用 AI 重新定義“發(fā)現(xiàn)價值”及“資源匹配資產(chǎn)”的成本和速度。

作者丨成妍菁

編輯丨董子博

DigClaw 的故事起始于對商業(yè)世界中“信息差”的重新審視 。

在傳統(tǒng)的 B2B 商業(yè)邏輯里，尋找合作伙伴或獲客的方式十幾年如一日——依賴行業(yè)關系、媒體報道，或是翻閱那些已經(jīng)完成工商變更的靜態(tài)數(shù)據(jù)庫。

但對于追求極致增長的企業(yè)而言，當一個名字出現(xiàn)在公開名錄上時，往往意味著競爭已經(jīng)白熱化。

在DigClaw創(chuàng)始團隊看來，人的每一個行為都是一種“意圖的投射”。例如，一個大廠高管的跳槽或一家公司大規(guī)模招聘技術(shù)崗位，在社會學視角下是組織能量的重組，在商業(yè)視角下則是“算力采購需求”或“數(shù)字化轉(zhuǎn)型”的預警。

DigClaw 創(chuàng)始團隊意識到，快速變革的AI時代下，利用大模型捕捉并處理這些商業(yè)“弱信號”成為可能，而這將徹底重構(gòu) B2B 獲客的基礎設施。

2025 年，DigClaw 正式起航，試圖用 AI 重構(gòu)信息基礎設施，用商業(yè)“弱信號”識別“你在什么階段、什么業(yè)務、什么場景之下需要什么產(chǎn)品”，并轉(zhuǎn)化為 B2B 企業(yè)可落地的商業(yè)阿爾法。

在DigClaw的后臺，大模型 Agent 每天消耗 數(shù)十億 Token，通過對全球超10 萬名頂尖人才和百萬級公司的實時監(jiān)測，像一臺 7x24 小時運行的“超級雷達”，主動從 全球海量信息中剝離出真實的商業(yè)意圖 。

目前，DigClaw打造出了首個科技行業(yè)大模型，已為國內(nèi)多家主流云廠商、全球頭部硬件廠商、AI大廠、投資機構(gòu)等提供全鏈路的 AI 產(chǎn)品與服務。

目前，公司已經(jīng)形成商業(yè)閉環(huán)，也獲得了中科創(chuàng)星和中關村資本的天使輪投資。據(jù)AI科技評論了解，在推進新一輪融資時，相比于純財務機構(gòu)，DigClaw更傾向于引入產(chǎn)業(yè)戰(zhàn)投方或地方政府資金，以期在訂單增長與更宏大的產(chǎn)業(yè)協(xié)同上獲取勢能。

在這次對話中，DigClaw創(chuàng)始團隊與我們詳細分享了：為什么B2B業(yè)務需要一套“AI 情報系統(tǒng)”、AI 如何改變商機被發(fā)現(xiàn)的方式，以及 Agent 與數(shù)據(jù)平臺在未來商業(yè)世界中的角色。

以下是AI科技評論和DigClaw的對話實錄：

01

“在共識達成之前，信號早已發(fā)出”

AI科技評論：你們的核心產(chǎn)品功能是什么？與市面上現(xiàn)有的數(shù)據(jù)庫（如天眼查）相比，優(yōu)勢在哪里？

DigClaw：傳統(tǒng)的數(shù)據(jù)庫只看企業(yè)的“靜態(tài)屬性”（如注冊資本、所在地、社保繳納等工商信息和融資歷史等），是信息的滯后呈現(xiàn)。一旦企業(yè)“融資成功”或“新聞見報”的標簽出現(xiàn)，意味著這已成為全行業(yè)共享的已知事實，先驗性的信息差即刻消失。

而DigClaw的 Sourcing Agent 追蹤的是人和企業(yè)的“動態(tài)信號”。是將數(shù)據(jù)從被動的記錄工具轉(zhuǎn)化為主動的增長引擎，為客戶提供決策依據(jù)。

我們不滿足于展示結(jié)果，而是通過關鍵人穿透和意圖建模下鉆到商業(yè)的底層邏輯：比如，我們?nèi)孓D(zhuǎn)向追蹤人才招聘、技術(shù)棧演進、高管社交動態(tài)等微觀行為。我們不只是羅列專利，而是通過綜合分析人才畫像、技術(shù)演進和專利申請，量化企業(yè)對 AI 的渴求度，從而精準預測未來三個月的采購需求。

傳統(tǒng)平臺告知你“發(fā)生了什么”，而 DigClaw 通過“事件觸發(fā)營銷”告知你“將要發(fā)生什么”，在客戶意識到需求之前就完成介入。

簡單來說，我們不只是在找一個名字，我們是在描繪一個人、一家企業(yè)的智力遷移圖譜及業(yè)務律動。DigClaw通過分析數(shù)百個維度的信號，捕捉個體、企業(yè)在海量噪聲中流露出的“長期潛力”，將難以量化的“信息”結(jié)構(gòu)化為確定性的商機。

即識別“你在什么階段、什么業(yè)務、什么場景之下需要什么產(chǎn)品�！�

AI科技評論：你們一天要消耗多少 Token ？成本能否 cover ��？

DigClaw：目前平均每天大概在數(shù)十億 Token 左右，甚至還可以更多，因為數(shù)據(jù)源非常多。我們的 AI 基本相當于每天把全網(wǎng)所有與科創(chuàng)相關的信息讀一遍。成本完全可以 cover 住。首先，所有的主流云廠商（包括騰訊云、AWS、Google、阿里云等）都是我們的客戶或合作伙伴，我們每個月能拿到一些免費的算力券 。其次，作為阿里云的頭部大客戶，我們的消耗量很大，能夠拿到低于五折的極低折扣。因此算力成本不會成為我們經(jīng)營的阻礙 。

AI科技評論：這一年下來，你們的產(chǎn)品商業(yè)化售賣情況如何？采取的是訂閱制嗎？

DigClaw：過去一年，我們在 ToB 領域更多是提供“數(shù)據(jù)定制服務”，客戶主要是頭部云廠商（火山引擎、惠普、英特爾、科大訊飛、阿里云等），客單價在大幾萬到百萬量級 。今年我們的戰(zhàn)略思路發(fā)生轉(zhuǎn)變，計劃將核心能力封裝成標準化的產(chǎn)品，去服務更廣大的中小客戶群 。收費模式大概率是“搜索調(diào)用費 + 監(jiān)測訂閱費” 。

我們并不是采用成本極高的實時大模型去全網(wǎng)搜，而是建立在自身已經(jīng)沉淀的 100 多萬條公司數(shù)據(jù)庫之上 。當用戶提出需求時，系統(tǒng)會將需求與數(shù)據(jù)庫里的上百萬條數(shù)據(jù)挨個碰撞匹配，雖然可能需要跑幾個小時，但結(jié)果一定是最準、最全的。我們更像是一個 AI 分析師，在為你提供長期的 Mapping 和監(jiān)測服務 。

AI科技評論：為什么不直接使用OpenClaw的模式去做數(shù)據(jù)檢索和分析？

DigClaw：我們從第一天就在用相關技術(shù)，但單純依賴大模型存在幾個致命缺陷：

1.大模型解決不了反爬蟲問題，很難獲取全量數(shù)據(jù)；

2.大模型只能做流程自動化，解決不了深度的數(shù)學推理和數(shù)據(jù)分析問；

3.我們采取的是人機結(jié)合的方式：用最強的模型（如 GPT）提供建模思路，具有數(shù)學和物理背景的分析師與大模型反復溝通調(diào)整參數(shù)，驗證信號的真?zhèn)�，然后外包給系統(tǒng)去跑測試結(jié)果 。本質(zhì)上是將分析師的 Know-how 封裝成了規(guī)則和系統(tǒng)去對外服務。

AI科技評論：國內(nèi)大廠都在做模型并卷起價格戰(zhàn)，甚至提供各種 Agent 工具，你們怎么看待這個趨勢？

DigClaw：大廠做這些本質(zhì)是為了賣 Token。OpenAPI 的發(fā)展讓大模型從開發(fā)者的專屬變成了普通運營人員也能使用的工具，用戶群體極度擴張 。 從我們的親身經(jīng)歷來看，23 年初我們還在用不同模型做工程優(yōu)化（因為成本貴且不穩(wěn)定），但到了 24 年，千問、豆包等國產(chǎn)模型能力已經(jīng)趕上國外大廠，并且給了極其夸張的補貼（幾乎免費送算力） 。未來這個市場大概率和云計算一樣，誰便宜、誰補貼大、誰銷售猛就用誰的，本質(zhì)還是資本游戲 。

02

重新定義“資源匹配資產(chǎn)”的成本和速度

AI科技評論：隨著大廠全面入局，垂直類 AI 應用（尤其是 ToB/ToC 界限模糊的產(chǎn)品）未來的終局是不是都會被大廠收購？

DigClaw:首先，被大廠收購未嘗不是一件好事，能在更大的生態(tài)中去服務2B客戶，也能發(fā)揮更大的價值。

其次，我并不認為我們是一個AI應用工具，我們核心是一個底層的AI數(shù)據(jù)”大腦“，基于我們對這些數(shù)據(jù)的Sourcing和分析能力，這些數(shù)據(jù)可以在不同的企業(yè)場景中產(chǎn)生不同價值。雖然當下我們在B2B業(yè)務中主要是幫助市場部解決高效獲客，探索藍海市場的商業(yè)價值，但未來我們?nèi)瞬艛?shù)據(jù)挖掘能力也可以賦能到企業(yè)招聘等多元化場景。這些都是我們很想去探索的邊界。

AI科技評論：現(xiàn)階段許多用戶對 AI 的認知兩極分化（認為無所不能或一無是處），這種技術(shù)邊界的模糊會對你們的服務造成困擾嗎？

DigClaw：并沒有產(chǎn)生太大困擾，因為我們過去一年的大客戶（如火山引擎、阿里云、科大訊飛等）都是市場上最專業(yè)的人，他們非常清楚 AI 的技術(shù)邊界。

對于大客戶來說，相比于自己用大模型部署一個做到 70 分的系統(tǒng)，使用我們打磨了兩年多、能做到 90 分的水下數(shù)據(jù) Mapping 服務，在漏斗轉(zhuǎn)化效果上有本質(zhì)差距 。我們提供的是極其明確的“數(shù)據(jù)+建聯(lián)”價值，而不是大而全的泛能力 。

AI科技評論：大模型一直存在“幻覺”問題，如果污染了數(shù)據(jù)庫怎么辦？你們?nèi)绾伪ＷC數(shù)據(jù)的準確率？

DigClaw：這是一個非常核心的問題。我們絕對不會讓大模型一步到位去生成某個公司的全量信息，大模型在我們的長流程里只負責最簡單的“特定特征抽取”（如命名實體抽�。�。即使抽取后，我們還有另外的多個 Agent 去做多層審查和篩選 。

如果多個信息源存在矛盾，我們會賦予信源不同的權(quán)重，并通過“人設匹配”（例如驗證該創(chuàng)始人此前的學術(shù)背景是否與當前項目賽道吻合）來自動交叉驗證 。目前這套自動化處理機制的準確率基本能達到 98% 以上�？傊�，我們既使用傳統(tǒng)數(shù)據(jù)庫，也使用向量數(shù)據(jù)庫。但在實踐中我們發(fā)現(xiàn)，單純依賴向量搜索其實并不夠準確。

AI科技評論：未來你們?nèi)绾纹胶狻爸囟榷ㄖ苹⻊铡焙汀皹似坊钡年P系？

DigClaw：整個2B市場有一個共識，就是2B一定要做深。為什么SaaS被淘汰了，因為整個2B市場不存在一個標準化的解決方案。

DigClaw的底層邏輯是用標準化的 AI 引擎驅(qū)動深度的定制化洞察。我們自研的 Sourcing Agent，這是一個高度標準化的底層智能引擎。但在交付層面，交付層面的“階梯式賦能”：匹配客戶不同階段的需求。而AI的推理學習能力，讓種匹配不同客戶不同需求的能力得到跨越式成長。

未來，我們還會基于我們對創(chuàng)業(yè)者的精準對稱，延展到 Business to Startups（B2S）業(yè)務，致力于推動“資產(chǎn)與資源的高效匹配”，而不是局限于傳統(tǒng)的甲方乙方服務模式。

AI科技評論：公司目前的融資和盈利狀態(tài)如何？未來的攻關難點在哪里？

DigClaw：我們目前已獲得中科創(chuàng)星、中關村資本的投資。而且通過持續(xù)的自我造血能力，已實現(xiàn)商業(yè)閉環(huán) 。我們?nèi)谫Y更多是為了戰(zhàn)略協(xié)同，以及進一步強化我們的計算底座，將我們的 AI 引擎部署到更核心的產(chǎn)業(yè)節(jié)點中。

目前的難點更多是在于如何在大規(guī)模的 B2B 市場中建立“AI 決策”的信任閉環(huán)。雖然我們的算法在一級投資場景里跑出了 3個月100% 的下一輪融資勝率，這是實打?qū)嵉摹皵?shù)學級正確”，但在商業(yè)世界中，打通從”冷數(shù)據(jù)“到”真實握手“的信任鏈路仍需要密集的價值介入。

我們正在攻關的是如何讓 AI 產(chǎn)生的“動態(tài)意圖信號”更無縫地接入企業(yè)的決策流，通過“戰(zhàn)略級 AI Mapping”徹底取代低效的傳統(tǒng)名單模式。

我們最終的愿景是構(gòu)建一套面向未來創(chuàng)新生態(tài)中的“增長導航儀”：通過對全球 10 萬名頂尖人才和百萬級公司的實時監(jiān)測，讓每一個創(chuàng)新的信號都能被量化，并轉(zhuǎn)化為確定性的客戶與商機。我們是在用 AI 重新定義“發(fā)現(xiàn)價值”及“資源匹配資產(chǎn)”的成本和速度。

未經(jīng)「AI科技評論」授權(quán)，嚴禁以任何方式在網(wǎng)頁、論壇、社區(qū)進行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標注來源并插入本公眾號名片。