對于一家海運(yùn)重工的投標(biāo)團(tuán)隊(duì)來說，響應(yīng)速度直接決定著訂單得失。

一份動輒數(shù)百頁的船舶維修招標(biāo)文件，往往需要售前工程師們耗費(fèi)好幾天時(shí)間逐條拆解。從鋼板規(guī)格到焊接工藝，從設(shè)備參數(shù)到維護(hù)條款，稍有不慎，就可能因漏報(bào)或錯報(bào)而損失數(shù)百萬的訂單。

語核科技的 “數(shù)字員工” 改變了售前工程師與時(shí)間的賽跑。

一份新的招標(biāo)文件上傳系統(tǒng)，AI 會在20 分鐘內(nèi)完成過去需要 4 天時(shí)間去做的工作。

售前數(shù)字員工像一位經(jīng)驗(yàn)豐富的老工程師，精準(zhǔn)拆解出工程、零部件、維護(hù)等不同類型的核心招標(biāo)需求。調(diào)取歷史數(shù)據(jù)與成本模型，生成合規(guī)報(bào)價(jià)，確保每一份投標(biāo)文件的準(zhǔn)確率超過 90%。

語核科技有個(gè)執(zhí)念，即AI Agent 必須幫企業(yè)實(shí)現(xiàn)降本增效，要么能直接幫助客戶快速提振營收，要么能幫助客戶快速壓縮成本。

從 ToC 到 ToB，一場關(guān)于 “價(jià)值付費(fèi)” 的創(chuàng)業(yè)轉(zhuǎn)型

2023 年夏天，大模型創(chuàng)業(yè)潮席卷而來時(shí)，從帆軟出來的翟星吉帶領(lǐng)語核科技團(tuán)隊(duì)，開發(fā)了一款面向 C 端的桌面生產(chǎn)力工具，產(chǎn)品迅速收獲數(shù)萬用戶，留存率亮眼。

然而，付費(fèi)轉(zhuǎn)化并不好，哪怕產(chǎn)品將 C 端用戶的效率提升 10 倍，他們買單的意愿仍然不高。

“這相當(dāng)于給用戶一把錘子，但他沒有釘子可敲?！?翟星吉在接受牛透社采訪時(shí)這樣總結(jié)。

這次試錯讓團(tuán)隊(duì)看清了一點(diǎn)，即用戶的時(shí)間價(jià)值決定了用戶的付費(fèi)邏輯。

C 端生產(chǎn)力工具需依賴用戶自身的價(jià)值創(chuàng)造能力，普通用戶難以形成付費(fèi)閉環(huán)。

受到當(dāng)時(shí)海外 AI 創(chuàng)業(yè)項(xiàng)目啟發(fā)，語核科技團(tuán)隊(duì)曾嘗試開發(fā)類似 "扣子" 的 C 端 Agent 構(gòu)建平臺，讓超級個(gè)體能自主訓(xùn)練專屬 AI 助手，用于視頻剪輯腳本生成、多平臺內(nèi)容分發(fā)等場景。

但是他們面對的競爭對手過于強(qiáng)大，由于字節(jié)等大廠通過旗下產(chǎn)品天然占據(jù)用戶入口，形成了用戶行為的數(shù)據(jù)閉環(huán)，能快速迭代垂類 Agent。

初創(chuàng)公司依賴公開 API，效果滯后，教育用戶自己搭建 Agent 的成本遠(yuǎn)高于直接提供成品工具。

于是翟星吉果斷放棄了 C 端業(yè)務(wù)。

這段探索成為語核科技轉(zhuǎn)向ToB的關(guān)鍵轉(zhuǎn)折。

他們發(fā)現(xiàn)，企業(yè)端的需求本質(zhì)上是 "用 AI Agent 實(shí)現(xiàn)降本增效"，他們把效率工具當(dāng)作生產(chǎn)資料，一個(gè) Agent 數(shù)字員工，價(jià)值可以直接折算成財(cái)報(bào)上的數(shù)字。

而超級個(gè)體市場則需先證明，為他們節(jié)省的時(shí)間能變成錢。

這種差異，最終讓團(tuán)隊(duì) All in 到 "數(shù)字員工" 的戰(zhàn)場。

他們大量拜訪企業(yè)客戶，每周至少 4 家，不奔簽約，只關(guān)注三個(gè)問題：

“公司最核心的業(yè)務(wù)流程中的核心阻塞點(diǎn)是什么？”

“公司老板、部門中層熬夜在解決什么？”

“我們能不能嘗試用 Agent 解決這個(gè)問題？”

這種刺刀見紅的調(diào)研方式效果也很明顯，從 2024 年 4 月份開始，公司在一個(gè)季度里建聯(lián)了上百個(gè)客戶。

“我們的價(jià)值主張是，通過 AI Agent 直接解決企業(yè)可量化的核心業(yè)務(wù)痛點(diǎn)，摒棄傳統(tǒng)數(shù)字化工具的說服成本，用即時(shí) ROI 證明價(jià)值，要么賺錢要么省錢?！?翟星吉告訴牛透社。

不一樣的付費(fèi)邏輯

語核科技做的事情就是將 Agent 數(shù)字員工提供給企業(yè)，在商業(yè)邏輯上顛覆了企業(yè)級軟件產(chǎn)品的價(jià)值交付方式。

傳統(tǒng)軟件銷售模式中，企業(yè)客戶購買的是功能模塊或席位訂閱，需要自行配置、培訓(xùn)員工使用，最終價(jià)值依賴客戶自身的落地能力。這種模式導(dǎo)致軟件廠商陷入功能內(nèi)卷和價(jià)格戰(zhàn)，而客戶則面臨 "投入高、見效慢" 的困境。

翟星吉說，他們不想再做說服客戶的事情。賣傳統(tǒng)數(shù)字化系統(tǒng)需要給老板畫 “未來價(jià)值” 的餅，而他們要做的是直接呈現(xiàn)可計(jì)算的 ROI—— 要么幫客戶賺更多錢，要么幫他們省更多錢。

這種理念將 AI 能力轉(zhuǎn)換為具體崗位的數(shù)字員工，按實(shí)際業(yè)務(wù)結(jié)果收費(fèi)。

語核科技的"底薪+提成" 定價(jià)模型徹底改變了軟件付費(fèi)邏輯。底薪部分覆蓋數(shù)字員工的基礎(chǔ)運(yùn)維成本，確保服務(wù)的穩(wěn)定性；提成部分則根據(jù)實(shí)際產(chǎn)生的業(yè)務(wù)價(jià)值進(jìn)行分成，如銷售線索轉(zhuǎn)化提升帶來的增量營收、人力解放產(chǎn)生的成本節(jié)約等。

這種模式將廠商與客戶的利益深度綁定。以售前數(shù)字員工為例，某制造企業(yè)引入后，報(bào)價(jià)周期從 4 天縮短至 20 分鐘，響應(yīng)速度提升數(shù)百倍，而語核科技僅按新增訂單金額的一定比例獲取回報(bào)。

企業(yè)老板們只相信確定性的價(jià)值，花了多少錢，能帶來多少確定的營收增長或成本節(jié)約，他們就愿意付相應(yīng)的費(fèi)用。

敢對客戶說 「不」

在客戶選擇上，有時(shí)候拒絕一個(gè)項(xiàng)目比拿下十個(gè)項(xiàng)目更重要。

語核科技的首要原則是堅(jiān)決拒絕 "KPI 驅(qū)動型項(xiàng)目"。

這類項(xiàng)目通常源于企業(yè)管理層的 AI 指標(biāo)壓力，而非真實(shí)業(yè)務(wù)需求，典型表現(xiàn)為 "領(lǐng)導(dǎo)說要搞個(gè) AI 項(xiàng)目"，最終往往淪為搭知識庫、做聊天機(jī)器人等形式化工程。

翟星吉在訪談中表示，這類項(xiàng)目他們一直比較排斥，如果需求本身都不存在，何談落地呢？

他們的實(shí)施標(biāo)準(zhǔn)是，客戶場景必須能明確測算投入產(chǎn)出比，要么帶來確定性營收增長，要么實(shí)現(xiàn)可量化的成本節(jié)約。而且要有價(jià)值共識，客戶需認(rèn)可 "數(shù)字員工按結(jié)果付費(fèi)" 的模式，而非單純采購工具。

某國企曾提出開發(fā)通用型企業(yè)聊天機(jī)器人項(xiàng)目，預(yù)算充足但無法明確業(yè)務(wù)價(jià)值。語核科技評估后發(fā)現(xiàn)其本質(zhì)是 "為了 AI 而 AI" 的 KPI 項(xiàng)目，最終婉拒。

與此對比，一家汽車零部件頭部企業(yè)的供應(yīng)鏈單據(jù)處理項(xiàng)目因能直接解放 6 名人工去從事更加創(chuàng)造性的工作，降低企業(yè)千萬級現(xiàn)金流壓力，成為標(biāo)桿案例。

語核科技選擇客戶的第二個(gè)原則是聚焦高科技特定垂直崗位，而非通用解決方案。

通過將數(shù)字員工限定在 "售前解決方案" "供應(yīng)鏈單據(jù)處理" "產(chǎn)線質(zhì)檢技術(shù)員" 等具體職能，實(shí)現(xiàn)跨客戶的快速復(fù)制。

翟星吉表示，他們所選崗位在不同企業(yè)間的能力模型相似，業(yè)務(wù)流程相對固定，知識沉淀清晰，價(jià)值密度大。比如，供應(yīng)鏈單據(jù)處理有明確的規(guī)則和模板，高級售前專家年薪可超 50 萬，價(jià)值高，企業(yè)潛在節(jié)省的成本可觀。

實(shí)際上，每個(gè)崗位都可以拆解為基礎(chǔ)素質(zhì)、專業(yè)技能和行業(yè)知識三個(gè)層面，前兩層可以標(biāo)準(zhǔn)化，僅行業(yè)知識需要客戶化配置。

新客戶接入時(shí)只需加載企業(yè)特定數(shù)據(jù)，如同新員工入職培訓(xùn)，平均配置周期僅需5天~7天。同一崗位的數(shù)字員工在三家以上客戶落地后，便可提煉通用能力組件，形成可復(fù)用的崗位模板。

第三個(gè)原則是拒絕超出自身消化能力的大項(xiàng)目。

一方面是因?yàn)楣举Y源有限，好鋼用在刀刃上。大額項(xiàng)目往往伴隨過多定制化需求，會分散團(tuán)隊(duì)在核心產(chǎn)品迭代上的精力。

翟星吉說，任何項(xiàng)目必須符合 "聚焦垂直崗位" 的產(chǎn)品戰(zhàn)略，避免為短期利益偏離長期目標(biāo)。超過閾值的項(xiàng)目收入增長無法抵消定制化帶來的長期成本，會影響公司的產(chǎn)品規(guī)模化能力。

這三大原則共同構(gòu)成了語核科技"以終為始" 的客戶戰(zhàn)略。

拒絕 KPI 項(xiàng)目確保價(jià)值真實(shí)，控制合同規(guī)模確保了產(chǎn)品聚焦，垂直崗位深耕則有助于實(shí)現(xiàn)規(guī)?；瘡?fù)制。

翟星吉說："我們不想花很高的成本去說服客戶這個(gè)事有價(jià)值，我就想讓他直接能看到這個(gè)東西有價(jià)值。"

據(jù)語核科技官方信息，公司成立兩年內(nèi)成功服務(wù)了上海儀電集團(tuán)、唯捷創(chuàng)芯等多家制造業(yè)龍頭企業(yè)，且客戶續(xù)約率達(dá)到 100%。

傳統(tǒng)企業(yè)軟件長期被困在 "席位訂閱" 的收費(fèi)困境里，客戶按賬號數(shù)支付年費(fèi)，卻難以衡量軟件究竟創(chuàng)造了多少價(jià)值。

企業(yè)客戶認(rèn)為，這種模式本質(zhì)上是將技術(shù)成本轉(zhuǎn)嫁給企業(yè)，而非與企業(yè)共享技術(shù)紅利。

語核科技推出的數(shù)字員工 Agent，正在顛覆這一延續(xù)數(shù)十年的商業(yè)邏輯。數(shù)字員工的革命性在于，它讓企業(yè)服務(wù)的定價(jià)首次與可量化的業(yè)務(wù)價(jià)值直接掛鉤。

一個(gè)售前 Agent 可以縮短 80% 的報(bào)價(jià)周期，一個(gè)供應(yīng)鏈 Agent 能解放 6 名人工......這些都可被精確測算并反映在 "底薪+提成" 的收費(fèi)模型中，徹底改變了軟件服務(wù)的價(jià)值評估體系。

這不僅重新定義了企業(yè)服務(wù)的價(jià)值標(biāo)準(zhǔn)，更預(yù)示著行業(yè)將從 "賣軟件工具" 轉(zhuǎn)向 "賣業(yè)務(wù)結(jié)果" 的新時(shí)代。

在這場變革中，真正的贏家會是那些能用技術(shù)幫企業(yè)賺到錢，而不僅是幫企業(yè)花掉錢的服務(wù)商。

【 以下為牛透社部分問答內(nèi)容 】

牛透社：你的創(chuàng)業(yè)起點(diǎn)和最初的核心設(shè)想是什么？

翟星吉：最初的探索源于對大模型生產(chǎn)力變革的判斷—— 大模型帶來了全新的認(rèn)知智能，能替代人類大腦的部分思考，具備巨大的應(yīng)用潛力。

我們先嘗試了 ToC 場景，做了一款生產(chǎn)力工具桌面客戶端，用戶增長和留存都不錯，但付費(fèi)意愿低，核心原因是普通 C 端用戶時(shí)間和自身價(jià)值有限，工具難以激發(fā)其付費(fèi)行為。

之后我們將用戶分層：普通 C 端、Pro C（高凈值人群、自媒體博主等）、ToB 企業(yè)組織。

Pro C 有較強(qiáng)付費(fèi)意愿，但我們判斷其與字節(jié)等巨頭競爭難度大；而 ToB 企業(yè)本身是生產(chǎn)集合體，能通過工具提升業(yè)績或降低成本，價(jià)值可觀且客戶粘性高，因此轉(zhuǎn)向了 ToB。

2024 年 4 月起，我們用一個(gè)季度對接了上百個(gè)客戶，聚焦挖掘其核心痛點(diǎn)，希望避免傳統(tǒng)數(shù)字化系統(tǒng)的 “畫餅” 式推銷。

傳統(tǒng)系統(tǒng)需要老板相信未來價(jià)值，缺乏直接正反饋，而我們想做能直接讓客戶看到 ROI（省錢或增收）的事。

牛透社：從 SaaS 產(chǎn)品到 Agent 數(shù)字員工，企業(yè)客戶對產(chǎn)品的關(guān)注點(diǎn)有哪些變化？

翟星吉：過去企業(yè)采購軟件更關(guān)注功能、價(jià)格、易用性，本質(zhì)是 “內(nèi)卷” 式對比。但現(xiàn)在轉(zhuǎn)向 Agent 數(shù)字員工后，我們引導(dǎo)客戶關(guān)注三個(gè)核心：

一是Agent 能否端到端交付業(yè)務(wù)結(jié)果，準(zhǔn)確率是否達(dá) 90% 以上；

二是能否直接帶來價(jià)值——要么幫企業(yè)省錢，替代重復(fù)勞動，降低人力成本，促進(jìn)員工去做更有創(chuàng)造性的工作；要么幫企業(yè)增收，將專家服務(wù)規(guī)?；?，覆蓋更多客戶；

三是定價(jià)模式，我們希望企業(yè)按“底薪+提成” 付費(fèi)，即給 Agent 定 KPI，完成后按價(jià)值分成，而非傳統(tǒng)的按席位、人天或 License 收費(fèi)。

牛透社：你們?nèi)绾未_保 Agent 達(dá)到 90% 以上的準(zhǔn)確率？

翟星吉：首先要明確 90% 準(zhǔn)確率的重要性，企業(yè)場景對準(zhǔn)確率要求極高，低準(zhǔn)確率的 Agent 無法落地。

在此基礎(chǔ)上，我們的核心措施是技術(shù)攻堅(jiān)，團(tuán)隊(duì)由技術(shù)專家?guī)ьI(lǐng)，聯(lián)合清華、上交、帝國理工等研究人員，專門優(yōu)化 Agent 架構(gòu)。

從產(chǎn)品定義上鎖定高準(zhǔn)確率目標(biāo)，通過自研技術(shù)來確保三個(gè)環(huán)節(jié)：文檔輸入準(zhǔn)確率、RAG（檢索增強(qiáng)生成）端到端準(zhǔn)確率、Agent 架構(gòu)算法效率；

本質(zhì)上還是用專業(yè)團(tuán)隊(duì)的技術(shù)能力 “堆出” 高準(zhǔn)確率，并將其產(chǎn)品化。

牛透社：是否遇到過 Agent 難以落地的情況？

翟星吉：Agent 難以落地的主要問題往往出在客戶需求本身—— 很多項(xiàng)目是 “KPI 項(xiàng)目”，即領(lǐng)導(dǎo)要求做 AI 項(xiàng)目，比如搭知識庫、做 chatbot 等，但缺乏實(shí)際業(yè)務(wù)價(jià)值，屬于偽需求。

這類項(xiàng)目我們會直接拒絕，因?yàn)?strong>需求不存在，何談落地？

我們只做 “真需求” 項(xiàng)目，客戶能明確核心痛點(diǎn)，且 Agent 落地后能算出 ROI，客戶也認(rèn)可這個(gè)價(jià)值。

基于團(tuán)隊(duì)對業(yè)務(wù)場景、技術(shù)的理解，這類項(xiàng)目落地難度較小。

牛透社：如何平衡標(biāo)準(zhǔn)化產(chǎn)品與定制化需求？

翟星吉：我們的核心策略是聚焦。從創(chuàng)業(yè)初期我們就明確不做平臺型產(chǎn)品，而是從行業(yè)和職能兩個(gè)維度去聚焦。

在行業(yè)層面，我們聚焦在高科技行業(yè)；職能層面，鎖定特定崗位，如售前解決方案 Agent、供應(yīng)鏈單據(jù)處理 Agent、產(chǎn)線技術(shù)員 Agent 等。

我們將 Agent 打造成標(biāo)準(zhǔn)化崗位能力模型，就像員工跳槽一樣，只需熟悉新公司的業(yè)務(wù)數(shù)據(jù)和流程，核心崗位技能是標(biāo)準(zhǔn)化的。

通過這種方式，Agent 能在不同客戶間快速復(fù)制，大幅降低定制化比例。

牛透社：產(chǎn)品商業(yè)化落地的最大挑戰(zhàn)是什么？

翟星吉：最大挑戰(zhàn)是資源有限，受現(xiàn)金流制約。我們需要在融資環(huán)境不佳的背景下，保證充足的現(xiàn)金流周期，因此團(tuán)隊(duì)擴(kuò)張、項(xiàng)目承接都受資金限制 —— 今年能花的錢、能招的人，都由營收和回款決定。

雖然有奇績創(chuàng)壇的投資，但我們更傾向穩(wěn)健經(jīng)營，避免因快速擴(kuò)張導(dǎo)致風(fēng)險(xiǎn)，防止合同回款不及預(yù)期擊穿公司。

目前資源優(yōu)先投向能快速迭代產(chǎn)品、實(shí)現(xiàn)標(biāo)準(zhǔn)化的小項(xiàng)目，而非大而復(fù)雜的單子。

牛透社： 你們按 “業(yè)務(wù)價(jià)值付費(fèi)”，可操作性如何？

翟星吉：它的核心是價(jià)值分成，區(qū)別于傳統(tǒng)按席位、用戶數(shù)或人天收費(fèi)。

比如在降本場景，客戶原本需要 8 人完成的工作，用 Agent 后只需 2 人，節(jié)省的人力成本按比例分成。增收場景也類似，比如通過 Agent 提升了銷售線索轉(zhuǎn)化率，新增的營收按比例分成。

付費(fèi)模式是年度訂閱制，本質(zhì)是讓客戶為實(shí)際產(chǎn)生的價(jià)值付費(fèi)，而非工具本身。

牛透社：擔(dān)心通用廠商競爭嗎？

翟星吉：我們不擔(dān)心通用廠商的競爭。

首先，通用大模型存在一定的短板，未來大模型會強(qiáng)化通用推理能力，但垂直場景的 Know-how 是私有數(shù)據(jù)，通用模型難以覆蓋，而我們聚焦的輕推理場景恰好能填補(bǔ)這一空白。

其次，我們深耕RAG，確保 Agent 接入上下文的準(zhǔn)確性，聚焦垂直崗位的 “最后一公里” 問題，將產(chǎn)業(yè)中 “通用模型滿足不了的痛點(diǎn)” 固化成產(chǎn)品，形成了核心技術(shù)壁壘。

牛透社：語核科技今年的戰(zhàn)略目標(biāo)是什么？

翟星吉：今年的戰(zhàn)略目標(biāo)主要有三個(gè)：產(chǎn)品層面，孵化三個(gè)垂直領(lǐng)域的數(shù)字員工，聚焦特定崗位的標(biāo)準(zhǔn)化落地；營銷層面，達(dá)成明確的營收目標(biāo)，同時(shí)通過項(xiàng)目迭代持續(xù)優(yōu)化產(chǎn)品；品牌層面，成為全國 Top 級的 Agent 服務(wù)商及產(chǎn)品公司，建立行業(yè)影響力。

牛透社：未來 Agent 廠商競爭勝出的關(guān)鍵因素是什么？

翟星吉：最核心的是聚焦，再加上對幾個(gè)關(guān)鍵維度的深度理解。

首先，必須聚焦。我們很早就否定了做 Agent 平臺的方向，因?yàn)槠脚_模式類似早期的低代碼平臺，只能滿足長尾需求 —— 就像沒有客戶會用低代碼平臺從頭搭建 ERP 系統(tǒng)，而是會選擇現(xiàn)成的垂直系統(tǒng)一樣，未來的市場一定是垂直崗位 Agent 的市場，需要聚焦在具體崗位的價(jià)值落地，而非做一個(gè)什么都能搭的平臺。

其次，要具備三個(gè)核心 “理解” 能力。

一是對業(yè)務(wù)場景的深度理解。比如清楚具體崗位的核心痛點(diǎn)、日常工作中的阻塞點(diǎn)，以及企業(yè)管理者和中層的真實(shí)需求；

二是對中國數(shù)字化產(chǎn)業(yè)的理解。包括上下游關(guān)系、產(chǎn)業(yè)生態(tài)、客戶決策邏輯、付費(fèi)模式等；

三是對前沿技術(shù)的理解。作為 AI Native 團(tuán)隊(duì)，要懂最新的 Agent 技術(shù)、架構(gòu)設(shè)計(jì)，知道如何實(shí)現(xiàn) 90% 以上的準(zhǔn)確率，能把技術(shù)轉(zhuǎn)化為解決實(shí)際問題的能力。

最后，商業(yè)化能力也很關(guān)鍵，要能把這些理解落地為產(chǎn)品，轉(zhuǎn)化為實(shí)際的商業(yè)價(jià)值。

這幾點(diǎn)結(jié)合起來，才是競爭中勝出的核心因素。

說明：文章為牛透社原創(chuàng)，未經(jīng)允許謝絕轉(zhuǎn)載。