北京白龙马云行科技有限公司：为出行企业提供集中全场景的技术及…、数字软件与工业服务专精特新企业档案

一、企业速览

企业基础信息：公司名称：北京白龙马云行科技有限公司；地区：北京市朝阳区；行业方向：工业软件与信息服务（电子信息与数字技术）；成立时间：2019-04-23；注册资本：500万元；员工规模：238人；专利数量：502件；认定批次：2024年 第六批；上市状态：未上市。

北京白龙马云行科技有限公司是一家为出行企业提供全场景技术及运营服务的平台型软件企业，位于“电子信息与数字技术”产业链的“数字软件与工业服务”环节，核心业务是将出行行业的线下运力调度、订单分发、合规管控等流程数字化、平台化。

二、主营产品与产业链定位

产品/服务形态

根据企业简介，白龙马云行的核心产品是一套面向出行企业的“综合全场景技术及运营服务平台”。该平台将出租车、网约车、租赁车等出行场景的订单接入、司机调度、运力匹配、计费结算、安全监管等环节打包为SaaS（软件即服务）或PaaS（平台即服务）层工具，下游客户直接使用该平台完成日常运营，无需自建技术架构。公司在北京和厦门设立双运营中心，业务覆盖全国300多个城市，服务上百家出行企业。

产业链环节的具体定位

在“电子信息与数字技术”产业链中，白龙马云行处于数字软件层中的“行业应用软件”细分环节。其上游为云计算基础设施（如阿里云、腾讯云、华为云等IaaS厂商）、地图与定位服务（如高德、百度地图）、短信与通信服务商（如阿里云通信、腾讯云短信）。下游为出行服务企业，包括传统出租车公司、中小型网约车平台、汽车租赁公司、以及部分大型出行集团的分支机构。

与上下游的关系

• 上游：云基础设施与底层API。白龙马云行的平台运行在公有云之上，其算法对服务器响应时间（典型要求<50ms，行业共识）和地图导航的路径规划准确率有较高依赖。地图API的调用成本通常按次计费，是平台运营的直接成本之一。
• 下游：出行服务运营商。该平台解决了出行企业的核心痛点——缺乏技术团队开发调度系统和合规系统。客户通过接入白龙马云行的平台，可在2-3周内（行业共识）实现业务上线，替代通常是6个月以上的自研周期。这种模式对于年订单量在100万-500万单的中小型出行企业尤其具有吸引力，因为自建技术的投入产出比不划算。

三、核心工序与技术依赖

关键研发与运营工序

数字软件与信息服务企业的核心工序并非物理生产，而是“需求-架构-算法-测试-部署-运维”的数字化闭环。结合行业典型情况（行业共识），白龙马云行涉及的关键环节包括：

1. 多源订单聚合与分发算法：将来自高德、美团、微信等不同流量入口的订单统一接收，根据实时运力、距离、司机评分等维度进行最优匹配。要求毫秒级（典型值<200ms）完成一次完整分单决策。

2. 实时调度与路径推荐系统：利用时空算法（如动态规划、强化学习），在高峰时段（如早晚高峰）进行全局运力调度。对地图数据精度要求高，需要连续处理GPS信号（采样频率通常为5-10秒/次）。

3. 合规与安全监控模块：对接政府监管平台（如交通运输部的网约车监管信息交互平台），完成司机/车辆“双证”校验、行程实时轨迹上报。数据接口必须符合JT/T 1069等部颁标准（行业共识）。

4. 计费与支付清分系统：处理多类型订单的计费模型（实时计价、一口价、拼车价），与微信支付、支付宝等第三方支付系统对接，完成司机、平台、流量方之间的自动清分结算，需支持每日数千万笔交易的对账。

5. 数据中台与BI分析：构建用户画像、订单热力图、运力分布图等分析模型，帮助客户做运营决策（如运力投放区域、司机补贴策略）。

上游关键材料与设备依赖

注：上述为行业典型供应链构成（行业共识），白龙马云行的具体供应商选择未披露。

公司的具体技术定位

基于其502件专利和“人工智能应用软件开发”的经营范围，白龙马云行的技术重心大概率集中在算法层与平台集成层，而非在IaaS或基础地图数据上。其专利方向可能覆盖多源订单聚合、动态运力调度、实时合规监控等核心算法。与底层硬件或地图测绘公司不同，白龙马云行是对上游的标准化服务进行行业深度定制，形成面向出行企业的专用平台。

四、竞争格局

主要竞争对手

该赛道（出行企业技术及运营服务）的竞争者分为两类：一类是大型互联网出行业务的技术输出部门，另一类是独立的第三方服务商。以下是2-3家真实存在的同类企业：

• 滴滴出行（开放平台/小桔科技）：滴滴通过“小桔车服”和开放平台，向中小出行企业输出其调度、安全、计费等核心能力。规模远大于白龙马云行，内部团队人数以万计，专利数量居行业之首。其竞争壁垒在于品牌背书和用户流量，但存在与下游客户潜在的竞争关系（客户担心数据被反哺给滴滴自营业务）。
• T3出行（技术平台）：T3出行背靠一汽、东风、长安三大央企，在出行业务之外，也向传统出租车公司输出数字化转型方案。其优势在于国企资质和对合规的深度理解，劣势在于产品迭代速度相对较慢。
• 深圳易通技术有限公司：一家专注于网约车SaaS系统的技术公司，规模小于白龙马云行（员工约50-100人），产品功能聚焦在订单管理和司机招募上，主要服务三四线城市的区域性小平台。

竞争维度分析

全国与该企业同处于“数字软件与工业服务”环节的企业共1578家，竞争集中在以下三个维度：

1. 算法效率：调度算法的匹配成功率和接驾时长。技术实力强的公司能将订单应答率提升至95%以上，底层的公司可能低于80%。这是最核心的技术壁垒。

2. 合规能力：能否帮助客户无缝对接全国30多个省级监管平台，完成数据备案。这是政策驱动的硬性门槛，很多小型SaaS服务商会卡在这一步。

3. 服务广度：从单一订单管理，扩展到维修保养、金融租赁、保险理赔等生态服务，以增加客户粘性。

专利位置

白龙马云行专利总量502件，该行业专利数中位数为89件。502件的专利数使其位列该赛道专利密度最高的第一梯队。按年均计算（公司成立6年），年均专利申请量约83.7件，这是一个相当高的研发产出密度，意味着其技术投入在公司内部优先级极高。

五、护城河判断

技术壁垒

502件专利形成了一道相对密集的技术护城河，尤其在算法创新方面。考虑到公司定位是“综合全场景技术及运营服务”，其专利方向很可能集中在订单聚合算法、运力预测模型、安全合规监控方法等领域。对于新进入的创业公司，要在这些方向绕开已有专利进行独立研发，时间和成本都会显著增加。但需要注意的是，软件专利的护城河强度低于硬件行业——竞争对手可以通过“不同的技术路径实现相同功能”来规避侵权。

客户壁垒

在数字软件与工业服务环节，客户建立的技术验证周期通常为2-3个月（行业共识），包括API对接测试、小规模试运营和全面业务上线。一旦平台部署完成，客户的司机、乘客、价格策略等核心运营数据都沉淀在平台上，切换成本极高——不仅需要重新对接技术接口，还需要承担业务中断带来的收入损失、司机流失等风险。因此，存量客户粘性很强，白龙马云行的“上百家出行企业”客户基础是一个重要的复利型护城河。

规模壁垒

238人的团队规模，在出行SaaS服务商中属于中大型团队。典型的中小出行SaaS公司团队规模在30-80人（行业共识），通常只覆盖2-3个省。白龙马云行团队规模能够支撑300个城市的业务覆盖和上百家客户的7×24小时运维，同时维持双运营中心（北京+厦门）架构，说明其内部已经建立了流程化的交付和服务标准，具备了一定制规模化的服务能力。

认定价值

2024年第六批专精特新“小巨人”认定，在当前政策环境下意味着：公司是经过国家工信部严格筛选的、在细分领域掌握关键核心技术的中小企业。该认定直接对标“补链强链”的国家战略，对于未上市企业而言，是获取政府信贷、税收减免、专项资金支持以及进入政府采购名录的重要资质。白龙马云行的技术研发投入至此获得了国家级背书。

六、风险与机会

行业风险

• 政策不确定性：出行行业（尤其是网约车）的监管政策始终在动态调整。例如，2023年部分城市收紧网约车准入标准，限制了运力供给，直接影响平台订单量和客户续费率。如果政策进一步收紧或出现新的合规要求（如全面安装车载摄像头、实时录音录像上传），会对白龙马云行的平台系统带来额外的合规改造成本。
• 巨头竞争压力：滴滴、T3等拥有自营运力的巨头在向第三方技术输出时，具有品牌和安全性的天然信任优势。白龙马云行虽然专注“中立第三方”定位，但在市场推广中容易面临“为什么不选滴滴”的质疑。
• 技术同质化：该赛道算法技术门槛在逐年降低。随着开源社区（如GitHub）上出现多个出行调度算法框架，新进入者可以短时间构建基础版平台，价格战可能加剧。

公司风险

• 资本结构单一：公司为“有限责任公司（外商投资企业法人独资）”，且实缴资本仅为500万元。若海外母公司对公司资金支持出现波动，或者公司主要依靠自身现金流滚动发展（营收数据未披露，无法判断），业务扩张将受制约。
• 员工规模与业务覆盖的张力：238人覆盖300个城市，意味着平均一个城市不足1人。如果业务从SaaS服务扩展到当地运营支持（如线下司机招聘、车辆资产托管），现有团队配置将严重不足，需要大举扩招。
• 专利转化率未知：502件专利中，有多少是已经转化为商业化产品核心功能的、有多少是防御性申请，目前无法判断。过高的专利数也可能带来维护成本（专利申请和维护费、年费）的负担。

机会窗口

• 行业合规化红利：2023年以来，全国多地要求网约车平台必须完成驾驶员和车辆的“人证车证”齐全，并上传数据到省级监管平台。对于无法自行开发合规系统的中小出行企业，转而接入白龙马云行这类专业平台的紧迫性在升高。这个市场需求在未来2-3年仍将持续增长。
• 跨场景嫁接：白龙马云行可以将调度和合规技术用于即时配送、同城货运、共享汽车等场景。出租车调度算法与外卖骑手调度算法在时空优化上存在明显的技术迁移性，且后者市场规模更大。如果公司能够在技术架构上实现底层微服务的抽象化，就可以低成本进入更多垂直场景。