帷幄重塑企业经营工作流，海外营收实现成倍跃升

作者：陆易斯 / 数智猿

责编：陆易斯 / 数智猿

过去十余年，数字化不断向门店、消费者和供应链延伸，客流统计、会员管理、营销投放、门店巡检等系统积累了大量数据。但当AI开始进入真实经营场景，企业面对的问题也在发生变化：如何让分散在不同系统、不同岗位和不同业务环节中的数据与经验真正协同起来，并进一步转化为经营决策。

在这一轮变化中，从计算机视觉和实体零售数字化起步的帷幄Whale，正在重新定义自身角色。它将视觉、语音、知识、内容、模型和物联网能力纳入同一产品体系，并将自己定位为“面向全球的企业级 AI 原生科技公司”。据该公司披露，目前帷幄已服务全球超过1600家企业客户，连接53万余台智能终端设备。

对于帷幄而言，这已经不只是产品能力的扩展，而是从企业数字化向AI化的转型。问题也随之从“AI能够看到什么、听到什么”，转向如何理解这些信息、如何将洞察转化为经营行动，以及一套AI工作流能否在不同企业和不同市场中持续复制。

带着这些问题，数据猿走进位于新加坡河畔百得利路的帷幄新加坡办公室，专访其亚太区销售副总裁Smile Huang（黄珊），深度探究这家AI原生科技企业的升级路径，探寻其依托原生AI能力、重构实体企业运营体系的核心逻辑，以及AI真正成为企业“操作系统”需要具备哪些条件。

帷幄亚太区销售副总裁Smile Huang，来源：帷幄

从“看见门店”到“理解经营”

帷幄缘何走向AI操作系统

帷幄的探索起点可以追溯至约九年前。彼时，帷幄主要依靠摄像头和计算机视觉技术，帮助品牌和实体门店管理者监测客流、顾客动线、货架停留以及空间使用效率。在实体零售经历扩张、粗放运营的阶段，这种“看得见”的能力填补了线下空间数据的空白，让原本难以量化的经营过程变得可度量。

但随着业务深入，知道“来了多少人”只是起点。企业还需要知道，这些人是否属于目标消费者；顾客为什么在货架前停留却没有购买；一个商场虽然客流量很大，但这些人是否真正适合某个品牌；消费者试穿商品后最终放弃购买，究竟是因为价格、款式、尺寸，还是穿着体验。

Smile Huang介绍道，帷幄在新加坡服务的一家高端零售集团，就面临着类似问题。该集团代理多个服饰、餐饮、酒店等业态的国际品牌，门店通常位于租金高昂的核心商圈，房东更多依据整体人流量定价，大量过路客并非品牌的目标客群，企业缺乏数据证明“客流量”和“客流质量”的差异。与此同时，门店引入数十个欧美小众联营品牌，过去只能依靠最终成交数据判断货架价值，却无法统计顾客驻足、试穿、咨询等成交前行为，因此很难进一步判断哪些品牌、哪些位置真正获得了有效曝光。

通过分析消费者行为，企业可以更准确地评估门店和商圈价值，为选址和租金谈判提供数据依据；这些过程数据也能够帮助企业比较不同品牌和货架位置的表现，判断哪些区域获得了更多有效曝光，哪些商品吸引了消费者，却没有最终形成成交。当这些过程数据被纳入分析，企业才有可能从“复盘销量”进一步走向“解释销量”。

帷幄新加坡 & 日本团队，来源：帷幄

帷幄在门店运营也做了相应的延伸。Smile Huang给数据猿记者举了一个有趣的例子，在接入某国际头部连锁茶饮咖啡品牌门店的空调、冰箱和电量系统后，结果发现，门店中主要的耗电设备并不是直觉中的空调或照明，而是咖啡机。这个看似细小的发现，反映了零售数字化边界的扩展：AI不仅分析消费者，也开始理解设备状态、能耗结构和日常运营。

从消费者行为到销售对话，从交易数据到门店设备，帷幄面对的数据来源越来越多。新的挑战不再只是采集更多数据，而是如何把分散的信息组织起来，让AI理解其中的业务关系，并将分析结果推向经营决策。

这也成为帷幄从视觉数字化厂商走向AI原生企业运营平台的重要原因。

帷幄所说的“企业操作系统”，并不是重新做一个ERP或CRM，它更像一层连接和协同能力，将物理空间与消费者行为、销售沟通与客户反馈、商品与交易数据、企业知识与历史经验，以及大模型、Agent和IoT设备组织到同一工作流中，帮助企业从“知道发生了什么”，走向“理解为什么发生”，并进一步回答“接下来要做什么”。

从感知到行动

组成AI工作流的七类能力

要支撑起这套企业级运营体系，关键在于能否将分散的AI技术模块化，并形成无缝协同。为解释这套体系，帷幄将产品能力归纳为“看、听、说、想、记、连、控”等七个维度，通过不同能力的组合，形成贯穿现场感知、知识沉淀、智能推理与业务执行的完整工作流。

企业级AI原生工作流，来源：帷幄

在前端感知层面，“看”与“听”构成了AI获取现实世界信息的双眼与双耳。SpaceSight数智空间模块作为“看”的核心，基于深度学习视觉模型与摄像头硬件，持续感知门店的客流量、顾客行走轨迹、货架停留时长、商品陈列状态以及门店整体秩序。而Echo绘声模块则充当“听”的触角，通过轻量化的智能语音工牌等设备，实时采集一线销售人员与顾客之间的真实对话，并将语音流转化为结构化文本，进一步提取其中的商业机会、销售过程和客户需求。

视觉与语音数据结合后，AI获得的信息也更加完整：视觉感知能够回答顾客“去了哪里、看了什么、停留了多久”，语音数据则进一步补充“提出了哪些疑问、对产品有哪些顾虑，以及最终为什么放弃购买”。

值得一提的是，在数据采集、声纹特征运算与隐私合规管理上，帷幄划定了清晰严谨的管控边界。Smile Huang介绍，帷幄 Echo 语音工牌搭载硬件物理启停按键，充分保障消费者自主选择权，顾客如有拒绝录音留存的诉求，门店工作人员可即时关停录音采集；针对音频、声纹特征等各类采集数据，全部依照业务属地法律法规、个人信息保护及跨境数据管理规范，执行属地本地化存储、脱敏运算与合规架构部署，严控原始音频、生物特征数据流转风险。

看见和听见之后，企业还需要让AI记住并理解这些信息。在中间层的知识沉淀与智能分析阶段：Harbor星集模块负责“记”，Alivia羽墨模块则负责“想”。

Harbor充当企业知识与历史数据的统一存储与管理层，将企业过去多年积累的产品手册、销售话术、营销方案、培训文档以及ERP和CRM中的交易记录进行统一归集与智能化索引，也避免重要经验随着人员流动而流失。

Harbor星集模块，来源：帷幄

Alivia则作为AI Agent推理引擎，将Harbor沉淀的知识与前端采集的实时数据结合起来，进行分析和推理。例如，分析消费者试穿后没有购买的原因，判断商品陈列效果，并给出相应的推广建议。

Smile Huang表示，当管理者询问“今天上午11点进店的女性顾客主要关注什么”时，Alivia可以调取SpaceSight记录的视觉轨迹和Echo采集的对话信息，结合企业已有知识进行综合分析，并进一步生成针对性的运营建议，甚至形成可直接执行的营销Brief。

Alivia羽墨模块，来源：帷幄网站

完成分析之后，AI还需要将结果转化为对外表达和业务行动。在后端的表达、连接与治理层面，“说”、“连”与“控”将AI的决策转化为具体的行动。

Lume灵耀负责“说”，它能够将AI生成的洞察、商品特性与市场策略，快速转化为适配不同平台语境的内容，并一键对接微信、小红书、抖音等国内平台，以及Instagram、Facebook等海外社交媒体，将企业对消费者的理解进一步转化为面向市场的表达。

Stardust星尘作为IoT物联网底座，负责“连”，顺畅对接CCTV摄像机、语音工牌、边缘计算盒以及门店的空调、冰柜等各类硬件设施。当企业的经营活动发生在物理空间时，AI如果无法接入门店终端，就只能停留在数据分析和办公软件层面。

Novus星元则负责模型、Agent、API和工作流的治理。不同国家和企业对模型安全、成本及部署方式存在不同要求。帷幄并不要求客户绑定某一个基础模型，而是允许企业根据业务、合规和成本需求接入或替换不同的模型，并支持本地云或私有化部署。

至此，一条AI工作流逐步形成：视觉和语音感知门店现场，企业知识系统沉淀信息，Agent结合历史经验完成分析，内容和门店系统推动后续行动，执行结果再次回流，用于优化下一轮经营策略。

这也是帷幄强调“AI原生”的原因。传统软件更多依赖员工主动登录系统、检索数据、查看报表，再判断下一步行动；而AI原生工作流则希望让系统主动组织信息、识别问题、提出建议，并在授权范围内推进标准化任务。

但这并不意味着企业可以把经营完全交给AI。Smile Huang表示，当前AI更适合处理数据整理、异常识别、信息匹配和标准化执行，而复杂判断、客户关系、创意策划以及突发问题处理仍需人工来完成。帷幄要构建的是一套重新划分人与AI职责的企业运营机制。

企业缘何为AI买单

帷幄将商业逻辑指向经营价值

随着基础模型能力逐步趋同，单纯接入大模型越来越难成为企业AI厂商的长期壁垒。企业既可以直接采购模型服务，也可以利用开源模型搭建内部工具。如果厂商交付的只是一个问答窗口，客户很容易找到替代方案。而最终决定企业是否买单，还是AI能否解决实际问题，并带来可以衡量的经营价值。

Smile Huang表示，帷幄强调的并不是模型参数和算法本身，而是围绕经营价值这一目标，帷幄采取“标准产品+咨询服务”双轨并行的落地方式，对于中小型企业，提供标准化、开箱即用的AI工具包，覆盖门店客流分析、语音识别、营销内容生成等基础能力，降低企业部署AI的门槛和成本。

对于中大型企业，情况则更加复杂。这些企业往往已经拥有CRM、ERP、交易和内容等系统，问题不在于缺少系统，而在于数据层面未真正打通，或者还没找到适合AI切入的场景。因此，帷幄会先梳理企业现有的业务流程、数据状况和实际痛点，通过概念验证找到合适的应用方向，再形成“标准产品+定制能力”的组合。

以某服装高级品牌为例，帷幄的概念咨询团队往往会深入客户实际业务一线，花费数月时间对客户原有的工作流、数据结构与岗位痛点进行全面梳理。在此基础上，帷幄将标准化的AI产品与定制化业务逻辑深度嵌入客户的日常工作流程之中。这样的项目交付的并不只是一份分析报告，而是一套员工能够持续使用、数据能够持续沉淀，并不断反哺后续运营的工作机制。

帷幄鞋服零售解决方案，来源：帷幄网站

这里也存在一个现实矛盾：如果每个大型客户都从头开发，项目越多，交付团队和成本就越高，最终仍会回到项目制；但如果过度追求标准化，又很难适应不同企业的业务流程和经营特点。帷幄的解法，是基于上述七个维度的AI能力进行组合和复用，根据不同客户的业务流程灵活配置，同时为真正影响业务结果的部分保留定制空间。

类似的AI化实践也延伸到了帷幄自身。Smile Huang表示，公司内部同样在推进AI化办公，传统PPT汇报逐步转向由AI生成的交互式HTML页面，员工可以通过提示词直接生成动态汇报，将原本可能耗费一天的排版和制作时间大幅压缩，同时又让方案的呈现更具交互性。节省下来的时间，则可以投入客户沟通、方案设计和业务创新。

因此，正如帷幄创始人兼CEO叶生晅所言：“AI其实卖的不是AI，它卖的是know-how（专业洞察与行动）。”企业向帷幄购买的也不是七款AI产品，而是一套AI时代的经营方式。对于帷幄而言，真正决定客户是否持续付费、用户能否长期留存的，最终还是这套工作流能否持续改善运营效率、消费者转化，并最终带来可衡量的收入结果。

帷幄创始人兼CEO叶生晅，来源：联合早报、帷幄

全球产品、本地运营与生态协同：

帷幄的海外增长路径

据最新披露，帷幄海外业务已覆盖45个国家和地区，对于一家从中国零售数字化市场起步的企业而言，海外市场已经不再只是增量尝试，而正在成为业务增长的重要支柱。

过去几年间，帷幄逐步形成了一套“研发集中在国内、售前与服务高度本地化”的全球化组织运作模式。研发和产品能力在国内统一沉淀，海外则根据不同区域配置本地团队。

其中，亚太团队主要面向东南亚，日本、澳洲等地区，配置本地人员；美国团队覆盖欧美市场。海外团队主要负责销售、售前、项目管理和客户服务，无需在每个国家重新复制完整的研发体系。

帷幄印尼团队，来源：帷幄

产品和研发能力可以保持统一，但进入不同市场后，客户决策逻辑和商业环境却并不相同。帷幄在全球化过程中发现，成熟市场与新兴市场在建立信任、推动成交等方面存在明显差异，因此针对不同区域采取了不同的Go-to-Market（GTM）策略。

Smile Huang介绍道，在新加坡、澳大利亚、日本及欧美等成熟市场，企业决策更加注重可验证的商业价值，客户普遍要求清晰的ROI数据、严格的合规审计以及逻辑完整的业务案例。针对这些市场，帷幄重点展示其系统在降本增效、租金谈判、精准营销等场景中的量化结果，通过可验证的业务价值推动客户决策。

而在印尼、泰国、越南等东南亚新兴市场，客户决策往往更加依赖本地关系与长期信任。仅靠线上推广或产品价值宣讲，很难快速建立合作基础，本地服务能力和渠道资源因此变得更加重要。针对这些市场，帷幄采取Partner Ecosystem（渠道伙伴生态）策略，与当地代理商、系统集成商等合作伙伴建立渠道网络，借助其政企资源和本地客户关系，将AI产品进一步触达当地企业。

帷幄马来西亚高管交流活动，来源：帷幄

除了本地团队和渠道，产业资本也成为帷幄连接海外市场的重要资源。过去几年，帷幄的投资人阵容涵盖新加坡电信（Singtel）、淡马锡（Temasek）、印尼电信（Telkomsel）、博世创投（Bosch Ventures）以及港铁（MTR）等产业机构。

据帷幄披露，2026年7月15日，公司正式宣布完成4000万美元C3轮融资。该轮 C3 融资由招银国际 (CMB International, CMBI) 旗下专注于 AI 及前沿科技的基金、日本三井住友银行 (Sumitomo Mitsui Banking Corporation, SMBC) 旗下企业风险投资基金 SARF (SMBC Asia Rising Fund)、三菱 UFG (MUFG) 旗下泰国大城银行 (Bank of Ayudhya) 企业创投 (CVC) 平台 Krungsri Finnovate、弘章投资 (Charisma Partners) 以及韩国现代汽车集团 (Hyundai Motor Group) 联合出资，新加坡电信（Singtel Innov8) 追加投资。

来源：帷幄

这些投资者带来的不只是资金，也可能带来应用场景、品牌背书以及进入当地市场的渠道和客户资源。

Smile Huang表示，以Singtel为例，它既是帷幄的投资方，也是产品应用和生态合作伙伴。帷幄的SpaceSight视觉分析系统已经应用于Singtel的零售场景，双方还共同开展市场活动和客户拓展，并借助Singtel的区域生态进一步触达新加坡、泰国印度尼西亚等市场。

类似的合作也发生在金融领域。某海外银行引入帷幄Echo语音工牌，用于信用卡销售团队的日常作业与合规管理。对于帷幄而言，“资本+客户+渠道”的协同关系，可以降低进入陌生市场的成本，比单纯的海外直销更容易建立本地信任。

从统一的产品与研发，到本地化的市场运营，再到产业资本和生态伙伴带来的场景、渠道与客户资源，帷幄试图建立的并不是简单的产品出海模式，而是一套能够在不同市场持续获得客户、形成收入增长的全球化经营体系。

帷幄团队与新加坡政府官员在NRF 2026 亚太零售展，来源：帷幄

AI工作流迈向企业基础设施

帷幄还需跨过三道门槛

从最初的“看见门店”，到如今的“AI原生企业运营操作系统”，帷幄的演进历程折射出全球企业AI化转型的大趋势。然而，要真正从一家优秀的AI解决方案提供商，蜕变为全球企业不可或缺的底层基础设施，帷幄仍需跨越三道关键的验证关卡。

首先，是AI能力能否真正形成统一的工作流。帷幄已经将产品能力归纳为“看、听、说、想、记、连、控”七个维度，但能力模块的丰富并不等于系统真正打通。不同能力之间能否共享数据、知识与工作流，并在实际运营中形成持续的数据回流与任务协同，将决定这套体系究竟是一组产品的集合，还是一套真正意义上的AI运营系统。更重要的是，系统最终还需要持续转化为运营效率、客户转化和收入增长，才能形成长期价值。

其次，是全球市场能否形成持续复制的商业模式。随着海外业务快速增长，帷幄需要进一步证明，不同市场的客户拓展能够沉淀为稳定、持续的商业收入，而不是依赖大量定制化项目。对于已经进入大型品牌的复杂业务场景，如何将其中具有共性的AI能力和业务逻辑进一步抽象、模块化，在保持本地适配能力的同时降低交付成本，将直接影响其全球化扩张的效率。

最后，是全球化过程中的数据与合规能力。对于任何在全球市场深耕的AI企业而言，线下获客、消费行为记录、语音交互等业务，都可能涉及合规问题。不同市场的法规要求各异，即便部分政策存在争议，企业也必须面对。对于企业级AI而言，如何在统一产品体系与不同市场监管要求之间取得平衡，也将成为全球化运营的重要基础。

从“解决问题”走向“成为基础设施”，意味着产品体系将进一步升级。帷幄七类能力的探索，在于将分散的AI能力进一步抽象，逐步形成体系化能力。这套能力也成为AI能力走向标准化的起点，而能否演变为全球通用的企业级基础设施，还取决于产品、商业模式和全球化运营等多方面因素。

对于正在寻找AI商业化落点的产业而言，帷幄的实践提供了一个值得观察的样本：当模型能力和单点工具越来越容易获得，AI企业的竞争也将不再只是解决多少具体问题，而是能否将分散的AI能力沉淀下来，逐步走向企业级AI基础设施。