零犀（北京）科技有限公司：基于因果AI理论开发了'需求探询'…、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：零犀（北京）科技有限公司；地区：北京市海淀区；行业：人工智能与数据智能；成立时间：2018-04-04；注册资本：1557.838万元；员工数：72人；专利数：未知件；认定批次：第五批（2023年）；上市状态：未上市。

零犀科技是一家AI原生企业，基于因果AI理论构建“需求探询”系统，以人机融合方式切入销售场景，主要服务于金融、保险、互联网领域的高客单价销售环节。其位于“电子信息与数字技术”产业链的“数字软件与工业服务”环节，属于将AI大模型技术深度嵌入特定业务流程的应用型公司。

二、主营产品与产业链定位

主营产品与服务：

零犀科技的核心产品是其自研的“需求探询”系统，技术基座为“因果大模型”。该产品并非通用型聊天机器人，而是专注于销售转化场景的垂直领域大模型。其核心能力包括：通过因果AI技术理解用户潜在需求、在对话中自主决策、引导用户完成高客单价产品的购买决策。配套产品包括语音智能体，以及支撑低时延交互的全链路流式处理架构。商业模式上，该公司推出RaaS（按结果付费）模式，即根据实际产生的销售结果而非服务时长或调用次数收费。

产业链定位与核心问题：

在“电子信息与数字技术”链条中，“数字软件与工业服务”环节位于基础算力层（芯片、云计算）与应用层（行业SaaS、垂直解决方案）之间。零犀科技解决的核心问题是：将大模型的通用语言能力转化为可度量、能托底的商业结果。尤其是在金融、保险等领域，客户面临“大模型能力强但落地难”的困境——模型产生“幻觉”导致输出不可靠，无法直接用于高风险决策。

上下游关系：

• 上游：主要消耗算力资源（GPU服务器、云服务）、模型训练框架（PyTorch等开源框架）、以及底层大模型API（除自研外，可能调用商业或开源基座模型）。技术服务依赖音视频SDK、自然语言处理（NLP）算法库等中间件。
• 下游：直接客户为金融（银行、保险、券商）、汽车（高端车型销售）、互联网（在线教育、企业服务）等行业中，存在高客单价、长决策链、强合规要求的企业。最终用户（C端消费者）通常并不知道自己正在与AI系统互动。

与其他环节的关系：

零犀科技不生产算力硬件（如GPU），也不提供通用大模型训练平台（如OpenAI API、智谱AI API的直接分发）。它处于大模型能力与应用场景之间的“工艺集成”环节。其价值在于：将上游通用大模型的语意理解和生成能力，与下游特定行业的销售流程、合规要求、话术标准进行深度耦合。例如，汽车行业的客户需要AI不仅能介绍参数，还能识别车主的经济状况、家庭结构，并精准推荐贷款方案或售后服务包——这是通用大模型无法独立完成的，正是零犀科技“需求探询”系统的切入处。

三、核心工序与技术依赖

结合人工智能与数据智能行业，特别是垂直领域大模型应用的典型开发流程（行业共识），该类企业的关键工序如下：

1. 因果模型构建与训练：基于结构化（用户历史行为、交易数据）和非结构化（对话记录）数据，构建因果结构图。不同于传统的相关性分析，因果AI需要识别变量间的干预关系。典型参数：训练数据量级通常在10万+条对话记录以上，模型参数量级在十亿至百亿间即可满足垂直场景需求。

2. 人机融合流程设计：设计AI自主对话与人工坐席介入的切换规则。典型要求：系统需实时判断客户意图的复杂度、情绪变化及合规红线。当客户表现出特定购买意愿、情绪波动或提出专业问题时，系统需在毫秒级（<200ms）内无缝转接人工，或由AI独立完成销售全流程。

3. 全链路流式推理架构：这是实现低时延对话的关键。系统需在接收用户语音的同时，实时进行语音识别（ASR）、自然语言理解（NLU）、对话策略决策，并合成语音回复（TTS）。行业典型要求：端到端延迟控制在2秒以内，以保持对话流畅感。

4. 大模型微调与对齐：使用金融、保险等行业的专属语料（合规条款、产品说明书、话术手册）对基座模型进行微调，并通过RLHF（基于人类反馈的强化学习）等技术确保模型输出符合业务规范。重点解决“幻觉”问题，即模型错误捏造产品信息或理解客户意图。行业实践中，这一步骤通常需要针对每个垂直行业定制，迭代周期为2-4周。

5. 效果评估与闭环优化：建立以最终销售结果（转化率、客单价、复购率）为核心的度量体系，反哺模型迭代。这是RaaS模式的技术基础，要求系统能够追踪从对话到支付的完整链路。

上游关键原材料和设备来源（行业共识）：

零犀科技的具体定位：

基于其主营记录（自研因果大模型、需求探询系统、RaaS模式）和经营范围（技术开发、计算机系统服务），该公司在以上工序中深度参与了1、2、4、5环节。其在因果推断和垂直场景的行业知识图谱上具有积累。专利数未披露，但考虑到北京市人工智能与数据智能方向仅3家企业，且其为第五批小巨人，推测其技术护城河主要在因果AI算法的工程化应用和销售场景的行业知识壁垒，而非底层模型的基础能力突破。

四、竞争格局

全国与零犀科技处于同一产业链位置（数字软件与工业服务）的企业共1578家。该赛道竞争集中在三个维度：

1. 技术路线：基于大型语言模型（LLM） vs. 基于传统规则/NLP vs. 基于因果AI。零犀科技选择因果AI路线作为差异化。

2. 商业模式：项目制交付（按年收费） vs. SaaS订阅（按月/调用量付费） vs. RaaS（按结果付费）。RaaS模式对技术可靠性要求最高，但也最具客户吸引力。

3. 行业纵深：金融、保险、电商、汽车等行业是主要战场，客单价和合规要求决定了不同厂商的适用性。

主要竞争对手（真实存在的同类企业）：

专利维度：

零犀科技的专利数为未知件，对比行业中位数89件。在专利数量上存在明显劣势。这可能意味着：1）该公司技术以非专利形式保护（如商业秘密）；2）公司更侧重于工程化和商业模式创新，而非底层算法的专利布局；3）创始人或团队背景更偏向产品与市场，而非学术或专利密集型。在需要大量专利储备来构筑壁垒的AI行业，这是一个潜在的风险信号。

五、护城河判断

基于现有数据，逐条分析：

• 技术壁垒：中等偏下。专利数未知，这一指标本身就是最直接的技术密度证明的缺失。该公司技术方向（因果AI+大模型）具有新颖性，但行业共识是因果AI目前仍处于工程化早期，理论框架尚未完全成熟，且论文和开源代码更新极快。零犀科技的技术壁垒更多体现在行业知识图谱（如保险销售话术、金融合规规则的数字化）和人机融合的工程经验上，而非底层模型能力。其“因果大模型”是否真正实现了因果推断，而非仅是将“因果关系”概念嵌入到传统统计模型中，需要更透明的技术文档或客户验证报告来证实。

• 客户壁垒：预计较高，但需验证。数字软件与工业服务环节的典型客户验证周期为6-12个月（从POC测试到合同签署）；客户的切换成本极高，因为系统直接嵌入核心销售流程，涉及与CRM、呼叫中心、工单系统的深度集成，以及大量话术数据的定制。一旦使用RaaS模式，客户需要授权零犀科技访问其真实的销售转化数据，这种数据交换本身就是强绑定。然而，客户名单、续约率、客均合同额均未披露，无法量化其客户壁垒的实际深度。

• 规模壁垒：极低。72人的团队规模反映出公司的研发与交付能力上限。对于一个提供深度定制化产品的AI公司，72人意味着同时服务大客户的数量可能非常有限（行业共识：一个中型金融客户的定制化项目通常需要3-5人的专职团队驻场或远程支持6个月以上）。这使得公司难以实现规模扩张，也使其在面对资本充足、团队规模更大的竞争对手时处于劣势。且该公司注册资本1557.838万元，实缴资本784.338万元，实缴比例仅约50%，启动资本相对有限。

• 认定价值：已处于政策支持后期。第五批（2023年）专精特新“小巨人”是政策扶持力度最大的一批。目前国家层面已进入“专精特新企业培育工作”的调整期，后续批次的名额和资金支持力度可能下降。对于零犀科技而言，该认定在当前环境下具有一定的品牌背书价值（便于从金融机构、政府、国企客户处获取信任），以及部分地方性的税收或人才补贴。但其直接的财政奖励（如中央层面）已基本收窄。

六、风险与机会

行业风险：

1. 大模型技术快速迭代下的“技术刹车”风险：大模型的底层能力每季度都在巨幅提升。2023-2024年间，头部模型（如GPT-4o、Claude 3.5、智谱GLM-4）在长上下文、多模态理解、指令遵循能力上的进步，可能直接使零犀科技基于因果AI构建的“需求探询”系统部分能力变得冗余。例如，如果通用模型已能稳定理解并引导高客单价销售，那么专门做此事的垂直厂商的护城河将瞬间消失。

2. 资本收缩与行业整合：2023-2024年，全球AI投资从“百模大战”转向“应用落地”。但资本市场对AI应用公司的盈利要求大幅提高，导致大量中小型AI公司难以获得新一轮融资。零犀科技融资信息未披露，72人团队若无法证明自我造血能力，将面临生存压力。

3. 大客户集中度风险：金融、保险行业客户议价能力强，且对数据安全极度敏感。一旦出现数据泄露或合规事件，可能导致整个行业对其技术的信任度崩塌。

公司风险：

1. 信息密度过低：公开可查的技术文档、客户案例、融资历史几乎为零。官网摘要仅提及“提供代理销售服务”和“行业应用标杆”，缺乏可验证的第三方评测或成功案例细节。这在B端招标中非常不利。

2. 团队规模过小：72人的团队在AI应用领域属于小微型企业。面对动辄上千人团队的全栈型竞争对手（如科大讯飞、阿里云、百度智能云），在交付能力、品牌信任度、技术深度上均处于劣势。

3. 商业模式验证周期长：RaaS模式虽然吸引力大，但需要长时间（至少1-2个完整财年）才能证明其可持续性。在此期间，公司需要承担研发和算力成本，而收入取决于客户最终的销售转化，现金流压力巨大。

机会窗口：

1. “大模型+特定场景”的深水区：随着通用大模型能力趋同，行业玩家将回归价值本身。零犀科技专注的“高客单价、长决策链、强合规”的销售场景，正是通用模型最薄弱、最难以标准化的领域。如果其因果AI方案能持续验证高于行业平均的转化率，将形成难以复制的“数据飞轮”效应。

2. 虚拟电厂与智慧能源的潜在新场景：经营范围中包含“销售通讯设备”及“数据处理”。结合当前“双碳”政策及电力现货市场改革，虚拟电厂的负荷聚合与需求响应是一个典型的高决策成本、高客单价、强合规性的场景。电力用户需要AI系统指导其在电价波动中决策购电或卖电，这与零犀科技在金融领域的“需求探询”逻辑高度相似。若能沿此切入电力市场，将开辟一个全新的、受政策驱动的蓝海市场。