语核科技：我们做 AI Agent 是怎样让老板开心付费的？｜ ToB AI 十问

企业老板凭什么为一个AI Agent掏钱？语核科技的答案很直接：让效率提升直接体现在财报里。他们管这叫“数字员工”——一个能实实在在缩短报价周期、解放人工的智能存在。核心看点有三个：

1. 海运重工案例：AI数字员工将4天的投标文件处理压缩至20分钟
2. 创业转型关键：从C端工具到B端数字员工的战略调整
3. 价值付费逻辑：企业服务必须直接对应降本增效的财务指标

在投标战场上，响应速度往往直接决定订单归属。一份动辄数百页的船舶维修招标文件，从钢板规格到焊接工艺，从设备参数到维护条款，稍有不慎，就可能因漏报或错报，眼睁睁看着数百万订单溜走。过去，售前工程师们得花上好几天时间逐条拆解，现在，语核科技的“数字员工”改变了这一切。

一份新招标文件上传系统后，AI会在20分钟内完成过去需要4天的工作。这个售前数字员工像一位经验老到的工程师，精准识别工程、零部件、维护等不同类型的核心需求，调取历史数据与成本模型，生成合规报价，确保每份投标文件的准确率超过90%。

语核科技有个核心执念：AI Agent必须帮企业实现降本增效。要么直接帮助客户快速提振营收，要么帮客户快速压缩成本，没有中间地带。

01

从 ToC 到 ToB，一场关于 “价值付费” 的创业转型

时间回到2023年夏天，大模型创业潮正席卷而来。从帆软出来的翟星吉带着团队开发了一款面向C端的桌面生产力工具，产品迅速积累数万用户，留存率也很亮眼。但问题来了——付费转化并不好。即便产品把效率提升10倍，用户买单的意愿仍然不高。

“这相当于给用户一把锤子，但他没有钉子可敲。”翟星吉在访谈中这样总结。这次试错让团队看清了一个关键：用户的时间价值决定了付费逻辑。C端工具依赖用户自身创造价值的能力，普通用户很难形成付费闭环。

受到海外AI创业项目启发，团队曾尝试开发类似“扣子”的C端Agent构建平台，让超级个体能自主训练AI助手，用于视频剪辑、内容分发等场景。但竞争对手太强大了——字节等大厂凭借产品生态天然占据用户入口，形成数据闭环，快速迭代垂类Agent。初创公司依赖公开API，效果滞后，教育用户搭建Agent的成本远高于直接提供成品工具。于是，翟星吉果断叫停了C端业务。

这段探索成了转向ToB的关键转折。他们发现，企业端的需求本质上是“用AI Agent实现降本增效”。效率工具在企业手里是生产资料，一个Agent数字员工的价值能直接折算成财报上的数字。而超级个体市场则需要先证明，节省的时间能变成钱。这种差异最终让团队All in 到“数字员工”的战场。

团队开始密集拜访企业客户，每周至少4家，不急于签约，只关注三个问题：公司核心业务流程中最核心的阻塞点是什么？公司老板、中层熬夜在解决什么？我们能不能用Agent解决它？这种刺刀见红的调研方式效果立竿见影——从2024年4月起，一个季度内建联了上百个客户。

“我们的价值主张很直接：通过AI Agent直接解决企业可量化的核心业务痛点，摒弃传统数字化工具的说服成本，用即时ROI证明价值。要么赚钱，要么省钱。”翟星吉说。

02

不一样的付费逻辑

语核科技做的事，说到底就是把Agent数字员工送到企业手里，这彻底碘伏了传统企业软件的价值交付方式。传统销售模式中，客户购买功能模块或席位订阅，得自己配置、培训员工使用，最终价值高度依赖自身落地能力。结果呢？软件厂商陷入功能内卷和价格战，客户则面临“投入高、见效慢”的困境。

翟星吉明确表示，不想再干“说服客户”的事了。传统数字化系统需要给老板画“未来价值”的大饼，他们要做的是直接呈现可计算的ROI——要么帮客户赚更多钱，要么帮他们省更多钱。这种理念将AI能力转化为具体岗位的数字员工，按实际业务结果收费。

“底薪+提成”定价模型彻底改变了付费逻辑。底薪部分覆盖数字员工的基础运维成本，确保服务稳定性；提成部分则根据实际业务价值分成——比如销售线索转化提升带来的增量营收，或人力解放后节约的成本。这种模式把厂商和客户的利益深度绑在一起。以售前数字员工为例，某制造企业引入后，报价周期从4天压缩到20分钟，响应速度提升了数百倍。语核科技只按新增订单金额的一定比例获取回报。

企业老板只相信确定性的价值：花了多少钱，能带来多少营收增长或成本节约，他们才愿意掏钱。

03

敢对客户说 「不」

在客户选择这件事上，有时候拒绝一个项目比拿下十个项目更重要。

这类项目通常源于管理层的AI指标压力，而非真实业务需求，典型表现就是“领导说要搞个AI项目”，最终往往沦为搭知识库、做聊天机器人等形式化工程。翟星吉在访谈中直言，这类项目团队一直比较排斥。需求本身都不存在，何谈落地？

他们的实施标准非常明确：客户场景必须能明确测算投入产出比，要么带来确定性营收增长，要么实现可量化的成本节约。而且要有价值共识，客户需认可“数字员工按结果付费”的模式，而非单纯采购工具。某国企曾提出开发通用型企业聊天机器人项目，预算充足但无法明确业务价值。语核科技评估后发现其本质是“为了AI而AI”的KPI项目，最终婉拒。与之形成对比的是，一家汽车零部件头部企业的供应链单据处理项目，因为能直接解放6名人工去从事更有创造性的工作，降低企业千万级现金流压力，成了标杆案例。

通过将数字员工限定在“售前解决方案”“供应链单据处理”“产线质检技术员”等具体职能，实现跨客户的快速复制。翟星吉解释，所选岗位在不同企业间的能力模型相似，业务流程相对固定，知识沉淀清晰，价值密度大。比如供应链单据处理有明确规则和模板，高级售前专家年薪可超50万，价值高，企业潜在节省的成本显著。每个岗位都可以拆解为基础素质、专业技能和行业知识三层，前两层能标准化，仅行业知识需客户化配置。新客户接入时只需加载企业特定数据，如同新员工入职培训，平均配置周期仅需5-7天。同一岗位的数字员工在三家以上客户落地后，就能提炼出通用能力组件，形成可复用的岗位模板。

一方面公司资源有限，好钢要用在刀刃上。大额项目往往伴随过多定制化需求，会分散团队在核心产品迭代上的精力。翟星吉强调，任何项目必须符合“聚焦垂直岗位”的产品战略，避免为短期利益偏离长期目标。超过阈值的项目收入增长无法抵消定制化带来的长期成本，会影响产品规模化能力。

这三大原则共同构成了语核科技“以终为始”的客户战略：拒绝KPI项目确保价值真实，控制合同规模确保产品聚焦，垂直岗位深耕则有助于实现规模化复制。翟星吉说：“我们不想花很高的成本去说服客户这个事有价值，就想让他直接能看到这个东西有价值。”

据官方信息，语核科技成立两年内成功服务了上海仪电集团、唯捷创芯等多家制造业龙头企业，客户续约率达到100%。

传统企业软件长期困在“席位订阅”的收费困境里，客户按账号数支付年费，却很难衡量软件究竟创造了多少价值。企业客户普遍认为，这种模式本质上是将技术成本转嫁给他们，而非共享技术红利。语核科技的“数字员工”Agent，正在碘伏这个延续数十年的商业逻辑。它的革命性在于：企业服务的定价首次与可量化的业务价值直接挂钩。一个售前Agent能缩短80%的报价周期，一个供应链Agent能解放6名人工——这些都能精确测算并反映在“底薪+提成”的收费模型中，彻底改变了软件服务的价值评估体系。

这不仅重新定义了企业服务的价值标准，更预示着行业将从“卖软件工具”转向“卖业务结果”的新时代。在这场变革中，真正的赢家会是那些能用技术帮企业赚到钱，而不是帮企业花掉钱的服务商。

【 以下为牛透社部分问答内容 】

最初的探索源于对大模型生产力变革的判断——大模型带来了全新的认知智能，能替代人类大脑的部分思考，应用潜力巨大。我们先尝试了ToC场景，做了款生产力工具桌面客户端，用户增长和留存都不错，但付费意愿低。核心原因是普通C端用户时间和自身价值有限，工具难以激发付费行为。后来我们将用户分层：普通C端、Pro C（高净值人群、自媒体博主等）、ToB企业组织。Pro C有较强付费意愿，但跟字节等巨头竞争难度大；ToB企业本身是生产集合体，能通过工具提升业绩或降低成本，价值可观且粘性高，于是转向了ToB。2024年4月起，我们用一整个季度对接了上百个客户，聚焦挖掘核心痛点，希望避免传统数字化系统的“画饼”式推销。传统系统需要老板相信未来价值，缺乏直接正反馈，我们想做能直接让客户看到ROI（省钱或增收）的事。

过去企业采购软件更关注功能、价格、易用性，本质是“内卷”式对比。转向Agent数字员工后，我们引导客户关注三个核心：一是Agent能否端到端交付业务结果，准确率是否达90%以上；二是能否直接带来价值——要么帮企业省钱（替代重复劳动、降低人力成本），要么帮企业增收（将专家服务规模化，覆盖更多客户）；三是定价模式，我们希望企业按“底薪+提成”付费，即给Agent定KPI，完成后按价值分成，而非传统的按席位、人天或License收费。

首先要明确90%准确率的重要性，企业场景对准确率要求极高，低准确率的Agent无法落地。在此基础上，核心措施是技术攻坚：团队由技术专家带领，联合清华、上交、帝国理工等研究人员，专门优化Agent架构。从产品定义上锁定高准确率目标，通过自研技术确保三个环节：文档输入准确率、RAG端到端准确率、Agent架构算法效率。本质上是靠专业团队的技术能力“堆出”高准确率，并将其产品化。

Agent难以落地的主要问题往往出在客户需求本身——很多项目是KPI项目，即领导要求做AI项目，比如搭知识库、做chatbot等，但缺乏实际业务价值，属于伪需求。这类项目我们会直接拒绝，因为需求不存在，何谈落地？我们只做“真需求”项目：客户能明确核心痛点，Agent落地后能算出ROI，客户也认可这个价值。基于团队对业务场景和技术的理解，这类项目落地难度较小。

核心策略是聚焦。从创业初期我们就不做平台型产品，而是从行业和职能两个维度去聚焦。行业层面聚焦高科技行业；职能层面锁定特定岗位，如售前解决方案Agent、供应链单据处理Agent、产线技术员Agent等。我们把Agent打造成标准化岗位能力模型，就像员工跳槽一样，只需熟悉新公司的业务数据和流程，核心岗位技能是标准化的。通过这种方式，Agent能在不同客户间快速复制，大幅降低定制化比例。

最大挑战是资源有限，受现金流制约。在融资环境不佳的背景下，必须保证充足的现金流周期，因此团队扩张、项目承接都受资金限制——今年能花的钱、能招的人，都由营收和回款决定。虽然有奇绩创坛的投资，但我们更倾向稳健经营，避免因快速扩张导致风险，防止合同回款不及预期击穿公司。目前资源优先投向能快速迭代产品、实现标准化的小项目，而非大而复杂的单子。

核心是价值分成，区别于传统按席位、用户数或人天收费。比如在降本场景，客户原本需要8人完成的工作，用Agent后只需2人，节省的人力成本按比例分成。增收场景也类似，比如通过Agent提升了销售线索转化率，新增的营收按比例分成。付费模式是年度订阅制，本质是让客户为实际产生的价值付费，而非工具本身。

不担心。首先，通用大模型存在一定短板，未来大模型会强化通用推理能力，但垂直场景的Know-how是私有数据，通用模型难以覆盖，而我们聚焦的轻推理场景恰好能填补这一空白。其次，我们深耕RAG，确保Agent接入上下文的准确性，聚焦垂直岗位的“最后一公里”问题，将产业中“通用模型满足不了的痛点”固化成产品，形成了核心技术壁垒。

主要有三个：产品层面，孵化三个垂直领域的数字员工，聚焦特定岗位的标准化落地；营销层面，达成明确的营收目标，同时通过项目迭代持续优化产品；品牌层面，成为全国Top级的Agent服务商及产品公司，建立行业影响力。

最核心的是聚焦，加上对几个关键维度的深度理解。首先，必须聚焦。我们很早就否定了做Agent平台的方向，因为平台模式类似早期的低代码平台，只能满足长尾需求——就像没有客户会用低代码平台从头搭建ERP系统，而是会选择现成的垂直系统一样，未来的市场一定是垂直岗位Agent的市场，需要聚焦在具体岗位的价值落地。其次，要具备三个核心“理解”能力：一是对业务场景的深度理解，包括具体岗位的核心痛点、日常工作中的阻塞点、管理者和中层的真实需求；二是对中国数字化产业的理解，包括上下游关系、产业生态、客户决策逻辑、付费模式等；三是对前沿技术的理解，作为AI Native团队，要懂最新的Agent技术、架构设计，知道如何实现90%以上的准确率，把技术转化为解决实际问题的能力。最后，商业化能力也很关键，要能把这些理解落地为产品，转化为实际的商业价值。这几点结合起来，才是竞争中胜出的核心因素。