語核科技：我們做AI Agent是怎樣讓老板開心付費的？｜ToB AI十問

對于一家海運重工的投標團隊來說，響應速度直接決定著訂單得失。

文｜Alex；編輯｜燕子

一份動輒數百頁的船舶維修招標文件，往往需要售前工程師們耗費好幾天時間逐條拆解。從鋼板規格到焊接工藝，從設備參數到維護條款，稍有不慎，就可能因漏報或錯報而損失數百萬的訂單。

語核科技的 “數字員工” 改變了售前工程師與時間的賽跑。

一份新的招標文件上傳系統，AI 會在20 分鐘內完成過去需要 4 天時間去做的工作。

售前數字員工像一位經驗豐富的老工程師，精準拆解出工程、零部件、維護等不同類型的核心招標需求。調取歷史數據與成本模型，生成合規報價，確保每一份投標文件的準確率超過 90%。

語核科技有個執念，即AI Agent 必須幫企業實現降本增效，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，一場關于 “價值付費” 的創業轉型

2023 年夏天，大模型創業潮席卷而來時，從帆軟出來的翟星吉帶領語核科技團隊，開發了一款面向 C 端的桌面生產力工具，產品迅速收獲數萬用戶，留存率亮眼。

然而，付費轉化并不好，哪怕產品將 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這樣總結。

這次試錯讓團隊看清了一點，即用戶的時間價值決定了用戶的付費邏輯。

C 端生產力工具需依賴用戶自身的價值創造能力，普通用戶難以形成付費閉環。

受到當時海外 AI 創業項目啟發，語核科技團隊曾嘗試開發類似 "扣子" 的 C 端 Agent 構建平臺，讓超級個體能自主訓練專屬 AI 助手，用于視頻剪輯腳本生成、多平臺內容分發等場景。

但是他們面對的競爭對手過于強大，由于字節等大廠通過旗下產品天然占據用戶入口，形成了用戶行為的數據閉環，能快速迭代垂類 Agent。

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

于是翟星吉果斷放棄了 C 端業務。

這段探索成為語核科技轉向ToB的關鍵轉折。

他們發現，企業端的需求本質上是 "用 AI Agent 實現降本增效"，他們把效率工具當作生產資料，一個 Agent 數字員工，價值可以直接折算成財報上的數字。

而超級個體市場則需先證明，為他們節省的時間能變成錢。

這種差異，最終讓團隊 All in 到 "數字員工" 的戰場。

他們大量拜訪企業客戶，每周至少 4 家，不奔簽約，只關注三個問題：

“公司最核心的業務流程中的核心阻塞點是什么？”

“公司老板、部門中層熬夜在解決什么？”

“我們能不能嘗試用 Agent 解決這個問題？”

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

“我們的價值主張是，通過 AI Agent 直接解決企業可量化的核心業務痛點，摒棄傳統數字化工具的說服成本，用即時 ROI 證明價值，要么賺錢要么省錢。” 翟星吉告訴牛透社。

不一樣的付費邏輯

語核科技做的事情就是將 Agent 數字員工提供給企業，在商業邏輯上顛覆了企業級軟件產品的價值交付方式。

傳統軟件銷售模式中，企業客戶購買的是功能模塊或席位訂閱，需要自行配置、培訓員工使用，最終價值依賴客戶自身的落地能力。這種模式導致軟件廠商陷入功能內卷和價格戰，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。賣傳統數字化系統需要給老板畫 “未來價值” 的餅，而他們要做的是直接呈現可計算的 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 能力轉換為具體崗位的數字員工，按實際業務結果收費。

語核科技的"底薪+提成" 定價模型徹底改變了軟件付費邏輯。底薪部分覆蓋數字員工的基礎運維成本，確保服務的穩定性；提成部分則根據實際產生的業務價值進行分成，如銷售線索轉化提升帶來的增量營收、人力解放產生的成本節約等。

這種模式將廠商與客戶的利益深度綁定。以售前數字員工為例，某制造企業引入后，報價周期從 4 天縮短至 20 分鐘，響應速度提升數百倍，而語核科技僅按新增訂單金額的一定比例獲取回報。

企業老板們只相信確定性的價值，花了多少錢，能帶來多少確定的營收增長或成本節約，他們就愿意付相應的費用。

敢對客戶說 「不」

在客戶選擇上，有時候拒絕一個項目比拿下十個項目更重要。

語核科技的首要原則是堅決拒絕 "KPI 驅動型項目"。

這類項目通常源于企業管理層的 AI 指標壓力，而非真實業務需求，典型表現為 "領導說要搞個 AI 項目"，最終往往淪為搭知識庫、做聊天機器人等形式化工程。

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

他們的實施標準是，客戶場景必須能明確測算投入產出比，要么帶來確定性營收增長，要么實現可量化的成本節約。而且要有價值共識，客戶需認可 "數字員工按結果付費" 的模式，而非單純采購工具。

某國企曾提出開發通用型企業聊天機器人項目，預算充足但無法明確業務價值。語核科技評估后發現其本質是 "為了 AI 而 AI" 的 KPI 項目，最終婉拒。

與此對比，一家汽車零部件頭部企業的供應鏈單據處理項目因能直接解放 6 名人工去從事更加創造性的工作，降低企業千萬級現金流壓力，成為標桿案例。

語核科技選擇客戶的第二個原則是聚焦高科技特定垂直崗位，而非通用解決方案。

通過將數字員工限定在 "售前解決方案" "供應鏈單據處理" "產線質檢技術員" 等具體職能，實現跨客戶的快速復制。

翟星吉表示，他們所選崗位在不同企業間的能力模型相似，業務流程相對固定，知識沉淀清晰，價值密度大。比如，供應鏈單據處理有明確的規則和模板，高級售前專家年薪可超 50 萬，價值高，企業潛在節省的成本可觀。

實際上，每個崗位都可以拆解為基礎素質、專業技能和行業知識三個層面，前兩層可以標準化，僅行業知識需要客戶化配置。

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

第三個原則是拒絕超出自身消化能力的大項目。

一方面是因為公司資源有限，好鋼用在刀刃上。大額項目往往伴隨過多定制化需求，會分散團隊在核心產品迭代上的精力。

翟星吉說，任何項目必須符合 "聚焦垂直崗位" 的產品戰略，避免為短期利益偏離長期目標。超過閾值的項目收入增長無法抵消定制化帶來的長期成本，會影響公司的產品規?；芰Α?/p>

這三大原則共同構成了語核科技"以終為始" 的客戶戰略。

拒絕 KPI 項目確保價值真實，控制合同規模確保了產品聚焦，垂直崗位深耕則有助于實現規?；瘡椭?。

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

據語核科技官方信息，公司成立兩年內成功服務了上海儀電集團、唯捷創芯等多家制造業龍頭企業，且客戶續約率達到 100%。

傳統企業軟件長期被困在 "席位訂閱" 的收費困境里，客戶按賬號數支付年費，卻難以衡量軟件究竟創造了多少價值。

企業客戶認為，這種模式本質上是將技術成本轉嫁給企業，而非與企業共享技術紅利。

語核科技推出的數字員工 Agent，正在顛覆這一延續數十年的商業邏輯。數字員工的革命性在于，它讓企業服務的定價首次與可量化的業務價值直接掛鉤。

一個售前 Agent 可以縮短 80% 的報價周期，一個供應鏈 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" 的收費模型中，徹底改變了軟件服務的價值評估體系。

這不僅重新定義了企業服務的價值標準，更預示著行業將從 "賣軟件工具" 轉向 "賣業務結果" 的新時代。

在這場變革中，真正的贏家會是那些能用技術幫企業賺到錢，而不僅是幫企業花掉錢的服務商。

【 以下為牛透社部分問答內容 】

牛透社：你的創業起點和最初的核心設想是什么？

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

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

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 企業組織。

Pro C 有較強付費意愿，但我們判斷其與字節等巨頭競爭難度大；而 ToB 企業本身是生產集合體，能通過工具提升業績或降低成本，價值可觀且客戶粘性高，因此轉向了 ToB。

2024 年 4 月起，我們用一個季度對接了上百個客戶，聚焦挖掘其核心痛點，希望避免傳統數字化系統的 “畫餅” 式推銷。

傳統系統需要老板相信未來價值，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 產品到 Agent 數字員工，企業客戶對產品的關注點有哪些變化？

翟星吉：過去企業采購軟件更關注功能、價格、易用性，本質是 “內卷” 式對比。但現在轉向 Agent 數字員工后，我們引導客戶關注三個核心：

一是Agent 能否端到端交付業務結果，準確率是否達 90% 以上；

二是能否直接帶來價值——要么幫企業省錢，替代重復勞動，降低人力成本，促進員工去做更有創造性的工作；要么幫企業增收，將專家服務規模化，覆蓋更多客戶；

三是定價模式，我們希望企業按“底薪+提成” 付費，即給 Agent 定 KPI，完成后按價值分成，而非傳統的按席位、人天或 License 收費。

牛透社：你們如何確保 Agent 達到 90% 以上的準確率？

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

在此基礎上，我們的核心措施是技術攻堅，團隊由技術專家帶領，聯合清華、上交、帝國理工等研究人員，專門優化 Agent 架構。

從產品定義上鎖定高準確率目標，通過自研技術來確保三個環節：文檔輸入準確率、RAG（檢索增強生成）端到端準確率、Agent 架構算法效率；

本質上還是用專業團隊的技術能力 “堆出” 高準確率，并將其產品化。

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—— 很多項目是 “KPI 項目”，即領導要求做 AI 項目，比如搭知識庫、做 chatbot 等，但缺乏實際業務價值，屬于偽需求。

這類項目我們會直接拒絕，因為需求不存在，何談落地？

我們只做 “真需求” 項目，客戶能明確核心痛點，且 Agent 落地后能算出 ROI，客戶也認可這個價值。

基于團隊對業務場景、技術的理解，這類項目落地難度較小。

牛透社：如何平衡標準化產品與定制化需求？

翟星吉：我們的核心策略是聚焦。從創業初期我們就明確不做平臺型產品，而是從行業和職能兩個維度去聚焦。

在行業層面，我們聚焦在高科技行業；職能層面，鎖定特定崗位，如售前解決方案 Agent、供應鏈單據處理 Agent、產線技術員 Agent 等。

我們將 Agent 打造成標準化崗位能力模型，就像員工跳槽一樣，只需熟悉新公司的業務數據和流程，核心崗位技能是標準化的。

通過這種方式，Agent 能在不同客戶間快速復制，大幅降低定制化比例。

牛透社：產品商業化落地的最大挑戰是什么？

翟星吉：最大挑戰是資源有限，受現金流制約。我們需要在融資環境不佳的背景下，保證充足的現金流周期，因此團隊擴張、項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。

雖然有奇績創壇的投資，但我們更傾向穩健經營，避免因快速擴張導致風險，防止合同回款不及預期擊穿公司。

目前資源優先投向能快速迭代產品、實現標準化的小項目，而非大而復雜的單子。

牛透社： 你們按 “業務價值付費”，可操作性如何？

翟星吉：它的核心是價值分成，區別于傳統按席位、用戶數或人天收費。

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 提升了銷售線索轉化率，新增的營收按比例分成。

付費模式是年度訂閱制，本質是讓客戶為實際產生的價值付費，而非工具本身。

牛透社：擔心通用廠商競爭嗎？

翟星吉：我們不擔心通用廠商的競爭。

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

其次，我們深耕RAG，確保 Agent 接入上下文的準確性，聚焦垂直崗位的 “最后一公里” 問題，將產業中 “通用模型滿足不了的痛點” 固化成產品，形成了核心技術壁壘。

牛透社：語核科技今年的戰略目標是什么？

翟星吉：今年的戰略目標主要有三個：產品層面，孵化三個垂直領域的數字員工，聚焦特定崗位的標準化落地；營銷層面，達成明確的營收目標，同時通過項目迭代持續優化產品；品牌層面，成為全國 Top 級的 Agent 服務商及產品公司，建立行業影響力。

牛透社：未來 Agent 廠商競爭勝出的關鍵因素是什么？

翟星吉：最核心的是聚焦，再加上對幾個關鍵維度的深度理解。

首先，必須聚焦。我們很早就否定了做 Agent 平臺的方向，因為平臺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，而是會選擇現成的垂直系統一樣，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值落地，而非做一個什么都能搭的平臺。

其次，要具備三個核心 “理解” 能力。

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

二是對中國數字化產業的理解。包括上下游關系、產業生態、客戶決策邏輯、付費模式等；

三是對前沿技術的理解。作為 AI Native 團隊，要懂最新的 Agent 技術、架構設計，知道如何實現 90% 以上的準確率，能把技術轉化為解決實際問題的能力。

最后，商業化能力也很關鍵，要能把這些理解落地為產品，轉化為實際的商業價值。

這幾點結合起來，才是競爭中勝出的核心因素。

說明：文章為牛透社原創，未經允許謝絕轉載。