社区

AI正在深刻重塑软件行业，从交互方式与产品架构，再到商业模式，都面临重构。然而，企查查却呈现出独特的韧性，其业务增长并未受到冲击，反而持续保持高增长。

作为数据服务商，企查查缘何能够穿越周期？其真正的壁垒是什么？

为此，我们与企查查创始人陈德强进行了一次深入对话。陈德强在访谈中系统阐述了企查查在AI产业链中的重新定位，商业模式演进以及穿越技术周期的根本逻辑。

核心观点：

战略定位向AI基础设施升级。企查查正从面向个人的查询工具转向Agent的数据基础设施提供商，核心是为AI提供实时、结构化的商业数据。

C端业务增长动力强劲。用户更重视数据可靠性，而非价格。企查查在价格提升层面，潜力依然很大。

B端业务坚持标准化产品。业务延伸至金融、制造等领域，不参与重实施项目。

数据是穿越周期的壁垒。数据服务商的核心价值来自于物理世界数据，这构成其穿越周期的根本壁垒。

以下为本次访谈实录，在不改变原意基础上略有修改。

01 定位AI时代基础设施

爱分析：数据服务商在AI时代应该重新定位自己？

陈德强：企查查的战略定位正在向AI时代的商业基础设施升级。

具体来说，我们正从过去面向C端的产品工具，转向成为Agent时代的商业底座。未来将更聚焦于把积累的数据资产转化为更智能的工具和场景解决方案。

爱分析：在国外，FactSet、IDC等数据终端应用会整合至AWS的AI服务中。在国内，数据服务商会采取同样的策略吗？数据服务商如何定位与基础模型的关系？

陈德强：我们与基础模型是上下游关系，我们是数据上游。

十年前做企查查时，市场主体信息分散、滞后，我们做了结构化、实体化、可搜索，变成人人可查的入口。现在发生了根本变化，查询者变成了AI Agent，未来使用数据的可能不再是“人”，而是AI。我们的角色从直接to C的产品，转向为AI提供数据的上游。

过去用户查企业需要打开应用、点标签、复制信息，半小时到一小时出一份摘要。现在，业务人员用Agent，配上我们的数据，3秒就能出报告。这个过程已不再需要UI界面，而是需要结构化的数据接口或可调用的工具。

爱分析：使用者从人变成Agent，会导致业务模式发生什么变化？

陈德强：目前用户通过问答获取信息，但未来可能是直接交付结果。AI在to B领域还在实践摸索，尚未解决所有问题。

这个过程中，业务模式会有几种。

第一是数据基础或AI上游的角色。这种非常明确，因为大模型更多训练知识，而商业数据，如企业经营异常、高管变更的信息变化很快，没必要也不可能都训练进模型。我们可以提供最新信息，覆盖中国商业数据板块，这很明确。

第二是业务Know-how。大模型难以覆盖所有特定业务知识，我们看到最强的模型也有内置的技能，金融、法律领域都有。但具体到公司或业务，变化很多。我们会针对商业领域构建技能，比如如何做KYC、供应商准入，我们用AI加数据，做下游的AI应用，属于应用层，所以业务模式中也会存在AI应用产品。

爱分析：KYC这些AI应用，也会面向终端用户吗？

陈德强：会。这些应用是我们保持与终端用户连接的方式，一旦失去终端用户，竞争力会下降。企查查过去能做起来，很重要是APP这个应用能直接连接客户，未来我们仍需要应用来获得客户注意力。

02 数据方能穿越周期

爱分析：2026年，企查查的增长动力来自哪里？

陈德强：存量业务C端和B端都在正常增长，数据板块未受AI太多影响。

爱分析：C端业务离天花板还很远？

陈德强：我们价格非常低，还有提升空间。用户付费的是C端APP，但业务还是to B。B端用户更重视数据可靠性，而非价格。

爱分析：作为软件服务商，企查查如何做到不受AI影响？

陈德强：数据是可以穿越周期的。几千年前有文字就有数据，物理世界是数据的来源，这是AI解决不了的。

AI只能拿互联网数据加工，但很多细节不懂，只有人才能从物理世界采集数据。比如公司数据来自工商登记，要交材料，股东是物理世界的人，这不可能无中生有，不可能被AI或软件取代。未来数据一直要用，但很多软件就不再用了。

爱分析：今年业务重心是什么？

陈德强：往应用场景延伸。过去我们更专注数据打通，接下来要往下游走，做数据应用落地，把数据落到实际的业务场景中。

爱分析：企查查做C端时，业务模式轻、财务模型好，未来重心向B端倾斜后，商业模式能够保持与C端一样好吗？

陈德强：B端商业模式确实区别于C端业务，甲方决策流程和交付方式会压缩毛利率。

我们未来依然提供开箱即用的to B产品，不会涉及太重决策成本，否则就变成了项目开发。我们一般不会参与重实施的项目。在我们的业务领域，合规、信用风险是标准化产品，法律领域产品也是标准化的。

但是，我们会引入业务人员参与产品研发，因为未来交付不仅是软件，软件背后的业务更重要。业务需要升级，需要懂行业的人。

爱分析：做B端业务，会担心毛利下滑吗？

陈德强：不会。刚才有提到，我们未来依然提供开箱即用的to B产品，尽量避免做项目，以此确保毛利率与增长之间的平衡。从数据角度来看，标准化的产品，随着用户增长，成本分摊会越来越薄。

爱分析：B端业务会重点切入哪些行业？

陈德强：首选从金融行业的合规与风险业务切入。现代金融行业，合规是交易的前提，风险是交易中的核心关注点。

此外制造业，包括供应链也是重点，制造业企业占比大，上下游涉及企业信息获取、KYC、风险、供应链能力，都需外部获取。

爱分析：很多AI厂商会采取多条产品线布局的策略，企查查是否会多线并进？

陈德强：从成立到现在，我们不走这个策略，因为成功率不高。广撒网的产品线像做投资，十个中一个，不如直接投钱更轻。

爱分析：自研小模型在战略中扮演什么角色？

陈德强：第一个比较大的价值是成本优化，第二是可靠性高。

在调用量很大的特定场景，用小模型在我们自己的算力服务器上跑，成本非常低，且与业务贴得近。这是我们一直在做的。

爱分析：计划推出龙虾的产品吗？

陈德强：我们有这个想法。龙虾强在文档类交付，很多用户用数据最后输出文档，这部分龙虾能覆盖，加上用我们的数据接口或MCP，在龙虾里很快搭好。

但这种产品对用户的价值还不好评估，核心还是可靠性问题。数据领域要求准确率100%，可靠性不够会影响最终价值。

爱分析：未来通过AI赋能交付，改变重人力、低毛利的商业困局。您觉得可行性多大？

陈德强：不认同。

交付这条路会很艰巨。软件交付难做，是因为理解业务的成本高，而非实施过程成本高。AI只能降低实施成本，无法降低理解业务的成本。

爱分析：产研体系未来几年会因为AI介入，保持规模平稳不扩张吗？

陈德强：产研更多扩大业务端，而非开发端，开发端会减少，业务端是指深入企业业务流程，虽不做交付，但要介入企业业务流程。

03 数据如何变成资产？

爱分析：中国数据市场优秀厂商少，本质原因是什么？

陈德强：是因为掌握数据的人还不够懂业务，数据方不知道数据能否发挥业务价值。很多数据方把数据当宝贝，但放在一边用不起来。商业领域的数据虽然是公开的，但加工出来的价值比私有数据更高。

爱分析：数据服务市场目前面临的主要挑战有哪些？

陈德强：首先，数据服务有个普遍的误区，认为数据=资产。其实理解不了数据，就很难变成资产。数据在场景中产生价值，才变成资产，而不是因为数据发生了交易，成为资产。所以，数交所、数商在数据服务领域都不是最重要的，真正关键的是能将数据与业务场景深度耦合的“懂行者”——既通数据技术，又精业务逻辑，能精准识别数据在具体场景中的价值支点。

其次，是数据定价不确定。国内很多数据源方不敢开价。但只有数据源方能否持续10年提供数据，下游应用方才会愿意投重金寻找应用场景。

希望数据源方敢于定价。行业内有些数据只要定价出来，应用和商业化都比较会做得很好。

爱分析：企查查还在做哪些细分领域的数据服务？

陈德强：招投标数据、资产交易、商标专利，我们一直在做。这赛道数据公开，但是用户群体窄，是红海，玩家多。未来看谁坚持久、做得细、可靠性高，慢慢形成竞争力。

爱分析：数据服务有海外机会吗？

陈德强：有些国家很成熟，壁垒高。有些国家还在原始阶段，没有电子化系统，如中亚国家，连工商系统都没有。如果帮其建立系统、收集数据，未来能形成竞争力，这也是方向。

爱分析：企查查也在做出海业务吗？

陈德强：我们的业务在海外增长不错。比如一带一路沿线国家与地区等。

爱分析：出海是从C端开始，还是直接to B？

陈德强：to B。海外to B付费意愿和能力较强。有好产品，to B购买决定快，有付费习惯。