用 AI 重新定義“發(fā)現(xiàn)價(jià)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(duì)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(guān)系、媒體報(bào)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(duì)于追求極致增長(zhǎng)的企業(yè)而言，當(dāng)一個(gè)名字出現(xiàn)在公開名錄上時(shí)，往往意味著競(jìng)爭(zhēng)已經(jīng)白熱化。

在DigClaw創(chuàng)始團(tuán)隊(duì)看來，人的每一個(gè)行為都是一種“意圖的投射”。例如，一個(gè)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(huì)學(xué)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(yù)警。

DigClaw 創(chuàng)始團(tuán)隊(duì)意識(shí)到，快速變革的AI時(shí)代下，利用大模型捕捉并處理這些商業(yè)“弱信號(hào)”成為可能，而這將徹底重構(gòu) B2B 獲客的基礎(chǔ)設(shè)施。

2025 年，DigClaw 正式起航，試圖用 AI 重構(gòu)信息基礎(chǔ)設(shè)施，用商業(yè)“弱信號(hào)”識(shí)別“你在什么階段、什么業(yè)務(wù)、什么場(chǎng)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(tái)，大模型 Agent 每天消耗 數(shù)十億 Token，通過對(duì)全球超10 萬名頂尖人才和百萬級(jí)公司的實(shí)時(shí)監(jiān)測(cè)，像一臺(tái) 7x24 小時(shí)運(yùn)行的“超級(jí)雷達(dá)”，主動(dòng)從 全球海量信息中剝離出真實(shí)的商業(yè)意圖 。

目前，DigClaw打造出了首個(gè)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(jī)構(gòu)等提供全鏈路的 AI 產(chǎn)品與服務(wù)。

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(guān)村資本的天使輪投資。據(jù)AI科技評(píng)論了解，在推進(jìn)新一輪融資時(shí)，相比于純財(cái)務(wù)機(jī)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(zhǎng)與更宏大的產(chǎn)業(yè)協(xié)同上獲取勢(shì)能。

在這次對(duì)話中，DigClaw創(chuàng)始團(tuán)隊(duì)與我們?cè)敿?xì)分享了：為什么B2B業(yè)務(wù)需要一套“AI 情報(bào)系統(tǒng)”、AI 如何改變商機(jī)被發(fā)現(xiàn)的方式，以及 Agent 與數(shù)據(jù)平臺(tái)在未來商業(yè)世界中的角色。

以下是AI科技評(píng)論和DigClaw的對(duì)話實(shí)錄：

01

“在共識(shí)達(dá)成之前，信號(hào)早已發(fā)出”

AI科技評(píng)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(shì)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(cè)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(bào)”的標(biāo)簽出現(xiàn)，意味著這已成為全行業(yè)共享的已知事實(shí)，先驗(yàn)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(dòng)態(tài)信號(hào)”。是將數(shù)據(jù)從被動(dòng)的記錄工具轉(zhuǎn)化為主動(dòng)的增長(zhǎng)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(guān)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(jìn)、高管社交動(dòng)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(jìn)和專利申請(qǐng)，量化企業(yè)對(duì) AI 的渴求度，從而精準(zhǔn)預(yù)測(cè)未來三個(gè)月的采購需求。

傳統(tǒng)平臺(tái)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(shí)到需求之前就完成介入。

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

即識(shí)別“你在什么階段、什么業(yè)務(wù)、什么場(chǎng)景之下需要什么產(chǎn)品。”

AI科技評(píng)論：你們一天要消耗多少 Token ？成本能否 cover 住？

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?yàn)閿?shù)據(jù)源非常多。我們的 AI 基本相當(dāng)于每天把全網(wǎng)所有與科創(chuàng)相關(guān)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(gè)月能拿到一些免費(fèi)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(huì)成為我們經(jīng)營的阻礙 。

AI科技評(píng)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?cè)?ToB 領(lǐng)域更多是提供“數(shù)據(jù)定制服務(wù)”，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(jià)在大幾萬到百萬量級(jí) 。今年我們的戰(zhàn)略思路發(fā)生轉(zhuǎn)變，計(jì)劃將核心能力封裝成標(biāo)準(zhǔn)化的產(chǎn)品，去服務(wù)更廣大的中小客戶群 。收費(fèi)模式大概率是“搜索調(diào)用費(fèi) + 監(jiān)測(cè)訂閱費(fèi)” 。

我們并不是采用成本極高的實(shí)時(shí)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(dāng)用戶提出需求時(shí)，系統(tǒng)會(huì)將需求與數(shù)據(jù)庫里的上百萬條數(shù)據(jù)挨個(gè)碰撞匹配，雖然可能需要跑幾個(gè)小時(shí)，但結(jié)果一定是最準(zhǔn)、最全的。我們更像是一個(gè) AI 分析師，在為你提供長(zhǎng)期的 Mapping 和監(jiān)測(cè)服務(wù) 。

AI科技評(píng)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(guān)技術(shù)，但單純依賴大模型存在幾個(gè)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(dòng)化，解決不了深度的數(shù)學(xué)推理和數(shù)據(jù)分析問；

3.我們采取的是人機(jī)結(jié)合的方式：用最強(qiáng)的模型（如 GPT）提供建模思路，具有數(shù)學(xué)和物理背景的分析師與大模型反復(fù)溝通調(diào)整參數(shù)，驗(yàn)證信號(hào)的真?zhèn)危缓笸獍o系統(tǒng)去跑測(cè)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(duì)外服務(wù)。

AI科技評(píng)論：國內(nèi)大廠都在做模型并卷起價(jià)格戰(zhàn)，甚至提供各種 Agent 工具，你們?cè)趺纯创@個(gè)趨勢(shì)？

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(yùn)營人員也能使用的工具，用戶群體極度擴(kuò)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?yàn)槌杀举F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(bǔ)貼（幾乎免費(fèi)送算力） 。未來這個(gè)市場(chǎng)大概率和云計(jì)算一樣，誰便宜、誰補(bǔ)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(píng)論：隨著大廠全面入局，垂直類 AI 應(yīng)用（尤其是 ToB/ToC 界限模糊的產(chǎn)品）未來的終局是不是都會(huì)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(wù)2B客戶，也能發(fā)揮更大的價(jià)值。

其次，我并不認(rèn)為我們是一個(gè)AI應(yīng)用工具，我們核心是一個(gè)底層的AI數(shù)據(jù)”大腦“，基于我們對(duì)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(chǎng)景中產(chǎn)生不同價(jià)值。雖然當(dāng)下我們?cè)贐2B業(yè)務(wù)中主要是幫助市場(chǎng)部解決高效獲客，探索藍(lán)海市場(chǎng)的商業(yè)價(jià)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(chǎng)景。這些都是我們很想去探索的邊界。

AI科技評(píng)論：現(xiàn)階段許多用戶對(duì) AI 的認(rèn)知兩極分化（認(rèn)為無所不能或一無是處），這種技術(shù)邊界的模糊會(huì)對(duì)你們的服務(wù)造成困擾嗎？

DigClaw：并沒有產(chǎn)生太大困擾，因?yàn)槲覀冞^去一年的大客戶（如火山引擎、阿里云、科大訊飛等）都是市場(chǎng)上最專業(yè)的人，他們非常清楚 AI 的技術(shù)邊界。

對(duì)于大客戶來說，相比于自己用大模型部署一個(gè)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(wù)，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(jià)值，而不是大而全的泛能力 。

AI科技評(píng)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(zhǔn)確率？

DigClaw：這是一個(gè)非常核心的問題。我們絕對(duì)不會(huì)讓大模型一步到位去生成某個(gè)公司的全量信息，大模型在我們的長(zhǎng)流程里只負(fù)責(zé)最簡(jiǎn)單的“特定特征抽取”（如命名實(shí)體抽取）。即使抽取后，我們還有另外的多個(gè) Agent 去做多層審查和篩選 。

如果多個(gè)信息源存在矛盾，我們會(huì)賦予信源不同的權(quán)重，并通過“人設(shè)匹配”（例如驗(yàn)證該創(chuàng)始人此前的學(xué)術(shù)背景是否與當(dāng)前項(xiàng)目賽道吻合）來自動(dòng)交叉驗(yàn)證 。目前這套自動(dòng)化處理機(jī)制的準(zhǔn)確率基本能達(dá)到 98% 以上。總之，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(shí)踐中我們發(fā)現(xiàn)，單純依賴向量搜索其實(shí)并不夠準(zhǔn)確。

AI科技評(píng)論：未來你們?nèi)绾纹胶狻爸囟榷ㄖ苹?wù)”和“標(biāo)品化”的關(guān)系？

DigClaw：整個(gè)2B市場(chǎng)有一個(gè)共識(shí)，就是2B一定要做深。為什么SaaS被淘汰了，因?yàn)檎麄€(gè)2B市場(chǎng)不存在一個(gè)標(biāo)準(zhǔn)化的解決方案。

DigClaw的底層邏輯是用標(biāo)準(zhǔn)化的 AI 引擎驅(qū)動(dòng)深度的定制化洞察。我們自研的 Sourcing Agent，這是一個(gè)高度標(biāo)準(zhǔn)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(xué)習(xí)能力，讓種匹配不同客戶不同需求的能力得到跨越式成長(zhǎng)。

未來，我們還會(huì)基于我們對(duì)創(chuàng)業(yè)者的精準(zhǔn)對(duì)稱，延展到 Business to Startups（B2S）業(yè)務(wù)，致力于推動(dòng)“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(wù)模式。

AI科技評(píng)論：公司目前的融資和盈利狀態(tài)如何？未來的攻關(guān)難點(diǎn)在哪里？

DigClaw：我們目前已獲得中科創(chuàng)星、中關(guān)村資本的投資。而且通過持續(xù)的自我造血能力，已實(shí)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(jìn)一步強(qiáng)化我們的計(jì)算底座，將我們的 AI 引擎部署到更核心的產(chǎn)業(yè)節(jié)點(diǎn)中。

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

我們正在攻關(guān)的是如何讓 AI 產(chǎn)生的“動(dòng)態(tài)意圖信號(hào)”更無縫地接入企業(yè)的決策流，通過“戰(zhàn)略級(jí) 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(zhǎng)導(dǎo)航儀”：通過對(duì)全球 10 萬名頂尖人才和百萬級(jí)公司的實(shí)時(shí)監(jiān)測(cè)，讓每一個(gè)創(chuàng)新的信號(hào)都能被量化，并轉(zhuǎn)化為確定性的客戶與商機(jī)。我們是在用 AI 重新定義“發(fā)現(xiàn)價(jià)值”及“資源匹配資產(chǎn)”的成本和速度。

未經(jīng)「AI科技評(píng)論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號(hào)轉(zhuǎn)載請(qǐng)先在「AI科技評(píng)論」后臺(tái)留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來源并插入本公眾號(hào)名片。