探迹大模型日均Token消耗突破1500亿，探迹科技创始人陈开冉：技术本身没有温度，温度藏在落地的方向里

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。

为了破局，陈开冉带领探迹科技构建了两条底层基建：一是沉淀全域产业外部数据的“旷湖”数据云，二是打通企业内部沉睡数据的“太擎”平台。当行业紧盯Token消耗总量时，他提出了新的评判标尺——Token效率。

“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）

更多进阶玩法，请在「小金鲤」中解锁