3个人做出千万营收:真正愿意为AI付钱的企业,在让它接管报价

蜜桔AI学堂 · GitHub Skill 深拆

2025 年，语核科技的年营收突破千万元。

上海证券报报道，语核科技已经服务约二三十家制造业客户。在其中一个中远海运的合作案例里，数字员工把原本需要 5 个工作日的报价周期压缩到半小时。

这家公司最初的产品并不是给工厂报价，而是一款面向个人用户的 AI 工具。报道提到，早期 C 端产品累计有 10 多万用户，但只有约 1000 人付费，付费率约 0.91%。后来，团队把方向转向制造业售前，开始处理咨询、需求梳理、可行性评估、配单、报价、方案和标书这些离订单更近的环节。

先把口径说清楚：营收、客户数量和效率数字来自公司、创始人或媒体采访，不是审计数据。语核官网还披露过另一组案例：初步报价准确率由 70% 提升到 90%，周期由 3 天缩短到 20 分钟。这和中远海运的 5 天到 30 分钟不是同一个客户，也不是同一个统计口径，不能合并成“平均 20 多分钟”。

但这组材料仍然能说明一个很实际的问题：企业为什么愿意为某些 AI 付钱，却对另一些看起来更聪明的工具没有付费兴趣？

答案往往不在 AI 会不会聊天，而在它能不能接住一项影响订单的业务责任。

01

语核先遇到的，不是技术问题，而是付费问题

语核科技由池光耀、翟星吉于 2023 年创立。21 世纪经济报道的对谈中，池光耀提到，早期团队只有两位创始人和 1 名员工，依靠 AI 较快做出了产品。

他们的第一款 C 端产品 Copy Ask，曾经获得超过 20 万下载量。上海证券报的采访给出了更能说明经营压力的数字：面对大学生用户时，产品付费率只有约 0.91%，10 多万人使用，约 1000 人付费。

这不代表 C 端 AI 产品没有价值，也不能据此判断所有个人用户都不愿意付费。它说明的是另一件事：用户规模和商业收入之间隔着一段很长的距离。

一个工具被很多人下载，可能因为它新鲜、方便、适合尝试；企业为一个系统付钱，通常要回答得更具体：它能不能少占用几小时售前工程师时间，能不能更快给客户方案，能不能减少漏算和错配，能不能让销售赶上下一轮谈判。

语核后来选择制造业售前，抓住的就是后一类问题。

制造业的售前报价并不是把产品名称和数字填进表格。客户可能在一份招标文件里同时提出材料、尺寸、功耗、交期、设备能力和合规要求；企业又要从几百种参数复杂的零部件里选出能交付、成本合理、利润可接受的组合。

报价慢，影响的不只是员工心情。它可能让企业错过客户的决策窗口，或者因为配单不准确，后面才发现方案根本无法交付。

这就让 AI 的价值变得可以验收。

02

报价为什么比写周报更容易收费

写周报可以节省时间，但周报写得快，并不一定改变订单结果。报价则不同，它处在客户提出需求和企业决定是否进入下一轮之间。

语核官网把 Agent 数字员工概括为“岗位 SOP + 清晰岗位职责 + 企业上下文”。这三个部分放到售前报价里，分别对应三件事：

第一，系统要知道流程怎么走。

招标文件先读什么，哪些参数必须提取，哪些条件互相冲突，什么时候需要找技术部门确认，哪些字段缺失时不能继续报价，都应该提前写进流程。

第二，系统要知道自己负责到哪一步。

它可以做需求拆解、可行性初筛、配单候选、成本计算和方案草稿，但最终报价是否对外发送，仍然应该由有责任的人批准。

第三，系统要看到企业自己的上下文。

产品参数、库存、历史方案、价格规则、交付能力和禁用条款，决定了一个方案能不能落地。只给一个通用模型看一段客户需求，它可以写出像样的文字，却未必能给出企业真正能交付的组合。

这也是 B 端 AI 和普通问答工具的差别：它需要处理的不是“请解释一下这个产品”，而是“在这些硬性约束下，哪些方案可以做，成本和利润边界在哪里，哪些地方必须交给工程师确认”。

一份报价的结果也比较容易被复核：耗时多少，提取了哪些条件，配单依据是什么，成本算得对不对，最终由谁批准，方案有没有进入下一轮。

能被复核，才有机会被写进采购预算。

03

语核的售前数字员工，完整链路是什么

按照公开报道、官网介绍和产品资料，语核的售前数字员工覆盖从咨询到标书的多个环节。官网还列出了供应链管理数字员工和产线质检判定数字员工；媒体报道提到，团队后来推出了 Langhub，试图把数字员工能力延伸到更多知识工作场景。这些产品方向不等于每个场景都已经达到同样的交付成熟度。可以先把最容易理解的售前报价链路还原出来：

招标文件、客户需求、产品参数、库存、历史方案和企业规则先进入系统。

系统再做多模态解析和知识检索，把自然语言需求转成硬性约束、可选参数和待确认事项。这里的重点不是把文件“总结一遍”，而是找出会影响配单和报价的条件。

接下来，Agent 按企业 SOP 做可行性判断、配单、成本与报价计算，生成方案和标书初稿。语核官网称，其技术包括可视化流程引擎、RAG 和企业知识库；公开产品资料还提到多智能体与 ReAct 式编排。

最后，售前工程师检查技术边界、利润边界和责任条款，批准最终报价，再对外提交。

这条链路可以拆成四段：

• 资料读取：把需求、参数、库存和历史文件整理成可检索的输入；
• 规则判断：识别约束、缺口和冲突，决定哪些路径可行；
• 方案生成：给出配单、成本、报价、方案和标书草稿；
• 人工批准：由技术、财务、法务或销售负责人承担最终责任。

如果 AI 只负责第四段前的一小段文字生成，它的价值有限；如果它能把前三段稳定跑通，人工就可以把时间放到例外判断、客户沟通和最终承担责任的地方。

04

两组效率数字，要分开看

中远海运案例来自上海证券报报道：语核数字员工把报价周期从原本的 5 个工作日压缩到半小时。这个案例对应的是一家具体客户和一条具体合作流程。

语核官网则披露了另一组数据：某制造业售前场景中，初步报价准确率平均由 70% 提升到 90%，周期由 3 天缩短到 20 分钟。

两组数据不能混为一谈。

30 分钟不是语核所有客户的统一报价时间，20 分钟也不是所有类型报价的平均结果。它们可以作为企业公开的案例指标，但读者还需要知道客户的产品复杂度、原始数据质量、人工复核范围和“准确率”具体怎么定义。

同样，2025 年营收突破千万元、约二三十家客户和数千万元 Pre-A 融资，也分别来自媒体报道或采访口径。融资额不是营收，客户数量不是续费收入，案例效率也不等于整个公司经营结果。

把这些数字分开之后，反而更容易看出它们共同指向的价值：企业买的不是一个会回答问题的模型，而是一套能把报价更快推到人工审核环节的流程。

05

普通企业可以怎样试，不要一上来做“全自动报价”

如果你是制造业老板、B2B 销售负责人或企业数字化负责人，可以从过去 30 天里最慢的 10 次报价或方案流程开始。

先别急着买系统，也别先问模型榜单。把每个案例的原始需求、产品资料、人工判断、最终报价和结果收集起来，找出哪些步骤重复发生。

接下来把流程拆成四段：资料读取、规则判断、跨部门确认、最终批准。

第一阶段，让 AI 只做资料读取和证据整理。它要把客户要求对应到原文位置，列出缺失信息和冲突条件，不急着给一个完整答案。

第二阶段，让 AI 根据企业规则生成候选配单和报价草稿，同时把每个关键数字的来源写出来。没有来源的数字，不进入正式报价。

第三阶段，保留人工复核。工程师检查能不能生产，销售检查客户沟通，财务或负责人检查成本、利润和授权范围。AI 可以推荐，但不能绕开承担责任的人。

连续四周记录四个指标：报价周期、技术错误率、售前工程师投入时间，以及方案进入下一轮的比例。如果只有“生成得更快”，却没有减少返工或改善后续环节，就先不要扩大范围。

这套方法也适用于标书初审、合同条款筛选和供应链配单。前提是每个环节都有明确输入、可追溯证据和最后的责任人。

06

AI 能接手流程，不等于企业可以把责任交出去

报价场景里，最危险的不是 AI 偶尔写错一句话，而是它生成了一份看起来完整、实际上无法交付的方案。

产品参数过期，库存没有同步，成本规则变了，客户需求里有一句隐藏的限制条件，或者企业内部审批没有进入知识库，都可能让 Agent 给出错误结果。

因此，企业至少需要提前划清几条边界：

• 企业私有数据、客户信息和产品参数要按权限隔离；
• 读取资料和修改业务系统不能使用同一套默认权限；
• 技术可行性、利润边界、合同责任和最终报价必须保留人工审批；
• 每一条关键结论都要能追溯到资料、规则或计算过程；
• 模型和流程供应商没有公开的信息，不要在内部决策里自行补全；
• 需要评估本地部署、数据留存、审计和异常停止机制，不能只看演示效果。

如果一家公司还没有整理产品资料、价格规则和审批链，直接部署一个“会报价的 AI”，通常只会把混乱更快地放大。

写在最后

语核科技从 C 端产品转向制造业售前，留下的启发很具体。

用户多，不等于付费强；模型能回答，不等于能承担业务结果。企业真正愿意为 AI 付钱的地方，往往有三个特点：流程发生得足够频繁，速度会影响订单，结果又能被人工复核和量化。

报价正好处在这三个条件的交叉点上。

所以，企业负责人下一次评估 AI，不妨把问题换一下：不要先问“AI 能写什么”，先问“哪一个岗位的哪一段责任，正在因为慢、贵或容易出错而影响订单”。

找到之后，再决定哪些资料可以给 AI，哪些判断可以让 AI 先做，哪些动作必须由人批准。

B 端 AI 的价值，最后要落到一笔能对账的业务上。它让一份方案更快进入下一步，也让人知道什么时候应该接回责任。

如果你正在评估一个具体流程，可以回复【诊断】，把岗位、现有资料、最慢的环节和不能越过的审批边界发来。我们先判断它适不适合做成一个可试跑的 AI 工作包，不承诺收入、获客或自动成交结果。

参考资料

1. 上海证券报：语核科技池光耀：“00后”CTO的非典型创业路

https://finance.eastmoney.com/a/202603283687563223.html

1. 语核科技官网：Agent 数字员工

https://www.yuhe.ai/zh

1. 21 世纪经济报道：年营收过亿 vs 融资千万：2 位 00 后创业者眼中的“一人公司”

https://finance.eastmoney.com/a/202603263685446384.html