.2:1；同样来自埃森哲的数据显示，数字化能力前20%的企业，AI价值贡献占营收比例达 8.5%，后20%仅1.2%。

奥哲构建的恰是一个支持不同企业实现全员数字化、低门槛AI化的平台——不仅能补齐企业在固有数字化全链路、全场景建设上的短板，全面释放业务人员价值，串点成线；还可以帮助企业以最契合自身的方式接入AI能力，完成真正的数智化转型。

这正是AI时代企业所需要的最适宜土壤。

如今，选择奥哲·云枢的不同行业大型企业，与奥哲共同完成的恰恰是数字化从1到10，再到100的过程。奥哲在更深层赋能企业数智化进阶的同时，完成了企业真正意义上的数智进化。

这种从企业全员数字化，到融合AI、全面加持企业成长与创新的低代码产品持续升级，也恰恰促成了奥哲在过去几年里被更高频地选择。一个数据是，截至目前，奥哲在中国低代码市场中大型客户市场占有率始终多年位列第一；在钉钉上连续8年做到应用市场全品类第一名，中小企业数量超过20万家。

如果说，人们对低代码的固有理解是其实现了企业转型层面的技术平权，那么在如今AI浪潮下，奥哲等低代码厂商所做的恰恰是更进一层的平权——数智平权。

奥哲的数智平权哲学，便是通过All in One低代码平台，实现全员、全面数字化，进而通过融合AI释放巨大的价值，消弭数智化与业务之间的距离。让AI和低代码从技术神话，变为人人可用的生产力工具。

在进化后的云枢All in One低代码平台加持下，企业可以将AI更精准地放置到对应的业务节点或组织节点上，以最低门槛、最适配自身的方式完成数智化转型。人们不再只是单纯地谈论AI，而是更关注数智化如何为企业所用，推动企业的进化升级。

这是奥哲的数智平权哲学，更是云枢所代表的低代码平台在AI时代给出的企业数智化参考答案。

AI来了，“我在钉钉创业”

为什么是钉钉？或者说，这个互联网时代公认最核心TO B阵地，为什么似乎也在成为AI时代的TO B最前沿阵地？

作者|皮爷 

出品|产业家 

2024年10月，销帮帮AI产品团队进行了第一轮内部方案汇报。与会的除了销帮帮的相关负责人，还有钉钉AI团队相关人员。

这次方案的汇报重点，是对销帮帮过往软件形态的CRM产品进行基于AI助理模式的重构和打磨，进而构建更智能的AI竞争力。在这个活动上，经过销帮帮和钉钉团队的一致审定，关于客户录入、客户跟进以及会议的三个AI场景被正式敲定。

实际上，早在这个时间点之前，销帮帮内部就已经启动了关于AI产品形态的预研，但对于选择CRM产品的哪些环节以及哪个场景，内部仍有不同声音，甚至早期相关的AI销售产品也曾一度出现无法价值验证的情况。

这不是个例。

在过去的几年时间里，伴随着AI大模型技术浪潮的涌动，更新一波的创业潮正在加速袭来，这其中不仅有新出现的AI原生应用创业者，也更有多年SaaS软件从业者，以及智能硬件创业老兵等身影的出现。

创业潮对应的是如今生成式AI市场的庞大市场机会。根据一组来自IDC的数据显示，2023年全球AI市场约 4500亿美元，预计到2030年将突破1.8万亿美元，市场年复合增长率超过20%。

但机会背后也更对应着挑战。更准确的表述是，尽管当下从目前的工具层来看，AI技术到产品应用的通路已经跑通，但它的着力点却在面临更为真实的考校：怎样的场景才算是真正的AI价值场景？新产品的商业化是否可以迅速验证？

这也恰是在2025年的如今越来越多AI创业者思考的新命题——即在技术到应用的转化考量之外，AI创业的闭环到底应该是怎样的？以及在如今中国的TO B环境里，是否有能够托举新的AI故事的产业土壤？

答案是肯定的。这些问题的答案背后，一个熟悉的身影，或者说阵地正在被愈发看见。

钉钉来了。

一、AI创业潮，“新机会”和“新挑战”

实际上，在销帮帮的方案汇报现场，钉钉团队的出现并不是偶然。也恰是在后者建议下，销帮帮AI产品团队才最终敲定了相关产品形态以及对应的AI助理能力模块。

不仅如此，更后续的故事细节是，在产品成型后，双方还共同进行了相关客户侧的价值验证和标杆客户打磨。

但客观来看，这并不是所有AI创业者的故事样本。根据来自CB Insights的数据统计，在过去3年时间里，全球AI初创公司失败率约65%-75%，即每成立3家AI公司，就有2家无法存活超过3年。而在中国市场，这个失败率则是更高，根据来自IT桔子数据统计，整个AI市场的创业失败率更是高达70%-80%。

而如果把目前投向距离人们最近的SaaS方向，则更直观的感受是在过去的几年时间里，相较于国外如Saleforce、Notion等企业已经早早开始进行AI产品的研发甚至商业化验证，国内SaaS市场更多企业仍在举步不前，停留最简单的生成式回答层面。

问题出在哪？和之前相比，这波AI创业潮到底有什么不同？

这也是当下市场在核心讨论的问题，即在确定性AI市场的蓬勃发展，以及其逐步向产业、企业落地的大趋势中，企业到底需要注意什么？

首先，是前文所说的场景着力点。即对大部分AI创业企业而言，其在当下最直观需要面对的问题恰是如何寻求真正适合AI发挥价值的场景，并且基于最新的AI技术进行产品构建或进化，这要求创业者需要有一个能快速反应AI温度、调用AI技术的底座平台。

其次，是商业化验证。即对AI创业者而言，如果说技术到产品的难点是可以基于对AI技术的敏感性和场景的理解来完成，那么如何实现产品到市场的商业化验证则是必须要打通的通路，也就是软件创业中常说的PMF验证——这也是大部分AI创业者“倒下”的关卡。

即客观来看，对不论SaaS产品，还是AI产品而言，其PMF验证往往需要花费较长的时间，这其中对应的是一系列面向企业客户的流程以及业务嵌入等等，少则数月，长则几年。

最后，也是最为关键的。即是在商业化验证的同时，需要铺设的渠道商、服务商体系，即对软件创业而言，企业必须要建立对应的渠道商、供应商培训和服务体系，只有这样，才能保证软件实现更好的交付和企业粘性。

也可以说，只有满足上述中的各个要素，才能实现一款AI产品或者AI创业的顺利推进；而在此之外，还有如算力成本、技术范式演进、资金等等问题。

广阔的机会，但也同样对应着巨大的挑战。对中国的AI创业者而言，是否有真正适宜的土壤？以及AI创业的中国最优闭环，是否已经出现？

二、“我在钉钉上开始创业”

实际上，在销帮帮和钉钉共创的同时，在钉钉平台上还有另外一款产品也同样正走在商业化的路上，它就是恩君特。

对恩君特的一个介绍是，其通过“数字员工”的产品形态，帮助中小企业解决其在短视频营销中的痛点，产品方案由四个虚拟助理构成，策划助理负责选题、制作助理负责文案与剪辑、产品助理负责知识库赋能，运营助理负责发布与互动，用户只需发出指令，AI助理即可自动完成抓取热门内容、智能推荐爆款选题、自动生成文案、一键剪辑与场景替换等任务，3-6分钟即可完成一条视频，相比过去提效30倍。

如果从时间线的发展来看，恩君特的产品还要比销帮帮等企业尝试AI产品出现得更早，即在钉钉2024年5月的AI解决方案招募计划中，基于特殊的智能体创意方案，恩君特就脱颖而出。

而后续的故事版本也更和销帮帮一样，在钉钉的全面加持下，恩君特开始进行更为系统化的产品打磨和商业化尝试。据了解，在整个过程中，钉钉投入了超过60人团队帮助恩君特进行产品的细节打磨和后续的路径验证；此外，钉钉也更是利用全国1000多家区域服务商网络，帮助恩君特拓展客户群体。

一个数据是，截至目前，恩君特的客户数量已经超过100家。

同样的故事脉络也更在销帮帮上。据了解，如今销帮帮的AI销售助理产品，已经完成了标杆客户验证，3月份上线以来，意向客户已经超过了100家。

恩君特和销帮帮不是个例。一个足够直观的观察是，在过去的一年时间里，包括恩君特、销帮帮、AIPPT、氚云AI等一大批AI明星产品都在出现在钉钉平台上，这些产品不仅有对技术落地的深刻理解，同时大部分都已经完成了初步商业化验证。

实际上，这个在钉钉平台上发生的新故事并不是意外。

在2024年6月召开的钉钉生态大会上，一系列和生态相关的政策被钉钉集中放到台前，其中不仅包括面向大模型生态伙伴开放的AI助理开发平台，还有一系列针对客户的个性化场景和需求，将与伙伴一起打造定制化智能化解决方案等等。

而在这场大会更早前，钉钉也更是先后发布了AI PaaS底座以及推出AI超级助理，前者的价值在于AI创业者可以基于钉钉强大的企业级数据和场景理解进行低成本的智能体构建，而后者则是对应着钉钉对于打造AI原生环境的决心。

在水面之上的动作之外，变化还更发生在水面之下。“我们在2024年底决定All in AI生态，大力扶持AI应用创业团队，尤其是AI原生应用团队。 ”钉钉副总裁、开放平台负责人王铭表示，“不仅开放模型层能力，还为创业团队提供了大量的客户资源和资金支持，帮助这些企业进行快速的客户验证。”

可以理解为，也恰是这些从底层AI技术到数据、模型开发，到客户资源、资金的扶持，以及能看得见的服务商、经销商体系的全面助力，也恰构成了如今包括恩君特、销帮帮等一系列AI创业团队从0到1已经跑通的AI商业化路径。

为什么是钉钉？或者说，这个互联网时代公认最核心TO B阵地，为什么似乎也在成为AI时代的TO B最前沿阵地？

三、在钉钉，重新理解中国的AI创业土壤

在回答这些问题之前，更需要厘清的一个背景是，AI创业者到底需要怎样的创业土壤，是前文所说的各个创业要素的补齐，还是不同于互联网时代创业的新基础设施？

答案是后者。

这也是钉钉被选择的原因。即如果单从固有的几个创业因素来看，比如AI技术的工程能力和落地能力、客户资源的加持和渠道服务商的配套能力帮扶，这些钉钉固然有优势，但并不是市面上的唯一选择。

钉钉之所以成为诸多明星AI创业团队聚集的最核心本质，恰在于其具备中国最强大的企业数据，以及从软件向AI应用进化的底色。

对前者的描述是，钉钉是目前毋庸置疑的中国最丰富的企业样本库，在这个最大的TO B阵地里，有面向企业客户的一系列需求满足拆解“公式”，有对不同场景的服务流程理解，有面向不同量级企业的特殊软件生态，以及也更有无数企业的数字化“行为习惯”。

这些最强大的数据基座也意味着钉钉不仅能够帮助企业实现从技术到场景的落地，还能帮助其最大程度地补齐和加持其产品“被需要”的能力，比如给予销帮帮等企业的产品模块建议等等，比如基于AI PaaS的底座数据加持，比如能一定程度上加速企业的PMF验证等等。

而在数据之外，同样更值得被看见的是钉钉自身的AI底色。如果说在过去的几年时间里，谁是面向AI转型最坚决的企业？那么钉钉必然是答案之一。

在过去的几年时间里，从底层的软件到AI的能力重构，到超级助理等产品的迭代升级，以及面向生态的一系列政策，都在彰显着钉钉恰在全力将AI努力融入自身最底层的基因中。

而对AI创业者而言，这种面向AI的“决绝”也对应着AI创业政策和配套温度的适宜，即在不断进化的钉钉之上，可以时刻吸收和感知市面上最先进的AI工程化能力。

可以说，这些也恰构成着钉钉被越来越多创业者选择的原因。即在这个适宜的土壤上，AI创业者能享受到的是从技术到场景，到PMF验证等商业的全方面闭环加持，以及在闭环之外的AI平台的助力。

这种助力还在被持续加码。在刚刚举办的钉钉AI生态创新生态大会上，王铭也更表示，在接下来的一年里，钉钉将启动“AI创新N次方计划”，在2025年将首期推出100家共创伙伴，免除佣金、保证金和算力费用，同时在服务、政策、技术等各种各样助力的方式上给予全方位的支持。

此外，据了解，钉钉还会全面加大对生态伙伴的投资，同时面向生态伙伴同步启动钉钉创新创业园区，使生态企业可以和钉钉贴身共创，加速自身产品的成型和PMF验证。

能够预测的是，在更新和更大力度的加持和助力下，像销帮帮、恩君特这样的AI创业故事在未来一年里将会以更高频次的在钉钉这个新的创业土壤上发生。

现代管理学之父彼得·德鲁克在他的个人传记里曾说过这样一句话，“伟大的创新从来不是单点突破，而是更大层面的生态共振。”

这是钉钉的价值，也更是AI时代，这个中国最大TO B阵地的新使命。2025年，“我在钉钉重新创业”。

直击2025硅谷GTC大会：我们距离产业AI落地还有多远？

NVIDIA GTC大会释放的不仅是Blackwell Ultra的算力核爆，更揭示了AI产业化进程中三大核心命题：传统算力基建如何承接指数级增长的推理需求？跨界技术融合怎样催生新的商业生态？企业如何在技术红利与成本悬崖间找到平衡点？

作者|吴铭 

编辑|皮爷 

出品|产业家 

在硅谷的春日里，英伟达GTC大会再次向全球科技界投下几枚技术核弹。

从Blackwell Ultra GPU撕裂物理定律的性能曲线，到量子-经典混合计算平台突破产业应用临界点；从开源人形机器人模型打破制造业自动化僵局，到L4级自动驾驶方案跨越量产生死线——这场技术盛宴的每个章节都在重塑产业规则。

拆解之下，看到的不仅是晶体管堆叠的工程奇迹，更是一幅AI技术渗透实体经济的路线图：

1、击穿推理算力天花板，Blackwell Ultra用288GB HBM3E显存重构数据中心；

2、开辟量子计算新战线，CUDA-Q 2.0在药物研发战场建立混合计算桥头堡；

3、释放机器人通用智能，Isaac GR00TN1双系统架构破解制造业柔性生产难题；

4、突破Agentic AI决策瓶颈，推理效率30倍跃升撕开万亿级企业服务市场；

5、冲破自动驾驶量产迷雾，DRIVEThor计算平台的技术升级推动L4落地；

6、引爆绿色计算革命，液冷系统废热回收缔造数据中心"负碳"神话；

7、改写光通信物理法则，CPO技术115.2Tbps带宽重构算力连接范式；

8、落子中国生态纵深，NIM微服务平台在合规与创新的钢丝上跳出生态探戈。

这些在进一步释放技术想象力的同时，也更在勾勒出英伟达理想中的AI产业新大陆。

当生成式AI的热潮开始向产业腹地渗透的当下，产业家试图通过解读GTC大会中的8大看点，来审视2025年的如今我们距离产业AI完全落地，到底还有多远？

一、Blackwell Ultra GPU架构：

AI推理性能的颠覆性升级

NVIDIA发布了划时代的Blackwell Ultra GPU架构。

288GB的HBM内存容量、50%的运算效能提升、400-600W的液冷散热系统，每一个参数都在挑战现有技术天花板。

相较于前代Hopper架构，其在推理性能上实现了40倍跃升，部分场景甚至突破900倍神话。

更值得关注的是，GB300 NVL72机架级解决方案集成了72个Blackwell Ultra GPU和36个Grace CPU，其推理效率较前代提升11倍，预计2025年下半年开始向微软、亚马逊等云服务巨头供货。

随着生成式AI向具备自主决策能力的代理式AI演进，行业正面临复杂任务分解与实时决策的双重挑战。

而Blackwell Ultra架构通过三大技术突破正在重构算力范式。首先，其采用CPU-GPU异构协同架构，实现计算资源动态调配；其次，集成硅光互联技术，突破传统电信号传输瓶颈；最后，引入智能功耗管理系统，可根据负载需求实时调整能耗配比。

英伟达CEO黄仁勋在发布会上强调："AI推理阶段的算力需求将呈现百倍级增长，'Scaling Law'法则的应用重心正从模型预训练向后训练环节迁移。"

更值得关注的是，到2027年AI推理算力需求将占据整体市场的70%，这将引发三大基础设施变革：一是光模块升级至1.6T规格；二是CPO交换机带宽突破204.8T；三是全球30%的数据中心将转型为生成式计算专用设施。

这种变革不仅重塑算力产业链格局，更将推动"AI即服务"商业模式的快速普及。

二、量子计算战略转型：

混合架构与生态合作

在全球量子计算产业化进程加速的背景下，NVIDIA通过"量子日"活动正式公布其战略布局。

公司联合D-Wave、IonQ等量子计算领军企业，推出新一代混合量子——经典计算平台CUDA-Q 2.0。

该平台通过集成QODA量子算法加速库，在化学模拟等关键领域实现千倍效率突破，标志着经典计算与量子计算的协同创新进入新阶段。

值得关注的是，NVIDIA同步发布了Quantum-X Photonics交换机，其144端口800Gb/s的光互联性能不仅创下行业新标杆，更兼容IBM、Rigetti等主流量子计算机，为构建跨平台量子计算生态奠定硬件基础。

尽管NVIDIA CEO黄仁勋曾公开质疑量子计算的短期实用性，但公司战略布局却显现出不同考量。

当前AI与量子技术融合产生的药物分子模拟、组合优化等高价值场景，正推动技术实用化进程加速。NVIDIA采取"硬件兼容+软件优化"的双轨策略：一方面通过标准接口打通量子计算设备连接，另一方面运用量子纠错算法提升计算可靠性。

这种战略选择实质是瞄准"量子优势窗口期"的生态控制权争夺——即在特定领域量子计算展现优势的临界阶段，建立技术标准与产业协同优势。

行业观察显示，2025-2027年将成为量子计算实用化关键转折期。

NVIDIA凭借在传统计算领域的生态积累，有望主导量子软件中间层标准制定，这将深刻影响化学合成、能源开发等领域的研发范式。

这种渐进式创新路径，既规避了通用量子计算机的技术风险，又能快速形成可量化的行业解决方案。

三、机器人通用智能平台：

开源模型与物理引擎突破

在人工智能与机器人技术深度融合的背景下，NVIDIA近日取得突破性进展：开源全球首个人形机器人基础模型GROOT N1。

据悉，GR00T N1基础模型采用双系统架构，灵感来自人类认知原理。其中，“系统1”是一种快速思考的行动模型，反映了人类的反应或直觉。“系统2”是一种慢速思考的模型，用于深思熟虑的决策。

在视觉语言模型的支持下，“系统2”可以推理其环境和收到的指令，从而规划行动。接着，“系统1”将这些计划转化为动作。从视频来看，GR00T N1可以轻松实现抓取、搬运、包装等一系列任务。

黄仁勋还发布了用于生成合成训练数据的模拟框架和蓝图。与此同时，英伟达正与DeepMind、迪士尼研究中心合作开发新平台Newton，这是一个开源物理引擎，可让机器人学习如何更精确地处理复杂任务。

一个事实是，面对全球制造业自动化需求激增与劳动力结构性短缺的双重挑战，NVIDIA通过构建开放技术生态降低开发门槛。GR00T基础模型整合了Robomimic模仿学习算法与奥比中光3D视觉技术，重点突破"模拟到现实"的技术迁移瓶颈。

这种端到端的解决方案显著提升了机器人对非结构化环境的适应能力，为大规模商用奠定基础。

数据显示，全球智能机器人市场规模有望在2026年突破2000亿美元大关。随着规模化生产推进，单台成本预计将从目前的10万美元级降至5万美元以下，达到企业投资回报的临界点。

技术演进路径显示，开源生态建设与关键部件突破正在形成良性互动。这种 " 软硬件协同创新 " 模式不仅加速技术迭代，更通过降低准入门槛吸引全球开发者共同推动行业进步。未来三年，人形机器人有望从实验室走向真实商业场景，开启智能制造新纪元。 

四、生成式AI向代理式AI演进：

ScalingLaw的范式转移

在NVIDIA年度技术峰会上，黄仁勋提出的AI演进三阶段论引发行业关注。

该理论将AI发展轨迹划分为生成式AI、代理式AI（Agentic AI）和物理AI三个阶段，其中代理式AI作为关键过渡形态，需要突破两大技术瓶颈：支持复杂决策的长程推理能力（Long-Thinking）与多任务协同分解机制。

为支撑这一演进，NVIDIA推出开源推理模型Llama Nemotron Reasoning系列，其创新架构支持从边缘计算到数据中心的弹性部署，实测推理效率较传统模型提升30倍，为代理式AI落地提供了基础设施保障。

技术演进背后是计算范式的根本转变。

随着预训练阶段的算力扩张（Scaling Law）遭遇边际效益递减，行业焦点正转向后训练优化与实时推理架构创新。

典型例证体现在处理需求指数级增长：单个用户查询的Token处理量预计两年内增加100倍，这要求推理系统必须实现从传统串行处理向动态批处理、连续推理优化的架构转型。微软研究院数据显示，新型推理引擎可降低单位Token处理能耗58%，这对实现商业可行性具有决定性意义。

产业落地层面呈现明显的时空梯度特征。

据Gartner预测，到2027年全球60%以上企业将部署AI代理系统，其中制造业智能调度和医疗辅助诊断将成为首批价值验证领域。

这种分化源于行业特性，即制造场景的流程可分解性与医疗领域的决策树结构，天然适配代理式AI的多任务处理范式。

值得关注的是，DeepSeek等厂商推出的自适应压缩技术，可将大模型推理成本压缩至传统方案的1/7，这将实质性降低中小企业的AI部署门槛，加速"AI即服务"生态的形成。

通过建立"技术演进-架构创新-产业落地"的三层分析框架，我们可以清晰看到，从生成式到代理式的范式转移，本质是AI发展重心从数据规模驱动转向系统效能竞争，这种转变正在重塑整个产业链的价值分配格局。

五、自动驾驶全栈方案

L4级量产与安全升级

GTC 大会上，NVIDIA 还推出了NVIDIA Halos汽车安全解决方案，其创新性地构建了从芯片级代码验证到整车级功能测试的全链条保障体系。

在关键技术降本方面取得显著进展，激光雷达核心组件成本降低至500美元级，降幅达60%，配合端到端模型的算力优化，成功突破L4系统单套成本3000美元的商业化临界点。Halos安全系统采用形式化验证（Formal Verification）和故障注入测试双重机制，其验证流程覆盖超过2000个功能安全场景，成为全球首个通过ISO 26262 ASIL-D最高安全等级认证的自动驾驶解决方案。这种"成本-安全"双突破为规模化量产奠定基础。

据第三方机构预测，2030年全球L4级自动驾驶市场规模将突破3000亿美元，其中NVIDIA凭借其"硬件-仿真-数据"闭环生态体系，有望占据较大计算平台市场份额。

目前，通用汽车司已经宣布将使用英伟达的人工智能芯片和软件，为其车辆开发自动驾驶技术，并改善工厂的工作流程。两家公司计划共同构建基于英伟达平台的AI系统，以训练用于工厂规划的AI模型。通用汽车还计划使用英伟达的自动驾驶技术来开发未来的高级驾驶辅助系统（ADAS）。

此外，包括丰田和现代在内的多家汽车制造商和供应商今年也与英伟达合作，开发自动驾驶能力，以应对来自特斯拉的竞争压力。

通用汽车预计，其Super Cruise驾驶辅助技术在未来五年内将带来约20亿美元的年收入。Super Cruise免费提供三年，之后客户可以选择每月支付25美元或每年250美元的订阅费用。

这将进一步改变自动驾驶原有格局，推动L4级自动驾驶技术的落地。

六、AI基础设施革新：

液冷与绿色计算革命

NVIDIA BlackwellUltra架构正在引领数据中心散热技术的范式转变。

其创新性地构建了冷板式与浸没式液冷的双轨发展路径。当前阶段以冷板式液冷为市场主力，配套的EcoPowerDGX超算通过精密热管理系统，将PUE值优化至1.05的行业新标杆。值得注意的是，该架构同步升级了电力系统，800V高压直流电源的部署不仅适配兆瓦级算力中心需求，更为浸没式液冷的长期发展预留技术接口。

在全球数据中心年耗电量突破1000TWh的严峻背景下，传统风冷方案已难以支撑BlackwellUltra高达1400W的TDP需求。液冷技术的突破性价值体现在双重维度：其一，通过与东阳光热能转换模块等废热回收系统的协同，将散热能耗转化为可利用资源；其二，设备空间利用率提升40%以上，有效缓解数据中心场地限制。配套的CarbonTrackerAI系统更实现了碳足迹的实时追踪与智能优化，构建起性能与ESG目标的动态平衡机制。

值得关注的是，液冷技术的规模化应用或将催生跨领域协同效应。

浸没式方案与800V高压架构的结合，使数据中心功率密度提升达3倍；废热回收系统与区域供热网络的连接，开创了"数字锅炉"新商业模式。

这种技术融合不仅重构了数据中心TCO模型，更为"东数西算"工程提供了绿色化落地方案，推动算力基础设施向环境正外部性方向进化。

七、光通信与CPO技术

高带宽互联升级

在AI算力爆发式增长的推动下，全球数据中心正经历从400G向800G/1.6T光互联的跨越式升级。

NVIDIA 最新发布的Quantum3400X800 CPO（共封装光学）交换机，通过革命性的硅光子集成技术，可实现115.2Tbps系统带宽和1.6T光模块配置，较传统可插拔方案能耗降低达30%。配套的Spectrum-X硅光子以太网交换机更将单端口速率提升至1.6Tb/s，网络弹性较传统架构增强10倍，这标志着光互联技术进入集成化新纪元。

当前，AI训练规模已突破十万卡级别，传统可插拔光模块在功耗密度（达5W/Gbps）和信号完整性方面面临严峻挑战。CPO技术通过将光引擎与ASIC芯片进行3D异质集成，将电信号传输距离从传统方案的5cm缩短至1mm以内，有效降低传输损耗达60%。这种"光电共生"架构不仅突破现有带宽天花板，更通过减少封装层级使散热效率提升40%，为下一代51.2T交换机奠定基础。

值得关注的是，技术演进正在重塑产业格局。短期看，CPO封装工艺和硅基调制器成为竞争焦点；中长期维度，LPO（线性直驱）技术与CPO的融合创新，或将催生新一代光电协同设计范式，为6G时代的光电共封装开辟更广阔的应用空间。

黄仁勋表示，也将与 T-Mobile、Mitre、思科、ODC 和 Booz Allen Hamilton 合作开发AI原生6G无线网络的硬件、软件和架构。

八、中国市场合作

本土化生态与技术创新

在算力需求持续攀升的背景下，全球科技企业加速布局新一代互联技术。

NVIDIA还在ChinaAI Day专场活动中，联合阿里云、蚂蚁集团等企业展示了多项技术突破：阿里云"通义"大模型通过混合精度训练实现算力成本显著降低；蚂蚁集团GLake技术有效优化显存管理效率；百川智能则采用投机采样技术将推理速度显著提升。与此同时，字节跳动、京东等企业通过多模态AI在商品推荐算法优化、物流路径规划等场景的应用案例，展示了技术落地的商业价值。

面对国际经贸环境变化，NVIDIA正采取双轨策略深化国内市场布局。

技术层面，通过CUDA-Q量子计算平台等技术授权方式保持架构影响力；产业合作方面，与浪潮信息、新华三等本土企业建立联合实验室，开发符合监管要求的定制化解决方案。值得注意的是，其推出的NIM微服务平台通过开源工具链优化，显著降低了AI模型部署的合规门槛，该策略使企业客户在保持技术先进性的同时满足监管要求。

据IDC最新预测，中国边缘AI市场规模将在2025年突破200亿元，这一增长正重塑产业竞争态势。

华为昇腾、寒武纪等本土厂商凭借定制化芯片方案加速进口替代，在智慧城市、工业质检等领域形成差异化优势。但NVIDIA通过液冷数据中心解决方案和CPO（共封装光学）技术，在基础设施层保持关键技术节点的控制力。

行业分析显示，当前供应链呈现"应用层本土化，基础层全球化"的嵌套式结构，这种技术依存关系或将成为未来3-5年AI产业发展的显著特征。

写在最后：

NVIDIA GTC大会释放的不仅是Blackwell Ultra的算力核爆，更揭示了AI产业化进程中三大核心命题：传统算力基建如何承接指数级增长的推理需求？跨界技术融合怎样催生新的商业生态？企业如何在技术红利与成本悬崖间找到平衡点？

这届GTC大会的“中轴线”已十分清晰。

一是推理优先，从BlackwellUltra与Dynamo框架重构算力分配，应对AgenticAI的复杂需求；二是开放协同，通过开源模型（GR00T、Nemotron）和跨领域合作（量子、机器人）降低技术门槛；三是可持续性：液冷与绿色计算从可选变为必选，倒逼供应链技术升级；四是AGI路径，Rubin架构与物理AI推动技术向通用场景渗透，开启“超大规模模拟”新纪元。

AI，正从单点技术创新转向全栈生态竞合，成为是今年甚至是未来几年产业数智化突破的主旋律。

大动作！百度发布文心大模型4.5、文心大模型X1

3月16日，百度正式发布文心大模型4.5及文心大模型X1，在文心一言官网即可免费使用。据介绍，文心大模型4.5是百度首个原生多模态大模型，其多模态理解、文本和逻辑推理能力显著提升，在多项测试中表现优于GPT4.5，API调用价格仅为GPT4.5的1%；文心大模型X1为深度思考模型，性能对标DeepSeek-R1，调用价格约为R1的一半。

作为百度新一代基座大模型，文心大模型4.5的多项基准测试成绩优于GPT4.5、DeepSeek-V3等，并在平均分上以79.6分高于GPT4.5的79.14。据介绍，文心大模型4.5在多模态理解能力上显著提升，不仅有图形推理、图表分析的“高智商”，还具备理解梗图、漫画、歌曲、电影等多模态内容的“高情商”。

文心大模型X1为深度思考模型，不仅在性能上对标DeepSeek-R1，具备“长思维链”，擅长中文知识问答、文学创作、逻辑推理等，而且增加了多模态能力和多工具调用，能理解和生成图片，还能调用工具生成代码、图表等丰富内容。

据介绍，文心大模型X1运用了递进式强化学习、基于思维链和行动链的端到端训练、多元统一的奖励系统等关键技术，并通过飞桨与文心的联合优化，实现从压缩、推理、服务部署的全链路极致调优，大幅降低推理成本。

目前，两款模型均已在文心一言官网上线，用户登录即可免费体验。同时，企业及开发者可在百度智能云千帆大模型平台调用新模型，文心大模型4.5已同步上线，输入价格为0.004元/千tokens，输出0.016元/千tokens，约为GPT4.5价格的1%；文心大模型X1定价为输入0.002元/千tokens，输出0.008元/千tokens，即将在千帆平台上线。

此前，百度曾宣布文心一言将于4月1日免费，本次发布不仅带来两款全新大模型，且将免费时间提前，全面提升了用户体验。近期，百度在AI大模型方面动作频频，依此前预告显示，百度将在6月30日正式将文心大模型开源，并在今年下半年发布文心大模型5.0。

专访数势科技谭李：智能分析 Agent 打通数据平权的最后一公里

作者|斗斗 

编辑|皮爷 

出品|产业家 

伦敦塔桥下的泰晤士河底，埋藏着工业革命的隐秘图腾——布鲁内尔设计的隧道盾构机。在19世纪城市地下轨道建设的过程中，这个直径11米的钢铁巨兽没有选择拓宽河道，而是开创了地下通行的新维度。

“我们不是ChatBI助手，我们是智能分析Agent产品，技术路线是Agent+企业级数据语义平台Enterprise Data Semantics Layer，和传统BI叠加大模型Chat能力的技术路线不同。”在采访前期和后期，数势科技反复和产业家强调。

当整个行业在BI赛道的红海中“厮杀”，数势科技像19世纪发明盾构机的工程师般潜入产业底层，用企业级数据语义平台Enterprise Data Semantics Layer构建起数据价值流动的地下轨道管网，为智能分析Data Agent的实现奠基。

“数据的力量，凭什么只能属于互联网巨头和少数头部企业？”

这一发问来自于数势科技的联合创始人谭李。他在百度和京东亲历了数据如何重塑商业逻辑，也在管理咨询行业作为数据分析师服务过众多世界500强企业。

然而，当目光投向传统行业，他看到的却是另一番景象：一家连锁零售企业的区域经理为了分析月度销售和成本数据，需辗转数仓团队、BI分析师和开发人员，耗时两周才能拿到一张完整报表；一家城商行的业务部门因指标口径混乱，同一份数据在不同部门“吵架”了一周。

数据的价值，在千行百业中仍是一座难以到达的海上孤岛。也正是这些洞察，让数势科技选择了一条与众不同的赛道——指标平台。

指标平台是数势科技2020年推出的第一个产品，也是行业第一款“管研用一体化”智能指标平台，后来成长为数势科技的大模型明星产品SwiftAgent的重要内核——企业级数据语义平台Enterprise Data Semantics Layer。

这一产品不同于传统数仓+BI的“手工业模式”，也不同于上一代数据中台里的“指标管理平台”，企业使用数势指标平台只需一次定义原子指标，所有派生指标、衍生指标均可通过动态业务逻辑计算实时生成，业务团队可以零代码调用，效率大幅提升，需求响应从天级压缩至分钟级。

在行业沉浸在数据中台范式的2020年，数势科技就开始以智能指标平台破圈；而后来让数势科技持续引领行业、脱颖而出的，是他们对大模型技术趋势的敏锐嗅觉。

2023年大模型浪潮袭来时，多数企业还在探索聊天机器人，数势科技已推出 SwiftAgent，将大模型的推理能力与企业私域复杂数据语义深度融合。当竞品仍在“ChatBI”的浅水区徘徊时，SwiftAgent早已不限于“智能问数”，已经成为一个企业级的分析决策智能体平台，既能为用户提供精准数据，也能提供企业级知识，还能自动生成基于企业私域知识的个性化经营分析报告，甚至预判业务异常。

如今，数势科技的成绩单上写满“第一”。国内首个“管研用一体化”的智能指标平台、首家完成中国信通院数据指标管理平台技术要求专项测试、首批通过中国信通院大模型驱动的智能数据分析工具专项测试的智能分析产品、出版了行业首本指标体系与指标平台的专著......

当数据民主化遇见Agent革命，企业经营决策正从“人找数”迈向“数追人”。

一、数据价值释放的基础：

指标平台让企业用数效率提升十倍

某食品连锁企业，拥有13000多家加盟门店，其加盟为主的商业模式，使得面向加盟商的数据透明化需求极高。

“数对不上，对于这类企业是很要命的。”从谭李口中产业家了解到，一段时间里，该食品连锁企业加盟商常遇到“某营业额数据次日重查时不一致”的问题，导致与总部的信任危机。

此外，加盟商收工后会集中查询营业额和佣金数据，以及门店的个性化数据，传统数据架构无法支撑瞬时高并发请求，导致查询延迟甚至系统崩溃。

更为重要的是，对于这类体量庞大的连锁企业而言，系统改造往往需要耗费大量时间、金钱、人力，这样系统化的升级改造，必定会对门店经营带来较大影响。

该食品企业的案例是一个缩影，代表着大部分企业数据智能路上的“隐痛”。

“每次有临时数据需求，先找BI分析师，然后BI分析师帮把需求翻译成各个指标的需求，再找数开团队去写SQL代码……可能一两个礼拜过去了。”谭李告诉产业家。

传统数仓+BI模式下，数据获取需多部门协作，流程冗长，业务需求变更时需技术团队重复开发，严重影响效率。对于业务人员来说，数据工具使用门槛也很高，非技术人员难以自主获取洞察，导致数据价值释放受限。

“指标平台在该食品企业上线后，取数效率提升了至少10倍”，谭李对产业家说。数势科技的指标平台允许企业仅定义10%的核心原子指标，如“订单金额”，剩余90%的派生指标和衍生指标，如“销售毛利”，通过动态计算实时生成，无需重复开发。真正做到了“定义即开发”“一次定义，全局使用”。

这一模式将业务需求响应周期从传统BI模式的“天级”压缩至“分钟级”，解决了加盟商因数据延迟或口径混乱导致的信任危机。

另外，针对加盟商集中查询销售数据的高峰用数场景——如晚结账时段——数势科技通过“指标加速引擎”（Hyper Metrics Engine）实现虚拟化逻辑计算与物化预计算动态融合，即使面临海量并发查询，也能保障秒级性能，避免了传统数仓因瞬时流量过大导致的系统崩溃。

过去4年，越来越多的企业开始采纳指标平台的一体化数据开发和消费范式。指标作为凝结了企业业务逻辑的结构化数据语义，在指标平台上进行统一的定义、加工、管理、应用，使得数据资产真正得以让0技术功底的业务人员去沉淀和复用。

二、加速数据平权：

SwiftAgent让企业用数效率再提升10倍

随着大模型技术浪潮的来袭，生成式AI显著降低了业务人员用数的门槛。但这并未改变根本问题。

“数据分析对企业而言通常是不容出错的关键任务 Critical Mission，如何做到数据100%准确？大模型的幻觉问题以及数理能力缺陷，使市面上绝大多数想要简单通过大模型+BI来解决问题的公司都碰壁了。”谭李接着说。

这是因为大模型在训练过程中使用的是公域数据，缺乏针对特定企业内部的私域知识。这可能导致模型生成不符合企业实际业务情况的内容，经常张冠李戴、似是而非，也就是所谓的“幻觉”。为了解决这一问题，需要通过产品化手段对大模型进行约束和优化。

因此，数势科技推出了第二个拳头产品SwiftAgent，企业级分析决策智能体平台。这款产品采用AI对话式交互，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查数用数，如支持上述食品企业的管理团队问“华东区上周销售异常原因”，“可做到智能问数100%准确、数据安全100%校验，实现真正的‘企业级可用’。”谭李对产业家介绍。

数势科技的产品如何能够做到？

SwiftAgent具体的技术路径是大模型+企业级数据语义平台Enterprise Data Semantics Layer+Agent，让大模型聚焦于用户的自然语言意图识别、任务规划、推理分析和报告生成等其擅长的能力，而将数据分析不容出错的指标查询计算工作交给以指标平台为核心的企业级数据语义平台。

另外，SwiftAgent还可以基于大模型推理能力调用企业私域知识库，如历史经营策略、行业分析范式，自动生成包含归因分析和建议的智能报告。

更重要的是，SwiftAgent摆脱了传统“你问我答”的被动式问数范式，真正做到了主动式数据预警和洞察生成，就像为每个员工配备了一个数据科学家助理一样，7x24小时为其主动服务。

从统一指标定义，终结“数据打架”；到高并发查询的“秒级响应”；从“民主用数”到“洞察生成”，最后奔向“全天候主动分析预警”。数势科技SwiftAgent通过技术架构创新与企业场景深度适配，实现了数据价值的低门槛释放，企业用数效率相比指标平台又提升了10倍。

三、看见数势科技的底层逻辑

为什么是数势科技？

数据智能的竞争，本质是“认知差”的竞争。数势科技与竞品的分野，早在产品设计之初就已注定。

2020年，数势科技推出首代指标平台，在谭李看来，当竞品仍将“指标管理”作为数据中台的附属模块时，数势科技已提出“指标即服务”（Metrics as a Service）理念，将指标层独立为数据价值链的核心枢纽。

在产品架构上，不做“全家桶”，支持对接Power BI、Tableau、帆软、QuickBI等主流BI工具，适配各种数据底座，避免了厂商锁定。

“某指标平台必须绑定其自研OLAP引擎，客户被迫接受过时技术。”谭李告诉产业家，有些厂商则不得不受限于自身的BI产品，强制捆绑生态。

在新兴技术融合方面，数势科技似乎也具备先发优势。

“2022年大模型出来之后，我们第一时间就想到，基于大模型的能力，我们的数据民主化其实可以更进一步。”谭李说道。“在传统BI厂商还在犹豫要不要+AI的时候，我们就在2023年做出了SwiftAgent产品，并在多个商业付费客户交付落地。”

2025年春节，DeepSeek火爆，数势科技称，其是行业首个接入DeepSeek能力的智能分析产品。在可视化生成方面，动态图表样式、数量超越传统BI工具；在深度洞察报告方面，推理分析自由发挥度大幅提升，突破固定范式限制；谭李直言，“很多时候会有惊喜给到你。”

基于对技术趋势的预判和对产业规律的敬畏，数势科技在引领产业数据民主化的路上一直踩准了节奏。从这一点来看，数势科技已然成为开源生态的“放大器”。通过数势科技这个“放大器”，企业可以更好地将大数据和AI的能力最大化地、更好地融入自身企业业务。

正如工业革命时期的隧道盾构机改变了城市扩张的逻辑，数势科技正在数据世界的地下管网中，悄然铺设通向“数追人”时代的铁轨。

四、跑完数据平权的“最后一公里”

不容忽视的一个事实是，中国很多企业仍处于信息化初级阶段，ERP系统未覆盖全流程，数据采集依赖Excel手工填报；在企业内部，业务部门也常将数据问题简单归因于工具，忽视底层治理；中小企业对大模型的成本耐受度低，且缺乏专业团队维护知识库。

据中国信息通信研究院《中国数字经济发展研究报告（2024年）》，2023年，我国一、二、三产业数字经济渗透率分别为10.78%、25.03%和45.63%，第三产业数字化渗透率相对较高，而第一二产业数字化渗透率不及全球平均水平。

需要承认的是，铺设通向“数追人”时代铁轨的路上，依然存在现实的沟壑。“信息化系统本身有缺陷，基于SwiftAgent的查询可能也就会受到一些影响。”

提起客户对SwiftAgent的推广阻力，谭李直言，业务方不会分阶段讨论问题，认为所有痛点都该被一键解决。

当一家制造企业的订单数据因系统割裂导致周结时才能稳定，当一家县域超市的进销存数据仍依赖手工台账，数据智能的愿景便撞上了冰冷的现实——技术普惠的最后一公里，远比想象中漫长。

面对这些根植于产业土壤的难题，数势科技选择了一条“技术普惠”的务实路径。

在轻量化部署方面，针对分散的系统，提供多系统兼容的标准化接口，短时间内完成多源数据对接，避免“推倒重建”。在数据治理方面，避免漫无边际的数据治理，采用应用优先的方式，优先固化核心业务指标，再逐步扩展至边缘场景。采用成本分级策略，简单查询调用轻量模型，复杂归因使用更大的模型，通过Multi-Model动态路由，将大模型调用和算力成本压缩至同行方案的1/10。

在中国庞大而复杂的产业体系中，走这样务实路径的技术服务商，不只存在于数据智能这个赛道，而是存在于各行各业：不设置高门槛，而是用最小化改造撬动最大价值。

19世纪铁路网的建设从未等待所有城镇准备好站台，像数势科技这样的技术服务商们，选择的是先让数据流动起来，再在流动中释放价值。

重新理解百度智能云：写在DeepSeek政企接入潮背后

DeepSeek在政务企业的落地是如今中国产业AI落地的一个催化剂，也更是一个AI行业的展示舞台。即技术本身值得所有人狂欢，但在狂欢之后，技术到现实场景的工程模块和落地能力也恰在成为越来越多云计算厂商、AI服务商的底色考校场。

“我们始终相信DeepSeek是一个真正的起点，不是终点，在共识的基础上，大家要一起往这个方向跑，未来的想象力会无穷大。”

作者|皮爷 

出品|产业家 

“忙，真的忙，那几天电话都快被打爆了。”百度智能云政务业务部张响（化名）告诉产业家，“很多DeepSeek的适配工作春节期间就已经开始了。”

快马加鞭的不仅这些。

在张响电话被“打爆”的同时，在百度智能云内部，一个数十人的政务“DeepSeek战时团队”被悄悄拉齐，这个团队中不仅配备有专门的售前和客户经理，还更有专门的产品、研发支持，其规模堪比一个微型“AI云团队”，张响也是其中一员。

这种不同寻常的应对背景恰是DeepSeek引起的AI热潮，如果说在过去两年时间里，对于AI产业市场更多的是持肯定但不迫切的态度，那么DeepSeek的出现则是将这个进度条极大快进。

这种加速度出现的最先战场，正是政务。张响告诉我们，不少客户的要求就是一个字—“快”。而这个在过去2年时间里在产业AI战场出现频次很少的需求，也构成着百度智能云 “战时团队”在过去50多天的核心发力点。

一个数据是，如今包括江西省南昌市、辽宁省沈阳市皇姑区、河南省信阳市等地都已经基于百度智能云千帆大模型平台，完成政务系统DeepSeek系列大模型部署，此外，还有陆续超过数百家机构正在部署进程中。

在真正的技术奇点到来之时，市场往往会给予超出预期的正向反馈，互联网是如此，云计算是如此，AI也更是如此。

但在这些需要被肯定的正向反馈中，还是有一些话题需要被厘清，即DeepSeek的爆发对政务数智化以及产业AI意味着什么？在这个热点国民动作之后，AI的下一步会走向哪？包括最核心的，到底什么才是中国产业AI落地的最优解，以及如何求解？

甚至，还不仅如此。“这次也是一个真正的AI实战场。”张响告诉我们，“机构和企业要能更快速、更高效地落地，这并不是所有企业都能做到的。”对中国的AI厂商而言，过去的50天，也更等同于踏上了一个前所未有的新考场。

政务和百度智能云恰在成为审视和观察这些问题的最佳窗口。如今，第一场交卷铃声已响。

一、DeepSeek接入潮：

快节奏，和“新AI实战场”

如果说DeepSeek是今年春节科技和产业界最核心的主题，恐怕没人会反驳。

从社会热点事件能感受到这场“全民DeepSeek”热潮的疯狂涌动。根据新闻数据显示，从2月中旬开始，有超过80多个城市就宣布开始或者已经完成和DeepSeek的对接，“第一时间”、“尽快”等字样开始频繁出现在相关的政务热点新闻上。

百度智能云团队对这个政务“热点”的体感还要靠前。

“我们几条线的同事基本是在第一时间就动起来了，但客户甚至比你还急。”张响告诉产业家，“春节后的第一周，就已经有政务客户上线使用DeepSeek了。”

一个不完全的调查数据是，如果说之前仅有10%的政务企业和机构对于AI有较强的接受和使用意愿，那么如今这个数据已经飙升至70%，甚至80%。

此外，在张响的观察里，这波AI潮水的到来方式也不尽相同。“之前的几年更多是技术和产品驱动，我们需要告诉客户AI可以做到什么程度、可以帮助做哪些事情，但今年是纯粹的需求驱动，客户会直接告诉你我需要什么。”

实际上，这也是DeepSeek带来的特殊的产业AI加速度。

即如果说之前的两年时间里，国内AI市场不论是政务、金融，还是教育、能源、制造，大部分企业尽管摩拳擦掌，但对于AI的布局仍处于观察和考校的状态，那么如今，DeepSeek更等同于建立起了一场直接从“需求”倒寻产品/技术的新产业AI模式。

在张响和百度智能云团队的观察里，这种骤然而至的需求可以分为三类，其中一类是直接帮助政务企业部署DeepSeek，替换原有的AI模型，或者从0到1建立算力层；另一类是在算力层之外，构建自身的MaaS平台，类似之前的PaaS中台，企业可以基于MaaS平台进行上层的AI Agent探索；此外，另外一类也更有企业有专门的特定场景需求，比如基于DeepSeek对前端客服等环节改造。

这种金字塔式的“三层需求”也是当下DeepSeek落地的三种方式，即一种是纯算力侧，一种是算力+操作平台，以及从算力到产品的端到端全栈部署。

但从AI行业的视角而言，对这些需求的满足都不是容易的事情。

比如对纯算力侧需求的政务企业，尽管目前市面上不少大模型厂商都有充足的GPU卡资源，但对政务行业的这波DeepSeek需求而言，厂商需要在公有云以及私有云环境下都具备相应的适配部署能力，根据不同政务企业的IT基础进行满血版或蒸馏版DeepSeek部署。

再比如“算力+MaaS”的部署，与之对应的也正是行业最近热议的AI infra建设，即需要服务商具备足够扎实的AI云底层框架，进而帮助企业构建最具成本和最灵活的调用方式；同样的还有端到端的需求，这要求AI服务商不仅要具备算力侧的基础，更要有对应的场景和环节理解。

可以说，对于这个“骤然出现”的考卷，拿到满分甚至及格分都不是一件容易的事，其中涉及到的题目不仅是水面之上的DeepSeek大模型本身，更有底层一系列的基础和工程考校，在其中如异构算力的管理、AI infra的基础构成、对AI Agent的理解和工程部署能力等等，都是足够难的题目。

实际上，这也恰对应了张响所说的迅速而来的“AI实战场”。即就政务市场而言，尽管DeepSeek带来的是一波迅速飙升的市场机会，但并不是所有人都做好了上战场的准备。

机会，只留给有准备的人。

二、“1+N”，

百度智能云的一场工程闪电战

“我们内部有非常成熟的对接交付流程，但为了更好地满足这次的需求，我们才专门拉齐了一个新的‘team’。”张响告诉我们，“基本春节前团队就已经就绪，后续的两三周内我们迅速对人员、流程进行了相关梳理和培训。”

这恰是前文所说的“DeepSeek战时团队”。更形象的理解是，这更等同于一个面向政务企业需求的“特战部队”，这其中对应的人员和流程都是为这次政务“DeepSeek大潮”量身准备。

比如前文提到的金字塔分层需求，在这个团队内部，三层需求被作为三个“共识”进行足够细颗粒度的拆解，保证在接受到客户需求的第一时间，百度智能云的售前人员和客户经理就可以能迅速反馈到执行侧，保证客户“快需求”的满足。

此外，据了解，在核心中控团队之外，百度智能云也更在每个地区设立了不同的执行和运营维护团队，从线下为不同的政务企业提供足够适配的DeepSeek部署服务。

而在这个“1+N”的战时团队底层，则是百度智能云的全栈自研的端到端大模型解决方案，从最底层的昆仑芯到上层的AI异构计算平台百舸，再到上层的模型和AI Agent部署平台千帆，以及再到最上层的应用如政务AI助手、客悦智能客服、曦灵数字人等产品。

这种端到端的能力，保证了在完备的团队架构加持下，百度智能云可以迅速满足来自不同政务客户不同基础能力的需求。

“我们是实打实的交付，基本客户看到的是什么样子，我们就能部署到什么程度，不是期货。”张响表示，“基本上一旦百度进入到某个项目，大概率都能成为最终的被选择方。”

以福建漳州市为例，据了解，从漳州相关负责人来百度实地调研，到开座谈会，再到后续“漳州通”通过百度智能云千帆大模型平台接入DeepSeek大模型，整个时间周期不超过2周。

如今，“漳州通”打造的福建首名“AI公务员‘候喜’”已经在“漳州通”APP “上岗”，成为福建省率先完成政务服务领域Deepseek部署的城市。而据了解，后续漳州市还将会基于千帆平台将大模型能力扩散到更多场景，如交通、民生，乃至智慧城市的多个领域。

这也恰是这次政务Deepseek部署需求的另一面，即尽管政务机构的最核心需求是“快”，但对不少政务企业而言，其也更倾向于“快”“质”结合，即在速度之上，选择更具后续成长力的建设方案，比如当下聚焦算力侧，但机构同样希望服务商给到后续的完整规划，再比如客户提出的是MaaS层的建设，但其同样也对后续的AI Agent部署有较高的要求。

而这些都是百度智能云的强项。一个数据是，在过去的几年时间里，百度智能云已服务国家电网、中国石油等超过60%央企，这个数据背后对应的是对更细节政务场景的理解，对特定数据表达、数据安全以及整体数字化、AI化框架的产业深厚积淀。

截止2025年3月，一个最新的数据是，选择百度智能云的政府客户已经超过1000家。

三、DeepSeek热潮后思考：

什么才是中国AI落地产业的最优解？

“模型代表的还是技术本身，技术如何落地，如何真正发挥价值才是真正的考量。”张响表示。

这也正是在政务DeepSeek部署热潮背后，市场在不断热议的问题——即对政务，以及不同行业的中国企业而言，怎样的AI技术落地方式是最适配的方式？以及在DeepSeek部署之后，下一步产业AI到底应该继续向哪走？

实际上，这张正在交卷的考试已经给了答案。即客观来看，百度智能云之所以成为大部分政务企业的选择，其本质被看重的还是其最核心的底层能力。

比如百舸AI异构计算平台，其基本能力覆盖创建、开发实验到模型训练、模型推理等一系列算力底层服务，同时其也更是业内最早打磨10万卡能力的厂商之一。

其可以根据客户拥有的不同算力卡，以及公有云、私有云部署需求帮助政务企业快速完成部署，一个数据是，在万卡规模上，百度智能云可以将两种芯片混合训练下的效率折损控制在5%以内。

再比如百度智能云千帆大模型开发平台，一个业内不太熟知的数据是，千帆是全球首个一站式企业级大模型平台，同时也是截至目前国内模型精调数量最多、调用量增长最快的大模型平台，其最早就支持国内企业对一系列如Llama等国内外开源模型的调用部署，以及基于模型的精调和面向上层应用的开发。

可以说，这也是百度智能云在这波DeepSeek浪潮中可以迅速满足需求的原因，即在过去两年时间里，基于千帆大模型平台，一系列从模型调用（蒸馏）、模型精调、以及应用开发等AI全栈工具链条已经被无数次使用和验证，在一众包括政务、金融、教育、能源等央国企、大型民营企业的核心场景和特殊场景中有足够的效果实践。

这些产品的组合也构成着政务企业客户选择百度智能云的原因。即百度智能云可以为企业加持的不仅是DeepSeek的接入，更同时会基于百舸、千帆构建出一个具备成长力和后续开发基础的底层AI操作系统，真正可以保障技术的后续落地和实用价值。

甚至相较于DeepSeek的大模型技术本身，这些AI的工程能力也才是政务机构更为看重的选择要素。“我们其实之前这些工程能力，以及包括昆仑芯等宣传的较少，但这次我们面向我们全部客户都进行了推荐，告诉大家我们有这样的能力，政务客户也都很认可。”张响表示。

这也是百度智能云的基因所在。

即从AI技术的发展迭代而言，包括DeepSeek、月之暗面等国内明星C端技术企业是绝对的话题掌控者，不过技术的狂欢固然重要，在这些狂欢背后，对应的更应该是技术在产业的最真实表达，这才是AI大模型之所以被谈论和被推动最大价值点。

而这也正是百度智能云等企业不被市场熟知，却一直深耕的领域。即相较于技术的沸腾，技术到产业的工程能力需要有人付出实践，和客户一道甚至贴身打磨出真实的技术价值。这其中有对不同中国产业土壤的适配，有对固有企业软件范式的重构和思考，以及也更有对产业发展的更深层次思考和下一阶段预判。

政务如此，金融如此，医疗如此，工业、农业、教育等等行业也都需要如此。但能看到的是，伴随着DeepSeek对产业AI的催化，这些不被人熟知的积累也在悄然浮上水面。

比如在千帆大模型平台接入DeepSeek后首日调用客户就多达1.5万家，价格全行业最低，再比如在2025年1月份，百度智能云的中标项目和中标金额双双取得第一，以及前文所说的，春节后有超过数百个政务客户都选择了基于百度智能云接入DeepSeek。

也可以说，DeepSeek在政务企业的落地是如今中国产业AI落地的一个催化剂，也更是一个AI行业的展示舞台。即技术本身值得所有人狂欢，但在狂欢之后，技术到现实场景的工程模块和落地能力也恰在成为越来越多云计算厂商、AI服务商的底色考校场。

技术需要仰望天空，但也更需要脚踏实地。这是DeepSeek热潮带给我们的思考，也更是百度智能云在2025年的如今带来的新启示。

“我们始终相信DeepSeek是一个真正的起点，不是终点，在共识的基础上，大家要一起往这个方向跑，未来的想象力会无穷大。”张响说道。

注：文章人物为化名

2025年，我们应该对供应链金融有怎样的考校？

在这些市场讨论的水面之上的数字之外，一个辐射出的更本质问题恰是市场对于供应链金融企业的愈发关注——即在经济逐步昂头的如今，刨除之前的波动不谈，作为产业经济的催化剂，供应链金融企业能否承担起应有的动力角色？或者说在面对不同市场水温和风险之中，供应链金融企业能否有更抗击风险、跨越周期的能力？

作者|皮爷 

出品|产业家 

“最近几个月，我们明显看到入场的资金开始变多了。”一位证券机构人员告诉产业家，“不仅是内地资本，甚至包括一部分外资也都开始回流。”

这个信号的更鲜明注解来自日前的一则招聘新闻，即“不少券商机构纷纷开始扩招相关人员，不仅局限在金融科技。”

这种回暖的信号也更体现在一众中小企业，甚至出现的时间更早。一组来自国内头部供应链金融企业联易融的相关数据显示，在2024 年第三季度，企业供应链科技解决方案处理的资产总量达 1050 亿元，同比增长 18%，单季度服务规模首次突破千亿元。

供应链金融，一个形象的比喻是其等同于企业和银行之间的一个桥梁。供应链金融企业负责将产业链中一众企业的相关价值资产（不仅固定资产，更包括如订单、交易数据等虚拟资产）转化为对应的企业信用，从而连接起企业和银行，帮助银行完成基于企业信用的面向企业的资金加持。

对产业经济而言，供应链金融不仅是一面镜子，也更是其核心的发动机和动力引擎，尤其是在微笑曲线向上仰头的当下，金融更是充当着绝对的动力源角色。

被誉为竞争战略之父的迈克尔·波特曾有一个著名的价值链理论，即“价值链的高效运转依赖于资金流、信息流和物流的协同，而金融则是优化这一链条的催化剂。”这也恰是对供应链金融的最好描述。

那么，在2025年技术和经济并发向上的当下，这个催化剂走到哪了？或者说，在中国市场，供应链金融的发动机的角色和价值是否正在成为撬动产业发展和经济向上的新支点？以及这个产业发展的必备角色，伴随着AI时代的到来，它的下一步或将走何方？

金融，对于用户而言，从来不是小事。而供应链金融，对于产业而言，也更需要放大镜式的持续考校。

一、从联易融，

理解「供应链金融」的双向支点

2024年年初，渣打银行面向金融机构颁发了一项名为“最佳可持续金融解决方案”的奖项评选，最终获奖者是一家来自中国的供应链金融企业——联易融。

在中国产业市场，谈及供应链金融，联易融是一个绕不开的企业，这种话题的必然性不仅来自于它是中国第一家上市的供应链金融SaaS企业，更来自于联易融服务的一众企业。根据官方数据显示，联易融覆盖中国百强企业中的45家以及全部中国前商业银行，此外，也更服务了超过25万中小微企业。

从某种程度来看，联易融的模式也恰代表着中国广大供应链金融企业的商业模式和价值锚点。

比如在产品侧，其核心产品为核心企业云、金融机构云、跨境云、SME场景云，分别面向不同类型的企业以及金融机构；此外，在如SME场景中，还有专门面向电商等更为特殊的场景提供特殊的产品方案。

这也正是供应链金融企业在中国产业发展中的特殊价值之处。即在欧美等地区，尽管企业更多的数据有所不同，但由于其底层规定的IT框架和数据格式具备统一完整性，对于银行而言，其可以基于统一格式和标准的数据信息进行定向授信，不论对银行还是企业都风险极低。

但在中国的产业环境则是有所不同。

首先，从品类来说，中国拥有全世界最全的产业链，拆解到局部则是企业被广泛分布在无数个标准不一的场景；其次，除金融之外，不少行业的信息化程度较低，而且缺乏统一标准，对企业而言，很难构建自身的数据信用。

这种样本的多样性和信息化数据的匮乏性，也恰导致了如果基于普通的信用机制，企业很难从银行获得对应的金融支持，而金融上的匮乏传导到产业链则是产业交易链条的运转缓慢，甚至近乎停滞。

联易融等供应链金融企业的不同产品恰面向的是这些卡点。更细节的理解是，在“核心企业云、金融机构云、跨境云、SME场景云”的产品背后，其对应的都是适配不同产业企业、不同场景和金融机构的金融解决方案，这些方案一方面可以定向帮助不同产业链的企业构建不同于C端的信用逻辑，加持企业获得对应的金融支持；另一方面，也更通过对金融机构的不同程度的加持，帮助其可以以更低的风险和不同维度的指标充分释放自身的想象力。

如果从其核心价值来看，不仅中小微企业，包括一系列大型企业也都需要供应链金融企业的加持，以联易融为例，在其服务版图中，更有如长城汽车、山东高速集团、中粮等一系列大型民营以及国央企。

这些分散在各个产业链的链主企业在被服务加持的同时，也也恰构成着联易融等中国供应链金融企业的产品进化动力，进而辐射到更多不同的其它产业链，催化产业经济的加速流转。

一个数据是，截至目前，联易融的产品共计拥有1900个微服务、2300个组件，这些模块如今可以转化为面向不同场景、不同产业、不同企业量级的定制化解决方案，帮助企业获得最大程度的金融加持。

二、AI时代，

供应链金融正在走向哪？

那么，在价值之外，中国供应链金融的健康度到底如何？或者说，他们的产品模型在当下的中国市场，是否被充分验证？

实际上，这也是最近的出圈话题之一。即就在刚刚过去的3月，联易融发布了一份相关公告，内容大致为预计2024年将亏损增加，但公司仍然保持充裕的现金流。

与之而来的市场谈论则是针对这家中国头部供应链金融企业的质疑，比如“联易融科技自2018年至2024年累计亏损额约为172亿”等等观点。

首先，从联易融官方公布的上市财务报告来分析，在企业年报中，按照经调整利润口径，公司2018至2024年上半年累计利润为2.22亿（其中2018年、2019年、2020年、2021年、2022年、2023年、2024年上半年经调整利润分别为-0.14亿、0.37亿、1.92亿、3.02亿、1.96亿、-2.86亿、-2.04亿）。

那么，问题到底出在哪？或者说，172亿亏损的市场批评到底是否为真？

在评判联易融的数据准确性之前，可以先来看一份来自不同互联网企业的财报，比如在2019年，美团曾以接近1155亿元亏损额的出圈，但与之对应的是美团在港股市场股价的长期向好，原因是当时的美团选择将部分资金投入到打车、酒旅等相关业务上，同时也更有主动对外卖骑手的补贴；

再比如在2018年上市的小米，外界传闻亏损439亿，但小米仍然以1000亿美金的估值上市，其本质是两者的计算逻辑不同。小米财务报表，采用的是国际财务报告准则（IFRS），这是在香港上市的要求。实际上，小米在2015~2017年的经调整利润应该为-3亿元、+18.9亿元和+53.6亿元。

净利润和经调整利润之所以有如此大的差距，是因为净利润在经调整利润的基础上，还算入了可转换可赎回优先股（上市前融资的股份等）公允价值变动、以股份为基础的薪酬、投资公允价值增益净值、收购导致的无形资产摊销等成本。

这也是联易融172亿背后的理解口径偏差。比如2021年联易融显示的“亏损129.92亿元”，其本质也更是提前加入了可转换可赎回优先股公允价值变动预期，和实际业务关联不大。

换言之，在资本市场的角度之外，从真正业务的角度来看，联易融官方公布的经调整利润恰反应的是企业业务的真实晴雨表。

但在这些市场讨论的水面之上的数字之外，一个辐射出的更本质问题恰是市场对于供应链金融企业的愈发关注，即在经济逐步昂头的如今，刨除之前的波动不谈，作为产业经济的催化剂，供应链金融企业能否承担起应有的动力角色？或者说在面对不同市场水温和风险之中，供应链金融企业能否有更抗击风险、跨越周期的能力？

实际上，能看到的是，伴随着中国产业数智化的升级，一系列的升级也更发生在供应链金融产业版图内。

比如联易融近日宣布接入DeepSeek官方API，据了解，在业务高峰期，单日资产规模超50亿元时，通过AI技术的自动化处理能力，可以极大地减轻人工操作的负担，同时也降低出错率。

此外，基于AI Agent的实践，更多的自动化操作也在被加速引入联易融的产品服务中，比如实在风控领域，AI技术能够快速分析复杂的Excel数据，为风控人员提供精准的决策支持。此外，AI还可以通过自然语言处理技术，实现与企业内部系统的无缝对接，提升业务流程自动化水平。

不仅联易融，一众其它供应链金融相关企业也更在不断行动。比如有企业基于AI自主研发技术平台，基于AI等技术，与更细节的产业生态进行链接，为中小微企业构建更精准的交易画像，让原本因数据不足而难以获得融资的中小微企业，获得了更多的融资机会。

以及也更有供应链金融企业将AI智能体引入到数据分析前端，帮助企业构建更为完整的数据交易链路，通过更精准的链上数据帮助企业构建数据资产等等。

如果说金融的风险始终没办法完全消弭，那么AI技术的到来则恰是将这种风险性更进一步降低，通过对数据更细维度的处理和采集，以及基于AI大模型和AI Agent等不同形式的应用，更好更科学地完成产业信用体系的构建，真正让产业金融的流动、数据资产的验证做到安全可控。

而从另一个角度来看，这种真正基于技术层面的进化不仅提升的是一众产业链企业和金融机构的更充分黏连，其也恰是帮助供应链金融企业构建更为健全的产品能力和更加坚实的抗风险底盘。

从发展的视角来看，这才恰是当下乃至未来十年供应链金融企业最应该被考校的底色，即科技含量如何？AI进化走到哪一步了？

写在最后：

供应链金融是一面镜子，但其更重要的角色是中国一个个产业链的金融动能发动机，从业务范围来看，伴随着经济周期的波动，其对应的企业状况必然会有对应的波动。

但在这些弹性的波动之外，更应该看到的是一个个企业在当下不断优化、进化，乃至全力以赴构建的适配中国产业环境的不同产品和服务流程。同时，也能更加清晰感知到的是，AI时代，包括联易融在内的无数中国供应链金融企业将会释放出更强的金融科技动能，成为更为智能化、科学化的产业连接桥梁，成为千行百业的更强力增长支点。

行稳致远，价值为王。2025年，期待供应链金融企业的千帆进化。

透视京东物流财报：一个长期主义的产业样本

“企业的使命不是预测未来，而是创造未来。但创造的前提是理解什么值得坚守百年。” 

从某种角度来说，京东物流恰在成为当下国内研究长期主义的一个样本。这些亮眼的财报数据背后，对应的不仅是向上的业务增长本身，其中更需要被看见、被发掘的还有长期以及最新的技术专注、技术定力，以及不断向产业纵深跃进的服务厚度和服务边界。

作者|皮爷 

出品|产业家 

全年营收1828亿元，同比增长9.7%，第四季度营收同步增长10.4%——这是来自京东物流财报的三组数据。

这个成绩单可以说是对「长期主义」的最好诠释。

和这两组数据一同出现的还有一系列更为细节的业务增长数据。2024年，京东物流来自外部客户的收入为1278亿元，同比增长9.6%，已服务外部一体化供应链客户超8万家；此外，包含快递、快运等在内的来自其他客户的收入约955亿元，同比增长12.1%。

此外，同样亮眼的数据也更在海外，根据财报数据显示，截止目前，京东物流已拥有超100个保税仓库、直邮仓库和海外仓库，总管理面积超100万平方米，海外仓已覆盖全球19个国家和地区。

对京东物流而言，市场乃至消费者都并不陌生。而对于京东物流的长期坚持投入的故事，也更是被无数商业市场所熟知。

但越是在这种熟悉的背景下，我们似乎越要探索和理解这家长期主义企业的增长逻辑，尤其是在AI热潮不断涌动的如今，即——技术和产业的结合范式应该是什么？对中国企业而言，在技术曲线不断向上、摩尔定律不断突破的当下，企业应该寻求的核心价值锚点到底应该是什么？

技术，带来新想象力的同时，也同步带来的是无数企业对自身业务和战略思考的迷茫。而京东物流，似乎正在成为这些问题的答案。

彼得·德鲁克在面向企业咨询时曾说过这样一句话，“企业的使命不是预测未来，而是创造未来。但创造的前提是理解什么值得坚守百年。”

从某种角度来说，京东物流恰在成为当下国内研究长期主义的一个样本。这些亮眼的财报数据背后，对应的不仅是向上的业务增长本身，其中更需要被看见、被发掘的还有长期以及最新的技术专注、技术定力，以及不断向产业纵深跃进的服务厚度和服务边界。

“技术锐度+产业深度”，京东物流正在走出新的想象力。

一、稳稳的增长，

“出圈”的京东物流

实际上，在财报之前，越来越多人的一个感受是：京东小哥的身影，出现地越来越频繁了。

这种在2024年的频繁感的表现不仅在一众电商平台的下单和派单，也更在包括家电、大件商品的配送，以及在包括生鲜、鲜花等特殊产品的配送。可以说，在过去的一年里，京东物流给人的感觉更像是在加速“出圈”。

这种出圈也恰在财报中得到了近一步印证。比如前文提到的在过去的2024年，京东物流来自外部客户的收入为1278亿元，而从整个收入构成来看，其在总收入中的占比接近70%。

这也是外界对于京东物流“破圈”印象的最主要原因之一。即对外部构成的一个理解是，其在如今互联网平台互联互通的大背景下，对应的是足够充分竞争的市场条件，对京东物流有需求不仅是基于一体化供应链服务的一众独立企业品牌，也更有包括不同外部电商平台企业的需求。

而在这种充分自由的物流环境里，京东物流则是成为越来越多独立企业和电商企业的选择。在产业家之前不少面向产业带企业的调研中，一个较为广泛的问卷调查是，不少企业最开始使用的是其它物流，但在最近两年都开始改用京东物流。

这也足够清晰地反映在财报数据中，即京东物流在2024年包含快递、快运等在内的来自其他客户的收入约955亿元，同比增长12.1%。

此外，一体化供应链的服务也更是构成京东物流出圈的原因。单从一体化供应链的数据来看，2024年，京东物流一体化供应链收入为874亿元，外部一体化供应链客户数量超过8万家。

实际上，外界对于京东的一体化供应链能力和方案并不陌生。甚至从更市场化的视角来说，作为中国最大的零售商，也恰只有京东物流可以提供真正的从营销前端到配送终端的一体化供应链解决方案，而对越来越多的企业而言，这种贯穿企业生产、制造、运输、仓储、以及销量预测、生产规划、存货管理等增值服务一体化供应链方案，在当下恰等同于被直接加持的增长势能。

这也是京东物流的基因所在，即其不仅有足够强的重物流属性，也更有电商侧的强市场理解，能为企业提供适合自身的一体化供应链方案。

而在这些破圈的数据之外，京东物流在海外的布局也更在成为一大亮点，财报显示，其如今运营海外仓、保税仓、直邮仓超过100个，覆盖全球国家和地区19个，此外，京东物流也更在全力发力建设海外供应链，预计至2025年底海外仓面积将翻番，构筑海外仓配“2-3日达”时效圈。

从路线来看，京东物流是将国内的模式在海外进行投射，即优先构建不同类型的仓储，基于不同的仓之间的配合进而实现“跨境备货+本地化履约”的一体化链路，为企业提供足够高时效的体验。

从某种层面来看，这些全部数据都很具备“京东属性”。不论是京东物流在自由物流市场的持续被选择，还是一体化供应链的不断加持，以及海外等市场的不断发力，这也恰都显现着京东物流的特殊典型性——长期主义，厚积薄发。

二、再交卷的数智化供应链：

技术向下，产业向深

在商业咨询市场，很多企业在发展中都会遇到这样一个问题，即如何坚持长期主义，或者说如何保证在长期主义保持不断精进和不断向前。

京东物流的答案是技术，如果更近一步，则是“产业+技术”。

从更具体的角度来看，对这个问题的演绎也更可以延展到最核心的业务视角，即京东物流的增长是从哪里来？这种增长的最底层构成和最底层支撑引擎到底是什么？

早年谷歌多项业务持续增长，有记者也曾问过谷歌联合创始人拉里·佩奇相似的问题，他的回答是“企业真正的‘加速度’，藏在实验室里，而不是财报中。”

这也是京东物流的回答之一。

早在2023年的云峰会上，京东物流就推出了物流大模型应用——“京东物流超脑”，而在2024年，京东物流又再次全面升级基于大模型的数智化供应链技术全景“京东物流超脑”，将AI、大数据、运筹学、数字孪生等数智化技术与物流各环节深度融合，专注于供应链全链路的降本增效。

可以说，这个两年前的AI布局如今正在成为京东物流越发核心的底层引擎。

比如在仓储环节，京东物流可以基于AI销售预测动态优化储位布局，实现拣货和补货效率大幅提升；在运输环节，基于自研的分布式仿真技术，京东物流具备亿级订单全网线路分钟级孪生模拟及百万级数据分钟级的处理能力，可以结合货量预测、动态路由、智能调度等AI算法，实现动态调整运输资源、优化运输线路，大大降低运输费率等等。

根据数据显示，截至目前，京东物流大模型已被应用于异常管控、流程自动化、智能交互等数十个场景中，累计调用超6亿次，赋能数十万一线员工。

不仅在AI侧。在行业一直公认的前沿物流机器人侧，京东物流也更在持续发力。比如2024年，京东物流推出了智狼货到人解决方案，并已经应用在京东物流北京大兴临空智能物流园区的童装仓，存储坪效相比普通仓库提升4倍以上；全仓使用近百台智狼飞梯机器人和搬运机器人，实现自动化入库、上架、拣选、出库等，上架效率提升5倍，拣货效率提升3倍以上，可以大大降低仓内运营成本。

如果说“技术”给京东物流带来的是基于全物流链条的智能深化和产品的良性降本，那么“产业”则带来的是越发纵深的行业积累。

这些也恰都在过去的一年被印证。比如在产业带方向，京东物流和众多产业带合作，打造了多条高价值生鲜产品解决方案，一个数据是，如今京东物流已经覆盖了超过2000个产业带；再比如在家电大件方向，2024年，京东物流在依托行业首创的“送装拆收”一体化和送货上门等服务之外，还为家电产品提供回收质检、正逆向一体化服务等等。

同样的产业细分布局也还更在快消品等等不同的领域。在过去一年的京东物流服务版图里，越来越多“行业化”“垂直化”“场景化”的服务方案恰都在逐步落地。

也可以理解为，技术的创新实践和产业细分场景的持续加码构成的也更是京东物流最前端的企业竞争力：越发智能优质、越发实用适配、越发性价比的物流服务。

实际上，这也是前面几个问题的答案，即在能看得见的财报背后，水面之下对应的是不断积累的技术深度和产业厚度，而这也恰是京东物流的最核心动力引擎。

三、从京东物流，

理解真正的「长期主义叙事」

长期主义，一直是中国企业，乃至世界众多企业所信奉的一个词。而与之形成后缀的是“馈赠”，即坚持长期主义的人/企业，一定会得到馈赠。

而如果这种馈赠，再加上最敏感的技术锐度，会是如何？这也恰是京东物流的故事，也是这次亮眼财报带来的真正思考。

即在这次财报背后，一个最真实的感受是真正长期的技术投入、产业投入是可以跑通甚至跑赢市场大盘，但在这之中需要长期的坚持，需要甚至很长时间的沉默成本，以及面对技术、面对产业的足够专注和垂直。

根据不完全统计，截至2024年底，京东物流已获得授权的专利和软件许可超过5000项，其中涉及自动化技术和无人技术的专利数量超过3000项。在自动驾驶、数据治理、地图服务、绿色低碳等方面，京东物流的创新技术也更是得到国家高度认可，全年累计获得国家级科技奖项以及技术示范案例超30次。

此外，京东物流如今已在全国运营自营仓库及云仓超3600个，总管理面积超3200万平方米，仓储网络几乎覆盖全国所有县区。根据京东物流内部人士透露，在接下来的时间里，京东物流还进一步探索行业化、定制化仓储供应链。

可以说，不论是物流AI大模型，还是“智狼”系统，抑或是逐步深入各个产业带、细分垂直场景的一体化供应链方案，以及正在快马加鞭布局的全球“一盘货”体系，在京东物流身上，能看到的是一个基于长期主义底盘之上长出来的战略惯性和战略专注。

这种基于技术进行提质降本增效的理念，和不断深入物流产业的纵深战略，构成的不仅仅是这次京东物流给出的财报数据，还更体现在一位位破圈出圈的京东小哥，一个个深入线下场景、之前很难被覆盖的产业带和特殊商品地，以及一条条横跨国内乃至全球各个地区的仓储配送体系。

在越来越多人对纯粹技术追求的大背景下，这种对产业的默默坚持和长期主义耕耘恰更显得难能可贵，而这些“难而正确”的事情也恰构成着技术和产业的最强链接，也更构成着企业持续向上且不可替代的最强想象力。

2024全年，京东物流经调整后的净利润达到79亿元，同比增长186.8%。这家坚持长期主义的企业，一直在路上。

DeepSeek到底给中国TO B服务带来了什么？｜产业深度

DeepSeek引发的技术地震只是序章。当潮水退去，最终留在舞台的，必是那些完成“价值操作系统”升级的破壁者。 

作者|斗斗 

出品|产业家 

DeepSeek的出现，仿佛在平静的湖面上投入了一颗石子，激起了层层涟漪，引发了各层技术服务商的广泛关注与响应。

“原来那些我们比较珍惜、甚至有些不舍得用AI的地方，现在都可以大胆地使用AI了。”合思告诉产业家。

与过去一年中涌起的AI浪潮不同，DeepSeek带来的并非仅仅是技术的热度，而是一种基于深度思考的技术范式。它以独特的方式改变了人们对AI的认知：即使在数据资源有限的情况下，依然能够训练出高质量的模型；模型蒸馏技术则赋予了小型模型更大的价值，使其能够发挥出与大型模型相媲美的作用；同时，开源战略和低价策略更是为AI技术的普惠化铺平了道路。

这些新变化，让本次AI技术浪潮比以往更加激烈，也更具影响力。

这种新的技术路径带来了截然不同的变化。随着AI技术的普惠化，企业对融合AI技术的信心大增。SaaS服务商也开始积极拓展更多应用场景，探索AI在更多领域的落地可能。这种技术的普惠化，不仅推动了行业的发展，也让各层级的技术服务商真正受益，吃到了实实在在的红利。

阿里云的最新财报也从侧面反映了这一趋势。数据显示，阿里云实现营收317.42亿元，同比增长13%。虽然AI产品的需求与云用量不能直接等同，但阿里在财报会议上提到，客户对AI相关产品的新需求中，约有60%-70%用于推理。这也证实了低价策略确实激发了市场的一部分需求，增加了对底层云基础设施的调用量。

然而，尽管DeepSeek的爆火在各行业掀起了一股热潮，其创新的技术范式和超低价策略对国内TOB厂商和云厂商产生了显著影响，但这些影响并非外界所渲染的“全面AI化”。大厂云并没有盲目地全面接入DeepSeek，反而是呈现出明显的分化和阶段性特征。

在复杂多变的行业环境中，我们需要拨开云雾，看清本质，深入探究DeepSeek热潮之下服务商们的真实变化，以及这些变化背后的故事——DeepSeek到底给TO B服务商带来了什么？中国的TO B产业服务，在DeepSeek的影响下正在发生怎样的变化？

一、DeepSeek潮水里：

被加速释放的AI热情和AI想象力

“银行复杂文本问答准确率提升至96%，外呼效率提升300%-400%。”“接入DeepSeek后，在智能分析报告生成和图表可视化的方面，我们的产品比现在市面上大部分自然语言交互式数据分析产品都做得更好。”

无论是前者容联云AICC3.2版本整合DeepSeek后带来的数据，还是后者数势科技接入DeepSeek后的产品优化，都验证了DeepSeek带来的AI新技术范式的优异之处。

这一明显的成果，这也让客户侧发生了十分明显的变化。

数势科技联合创始人谭李告诉产业家，“很明显，年后来咨询的客户数量，增长了很多”。他提到，连锁类客户的需求尤为突出：“过去给每个店长配一个分析师是不可能的，但现在通过数势科技智能分析平台SwiftAgent，他们能直接获取数据洞察并自动生成周报。”

这种从“集中式人工取数问数”到“民主式智能分析助手”的转变，正在重塑企业用数的范式。

国际电商 SaaS 公司AfterShip也在和产业家的沟通中提到：“DeepSeek相比GPT有着1/70的价格，而且它出色的推理能力赋予了较好的理解能力和可解释性，激发了公司众多团队、个人去实践和探索更多应用场景的热情。”

“目前公司已落地多个AI Agent，如AI Copilot和AI客服，40%以上客服问题由AI处理，准确率超95%，响应时间和满意度优于人工客服，节省成本且提升服务质量。”AfterShip 数据总监 Harvey 对产业家说。

这一点，也在PaaS层服务商那里，得到了清晰地验证。

“在大年三十，我们就已经开始尝试与部署让DeepSeek开口说话。”声网告诉产业家，其对话式AI引擎通过640ms超低延时、智能打断等功能，让开发者无需二次开发即可实现多模态交互，“客户对语音互动的需求显著增加”。

从技术服务商侧来看，这种变化意味着垂直赛道的进一步深化以及项目预算门槛的降低。

容联云对产业家说道，“在DeepSeek出现之前，我们更倾向于使用自己的行业专属模型+多模型管理，但现在从客户的应用诉求来看，优先使用以DeepSeek为主的多模型接入+行业专属模型，优先级发生了变化。”谭李也提到，“以往调用大模型的一大笔成本是阻碍客户大规模推广Data Agent的一道门槛，现在客户和我们共同的目标是如何让越来越多的人使用SwiftAgent来提升工作效率。”

从客户层面的积极性增加，到应用层的爆发，无一不在增加底层云基础设施的调用量。而大厂云无疑成为了这波技术狂潮最大地承接者。

从各大云基础设施服务商的动作来看，策略也各不相同。

腾讯云采取双线推进的策略，一方面通过API接口调用云与模型直接部署元宝、微信，另一方面将微信生态中的搜一搜、、视频号作为DeepSeek落地的核心场景，实现了产品之间的高效协同。

百度智能云则通过搜索入口整合，如推出「AI+」入口，以及模型切换功能，让文心与DeepSeek并行，实现了快速落地，为用户在搜索等场景中融入了更强大的AI能力。

与腾讯云和百度智能云不同，阿里云对DeepSeek的接入则主要聚焦于自己的主营业务侧产品，如阿里的1688、钉钉、阿里云相继接入DeepSeek，给自研的大模型产品保留了一部分空间。这也显示出阿里云在AI布局上的策略考量，既积极引入外部优质模型，又注重自身技术体系的协同发展。

近日阿里Qwen团队发布新推模型QwQ，称会展示完整的思维链，也确定了上述猜想。

字节的接入策略与阿里有相似之处，最近被曝出豆包小范围测试深度思考模型，接入的并不是DeepSeek，可见其也是注重自身技术体系的协同发展。

总体而言，从应用层技术服务商们的接入动作来看，AI技术正在从通用能力向行业Know-How渗透；而腾讯的生态绑定（微信）、百度的入口整合（搜索）、阿里的业务协同（1688/钉钉），反映出云厂商正通过差异化定位将AI能力转化为自身生态护城河，而DeepSeek暂时成为其补齐短板的战略资源。

二、2025年

被重构的AI TO B服务链条

DeepSeek引发的技术普惠浪潮，正在悄然重构TO B服务的价值链条。

当银行外呼效率因AI介入提升300%-400%时，传统行业对AI的认知已从“试水工具”转向“效率引擎”。

这种转变催生了服务商角色的进化——不再满足于单纯部署AI模型，而是将通用模型适配至风控、客服、数据分析等垂直场景。

数势科技的SwiftAgent产品便是典型代表，面向企业“刚需”的写报告场景，使用者可直接上传历史报告模板，SwiftAgent能够自动基于最新数据生成符合企业偏好的深度报告。“过去需要数据科学家做的归因分析和异常下钻，现在一线业务人员就能完成。”谭李表示。

在技术门槛持续降低的背景下，服务商的竞争焦点也从“谁能提供AI能力”转向“谁能更懂行业痛点”。

这种深度渗透的趋势，与多模态交互的爆发形成共振。正如声网基于底层音视频技术，从技术底层优化解决方案，将DeepSeek的语音生成与实时音视频技术融合。

值得关注的是，AI正从辅助工具升级为“决策执行者”。例如，容联云旗下数据智能平台诸葛io通过全链路数据采集，优化营销效率等核心指标；数势科技SwiftAgent实现从数据分析到策略建议的高效闭环，并对接企业的IM系统实现即时通知与反馈。

而站在浪潮之巅的云厂商们，已悄然展开生态卡位战。腾讯云将DeepSeek深度植入微信生态，让搜一搜的答案推荐、视频号的智能剪辑都流淌着AI的血液；百度智能云则通过搜索框的“AI+”入口，让文心与DeepSeek在用户无感切换中完成体验升级；阿里云在钉钉智能办公套件中嵌入多模态能力，使工作汇报自动转化为可视化看板。

这些差异化路径背后，藏着同一个逻辑：云服务的战场已从基础设施层跃升至应用生态层，谁能将AI能力与场景流量深度耦合，谁就能在客户心智中筑起护城河。

狂欢之下，暗礁也在隐现。当阿里云财报揭示AI推理需求激增时，鲜少人注意到底层算力成本正随模型微调需求攀升——低价策略撬动的市场，也可能反噬利润空间。

更棘手的挑战来自数据安全的灰色地带：某医疗企业混合部署自研模型与DeepSeek时，因患者数据脱敏不彻底引发合规争议，这类案例正倒逼服务商重建技术伦理框架。

而字节跳动自研“深度思考模型”的举动，则暴露出头部企业对技术依赖的警觉——当AI能力日趋同质化，真正的护城河或许不在技术本身，而在谁能更快将行业Know-How沉淀为智能资产。

这场由DeepSeek点燃的技术革命，终将走向价值深水区。服务商们逐渐意识到，AI普惠不是终点而是起点。

当技术民主化消除准入壁垒后，决胜关键已转向如何用AI重构生产流程、如何将碎片化场景串联为生态闭环。正如跨境电商企业借助模板化AI客服实现全球市场快速复制，或制造企业通过低代码平台将质检模型落地为标准化模块，技术浪潮的最终指向，是一场悄无声息却影响深远的产业智能化迁徙。

三、去伪存真的AI后序：

谁会留在舞台？

开源技术的普及与DeepSeek的超低价策略看似扫清了AI落地的经济门槛，但产业实践揭示出更深层的矛盾，那就是价格门槛的突破并未消除产业深水区的暗礁，反而让长期被忽视的短板加速浮出水面。

当技术狂欢退潮，产业界正在形成新共识，即大模型突破的是技术天花板，而商业价值的释放仍需穿越"工程化鸿沟"和"场景化深水区"。

这一点在企业客户侧也有所体现。

“以前客户见面就问‘你们用的是什么模型’，现在第一句话变成‘能帮我降本多少’。”某SaaS企业销售总监的观察，印证了客户需求的转变。

这种分化背后，反映出产业对技术落地的务实需求——低价仅是起点，真正的竞争在于能否解决实际场景中的“水土不服”。就像买了辆特斯拉，但村里没充电桩技术再牛，配套跟不上也白搭。

当技术触达率快速攀升时，未被狂欢掩盖的真实困境正在悄然酝酿。毕竟，把AI技术变成实际可用的系统，中间还有各种麻烦事，不是价格低就能解决的。

面对汹涌的技术浪潮与复杂的落地困境，产业界正在形成新的突围共识——AI价值的释放不再依赖单一技术突破，而是需要构建“技术-工程-场景”三位一体的新型基础设施体系。

这一共识的形成，标志着AI产业从单纯的技术追求，转向了更为务实的应用与价值实现。在这个过程中，数据治理、算力重构和模型演进成为了关键的三个环节。

过去，数据的收集和存储更多是无序和粗放的，就像原始的原料开采，只注重数量而忽视了质量。如今，随着AI技术的深入应用，数据治理已经转向精细化管理，通过先进的技术和严格的标准，对数据进行清洗、分类和标注，使其成为高质量的“精炼产品”。

算力重构也在经历着从“军备竞赛”到“精准调度”的转型。

过去，算力的提升往往依赖于硬件的堆砌，企业之间展开了激烈的“军备竞赛”，追求更高的计算能力。然而，这种模式不仅成本高昂，而且效率低下。现在，随着算力调度技术的发展，企业开始注重算力的精准分配和高效利用。

模型演进则从“参数崇拜”到“价值锚定”的觉醒。

过去，模型的性能往往被简单地等同于参数规模，企业之间展开了对参数数量的盲目追求。然而，这种“参数崇拜”并没有带来预期的性能提升，反而导致了资源的浪费。现在，企业开始更加注重模型的实际应用价值，通过优化模型结构和算法，提高模型的效率和准确性。

DeepSeek技术的突破就是一个典型例子，通过独创的DeepSeekMoE架构和MLA机制，该模型以较低的实际开发成本，实现了训练效率的巨大提升、训练成本较较其他模型也大幅降低。这种转变不仅降低了开发成本，还提高了模型的实用性和竞争力。

当技术民主化进程完成时，真正的竞争才刚刚开始。未来的赢家不是最会训练模型的企业，而是最懂如何将AI原子嵌入业务DNA的组织。在这个过程中，企业需要构建“技术-工程-场景”三位一体的新型基础设施体系，实现技术与业务的深度融合。

在这场静悄悄的产业革命中，DeepSeek引发的技术地震只是序章。当潮水退去，最终留在舞台的，必是那些完成“价值操作系统”升级的破壁者。

当红炸子鸡DeepSeek，为何花心思自研存储？

存储，这个一直被谈论的IT“旧话题”，正在重新站在聚光灯下。 

作者|吴铭 

出品|产业家 

DeepSeek再次成为破圈话题。

这两天，DeepSeek开源3FS并行文件系统的消息，犹如向AI基础设施领域投下一枚深水炸弹。3FS每秒能搬运6.6TB数据，相当于1秒钟传输完700部4K高清电影。还能自动调资源，国产芯片用了它，跟国际大牌的差距直接缩到15%。

这并非简单的技术迭代——当Llama3 70B模型单次训练需吞掉15PB数据（相当于连续播放250万小时4K视频）时，全球AI实验室突然意识到：决定大模型训练效率的不仅是GPU算力，存储系统正成为影响AI进度的一大瓶颈。

存储，这个一直被谈论的IT“旧话题”，正在重新站在聚光灯下。

一、当AI算力狂飙时

存储正在成为隐形战场 

2024年，某头部AI公司曾因存储带宽不足，导致2000张A100显卡的算力利用率长期低于40%，单日经济损失超百万美元。这暴露了AI时代的"木桶效应"——当GPU计算速度进入微秒级时，一次突发的存储抖动就可能导致整个训练任务崩溃，让数周的计算成果瞬间蒸发。这或许也是DeepSeek自研存储的原因。

数据显示，存储优化可直接将175B参数模型的训练周期压缩30%，对应百万美元级的成本被填平。而在推理端，当10%的异常请求遭遇存储延迟波动时，P99响应时间会瞬间突破SLA红线，这正是某自动驾驶公司在线服务突发降级的根本诱因。

从DeepSeek的角度来看，其之所以选择自研3FS的本质，也正是发现了存储架构在AI应用中的重要性。《金融行业先进AI存力报告》》报告中提到，在同样的GPU算力规模下，存储性能的高低可能造成模型训练周期3倍的差异。在算力军备竞赛的背后，一场关于存储性能密度的暗战悄然升级，自研存储显得尤为重要。

二、5家头部厂商角逐AI存储

国产能否拔得头筹

相比于传统AI的需求，大模型对存力需求场景具有数据量大、参数规模大、训练周期长等特点。

为了提升大模型训练速度，需要对大规模数据集进行快速加载，且一般采用数百甚至上万张GPU构成计算进行高效的并行计算，需要高并发输入/输出（I/O）处理，而训练数据集呈现海量小文件的特点，文件量在几亿到几十亿量级，对应的带宽需求可能每秒要达到上TB，这就要求存储系统具备强大的数据管理能力，业界能达到该能力的仅寥寥几家。

小编搜集了国内外优秀的并行存储产品做了对比，发现除了国外主要做并行文件的几家公司，国内真正并行文件自主研发的产品并不多，带着好奇心我们也看了一下华为存储、京东云云海，行业目前有四家优秀的并行存储产品。

IBM作为老牌存储品牌，其产品从HPC场景成功向AI场景演进，但受制于其在国内市场的萎缩，在产品研发上的投入也有所收缩。在全球AI场景得到广泛应用的N，多个读、写带宽等关键上表现突出，但N由于技术封闭性、专有化硬件等原因，导致用户建设成本过高。

国产厂商DeepSeek 3FS虽然是开源的新产品，但相对老牌存储也有不错的表现，在读带宽能力上表现优异。我们还惊喜发现，另一家国产厂商京东云云海，在这个专业领域表现出色，以单节点95GB/s的读带宽、60GB/s的写带宽，进一步拉低了国产存储与国际老牌厂商的差距。相较于DeepSeek的3FS，京东云云海在提供高性能的同时适用性更广，可以同时满足DeepSeek、ChatGPT、LLaMA等20余种主流大模型的存力需求。

综上来看，随着大模型快速向纵深场景演进，对存储的要求也越来越高，DeepSeek、京东云云海等国产存储，显示出在处理大规模数据集时的优越性能，未来国产存储能否拔得头筹，我们拭目以待。