AI独角兽如何走出创业迷雾？| 长江案例|人工智能|智能体|独角兽|王冉

大模型参数突破万亿级、生成式AI掀起内容革命、智能体交互催生新商业模式——技术迭代速度远超人类认知边界。

然而，当行业沉浸于参数竞赛与算力军备时，一个关键命题逐渐浮现：如何让AI真正跨越实验室与商业场景之间的“死亡之谷”，在真实市场中创造可持续价值？

长江商学院EMBA35期校友、跃盟科技创始人兼CEO王冉掌舵的北京跃盟科技有限公司的成长轨迹，为这个时代命题提供了独特注脚。这家以跨越信息鸿沟为初心的AI企业，在经历技术试错、战略迷茫、团队重构的八年淬炼后，成功将幂讯架构落地于电商广告、操作系统推送等主流场景，创造出单日处理亿级用户需求的智能决策网络，使电商平台订单转化效率提升超300%，2024年带动商家交易规模突破百亿，却保持着不足百人的精干团队。这种反常识的成长路径，揭示了AI创业在技术理想与商业现实之间的动态平衡艺术。

长江商学院滕斌圣教授、王小龙研究员在最新发表于《企业管理》杂志的文章中通过解构跃盟从技术理想到商业落地的完整历程，剖析其通过“业务需求牵引技术创新”的独特路径，揭示技术、商业与初心如何在动态市场中找到平衡，激发企业管理者关于未来智能社会的更多思考。教授指出，这场始于“信息效率”的探索，正悄然重塑着AI时代的商业逻辑与价值创造方式。

作者 | 滕斌圣王小龙

来源 | 《企业管理》杂志

滕斌圣

长江商学院战略学教授

战略研究副院长

新生代独角兽全球生态体系研究中心主任

创业第一阶段——初心、尝试、冲锋

跃盟创始人王冉有计算机学科的专业背景，毕业后持续从事与算法相关的技术工作。通过对行业及用户需求变化的观察，他意识到信息鸿沟是人类面临的一大挑战，信息过载与茧房效应使个体难以找到真正有价值的信息。2016年，王冉创办跃盟（Deepleaper），希望从底层解决信息效率问题。

2016年，随着AI技术在搜索领域普及，业内信息处理能力开始有了明显进步。跃盟依托AI技术探索多个方向，包括基于预测性推理的深度搜索，并尝试将技术商业化。然而，大型企业往往选择自建或收购技术团队，跃盟未能形成稳固的商业闭环，不得不调整策略。

王冉认为，这一阶段跃盟的问题主要在于三方面：一是技术没有绝对壁垒；二是没有带来让客户难以拒绝的高收益；三是客户担心大量用户行为数据为外部公司所掌握。

这三条理由相互关联，结合专利及知识产权的相关环境，让跃盟并没有通过领先又有价值的技术实现商业闭环。创业公司的任务往往不是“从0到1”，而是找到自己真正能有所作为的“0”领域。这种寻找往往有几次机会，能够第一次就找对的创业公司凤毛麟角，绝大多数公司在寻找过程中已耗尽资源。多次尝试后，2019年，陷入自我怀疑的王冉去商学院读EMBA课程，公司发展方向并不明确，团队在战略上也存在分歧。

挺身而出的合伙人

李梅是跃盟的运营合伙人，此前有在上市广告公司的工作经验。两人在能力上有较高的互补性。在困难与迷茫的环境中，李梅看到电商平台有大量预算用于发展新用户或唤起老用户。其中以阿里妈妈发起的“大航海计划”为代表，她负责对接这部分业务，采用最原始的人工运营方式，不依靠任何技术，一点点摸索着进行广告投放，获取佣金收入。2021年3月启动，从每个月收入约50万元做起，到年末为公司实现了2000万元利润。

这一阶段王冉对公司的认知有了更新。

第一，务实是创业团队的生命线。在资源有限、方向不明的情况下，只有务实策略才能让公司活下去。李梅用实际行动证明，商业价值的核心在于解决客户问题，而非单纯追求技术领先。

第二，信任的力量。在最困难的时刻，团队需要有人站出来承担责任，李梅的领导力不仅体现在战略执行上，更体现在对团队信念的重塑。

2022年，李梅带领团队创造了更大的业务机会。源于“大航海计划”中的突出表现，淘天集团的另一部门“淘宝联盟”为了发展用户，与跃盟达成合作， 2022—2023年，跃盟依靠这一领域业务的迅速发展，同时与多家手机厂商达成深度合作，开发了手机操作系统的负一屏、系统消息推送等广告业务的新市场。

相较于业务团队的“长征”，几年间，大模型、ChatGPT、人工智能等成为最火热的话题。王冉带领技术团队，依然潜心研究自己感兴趣的技术，一直围绕“跨越信息鸿沟”的初心经营自己的根据地。

王冉抓住微软在中国逐步减少研发投入，以及大型平台公司发展变化的时机，邀请到包括Office AI中华区负责人、研发负责人，Office 365研发及架构师，字节跳动数据平台总架构师，支付宝平台商业化产品与运营负责人等资深专业人士成为合伙人。

王冉的顿悟

2019―2023年，王冉一方面攻读EMBA课程，另一方面支持李梅的业务发展；一方面持续研究技术，另一方面组建更专业的团队。同时，他观察公司及行业发展趋势，对业务、技术等都有了新的理解。

第一，业务方面，接地气、为效果负责、 3 〜5倍的提升才有市场。

一是AI要从业务出发。如果自认为是AI专家，那么必须先成为业务专家，再向客户宣传，这样才有人听、有人信。

二是直接为效果负责。技术要为客户真正想要的效果负责，这样客户的支出预算才没有上限，企业自身成长也没有天花板。如果不能为效果负责，技术壁垒就很低。

三是3〜5倍的效果提升。如果在客户不考虑自建或收购的前提下，想要让客户为技术买单，那么要为客户带来3〜5倍的效果提升。效果提升指用户、交易额、收入、利润等整条价值链上核心环节的直接增长。

第二，技术方面，直面终局的架构。

王冉认为，现行的AI出发点是辅助人类决策，从Copilot模式成为人类各种指令的助手，到Agents模式能够满足人类许愿，无论如何都依赖于人所设立的任务，但人的能力差别巨大。这种模式下AI的发展受人类能力制约，人与智能体的交互和学习效率很低，远不如智能体和智能体之间协同解决问题。

所以，原本思路下一个人和一个AI交互，可以发展为两个人和两个AI交互，而两个AI之间同时交互。AI一方面了解人的需求和习惯，另一方面从另一个AI得到专业的解决方案，然后反馈给用户——即直接给用户答案。

这被称为Mission机制（幂讯机制），与大模型奠基理论Attention机制都属于AI应用的工程方法。其含义类似于人类的专家效应，一个社区通过集体经验解决个人问题，当参与进来的人（背后的智能体）越来越多，智能体之间的学习效率会变高，这个群体的决策效率也会越来越高。瞬知智能体幂讯工作流如图1所示。

来源：企业提供

例如，一个初级消费者为进入骑行圈准备买一辆专业自行车，另一个资深消费者在此领域有十年经验；初级消费者因为没有相关知识，不知道什么样的装备适合自己，资深消费者则早已忘记十年前的想法，以及一步步成长的细节。通过幂讯架构，初级消费者的智能体了解其消费习惯、各类偏好，向这个社区发出信息，资深消费者的智能体则“记得一切”。

两个智能体之间相互学习，这种学习是一瞬间就可完成的，初级消费者会得到立即反馈，并且这种反馈不是提出一系列文章或一系列备选商品，而是直接给出一两个商品——相当于AI直接给出决策。

这与DeepSeek和Manus等当下流行的现象级AI模型理念有所契合。比如DeepSeek在智能体架构上提出更灵活的角色分配机制，使不同智能体可以在任务完成过程中动态调整职责，Manus则强调AI决策与执行的协作路径优化。

跃盟的幂讯架构，某种程度上是一种更聚焦商业化场景的实践路径，即通过智能体间的实时知识共享，使AI在业务落地过程中具备更高的响应速度和精准度。这意味着AI不仅能辅助人类决策，更能像Manus的Agent架构一样，直接承担业务逻辑的优化责任。

这背后也蕴含着哲学层面的思考与表达。知识的力量不再依赖个体的积累，而是源于群体协作效率。当智能体之间的学习与反馈超越人类的理解与表达时，超越个体智慧的集体智能形态诞生——它既是对人类有限性的补足，也预示了未来决策的全新逻辑：从孤立到协作，从复杂到简单。

王冉认为，AI不是全知全能的创造者，而是人类社会的合作者。通过协作与网络化学习，AI成为连接个人需求与集体智慧的桥梁。这是一种平等、平权，是 “跨越信息鸿沟”。

业务与技术“胜利会师”

广告投放业务快速发展，靠人工投放是不行的。2023年，李梅与王冉对业务进行了深度交流和展望，提出要用技术实现各种投放功能的需求。

这是一种模式的彻底转变：AI创业团队往往先有技术，再寻求技术实现商业化。如今则是先有业务，“看技术是不是在其中能够创造价值”。这种结合并不是让技术“为了挣钱而妥协”，而是利用AI技术实现广告的优质投放，甚至不再局限于传统广告，这本身就是为了让用户“跨越信息鸿沟”。

从跃盟的角度，这种视角看似只是简单的切换，但如今有太多大模型或创业公司“用一把40米长的大刀看哪里可以砍几下”。从业务视角出发，则能清晰看到哪个环节可以用AI技术提高效率。

从客户角度，也有一种视角的切换。客户不会考虑AI技术的先进性或企业团队的梦想与初心，而是考虑使用AI后对战略、业务结构以及当前KPI的影响。对此，跃盟经过实践，王冉认为“3〜5倍提升”中，如实现3倍提升，客户会愿意谈合作；如能实现5倍提升，则可以迅速让合作落地。

在业务需求下，带着顿悟的灵感转换全新视角，王冉组织团队开始针对性开发产品，随着来自微软的几位技术合伙人加入，以及团队数年来的技术积累，并伴随行业的发展与进步，一切变得水到渠成。

跃盟认为，AI技术的应用应该是“交互极致简单，背后技术复杂”。在这一阶段可以感知的产品，都是极致简单的交互，例如手机上淘宝的消息推送，以及华为、OPPO等手机操作系统的消息推送和智能助手的对话推荐等。

相对于DeepSeek等大模型，跃盟甚至认为不应该靠人输入需求。跃盟提供的消息推送为了把满足用户消费需求的商品告诉用户，本质上是一种预测推理的搜索结果展示，不是广告。背后体现的是跃盟幂讯架构的AI算法，其价值突破是每一条推送只告诉用户一个确定商品，让用户选择是否交易。用户因为感兴趣打开之后，以接近50%的比例完成了交易。

与DeepSeek等大模型相比，这是实现人工智能的多种工程方法之一，是不同场景下的落地实践，目标是完全一致的。根据跃盟综合计算，相对于这套技术加入前，亿级用户规模下，商家每花费1元，可以获得30元的GMV，是以往通过广告产生订单效率的5.6倍。

商业模式与未来发展

“以前我们的护城河不够宽，是点创新，现在是一个体系。”王冉表示，“我们业务和技术的背后，还有多年来建立起的一套大规模涉及用户消费知识的理解推理，以及商品交付关系的数据集。”跃盟之所以在这方面有所积累，一是做得早，二是随着业务增多，每天每一笔交易下发、点击、交易的系统自动反馈与更新，都在幂讯架构下形成了独特的数据能力。

这种数据集在幂讯架构下，与用户ID、用户隐私没有关系，同一用户在淘宝、京东、小红书、抖音等平台上的行为并不涉及打通的问题，使用决策系统的人是谁并不重要，幂讯架构关心的是这种行为的相似性，所以其定位是背后的智能体——这与王冉对AI的思考相一致。

在此基础上的幂讯架构是跃盟首创，在全球范围内拥有多项专利。结合当前百亿量级的交易额，跃盟成为全球范围内实现大规模AI场景落地的公司之一。

预测性推理是AI行业的热潮和方向，对跃盟而言，应用场景就是用户的下一次点击和下一次交易，在幂讯架构下，预测和推理背后是智能体与智能体之间的交互和学习。王冉认为，“AI发展到极致，就没有传统广告存在的意义了，因为对智能体投广告是没有效果的，智能体的理性客观对诱导交易免疫。”

当前跃盟的团队规模只有80人，但支撑了上百亿元交易额的产品和系统。先吃透电商场景，随后可以进入金融、教育等多个领域，“AI时代的公司将会与过往的成本结构完全不同。”王冉认为，AI创业属于精英创业，未来公司的体量也不会很大，但可以实现千亿元交易额的规模。

跃盟科技创业启示

跃盟的实践为AI创业公司，以及技术驱动型企业提供了一套从实践到战略的方法论。这些方法论既扎根于跃盟的真实经历，也具备在更广泛情境中适用的普遍性。

第一，从务实中寻找确定性。跃盟的创业路径表明，成功往往源于在模糊中找到确定性能力。创业成功的核心在于将技术与市场需求结合，如表1所示。

第二，技术驱动下的自主协作与生态共创。跃盟科技通过幂讯架构，从另一个视角以适合的工程方法，在AI时代创造了多边商业价值，如表2所示。

第三，团队的互补与创业的曲折性。跃盟的成功不仅依赖技术与商业的结合，更离不开团队的互补性和在挫折中的能力重塑，如表3所示。

跃盟的实践证明，在技术飞速发展的时代，创业公司需要从失败中提炼经验，失败是重要的学习来源，通过调整方向找到真正出路。坚持初心与市场结合，在动态市场中，始终围绕最初的愿景寻找具体落地的机会。用业务连接技术和愿景，用技术连接客户与生态。主动探索高效、深层次的协作形式，实现跨领域、跨系统、跨个体的知识与资源整合。

通过对跃盟案例的回顾与提炼，本文展示了一个创业公司的成长轨迹，以及技术如何在复杂市场中找到落地路径。

● 一是从孤立到协作的必然趋势。AI时代，集体智能和网络化协作是技术价值实现的关键。从个人智能到群体智能的转变，为未来企业效率提升提供了全新思路。

● 二是务实的创新路径。技术的真正价值在于商业场景中的落地效果，AI技术更是如此，企业需在实践中找到创新与务实的平衡点。

● 三是客户驱动的战略逻辑。无论技术如何迭代，满足客户需求始终是企业成功的核心。这种以客户为中心的战略逻辑是所有商业活动的根本。

超越个体智慧的未来图景

跃盟的实践不仅是一个创业公司的成长故事，更是一幅关于未来智能社会的预示图景。

在幂讯架构下，跃盟探索从个体智能到群体智能的跃迁，通过智能体之间的高效协作，实现技术与业务的深度融合。AI技术不再局限于工具，而是成为生态网络中不可或缺的智能节点，用协作与学习推动整个系统的效率提升。

未来的AI发展方向，也许不再仅仅依赖于单一通用大模型的突破，而是逐渐向行业垂直化和场景专用化迈进。在广告投放、医疗服务、金融分析等各个领域中，垂直模型能够更加贴近具体需求，提供高效、定制化的解决方案。技术的价值不在于孤立的创新，而在于能否解决实际问题。

与此同时，这种深度结合不仅实现了技术落地，也推动了企业效率的整体提升，体现了从孤立到协作、从复杂到简单的升华，为技术驱动企业乃至社会的未来提供了无限可能。这不仅是跃盟的未来图景，也是AI技术融入人类社会的全新起点。

声明

本文摘编自案例《跃盟科技：独角兽如何走出迷雾成就大规模AI业务落地》（案例编号：2025-8-1-579-1）。部分内容有删减。案例由长江商学院战略学教授滕斌圣指导，案例中心高级研究员王小龙撰写。该案例仅用于课堂讨论，而非管理决策或活动是否有效的证明。本案例版权归长江商学院案例中心所有。

文中图片来自图虫创意，转载需获授权。