近两年，说起 AI，大多数故事的主角，是经验丰富的科学家、是手握资源的连续创业者。但，还是有些更加年轻的 “ 闯入者 ”，进入战场，给 “ 中登老登 ” 们带来了一丝震撼。

池光耀，2003 年出生，3 年前，刚上大二，专业第一、满绩点的他选择了休学创业。同年，他和搭档翟星吉创办的语核科技获得种子轮投资，公司估值 3000 万。

他们进入的，是一个不被资本看好，毫无路径依赖的赛道，语核不为企业提供复杂的 AI 平台，而是交付能直接处理核心业务的 “ 数字员工 ”，或者说一个越用越聪明的 AI 实习生。基于这个独特的切口，这个小团队在过去一年获得了超千万的营收。

知危编辑部与他进行了三个多小时的对话，我们不仅观察到一家 AI 初创公司的生存样本，也在试图理解：当一群原生于数字世界的年轻人，掌握可能重塑现实世界的工具时，他们如何定义 “ 价值 ”、如何面对成功和失败，以及，他们将为我们的未来，写下怎样的注释。

以下是对话原文，知危进行了不改变原意的编辑。

如果您更喜欢观看访谈的视频版本，请移步至抖音账号「知危」或 B 站「知危编辑部」进行观看。

知危：可以聊一下第一次拿投资，奇绩创坛是怎么敲定给你打钱投资的？

池光耀：奇绩面了我好多次。一开始是他们实习生先接触，然后是他们的合伙人。然后再往后面了有个两三次、三四次，最后在（ 2023 年 ）8 月 25 号还是 26 号在我正在迭代我的产品的一天，我突然接到了一个奇奇怪怪的电话，问我 “ 是池光耀吗？” 我说 “ 你是？” 他说他是奇绩，打电话过来跟我简单聊聊，然后就跟我聊了 8 分钟。

知危：所以他跟你说了什么呢？

池光耀：他问了一下我目前的产品进展，未来的公司规划，我创业的动机和初心，最后说回去等通知，他没有用这么生硬的说法，但大概是这个意思。

知危：他也没有线下来再跟你们谈过什么？整个被投资的全程你们线下没有沟通过面？

池光耀：没有， 打完电话之后一个小时他们就发了一条邮件过来，说恭喜我们被投了。我们没有见过面，就纯线上。当然，开摄像头的视频会议是有的。

知危：所以第一笔投资是多少钱？

池光耀：2154000 元。

知危：为什么会有零有整？

池光耀：因为是 30 万美元转换过来的。而且（ 可能 ）215 万这个数值可以刚好让企业的估值达到 3000 万这个点，如果是 200 万整的话，应该是 2800 万的估值，估值还是很重要。

知危：所以当时给到你这个钱之后，他们会跟你说这个钱你应该去干什么吗？

池光耀：完全没有。奇绩的投资是天使投资，很纯的天使投资，而且奇绩的理念是创始人为先，他不会管你这笔钱拿去干什么，他相信你这笔钱肯定是用在对公司发展最有益的地方，不管你是拿这笔钱去干嘛，所以这一点也是很打动人的一点。

而且他的条款给的非常好，没有什么对赌、没有回购、没有杂七杂八的各种各样的限制，甚至当时他都不要求我把学给休了，就是好到这种地步。当然，我本来就要全身心投入这个事情，所以肯定学还是要休的。

知危：所以其实拿到这笔投资，也让你对休学这个事情更加坚定了？

池光耀：我能活着了。既然能活着的话，剩下的事情当然就是造福这个世界了。

知危：所以目前今年的整个的营收状况怎么样？

池光耀：破千万吧。

知危：在 SaaS 初创企业里头，这算是一个什么样的一个水平？

池光耀：在我们这个 Agent 售前的赛道，首先，我们没有非常精确的竞对，我们基本上应该是这个细分领域赚的最多的。然后如果把视野拉到和我们成立年限差不多的公司，我们应该是佼佼者，再把视角拉到从我们项目开始，就是 24 年 4 月开始，一年的时间做到这个规模的话，我们就更加佼佼者了，所以我对我们的进展还是非常有信心的。

知危：但一定是要去休学创业才会实现的吗？因为你在学校里获得了很高的分对吧？你可以去更好的学校，然后再去深造，去更好的企业，包括你甚至可以出国去 OpenAI， 对吧？同样会实现你的所谓的（ 马斯洛 ）最高层次的价值。为什么会做出休学创业的这个决定，是一个怎么样的过程？

池光耀：总体来看这是一个基本上收益拉满但没有什么坏处的选项。因为开这个公司我一开始是在没有休学的状态下去推项目的，然后我越来越发现花在学校里的这部分时间，它的价值可以说微乎其微的。因为学校里的那些知识我基本完全掌握了，接下来蹲在课堂上的性价比实在太低了，它也不给我带来额外的快乐，也不给这个世界增加任何额外的价值。

知危：什么时候你觉得你应该去创业了？就是因为很多人会觉得 “ 我虽然技术很强，但是我可能在某一个方面他还不够强 ”，他们会有各种各样的担忧，然后想通过一定的时间去弥补。

池光耀：创业是一个综合性的，需要把握天时地利人和的一个事情。如果你说我什么时候下这个决心要创业，我的想法是只要我能活下来，并且只要我判断这个行为有助于增加人生总体的快乐值，我就下这个决定。

所以我当时是跟我合伙人约定，我们产品用户量到一个特定的量级或是我们拿到投资，我就休学。后来（ 大概 ）是因为我们用户量增长实在太快了，我们 “ 啪 ” 一下就被投了。

那时候我们用户量还没多少呢，就 5-7 万的样子。23 年 8 月份我们第一个月营收破 10 万了。 所以（ 因为被投 ）我就决定了休学创这个业。

但如果从创业成功的角度来说，我觉得 23 年 4 月份我基本上已经下定决心了，因为天时到了，OpenAI 发了 GPT 的 API，我其实已经晚了一步，我应该在 22 年底就准备开始搞这个东西，我是具备这个技术基础的。

一直等到 23 年 3 月份 API 出来了，那个月就有一个采访过来问我接下来怎么看，我说这是一个历史性的时刻，接下来会有无数的应用蓬勃发展，我也做了一个应用。然后是地利，我在上海，是个好地方。然后遇到了我的合伙人翟星吉，一个传奇的创业者，他那个时候还不是创业者，他是帆软的高管，经验非常丰富，这样人和这也找到了，他脑子里又有好想法，所以我们天时地利人和都集齐了。

知危：你对翟星吉这个介绍特别像在介绍自己女朋友的感觉。

池光耀：你接触过星吉，你就会发现他是一个非常出色的人。

知危：2023 年 4 月份的时候，你做了一个产品是吗？

池光耀：这个就是随手搓的一个东西，任何一个新事物（ 如 LLM ）出来，这个新事物绝对有无数的不足，如果它又（ 有潜力 ）解决的是一个刚需，那就意味着无数的创业机会。

然后另一方面就是当时我已经体验了 GPT 三四个月，我是从 22 年底就已经开始用，就是最早的那一批。然后我深刻发现一些存在于 GPT 使用者中的痛点：就是不会写 Prompt。 这个非常普遍，大部分人不知道怎么和 AI 打交道，所以说要有一个对人类指令做加工，然后把它变成 AI 更易读的。

这样的产品当时还没有，我就搓了一个，它还是一个蛮实用的东西，可以把用户输进去的模糊的提示词优化一遍，让它变得更精确，这样子丢给 GPT 之后，它的回答就更能贴合用户的喜好。

当然它也有一些杂七杂八的别的优势，比如说本地的聊天记录保存，因为那会儿 GPT 你走中国区访问，它动不动就封你号，一封你聊天记录都没了。所以它允许你把聊天记录存在本地，然后还有提示词模板之类的杂七杂八的功能，基本上是一个本地 GPT 客户端该有的功能吧。

知危：所以星吉是因为这个产品，然后去找到你的，是吗？

池光耀：是的，星吉当年他是一堆找来的人其中之一。

知危：他不是第一个？就是你这个产品出来之后，有非常多的人去找你？

池光耀：杂七杂八的人都找过来了，很多就是 “ 哎，我们合作一下，赚了有钱一起分，要是亏了就不谈了。 ” 好多是来白嫖劳动力的，但星吉不一样，他是抱着诚意过来的。基本上在很多担忧我根本就没想过的时候，他就已经提前全都想好了，就是带着 100% 的诚意过来，然后自己还带着很好的想法，我一下就被打动了。

他还没过来跟我聊的前一天晚上，我只是抱着应付一个又一个找来的人这样想法去回复他的，但是当天跟他聊完我就发现他脑子里有很多不一样的东西，然后他的思维很顶层、很先进，一般来说我这个人是不擅长合作的人，我是一个比较独狼类型的人，一直以来我都是自己干事。但是我认可星吉这个人，我觉得和他合作我们会成功。

知危：你是线上先跟他沟通的是吗？线上沟通大概聊了多久？后来线下见的面？

池光耀：对，线上沟通，也没聊多久，最多一两天吧。后来他大老远找过来，从别的城市赶过来上海，之后再开车从市中心到松江，遭老罪了。

知危：然后线下你们聊的什么？

池光耀：聊项目进展、未来的可能的方向，以及如果我们要一起合作做点小项目，先从哪些开始做起？我们当时聊了很多很多杂七杂八的项目，比如说我们有一个想法，就是做一个自动执行任务的一个 AI， 它会自动分析当前的任务，走到这一步了，然后为了完成这个任务要列出这些 todo list， 一个调用分布式去执行，最后拿到结果，然后再评估结果。这其实是一个通用的 AI Agent 。我当时觉得这个想法真的太棒了，但是模型的 base 能力没有到，模型本身的能力当时还是 GPT 3.5，它太笨了，还没有到（ 能完成这个任务的程度 ），所以先不做这个。

后来我们先选了 ChatGPT， 用 ChatGPT 去做这个 CopyAsk，但是他提的那个想法，后来出了一个爆火的产品，应该叫 AgentGPT，所以证明了他的想法是对的，他对方向的洞察非常敏锐，同时我的想法也是对的，因为 3.5 就是搞不出来 ，AgentGPT 是拿到了 GPT4 的内部测试权限才搞出来的。包括我们第一次做的这个产品（ CopyAsk ），最后也是算是虽然失败了，但是取决于你用什么角度来看。如果说是一个普通的创业项目角度来说，拿到 10 多万用户，然后开放付费，首月破 10 万营收，我觉得还是一个比较不错的结果。

知危：所以那时候你们对于公司的想法和展望是什么？还是其实没有一个特别具体的雏形，是以项目制想法去带动的？

池光耀：他刚找我的时候我们只想搞点好玩的东西，我是深刻意识到其实 AI 应该是可能是人类最后的（ 创业 ）机会，而我就站在这个曙光的前沿。嗯，没有人能忍住，绝对没有人能忍住。

知危：你这些技术是怎么来的？看到一些报道，说你很小的时候就做了很多奇奇怪怪的东西，在传统教育体系下为什么会做到这样的积累？

池光耀：

你着重提及了传统教育体系下，我觉得就是兴趣驱动和正反馈管理。我基本上是把每进入新的一个领域都当做一个游戏来玩，你可以把你对这个领域的热情看作你的生命值，然后每次受到挫折，你生命就减一点，然后获得阶段性成果，或者获得他人的赞赏，或者获得金钱的反馈，那么这个血条就回复一点，然后血条归零的时候，或者出现其他更多更好玩的东西的时候，你就从这个领域切换出去，然后去那个新领域。

知危：你小学的时候做的什么？

池光耀：小学的时候做偏游戏方向，是 4399 小游戏那种雷霆战机类型的；然后初中研究单片机编程、视频特效渲染、三维动画、数字雕刻还有一些剪辑，之后就是 Deepfake AI 换脸，然后再往后到高中大数据，然后还有加密货币。

知危：所以这些都是你自己去钻研，没有一个所谓的老师去教你，你还能在正常的学习时间里头去上大学，拿到满绩点这样的成绩。

池光耀：问题不大，要学会用第一性原理去思考。我觉得很难找到理解我上述所说所有领域的老师。

知危：你上大学是怎么做选择的？你学的是网络与新媒体，是因为他们课比较少，作业比较少？

池光耀：母校确实会放很多的时间给学生自由探索，然后我上课就坐第一排写代码，然后旁边开一个字幕，这样子老师说的内容可以实时的显示在旁边，只要瞄一眼就知道上下文是怎样的，这样叫起来回答也没问题，老师问一个通用提问的时候，我还能快速回答，一个快速上下文切换的机制。

知危：对广大学生没有什么太大的参考性。

池光耀：应该是有的，因为现在可以用 AI 帮你思考。

知危：听说上大学更早的时候，你还编了一个叫溯时计的东西？

池光耀：对，它可以记录电脑上的内容，并且可以回溯到任意的时间。你猜我是怎么被启发做这个东西的？差评在22年底发了一个叫 Rewind 的软件介绍，但是 Rewind 当时只有 macOS 版，我寻思怎么没有 Windows 版呢？这个我写一下不是很快嘛，然后就写了个出来，是因为差评的灵感。

后来为了找这个软件的合伙人，我托朋友在清华论坛上发帖，虽然没吸引来清华合伙人，但吸引来了奇绩创坛的 sourcing team。他们和我说申报奇绩创坛，就帮我找合伙人，我就报了。然后在一年后我就被投了。

知危：必须握个手了，所以奇绩创坛应该是第一家投你们的公司，是 BillyGPT 出来之后还是说 CopyAsk ？

池光耀：CopyAsk 做出来他们决定要投了，像是溯时计和 BillyGPT 这段时间我是进了他们的 early decision（ 提前决策列表 ）。BillyGPT 那会因为没有合伙人，公司主体也没成立，就是缓一缓，然后过了半年星吉找过来了，我俩就把公司开了，然后也把这钱拿了。

知危：是星吉找过来之后，你们做了 CopyAsk，然后拿到了这笔投资。

池光耀：对。超早期我们接了 GPT， 后来正式对外运营之后接了国内模型，做的事情就是访问路径简易，以前你想要用 AI 不管是解释一个概念，或者总结一长段文本，或者翻译一篇文章，都需要先 Ctrl c 复制文本，然后打开浏览器，输入 ChatGPT，然后把文本粘贴进去，输入帮我总结解释翻译，按回车，7步，用我们的 CopyAsk 复制，点解释两步出来了。

特别是对于高频场景，这个访问路径的减少可以节约大量时间。比如说小语种，它有非常大量的需要结合上下文进行翻译的，这里如果一直用这个复制填 prompt 非常慢，但是在他一天几百次的调用里面，如果全用CopyAsk就可以帮他节省大量的时间。所以我觉得就是我们的产品在当时那个时代背景下是比较有价值的。

知危：而且我记得就是 CopyAsk 刚推出来的时候就是成绩很好，第一个月是用户破万，然后几个月就破5万了。

池光耀：把 CopyAsk 做起来是一个很复杂的过程。我们蛮早就已经做完了，但是一直没有正式推，一方面是觉得产品还需要打磨，另一方面是我们在试验一个比较低成本能推广的方法。那会我和星吉开这家公司，我并不是很想星吉投个30万，我们把 ChatGPT 词条买下来，然后让那一天所有搜索 ChatGPT 的人全点下载我们的软件，而且我也相信作为上海外国语大学历代绩点最高的新传人，我应该有能力不靠任何市场营销预算就把这玩意推出去。

我就动用我的毕生所学，合计大概 4 个星期左右研究了一下所有的平台，每一个平台我们都试过了，像是 B 站、小红书、抖音，包括知乎，甚至往下走到 CSDN 因为我们做的这个很通用，各种类型的人都会需要我们试了所有平台，最后只有 B 站成功了。

一开始用语核的官方账号去做直播，大家看到老板这里做直播很新奇，点进来看看，然后直播聊啥呢，有做情感电台的，然后你这个问题我解答不了，那么我们用 CopyAsk 问问。

我们早期的粉丝和流量是这么积累起来的，但它很明显没法规模化，到我们五六千粉这个样子，我把整个 B 站所有分区的所有细分分区的视频全部爬了，每 5 分钟更新一次，去观察一个视频，它的全维度数据的增长曲线，一旦观察到有一个视频它的播放、点赞、收藏、评论、回复，那个人的涨粉量开始出现指数级的暴增，证明它要被 B 站推流了。那个时候派一个我的实习生过去发一条好玩或者好用的评论，内容不需要和我们的产品有任何关系，这个评论发完之后，你自己给那个评论点个赞，这样子就可以在 B 站这个推荐流中顶到一个比较好的位置，用这个方法，我们在大概在 7 月份和 8 月份获得了几千万到上亿的一级曝光。然后再漏斗到我们的官方账号里面，有个几百万的二级曝光。

知危：好骚啊，你这个做法。

池光耀：但这个路径有点长了，而且这个想法只能用一次，我们有很多模仿者，那二级曝光再漏斗到我们的官方网站变成三级了，最后再漏斗到产品的下载，下载量就只有 10 多万了，最后再漏斗到注册并使用我们的产品，我们就是两个月获得了 5 万多用户。

知危：其实你们 CopyAsk 后来也遇到了不小的竞争压力，之前你说是感受到了创业老兵的那种带给你的全方位的那种碾压的感觉？

池光耀：当时 CopyAsk 刚出来那会儿我们就立马遇到了竞品，竞品名字要说吗？就是XXX 还有 XX， 其中 XX 就是后来知名的 XXXX 的前身。作为连续创业者、创业老兵，他们手上有钱，当时的操作是先砸大钱买下来 ChatGPT 这个词条，那买完之后顶在最上面，所有人搜 ChatGPT，先搜到的是他们的产品，确实用他们这个产品是能用 ChatGPT 的AI 功能的，只是贵一点。

他们其中一家好像是免费10次，最后就要付钱了，然后自动续订。这样拿到钱再重新去投流，滚雪球，然后这一波流量吸得差不多了， 找他们的第二个增长点，浏览器插件，而浏览器插件是可以被植入在任何其他的插件中的，并且不需要用户同意。

对于插件开发者一本万利，基本上就加一行代码的事情，没有什么成本，然后对于我们的竞品来说也是很不错的买卖，营收就做的非常好看，那么其中一家的母公司也成功靠着这么好的财报拿到后面的投资，然后拿着这些钱又去做了 XXXXX，后面的故事我们都知道了。

知危：所以你们总结第一个产品失败的原因是推广还是盈利方式，还是说来自于竞对的一个深刻的教训？

池光耀：首先绝对不可能说什么事情都怪竞品，一方面是我们刚起步，经验不足，然后我们是太过于理想主义的一个团队，期望着只要良心的企业一定是能活的，后来事实证明，你给40次免费次数就满足了大部分人的日常需要，他们就是真的不会充，即使有需要，也会想方设法地避免充值。

所以说就是良心和企业存活很多时候是相悖的，或者说良心是一种属于胜者的奢侈品。当然我们还是贯彻到底这个良心，直到今天你（ 存量用户 ）使用 CopyAsk， 你就有每天免费 40 次的额度，这是我当年答应好用户的。

知危：所以现在还有多少存量用户在用它？

池光耀：没看后台，当年10多万，现在怎么说应该也剩个几千吧。

知危：23 年 11 月，你们又去了奇绩创坛的秋季路演。我看资料是有 67 家公司参加，有 51 家都是人工智能模型的，压力大吗？因为你要去面对非常多的投资人。

池光耀：紧张，毕竟是长这么大第一次面对，据说是全中国的顶级投资人都来了。当时我硬着头皮上去讲，我说我们是一个产品工厂，我们开发的产品非常多，非常快，我们有已经成功的产品。我把以前做过的小产品一罗列，请看，营收这么好，用户这么好，来投吧！

然后不出所料的虽然也有很多人来加，但是没有后续的投资推进也很正常，当时还没有找到合适的方向。

知危：我其实看了那个当时的现场照片，你的 PPT 上是这么介绍语核的：引领 AI 时代的创新工坊，构建以快速迭代和前沿产品创新为核心的产品矩阵。编了很久吧？

池光耀：黑历史都给你扒出来了，也是客观事实，我们当时就是有一个产品矩阵，就是这里也做一点，那里也做一点。其实那个时候才正式开始思考，这个公司到底是以什么方向去发展，去运营一家公司，以什么样的方式去达到我们改变这个世界，解放人类生产力，让更多人的时间花在有意义的地方的这个目的。

这也是为什么我们最早做 C 端，后来做 B 端，因为我当时以一个学生的视角，看到的就是 C 可以解决以学生为核心的人群消耗的时间，但如果进入职场，我很容易就会发现其实大部分人时间更多的花在工作上，所以去节约掉 B 里面的那些繁杂重复性的工作，价值会更高。

后来我们用这段时间所汲取的知识潜心去打磨，到 24 年 4 月份，选了企业级 Agent 平台这个方向，然后在这个基础上又抽象出一些企业级的场景，那之后才好起来的。

知危：但是我觉得那个时间点，对于你们的决策选择来说还是挺难的，因为 AI 创业这波浪潮它其实没有什么路径依赖，好像什么都能试，但是因为迭代变化很快，你需要去不断地有敏锐的嗅觉去找机会。

池光耀：非常对，验证是否走在正确道路上是一个很复杂、很漫长的过程。最早我们只是做一个企业级的 Agent 平台，那么这个平台什么样的需求都接，我们有接过教育的，物流的，制造业的，医疗的，杂七杂八什么需求都接。

然后我们也做非常多的客户调研和访谈，来确定他内部影响这个企业业务增长的核心卡点在哪个地方，以及这个点排个序有这么 1234 个核心卡点，其中哪个点可以被 AI 解决到什么地步？辅助人还是什么别的形式去解决，我们逐渐就能抽象出几类通用的场景，直到这一刻我们的这个产品化才正式开始，面向这些企业，很多企业都存在的这个通用场景。

比如说售前的 Agent， 它就是一个面向 B2B 售前去解决他们核心卡点的一个产品，你会发现我国的这个 B2B 市场，我就拿制造业、中高端制造业来举例，中国是制造业大国，基本上不愁生产，也不愁技术，只愁怎么卖，就需要他们自己的售前工程师面向每一个客户的需求去定制一套合适这个客户自己需求的这个方案。

但是可能有上万个 SKU， 有几百种品类，每一种里面有几十个属性，这么复杂的维度里面去选择，消耗的时间非常长，非常复杂，而且不一定得出最优解，因为人肯定背不多，就算找到一个能满足的，但很可能不是总价最低或者利润最高的。

但这个东西可以被量化为一个求解问题规划，在一个给定约束下求，比如说你今天要买电脑，你的要求是主频大于多少，同时 TDP 小于多少，然后这是 CPU 的要求，那么显卡的要求，你要求显存大于多少，同时这个浮点算力大于多少，同时这个功耗小于多少？你有这么大概六七个选项，六七个零件要选配，对于每一种零件你有大概 5~7 个字段的约束要去选，然后你的选择空间是几十种 CPU、 几十种显卡，这是你一个人就可以搞定的。

现在我们把这里面的 CPU、 显卡之类的换成制造业里面，他们的卖的组件 SKU 换成制造业内部的 SKU， 然后把这个规模翻个 10 倍，把字段翻个 10 倍，把可选列表翻个 10 倍，整个空间就扩大到原来的成千上万倍。这个时候你再让人去做，慢很多，让 AI 做很快，这个就是阻碍他们核心业务的核心卡点之一，配单。

那类似的卡点，还有解决方案生成、报价、标书、前期的售前咨询、技术交流，还有客户的需求梳理，还有需求可行性评估，这都很消耗售前的时间。

知危：有没有一个具体的行业案例？

池光耀：比如说我们对接过一家造船厂，这个造船厂以前他们每个客户需求接进来都是人工去配船，一个船可以配的东西非常多，它的甲板材质是什么？它的这个引擎选用什么类型的引擎？然后功率是多少？要求加速到多少的航速？他们内部的舱室的自动化等级要怎么配？内部的舱室空调要配多少瓦的？一艘船有几百项就可以选配的这个组件。

然后每一个类型的选配组件，比如说引擎里面，你就有十几种上百种可以选的引擎，然后甲板材质也有几百种可以选的，然后每个都要满足一个固定的定量约束，甲板硬度要大于多少的，同时这个刚性柔韧性要小于多少，耐用年限要大于多少年，引擎的功率推力要大于多少的同时它的价格要小于多少。

在这么多的约束下面，以前求一个总价最低又能契合客户需求的解决方案，需要消耗一整个部门一整个月的时间，而且整个配单的过程非常枯燥，现在我们用 AI去把这个流程自动化，可能一个小时就出一套方案，一天之内整一个初步的配单就已经完成了，就可以交给客户来看你是否满意，有没有别的需求要加。

知危：这确实是一个很好，客单价高，并且可能提效非常明显的一个案例，但是我好奇的是，语核作为一个初创公司，可能最缺的就是数据和场景，怎么去进入到这些中高端的制造业？他们的接受程度可能不如互联网公司，往往他们自己都不知道 AI 到底在他们的身上能起到什么样的作用。

池光耀：理解自家的AI 目前的能力极限边界在什么地方，然后去解决他场景中最痛的那个点，我们会找最痛的那个人先说服他，他自然会在内部帮我们去推动整一个各种各样的流程，所以就是只要让那个人确定了我们的东西有价值，后面的事情全都好说，我们商务要做的第一步，让他们用一下，就足够了。

知危：你们交付给他的就是一个成品吗？还是说还是需要深入到它的场景里去收集数据，然后不断地优化，才会有一个成品给到。

池光耀：交付给他的是一个“ 实习生 ”，越用越聪明，半年之后他就是一个中级工程师， 因为有一些信息是只存在于人脑内部的。有一天那个造船客户给我们反馈来说，诶你们这个船最后配出来和我们老销售配的有一个点不一样，我说哪个点，说是“ 舱室自动化等级 ”，我看了一下，所有约束都满足的情况下，总价最低的就是把舱室自动化等级设为中等等级的这个，他说不行，因为这个船的船员对生活标准的要求比较高，因为这是一个对外出租的船，船东想要给自己船员比较好的生活，这一点没有加进最早的那个标准化的结构里，我们漏掉了。

像这种漏掉的点，本来就不会在规章制度里去说清楚，只能在实践中通过客户不断地使用、不断地反馈才能收集出来。你们能想到的客户反馈，以及 AI 公司能收集的数据，可能就类似于聊天记录，点赞、点踩。但事实上为了优化迭代，一个系统要收集的数据是非常复杂的，有可能包含你看着 AI 生成它生成到一半，你点了一下停止打断它，这一刻我拿两个数据，一以你人眼的阅读速度，你大概率读到了哪个地方？二，它最新生成到了哪个地方？这两个都有可能是你打断的原因。

我们会把这部分东西告诉 Agent， 这会儿你刚刚说的那些东西被用户打断了，要记着他接下来可能对你打断的东西提出一个补正，或者他要求你重新生成，就不要再生成类似的错误的东西了。包括客户最后对生成的结果点击了复制和导出，证明他采纳了这个结果，或者至少是采纳了一部分，这个行为也需要被系统记录下来， Agent 会学习这些细节的地方，然后越学越聪明，存在这个长期知识记忆里面，客户每用一次，每做一个项目，我们的系统就聪明一分。

知危：我的理解，从技术上来说，它不是一个简单的 API 的调用封装，它的核心的技术点在哪里呢？

池光耀：我觉得在于 Agent 的自驱力，在于它自己的能动性，也就是我们做的是一个 Agentic 的 Agent。Agent 分为 Workflow 型的 Agent 和 Agentic 的 Agent。前者是沿着一个固定的工作流往前走，好处是它比较稳定，坏处是它的泛化性非常差，遇到问题了它不会自己解决，抛一个报错给你，我的工作流挂了，结束了，它本质是接入了 AI的传统软件。

我们的主要的技术优势在于 Agentic 能力上，就是 Agent 的能动性，面向你的这个业务目的，它会自己编排执行任务的这个流程。然后 Todo 有 1234 走到每一步，最后给你产出一个结果。然后自己检查一下这个结果是否满足你最开始的那个需求，如果不满足，是哪一步出了问题？

有这个能动性在，我想这是我们的 Agent 区别于其他上下文，它是一个区别于其他产品的一个关键点，它是一个终身学习的智能体。

知危：我看官网上说到它的准确率应该是高于90%的，而且是在大模型普遍会有幻觉的这样的情况下，是怎么做到的？

池光耀：就从售前的配单这个场景来看，你会发现一个给定的输入，它必定只有一个或一组最优解，如果是帕累托前沿就是一条线上所有符合这个指标的最优解，但那个比较复杂，我就把我们就假定有解的情况下，它有且仅有一组最优解， 在满足你的这个约束范围内，求一个总价最低就单个目标值，那么你会发现它对的时候都是一个正确结果，错的时候就千奇百怪。

所以只要走共识机制，让 10 个 Agent 隔离开来，自己得出自己的答案，最后你会发现有一个可能投了 6 票，有 6 个 Agent 得出了一模一样的结果，剩下 4 个得出了不一样的结果，那 6 个的那个大概率就是对的。

我们会最后让每个 Agent 去检查各自的结果，然后发现哪些步骤里面可能有潜在的问题，最后得出一个正确的结果，我们叫共识验证，那目前我们共识下来这个准确率至少运行到现在客户没有反馈任何问题，除了他们漏掉那些上下文的，那属于制度性知识了。

顺带一提，其实我刚刚只是随便提了一个优化的点，事实上面向准确率优化我们有非常非常多的办法。

知危：那这样的产品它的商业模式是怎么样子？似乎对于你们的客户来说是毫无风险的，但是所有的不确定性都由你们来承担。

池光耀：每年订阅，然后付订阅费，那你订阅那些年份给你免费更新你的，订阅新的，我就给你更新一版新的产品，我们还有按使用付费，也就是你每使用我们的产品去进行一次配单，那我们就收你一次使用的费用。

最后一种是按结果付费，其实按使用付费也算是一种按结果付费，因为你用得多，证明我们的产品对你有用，证明它带来了好的结果，所以你自然会多用。

知危：像造船的话，他可能一艘船就是几千万、上亿的这样的一个价值。

池光耀：对，所以就是像给这种大企业做，在他的大基础上做小比例的提高，他的付费意愿也会很强。

知危：但是有一个关于人的问题，因为有时候提效可能不在于技术，在于人，之前我在做制造业采访的时候，有一个 SaaS 的企业老板就说他们给一个很大的一个服装上市公司做数字化。他发现在某些部门是永远推不下去的，因为各种势力很复杂，你这个技术提升是整个公司效率的提升，但是可能牺牲了某些部门，所以技术一定会被踢出去。

池光耀：你说的是对的，我们遇到过类似的事情，虽然不是在服装，但是我们在别的一个不能说的领域，虽然我们各种各样技术也过了，竞标也过了，内部各种部门都认可，决定采用我们产品的这一刻，推到上面去，被一个领导一票否决掉了，原因是他不想换掉原有品牌的这套系统。总而言之，我们也遇到过类似的问题，这不可避免，而且对于服装这个领域它会更加复杂，算了，不谈服装了，我们也做过服装相关的东西，但它超乎你想象的复杂，很多地方非规非标。

知危：多聊两句，为什么做服装你们的这个产品会比较难推下去？

池光耀：我们所对接的那个场景是服装店的上游，企业给那些服装店供应服装，他内部首先数据管理非常混乱，我不知道这是个例还是整个行业都这样，数据管理非常混乱，没有一个标准化的数据库，所有的文件都是发一个单，有的时候发一个 PO ( Purchase Order ) 单。然后我们就要做很多单据录入之类的工作，如果单据是标准单据还好，最难受的是那种丢掉表头的单据。你想想一个表没有表头我怎么去识别它，最后全部都要做语义分析。

知危：所以其实中高端制造业它是相对流程比较复杂，但是又比较规整，然后客单价又比较高的。

池光耀：存在规整的地方，但并不是所有的都规整，然后客单价高，他们总营收量也高。中国就是制造业大国，所以中高端制造业是我们的产品一个很好的切口，但是我们的产品原则上适用于所有的 B2B 的交付非标准解决方案的企业，全都能用，只不过目前这个场景在制造业多。

知危：这个逻辑怎么判断？我理解可能就是因为它是一个长尾需求，每一家企业可能有各种各样的自己的需求，不同的行业、不同的领域，然后现在的一些办公软件，它可能就会说我们希望大家都可以用我们的 Agent，然后每一个员工他都可以发现公司内部的一些小的痛点，通过自己搭建这种低代码的一些平台，就可以解决某些痛点，这是他们就是一种新的趋势或者潮流。

你们这种要把它全部统一到一个比较垂直的，或者是一个标准的一个程序里头，好像听起来不是那么容易。

池光耀：非常难，超乎你想象的难，并且使用一个固定的 Workflow 型 Agent 是不可能完成的任务。

知危：那为什么要去做这种尝试呢？

池光耀：因为我们有 Agentic 的 Agent， 你会发现在这个领域上下文完全不一样，服装有自己的这个上下文，制造业每一个零件也有自己的技术特性，芯片也有完全不同的技术特性，每一个行业、每一家公司的这个上下文知识信息全部都不一样，所以只有能力本身是通用的。售前的能力，卖东西的能力，流程大差不差，每一些公司，每一家公司可能会在一个细节流程树上有几个独立的、独特的点，但大的流程卖东西都是先售前咨询、技术交流一下，然后做一个需求可行性评估和需求梳理，看看你能不能满足？能满足，行我们看看你的解决方案，然后你再给我出一个单子，你方案是包含这些零件，或者包含这些芯片，或者包含这些服装，或者包含这些船。

然后最后再把这个给到客户报个价，做个标书，结束，大部分都是这个流程。B2B 非标解决方案，所以你会发现它的大致能力是通用的，只是知识不同，所以我们要做的就是把企业内部的知识接进来，然后让 Agent 灵活的编排，面向这个企业的这个场景，我应该如何编排我的步骤来解决过程中遇到种种问题，最终实现客户的那个需求。

知危：所以这个见效的周期快吗？如果我是一个制造业老板，我可能会说那来试试吧，什么时候我这个能明显提效呢？

池光耀：分两类，第一类是让它内部的人意识到这玩意能节约他的时间，这是立竿见影，因为有了这东西之后，很明显你本来一整个部门这一个月都在配单，现在一下，我 AI 帮你配完了，这个是立竿见影的。

然后另一个点是效果上的提升，你要用一段时间才能有统计意义上的优势，比如说你用个半年，会发现这半年里面虽然提升不多，但是你每个月营收都略微涨了一点，仔细看是发现那些原本你没有技术支持的单子，它涨了，再仔细扒聊天记录，发现客户对我们 AI 提出的那一部分建议所生成的配单还是非常满意的，所以那额外的 3~7 个点的业务增长来源于我们这个产品的增幅，他们会意识到这一点。

知危：所以其实对于甲方公司来说是它是一个毫无风险的事情，反正试试就试试，但是这些不确定性还是需要你们来前期去做承担。

池光耀：试试就试试，给他做个 PoC ( Proof of Concept )， PoC 一般来说那我们的成本也非常低，因为我们的能力基本标准化了，所以做 PoC 的售前同学只需要接入企业的上下文就 OK 了，成本主要在接入企业上下文，但有一个更大的隐形成本在洞察那些客户内部到底有没有这个需求，这个很关键，这部分是有点成本，但它对我们来说也有收益，因为我们能看到客户内部真实的运转流程和真实的场景，真实的痛点，每个真痛点都是一座金矿。

知危：所以这个路线到最后就是其实当你们把大部分的场景和企业的类型都摸透之后，有一个现成的产品可以直接无缝接入到任何企业？

池光耀：绝对避不开这个缝，在50年内，可能30年，避不开这个缝。有太多的信息都在人脑内部，就等到所有信息从人脑内被抽出来变成文本，并且 Agent 能不依赖人去理解这些文本，而且 Agent 获得了整个系统的完全接管权限，以至于它不需要人手动给它提供来获得这些文本的时候，就可以无缝接入。

在此之前，所有的做 B2B 的公司都需要用人来接入那一部分上下文，只是接入的时间耗时长短，比如说我们接一下就 PoC 的话就很快，他可能就一个 Excel 文件，一个客户需求，再加上对这些 Excel 的描述，三个文件选中丢给 Agent ，结束，剩下就让他自己跑，PoC 的话很快，那客户真实场景可能会复杂一点。

比如说你要洞察客户的需求，你首先要接他 CRM （ Customer Relationship Management ) 系统，看他以前做过哪些单子。他这个人在公司内部的利益相关人地图啥样？他是一个中层，所以说他在公司内部最追求的就是这单子别出问题，所以单子的交付周期要快，稳定性要高，别出岔子，至于钱多花一点，他不在意，那如果你对接人就是顶层老板，他在意什么？最在意的是能不能给我带来极高的这个效益？采购你这个项目投产比能不能高？所以别的什么各种风险可以拉高一点，价格也可以拉高一点，但你整体的这个性能一定要拉满。每个人对接人，他的利益相关不同，推进能力也不一样，你去劝服他使用的技巧也都不一样。

CRM 系统一接，生产排期系统，供应商规划系统，供应商报价系统，这些系统都得接，绝对避不开的，除非你说以后这些（ 传统系统开发 ）我们语核全包了，等我 10 年，到时候就能干了。在此之前接入上下文依旧是我们项目交付的成本之一，我们会花一小部分时间去接上去，剩下就是 AI 自己搞定。

知危：你们的是销售先去跟企业对接，然后拿到企业的需求之后回来再一起去跟技术去聊，痛点是共同发现的吗？还是怎么样的？

池光耀：你说的是一个传统的模式，我们用的模式更倾向于 FDE，前沿实施工程师，也就是我们派去客户现场的人，他同时具备理解客户需求、深挖客户核心痛点，并在脑中构想出一个初步的实现方案，然后快速实施它以给客户展示的这个能力。 这个模式在像我们这样的 AI 初创公司里面会比较盛行。

知危：听说你们还给英伟达做了优化，是吗？

池光耀：会有一些，英伟达和我们在工业场景上是有一些合作。

知危：会有竞争压力吗？比如说实力雄厚的拥有大模型基座的巨头，或者是一些办公软件起家的公司，或者是一些传统的在向 AI 转型的 SaaS 企业盯上这块蛋糕之后，哪种类型的公司可能会对语核造成的威胁更大？

池光耀：从技术底层的角度来看，那些做大模型基座的公司有可能是有能力造出和我们一样的“ 实习生 ”的，但是随着用户越用越深，我们的产品所积累的知识肯定比他们新的新进来的那个实习生要懂得多，那即使他们在模型底层能力上做再多的优化，没有的制度性知识就是没有，也没有项目经验，所以想要一上来就把我们积累这么多年的客户抢走，难度极高，成本对他们来说绝对划不来，他们不会这么干。

如果说是去开拓新的客户，有可能，但是一般来说绝大部分基座公司不会干这个事情；已经失败的基座公司转型到 ToB 方向开始做这个的，那有可能。

此外其他普通的 SaaS 公司想往 AI 化转型的话有点难度。然后此外还有一些做平台的公司，平台公司是客户和我们对比时的一个主要竞争方向，因为有外包企业加通用 AI 平台，可能会搭和我们类似的东西，那一般对于这种情况我们会鼓励客户先去用他们自己搭的，用完了他们就会采购我们的，差别会很显著。就是1和0的区别。

知危：刚才说到大模型基座的巨头，有没有可能在他们看来，你们现在这些初创公司就是为他们教育市场验证场景的，然后他们会在未来某一天发现前面的这些工作做的差不多了，可以投入快速的投入一些技术力量去弥补前几年你们带来的这个技术的鸿沟的时间。

池光耀：那他得赶快啊，因为我们把这些场景客户占下来之后，我们在他内部积累的项目经验一时半会几乎不可能被一个刚入职的新人所取代掉，我就把他的 Agent 比作刚入职的新人。我们的系统进去了，学了三年的知识，三年每一次项目里面的那些小九九，它每一次复制导出方案对这个模型的正反馈，每一次打断模型对于模型这个错误输出的负反馈，都让我们的模型变得无比聪明，我们的数据飞轮已经搭起来了，在这个情况下，你想用一个初出茅庐的 Agent 去代替掉我们的几乎不可能。

所以想如果想干的话，得赶快了，现在是打倒我们的最后时机，再往后的话我们的步骤会迈得越来越快。

当然我也觉得模型基座公司应该不会去涉及到这一部分的内容，因为你想想，如果它开始搞这个东西，还有谁去敢用它的模型基座去搭企业级应用呢？那我都把你数据用了，我怎么判断你作为我的竞对不会用我的数据，不会偷我的这个思路工作流？所以应该来说一般基座公司不会干这种我们这么 Tob 垂类的公司。所以目前来看这个风险还不算很大。

知危：你们现在目前看到的主要是聚焦于售前的这个市场是吗？

池光耀：售前是比较关键的一个场景，当然别的场景我们也有在看，也在探索，售前实在是太大了，售前技术交流，售前的需求梳理和可行性评估、售前解决方案，下面又有售前的这个演示文稿生成和配单完有报价，报价完有标书，这个就够我们做好一阵子，它是好多个复杂场景，你看有不少公司做个单一个标书就可以养活一整家公司了。

知危：但是从资本角度来看的话，是不是光看售前，这个市场的想象力会不够，天花板不够那么高。

池光耀：我们做过市场调研，大概在百亿到千亿美金级别，整个世界范围内，所以这个市场的想象空间还是相当可观的。

知危：我能不能理解语核现在的产品是一个能精准调用和整合不同模型能力的编排模型?

池光耀：包含，不止这个。

知危：有没有可能就是当基础模型的路线改变或者迭代的时候，会对你们的技术框架带来一些大的影响，从而会影响你们的商业模式？

池光耀：在 10~20 年的尺度上，有可能，在我能观测到的范围内暂时影响不大。至少5年之内，你提的这个问题，我们不担心，技术模型的能力再强，它也没法想出来自己不脑子里不存在的上下文。而我们很多业务依赖的就是不公开数据，是客户内部的场景，是我们的 FDE 深入到客户一线，和客户睡同一个生产车间，一点一点看他们痛在哪个地方，然后迭代的，这一部分都不是互联网公开数据，你说模型再强也不知道这些东西。

所以我说除非模型就进化到那个能够和人一样的智能，模型代替人蹲在那个地方，天天盯着它，痛在这里，痛在那里，然后自己迭代自己，那可能是 10~20 年尺度上，就是 AGI 的事情，直到那个之前我们都不担心。 但等到那个时间估计我们上市了。

知危：所以你也会去直接去对接那个甲方吗？去他们的公司去看吗？

池光耀：会。

知危：你拜访他们，尤其是制造业的话，可能他们的负责人或者技术人员年龄都比较大，然后看到一个03年的小朋友，他们会对你怎么看？

池光耀：居然是问这个问题吗啊？我还以为就是···

知危：你以为什么？

池光耀：我以为你说我怎么去理解他混沌的描述？其实最痛的点是他们的混沌的描述，但是我先回答你的问题，我一般会留点胡子，然后戴一个商务一点的眼镜，换一身比较商务的衣服过去，但是还是掩盖不住03年的这个年纪。翟星吉就笑嘻嘻介绍我，“ 这是我们天才少年 ”，我说别说我是天才少年，不要捧杀我。一般来说，他在看到我们的技术演示之后就会折服了，我们就是用东西来说话。

但是有一个痛点就是，客户的表述会比较模糊，客户是业务专家，但他不是 AI 专家，他更多凭借自己的经验来对一个，对这个系统的输入、输出和处理过程做描述。有的时候需要打破砂锅问到底，不断的追问去理解他到底想表达什么意思。

有一段时间我把我的工作交给两个校招的小朋友，小朋友回来做了一个东西丢给客户，客户不满意，小朋友跑过来跟我说，池总，我们都按照客户给定的输入输出示例去做了，也都跑通了，为什么不对？然后定睛一看，客户的示例严重偏离他们的真实场景，示例就真的只是个示例，只有几十个约束，几百个零件，最后配出一个5 个零件的方案组合，这个用大模型逻辑直接匹配都可以，但我们要解决它核心痛点很明显是上万 SKU，几十个字段的这个超大数据库，所以这个需求洞察能力还是比较关键的，以及去理解客户真的想要什么的能力，去共情客户，站在客户的角度去思考你的核心痛点是什么，有这部分能力和责任心在。

知危：感觉你们也该应该收一部分咨询费，因为你们要发现他们发现不了的东西。

池光耀：还好，其实 AI 公司很多都是兼任咨询公司，而且我们也从这个过程中学到了很多行业内部的珍贵认知。

知危：公司大概现在多少人？明年会有一个比较大的一个扩张吗？

池光耀：三四十个人。扩张绝对是会有，是不是比较大的就不确定了，因为我们要综合看整个业务需求，营收增长的规划，以及我们自己的管理能力的迭代，目前公司我还管不管的过来，管越大的团队需要消耗的这个精力，对管理者本身的要求就越高。

知危：我发现就是不知道是不是这样的，资本市场现在其实不是特别看好 AI ToB 的方向的东西。

池光耀：你的判断很准确，至少在国内是这个样子，国外不好说。

知危：那对于你们来说在资本市场这样的一个情况的话，是不是可能下一步的融资会有一些困难？

池光耀：那些还在烧钱的公司，他们会感到头疼，如果融资不顺的话。但我们现在已经自己造血，自己盈利了，所以有没有融资都不影响我们的公司正常运营和快速发展。有的融资可能可以加速，也可能没影响，所以问题不大。

知危：会不会有因为一个别的原因再去做一个方向性的转变呢？因为其实从 23 年到现在，你们也迭代了非常多的版本了，从 C 端，然后到 B 端，再到制造业，再到售前，好几轮了，有可能突然你会发现好像这个方向也没有那么好，然后再去转了。

池光耀：我无法排除这种可能性，并且你问这个世界上的任何一个公司的任何一个创始人，我猜测他大概率都无法排除这种可能性， AI 的变化速度实在太快了。但有一点是确定的，我们总是走在给人类带来价值、解放人类生产力的这条路上。