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

推荐语

AI Agent如何让企业老板心甘情愿买单？语核科技用"数字员工"给出了答案，将效率提升转化为可量化的商业价值。

核心内容：
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

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

对于一家海运重工的投标团队来说，响应速度直接决定着订单得失。

一份动辄数百页的船舶维修招标文件，往往需要售前工程师们耗费好几天时间逐条拆解。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而损失数百万的订单。

语核科技的 “数字员工” 改变了售前工程师与时间的赛跑。

一份新的招标文件上传系统，AI 会在 20 分钟内完成过去需要 4 天时间去做的工作。

售前数字员工像一位经验丰富的老工程师，精准拆解出工程、零部件、维护等不同类型的核心招标需求。调取历史数据与成本模型，生成合规报价，确保每一份投标文件的准确率超过 90%。

语核科技有个执念，即 AI Agent 必须帮企业实现降本增效，要么能直接帮助客户快速提振营收，要么能帮助客户快速压缩成本。

从 ToC 到 ToB，

一场关于 “价值付费” 的创业转型

2023 年夏天，大模型创业潮席卷而来时，从帆软出来的翟星吉带领语核科技团队，开发了一款面向 C 端的桌面生产力工具，产品迅速收获数万用户，留存率亮眼。

然而，付费转化并不好，哪怕产品将 C 端用户的效率提升 10 倍，他们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。” 翟星吉在接受牛透社采访时这样总结。

这次试错让团队看清了一点，即用户的时间价值决定了用户的付费逻辑。

C 端生产力工具需依赖用户自身的价值创造能力，普通用户难以形成付费闭环。

受到当时海外 AI 创业项目启发，语核科技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专属 AI 助手，用于视频剪辑脚本生成、多平台内容分发等场景。

但是他们面对的竞争对手过于强大，由于字节等大厂通过旗下产品天然占据用户入口，形成了用户行为的数据闭环，能快速迭代垂类 Agent。

初创公司依赖公开 API，效果滞后，教育用户自己搭建 Agent 的成本远高于直接提供成品工具。

于是翟星吉果断放弃了 C 端业务。

这段探索成为语核科技转向 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"，他们把效率工具当作生产资料，一个 Agent 数字员工，价值可以直接折算成财报上的数字。

而超级个体市场则需先证明，为他们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。

他们大量拜访企业客户，每周至少 4 家，不奔签约，只关注三个问题：

“公司最核心的业务流程中的核心阻塞点是什么？”

“公司老板、部门中层熬夜在解决什么？”

“我们能不能尝试用 Agent 解决这个问题？”

这种刺刀见红的调研方式效果也很明显，从 2024 年 4 月份开始，公司在一个季度里建联了上百个客户。

“我们的价值主张是，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。” 翟星吉告诉牛透社。

不一样的付费逻辑

语核科技做的事情就是将 Agent 数字员工提供给企业，在商业逻辑上颠覆了企业级软件产品的价值交付方式。

传统软件销售模式中，企业客户购买的是功能模块或席位订阅，需要自行配置、培训员工使用，最终价值依赖客户自身的落地能力。这种模式导致软件厂商陷入功能内卷和价格战，而客户则面临 "投入高、见效慢" 的困境。

翟星吉说，他们不想再做说服客户的事情。卖传统数字化系统需要给老板画 “未来价值” 的饼，而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 能力转换为具体岗位的数字员工，按实际业务结果收费。

语核科技的 "底薪+提成" 定价模型彻底改变了软件付费逻辑。底薪部分覆盖数字员工的基础运维成本，确保服务的稳定性；提成部分则根据实际产生的业务价值进行分成，如销售线索转化提升带来的增量营收、人力解放产生的成本节约等。

这种模式将厂商与客户的利益深度绑定。以售前数字员工为例，某制造企业引入后，报价周期从 4 天缩短至 20 分钟，响应速度提升数百倍，而语核科技仅按新增订单金额的一定比例获取回报。

企业老板们只相信确定性的价值，花了多少钱，能带来多少确定的营收增长或成本节约，他们就愿意付相应的费用。

敢对客户说 「不」

在客户选择上，有时候拒绝一个项目比拿下十个项目更重要。

语核科技的首要原则是坚决拒绝 "KPI 驱动型项目"。

这类项目通常源于企业管理层的 AI 指标压力，而非真实业务需求，典型表现为 "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。

翟星吉在访谈中表示，这类项目他们一直比较排斥，如果需求本身都不存在，何谈落地呢？

他们的实施标准是，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。

与此对比，一家汽车零部件头部企业的供应链单据处理项目因能直接解放 6 名人工去从事更加创造性的工作，降低企业千万级现金流压力，成为标杆案例。

语核科技选择客户的第二个原则是聚焦高科技特定垂直岗位，而非通用解决方案。

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。

翟星吉表示，他们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的规则和模板，高级售前专家年薪可超 50 万，价值高，企业潜在节省的成本可观。

实际上，每个岗位都可以拆解为基础素质、专业技能和行业知识三个层面，前两层可以标准化，仅行业知识需要客户化配置。

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天~7天。同一岗位的数字员工在三家以上客户落地后，便可提炼通用能力组件，形成可复用的岗位模板。

第三个原则是拒绝超出自身消化能力的大项目。

一方面是因为公司资源有限，好钢用在刀刃上。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。

翟星吉说，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，会影响公司的产品规模化能力。

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，控制合同规模确保了产品聚焦，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，我就想让他直接能看到这个东西有价值。"

据语核科技官方信息，公司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，且客户续约率达到 100%。

传统企业软件长期被困在 "席位订阅" 的收费困境里，客户按账号数支付年费，却难以衡量软件究竟创造了多少价值。

企业客户认为，这种模式本质上是将技术成本转嫁给企业，而非与企业共享技术红利。

语核科技推出的数字员工 Agent，正在颠覆这一延续数十年的商业逻辑。数字员工的革命性在于，它让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 可以缩短 80% 的报价周期，一个供应链 Agent 能解放 6 名人工......这些都可被精确测算并反映在 "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，而不仅是帮企业花掉钱的服务商。

【 以下为牛透社部分问答内容 】

牛透社：你的创业起点和最初的核心设想是什么？

翟星吉：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，具备巨大的应用潜力。

我们先尝试了 ToC 场景，做了一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，工具难以激发其付费行为。

之后我们将用户分层：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，但我们判断其与字节等巨头竞争难度大；而 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，价值可观且客户粘性高，因此转向了 ToB。

2024 年 4 月起，我们用一个季度对接了上百个客户，聚焦挖掘其核心痛点，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，而我们想做能直接让客户看到 ROI（省钱或增收）的事。

牛透社：从 SaaS 产品到 Agent 数字员工，企业客户对产品的关注点有哪些变化？

翟星吉：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。但现在转向 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，促进员工去做更有创造性的工作；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。

牛透社：你们如何确保 Agent 达到 90% 以上的准确率？

翟星吉：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，我们的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，通过自研技术来确保三个环节：文档输入准确率、RAG（检索增强生成）端到端准确率、Agent 架构算法效率；

本质上还是用专业团队的技术能力 “堆出” 高准确率，并将其产品化。

牛透社：是否遇到过 Agent 难以落地的情况？

翟星吉：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，且 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、技术的理解，这类项目落地难度较小。

牛透社：如何平衡标准化产品与定制化需求？

翟星吉：我们的核心策略是聚焦。从创业初期我们就明确不做平台型产品，而是从行业和职能两个维度去聚焦。

在行业层面，我们聚焦在高科技行业；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。

我们将 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。

牛透社：产品商业化落地的最大挑战是什么？

翟星吉：最大挑战是资源有限，受现金流制约。我们需要在融资环境不佳的背景下，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。

牛透社： 你们按 “业务价值付费”，可操作性如何？

翟星吉：它的核心是价值分成，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。

牛透社：担心通用厂商竞争吗？

翟星吉：我们不担心通用厂商的竞争。

首先，通用大模型存在一定的短板，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。

牛透社：语核科技今年的战略目标是什么？ 

翟星吉：今年的战略目标主要有三个：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。

牛透社：未来 Agent 厂商竞争胜出的关键因素是什么？

翟星吉：最核心的是聚焦，再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，而非做一个什么都能搭的平台。

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。比如清楚具体岗位的核心痛点、日常工作中的阻塞点，以及企业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，能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。