本文来源：时代财经 作者：赵姝婵 庞宇
生成式 AI 浪潮席卷产业已有数年。
随着写文案、做报表、搭智能客服等通用大模型变得随手可得，几乎每家企业都赶上了一波 AI 热潮。
但绝大多数企业的 AI，终究只是 " 聊天工具 "。它们只会输出标准化的文字，钻不进真实的业务流程，更拿不出可量化的拓客、转化与增收成果。
麦肯锡发布的《AI 应用现状调研》数据显示：截至 2025 年 12 月，尽管 88% 的企业已在至少一个职能中常态化使用 AI，62% 的企业开始试用 Agent（智能体），但最终被定义为 "AI 高绩效企业 " 的仅有 6%。Gartner 也曾预测，到 2027 年末，超过 40% 的代理型 AI 项目将因成本攀升、商业价值不明确或风险控制不足而被取消。
当全行业一头扎进参数军备竞赛，追逐模型规模，千亿、万亿参数轮番登场时，有人却另辟赛道。
深耕 B 端（企业端）产业 AI 十年的探迹科技，将全部筹码押注于产业数据与垂直场景之上。探迹科技创始人兼 CTO 陈开冉认为通用大模型落地难的 " 病根 " 在于——缺乏高质量产业数据与一线行业实操经验，这两大短板催生了层出不穷的 "AI 幻觉 "，让技术永远浮于纸面。
" 算力投入，终究要用客户转化和经营结果来衡量。" 陈开冉对时代财经说。
恰逢时代财经创刊十周年，我们推出特别策划，聚焦成长迅速的商业新锐，与这位扎根产业十年的 90 后科创领军者展开深度对话，拆解探迹科技十年落地逻辑，挖掘他眼中那些即将走进千家万户、真正帮人干活的 "AI 数智同事 " 的真实面貌。
摒弃参数内卷：企业级 AI 的核心壁垒，从来不是模型规模
前几年的 AI 赛道，各家厂商争相抬高模型参数，把容量、生成速度当成核心卖点，却鲜少回应企业最朴素的诉求：AI 能不能帮我找客户、降成本、做决策、提营收。
陈开冉是中山大学软件工程硕士，早年深耕国家实验室 AI 研究，长期钻研商业知识图谱与 B 端垂类大模型。十年来，他带领的探迹科技服务超 5 万家企业，覆盖 30 多个细分行业。
海量一线落地案例，让他看透通用模型的致命硬伤。
" 通用大模型训练素材以全网通识内容为主，看不懂细分行业交易逻辑，理不清上下游供需关系，更摸不透企业内部业务规则。" 他直言，AI 极易凭空捏造报价、客户信息、供应链数据，一旦触碰核心经营环节，企业根本不敢托付。中国信通院的调研也印证：数据集质量，是垂类模型规模化落地最大的瓶颈。
脱离真实产业数据，再庞大的参数，也只是空中楼阁。
因此，探迹从创业之初，便主动放弃参数竞赛，将研发重心全部投向数据资产搭建、产业场景打磨，" 旷湖 " 数据云就此诞生。
海量多维度数据，织就一张完整产业网络：企业、工厂、线下商铺、产业政策、招投标、产业链供需、海关外贸、城市宏观数据等尽数收纳。
但外部产业数据，只能解决 " 看懂行业 " 的问题。每家企业独有的 CRM（客户关系管理）客户档案、ERP（企业资源计划）供应链台账、车间生产数据、私域运营记录，才是独一份的核心资产。" 可现实是，销售、生产、财务、电商系统各自割裂，海量数据沦为孤岛，看得见，用不上 "，带着这个认知，陈开冉带领探迹科技面向大型集团、国央企打造了 " 太擎 " 平台。
探迹科技用异构系统集成能力，打通企业内部所有数据端口；所有运算、分析均在客户私有化环境完成，私有数据全程闭环不外流，安全可控。内外数据双向打通，每一条 AI 建议都有据可查、全程可追溯。" 参数只是承载能力的外壳，数据与行业经验，才是企业 AI 扎根产业的根基。" 陈开冉总结。
旷湖，让 AI 读懂整个产业；太擎，让 AI 读懂单家企业。二者合一，AI 才能走出演示界面，扎根业务创造真实价值。
重构行业竞争标尺：B 端 AI 赛道正式进入 Token 效率比拼时代
如今探迹大模型日均 Token 消耗突破 1500 亿，稳居国内智能体企业算力消耗第一梯队。
但陈开冉从不以消耗总量为荣，在他的判断里，B 端 AI 的竞争逻辑已经改写：不再拼流量、算力、参数，而是比拼 Token 效率——每消耗一份算力，能换来多少有效线索、成交转化、营收增量。
电商零售赛道的传统客服机器人，是低 Token 效率的典型缩影。如何让客服机器人从 " 开口说话 " 到 " 动手做事 "？
探迹自研电商垂直大模型 ShopGLM，搭建全流程探域智能体平台。售前咨询、商品推荐、下单引导、售后处理、私域复购，全链路一站式覆盖。抛弃老旧关键词规则，智能体自主学习商品参数、店铺活动、客户分层标签，依托完整上下文深度推理，主动推进全流程业务动作。AI 不再是被动等候提问的聊天框，而是能思考、会决策、主动执行的数字生产力单元。
" 为了持续拉高 Token 投入产出比，探迹走了两条并行路线：底层技术自研，垂直场景深耕。" 陈开冉对时代财经说。" 不少企业盲目采购通用大模型，砸下巨额算力成本，最后只用来写写宣传文案，投入产出严重失衡。" 在陈开冉眼中，探迹所有技术、算力、数据的最终落点，都是业务转化与经营增效。探迹自研 HanPaaS 开发框架，大幅压缩 AI 开发算力损耗，代码开发环节 Token 成本直降 58%，综合性能达到行业均值 2.3 倍。
从单点智能到多体协同：打造服务全球产业链的 "AI 数智同事 "
站在十年发展节点，陈开冉为探迹定下打造全球产业链智能体的未来战略。
从单点智能，进阶至多智能体协同，技术、商业两道关都要翻越：技术层面，要攻克多语言实时交互、跨时区调度、多智能体信息同步、联合任务分配等底层难题；商业层面，全球市场差异巨大：中东长周期谈判、欧美标准化决策、东南亚人情化交易，不同地区的商业文化、采购习惯、信任逻辑，都需要本地化深度适配。
陈开冉强调，全球化智能体绝非简单翻译工具，只有吃透当地产业、贸易政策、客户习惯，才能真正帮中国企业开拓海外市场。
在他描绘的产业蓝图里，未来 3 到 5 年，每家企业核心流程中，都会常驻专属 "AI 数智同事 "，人机协作模式将彻底重塑各行各业。
"AI 的使命从来不是替代人，而是解放人。" 陈开冉反复提及，技术的终极意义，是让人类回归更有温度、更富创造力的商业环节。
2026 年 7 月 8 日，家纺上市公司真爱美家完成董事会换届，探迹创始人陈开冉出任董事长，四名核心高管同步进入董事会；新一届董事会近六成是 90 后，经营层主力全部来自探迹团队。这场跨界合作，让探迹团队深度扎进生产、电商、供应链、海内外销售全链条，亲身验证垂类数据智能体改造传统制造业的真实价值。
从向外输出工具的 AI 赋能者，变为扎根产业一线的躬身入局者。
" 只有亲身扛库存压力、直面获客成本、应对海外订单波动，才能看清企业真正需要什么样的 AI，避免技术研发脱离一线痛点。" 陈开冉坦言，操盘实体企业，让他进一步以经营者思维重新审视产品逻辑。
AI 浪潮之下，一套全新的商业规则、信任体系正在成型，属于数字时代的新商业文明缓缓铺开。
" 技术本身没有温度，温度藏在落地的方向里。" 正如陈开冉所说，当通用 AI 概念热度褪去，产业落地成为行业主旋律。探迹这套 " 重数据、重场景、重真实业务价值 " 的发展路径，或许正是企业级 AI 行业奔赴未来的标准答案。
（实习生王雨芊对本文亦有贡献）
