大模型參數突破萬億級、生成式AI掀起內容革命、智能體交互催生新商業模式——技術迭代速度遠超人類認知邊界。

然而，當行業沉浸于參數競賽與算力軍備時，一個關鍵命題逐漸浮現：如何讓AI真正跨越實驗室與商業場景之間的“死亡之谷”，在真實市場中創造可持續價值？

長江商學院EMBA35期校友、躍盟科技創始人兼CEO王冉掌舵的 北京躍盟科技有限公司的成長軌跡，為這個時代命題提供了獨特注腳。這家以跨越信息鴻溝為初心的AI企業，在經歷技術試錯、戰略迷茫、團隊重構的八年淬煉后，成功將冪訊架構落地于電商廣告、操作系統推送等主流場景，創造出單日處理億級用戶需求的智能決策網絡，使電商平臺訂單轉化效率提升超300%，2024年帶動商家交易規模突破百億，卻保持著不足百人的精干團隊。這種反常識的成長路徑，揭示了AI創業在技術理想與商業現實之間的動態平衡藝術。

長江商學院滕斌圣教授、王小龍研究員在最新發表于《企業管理》雜志的文章中通過解構躍盟從技術理想到商業落地的完整歷程，剖析其通過“業務需求牽引技術創新”的獨特路徑，揭示技術、商業與初心如何在動態市場中找到平衡，激發企業管理者關于未來智能社會的更多思考。教授指出，這場始于“信息效率”的探索，正悄然重塑著AI時代的商業邏輯與價值創造方式。

作者 | 滕斌圣 王小龍

來源 | 《企業管理》雜志

滕 斌 圣

長江商學院戰略學教授

戰略研究副院長

新生代獨角獸全球生態體系研究中心主任

創業第一階段——初心、嘗試、沖鋒

躍盟創始人王冉有計算機學科的專業背景，畢業后持續從事與算法相關的技術工作。通過對行業及用戶需求變化的觀察，他意識到信息鴻溝是人類面臨的一大挑戰，信息過載與繭房效應使個體難以找到真正有價值的信息。2016年，王冉創辦躍盟（Deepleaper），希望從底層解決信息效率問題。

2016年，隨著AI技術在搜索領域普及，業內信息處理能力開始有了明顯進步。躍盟依托AI技術探索多個方向，包括基于預測性推理的深度搜索，并嘗試將技術商業化。然而，大型企業往往選擇自建或收購技術團隊，躍盟未能形成穩固的商業閉環，不得不調整策略。

王冉認為，這一階段躍盟的問題主要在于三方面：一是技術沒有絕對壁壘；二是沒有帶來讓客戶難以拒絕的高收益；三是客戶擔心大量用戶行為數據為外部公司所掌握。

這三條理由相互關聯，結合專利及知識產權的相關環境，讓躍盟并沒有通過領先又有價值的技術實現商業閉環。創業公司的任務往往不是“從0到1”，而是找到自己真正能有所作為的“0”領域。這種尋找往往有幾次機會，能夠第一次就找對的創業公司鳳毛麟角，絕大多數公司在尋找過程中已耗盡資源。多次嘗試后，2019年，陷入自我懷疑的王冉去商學院讀EMBA課程，公司發展方向并不明確，團隊在戰略上也存在分歧。

挺身而出的合伙人

李梅是躍盟的運營合伙人，此前有在上市廣告公司的工作經驗。兩人在能力上有較高的互補性。在困難與迷茫的環境中，李梅看到電商平臺有大量預算用于發展新用戶或喚起老用戶。其中以阿里媽媽發起的“大航海計劃”為代表，她負責對接這部分業務，采用最原始的人工運營方式，不依靠任何技術，一點點摸索著進行廣告投放，獲取傭金收入。2021年3月啟動，從每個月收入約50萬元做起，到年末為公司實現了2000萬元利潤。

這一階段王冉對公司的認知有了更新。

第一，務實是創業團隊的生命線。在資源有限、方向不明的情況下，只有務實策略才能讓公司活下去。李梅用實際行動證明，商業價值的核心在于解決客戶問題，而非單純追求技術領先。

第二，信任的力量。在最困難的時刻，團隊需要有人站出來承擔責任，李梅的領導力不僅體現在戰略執行上，更體現在對團隊信念的重塑。

2022年，李梅帶領團隊創造了更大的業務機會。源于“大航海計劃”中的突出表現，淘天集團的另一部門“淘寶聯盟”為了發展用戶，與躍盟達成合作， 2022—2023年，躍盟依靠這一領域業務的迅速發展，同時與多家手機廠商達成深度合作，開發了手機操作系統的負一屏、系統消息推送等廣告業務的新市場。

相較于業務團隊的“長征”，幾年間，大模型、ChatGPT、人工智能等成為最火熱的話題。王冉帶領技術團隊，依然潛心研究自己感興趣的技術，一直圍繞“跨越信息鴻溝”的初心經營自己的根據地。

王冉抓住微軟在中國逐步減少研發投入，以及大型平臺公司發展變化的時機，邀請到包括Office AI中華區負責人、研發負責人，Office 365研發及架構師，字節跳動數據平臺總架構師，支付寶平臺商業化產品與運營負責人等資深專業人士成為合伙人。

王冉的頓悟

2019―2023年，王冉一方面攻讀EMBA課程，另一方面支持李梅的業務發展；一方面持續研究技術，另一方面組建更專業的團隊。同時，他觀察公司及行業發展趨勢，對業務、技術等都有了新的理解。

第一，業務方面，接地氣、為效果負責、 3 ?5倍的提升才有市場。

一是AI要從業務出發。如果自認為是AI專家，那么必須先成為業務專家，再向客戶宣傳，這樣才有人聽、有人信。

二是直接為效果負責。技術要為客戶真正想要的效果負責，這樣客戶的支出預算才沒有上限，企業自身成長也沒有天花板。如果不能為效果負責，技術壁壘就很低。

三是3?5倍的效果提升。如果在客戶不考慮自建或收購的前提下，想要讓客戶為技術買單，那么要為客戶帶來3?5倍的效果提升。效果提升指用戶、交易額、收入、利潤等整條價值鏈上核心環節的直接增長。

第二，技術方面，直面終局的架構。

王冉認為，現行的AI出發點是輔助人類決策，從Copilot模式成為人類各種指令的助手，到Agents模式能夠滿足人類許愿，無論如何都依賴于人所設立的任務，但人的能力差別巨大。這種模式下AI的發展受人類能力制約，人與智能體的交互和學習效率很低，遠不如智能體和智能體之間協同解決問題。

所以，原本思路下一個人和一個AI交互，可以發展為兩個人和兩個AI交互，而兩個AI之間同時交互。AI一方面了解人的需求和習慣，另一方面從另一個AI得到專業的解決方案，然后反饋給用戶——即直接給用戶答案。

這被稱為Mission機制（冪訊機制），與大模型奠基理論Attention機制都屬于AI應用的工程方法。其含義類似于人類的專家效應，一個社區通過集體經驗解決個人問題，當參與進來的人（背后的智能體）越來越多，智能體之間的學習效率會變高，這個群體的決策效率也會越來越高。瞬知智能體冪訊工作流如圖1所示。

來源：企業提供

例如，一個初級消費者為進入騎行圈準備買一輛專業自行車，另一個資深消費者在此領域有十年經驗；初級消費者因為沒有相關知識，不知道什么樣的裝備適合自己，資深消費者則早已忘記十年前的想法，以及一步步成長的細節。通過冪訊架構，初級消費者的智能體了解其消費習慣、各類偏好，向這個社區發出信息，資深消費者的智能體則“記得一切”。

兩個智能體之間相互學習，這種學習是一瞬間就可完成的，初級消費者會得到立即反饋，并且這種反饋不是提出一系列文章或一系列備選商品，而是直接給出一兩個商品——相當于AI直接給出決策。

這與DeepSeek和Manus等當下流行的現象級AI模型理念有所契合。比如DeepSeek在智能體架構上提出更靈活的角色分配機制，使不同智能體可以在任務完成過程中動態調整職責，Manus則強調AI決策與執行的協作路徑優化。

躍盟的冪訊架構，某種程度上是一種更聚焦商業化場景的實踐路徑，即通過智能體間的實時知識共享，使AI在業務落地過程中具備更高的響應速度和精準度。這意味著AI不僅能輔助人類決策，更能像Manus的Agent架構一樣，直接承擔業務邏輯的優化責任。

這背后也蘊含著哲學層面的思考與表達。知識的力量不再依賴個體的積累，而是源于群體協作效率。當智能體之間的學習與反饋超越人類的理解與表達時，超越個體智慧的集體智能形態誕生——它既是對人類有限性的補足，也預示了未來決策的全新邏輯：從孤立到協作，從復雜到簡單。

王冉認為，AI不是全知全能的創造者，而是人類社會的合作者。通過協作與網絡化學習，AI成為連接個人需求與集體智慧的橋梁。這是一種平等、平權，是 “跨越信息鴻溝”。

業務與技術“勝利會師”

廣告投放業務快速發展，靠人工投放是不行的。2023年，李梅與王冉對業務進行了深度交流和展望，提出要用技術實現各種投放功能的需求。

這是一種模式的徹底轉變：AI創業團隊往往先有技術，再尋求技術實現商業化。如今則是先有業務，“看技術是不是在其中能夠創造價值”。這種結合并不是讓技術“為了掙錢而妥協”，而是利用AI技術實現廣告的優質投放，甚至不再局限于傳統廣告，這本身就是為了讓用戶“跨越信息鴻溝”。

從躍盟的角度，這種視角看似只是簡單的切換，但如今有太多大模型或創業公司“用一把40米長的大刀看哪里可以砍幾下”。從業務視角出發，則能清晰看到哪個環節可以用AI技術提高效率。

從客戶角度，也有一種視角的切換。客戶不會考慮AI技術的先進性或企業團隊的夢想與初心，而是考慮使用AI后對戰略、業務結構以及當前KPI的影響。對此，躍盟經過實踐，王冉認為“3?5倍提升”中，如實現3倍提升，客戶會愿意談合作；如能實現5倍提升，則可以迅速讓合作落地。

在業務需求下，帶著頓悟的靈感轉換全新視角，王冉組織團隊開始針對性開發產品，隨著來自微軟的幾位技術合伙人加入，以及團隊數年來的技術積累，并伴隨行業的發展與進步，一切變得水到渠成。

躍盟認為，AI技術的應用應該是“交互極致簡單，背后技術復雜”。在這一階段可以感知的產品，都是極致簡單的交互，例如手機上淘寶的消息推送，以及華為、OPPO等手機操作系統的消息推送和智能助手的對話推薦等。

相對于DeepSeek等大模型，躍盟甚至認為不應該靠人輸入需求。躍盟提供的消息推送為了把滿足用戶消費需求的商品告訴用戶，本質上是一種預測推理的搜索結果展示，不是廣告。背后體現的是躍盟冪訊架構的AI算法，其價值突破是每一條推送只告訴用戶一個確定商品，讓用戶選擇是否交易。用戶因為感興趣打開之后，以接近50%的比例完成了交易。

與DeepSeek等大模型相比，這是實現人工智能的多種工程方法之一，是不同場景下的落地實踐，目標是完全一致的。根據躍盟綜合計算，相對于這套技術加入前，億級用戶規模下，商家每花費1元，可以獲得30元的GMV，是以往通過廣告產生訂單效率的5.6倍。

商業模式與未來發展

“以前我們的護城河不夠寬，是點創新，現在是一個體系。”王冉表示，“我們業務和技術的背后，還有多年來建立起的一套大規模涉及用戶消費知識的理解推理，以及商品交付關系的數據集。”躍盟之所以在這方面有所積累，一是做得早，二是隨著業務增多，每天每一筆交易下發、點擊、交易的系統自動反饋與更新，都在冪訊架構下形成了獨特的數據能力。

這種數據集在冪訊架構下，與用戶ID、用戶隱私沒有關系，同一用戶在淘寶、京東、小紅書、抖音等平臺上的行為并不涉及打通的問題，使用決策系統的人是誰并不重要，冪訊架構關心的是這種行為的相似性，所以其定位是背后的智能體——這與王冉對AI的思考相一致。

在此基礎上的冪訊架構是躍盟首創，在全球范圍內擁有多項專利。結合當前百億量級的交易額，躍盟成為全球范圍內實現大規模AI場景落地的公司之一。

預測性推理是AI行業的熱潮和方向，對躍盟而言，應用場景就是用戶的下一次點擊和下一次交易，在冪訊架構下，預測和推理背后是智能體與智能體之間的交互和學習。王冉認為，“AI發展到極致，就沒有傳統廣告存在的意義了，因為對智能體投廣告是沒有效果的，智能體的理性客觀對誘導交易免疫。”

當前躍盟的團隊規模只有80人，但支撐了上百億元交易額的產品和系統。先吃透電商場景，隨后可以進入金融、教育等多個領域，“AI時代的公司將會與過往的成本結構完全不同。”王冉認為，AI創業屬于精英創業，未來公司的體量也不會很大，但可以實現千億元交易額的規模。

躍盟科技創業啟示

躍盟的實踐為AI創業公司，以及技術驅動型企業提供了一套從實踐到戰略的方法論。這些方法論既扎根于躍盟的真實經歷，也具備在更廣泛情境中適用的普遍性。

第一，從務實中尋找確定性。躍盟的創業路徑表明，成功往往源于在模糊中找到確定性能力。創業成功的核心在于將技術與市場需求結合，如表1所示。

第二，技術驅動下的自主協作與生態共創。躍盟科技通過冪訊架構，從另一個視角以適合的工程方法，在AI時代創造了多邊商業價值，如表2所示。

第三，團隊的互補與創業的曲折性。躍盟的成功不僅依賴技術與商業的結合，更離不開團隊的互補性和在挫折中的能力重塑，如表3所示。

躍盟的實踐證明，在技術飛速發展的時代，創業公司需要從失敗中提煉經驗，失敗是重要的學習來源，通過調整方向找到真正出路。堅持初心與市場結合，在動態市場中，始終圍繞最初的愿景尋找具體落地的機會。用業務連接技術和愿景，用技術連接客戶與生態。主動探索高效、深層次的協作形式，實現跨領域、跨系統、跨個體的知識與資源整合。

通過對躍盟案例的回顧與提煉，本文展示了一個創業公司的成長軌跡，以及技術如何在復雜市場中找到落地路徑。

● 一是從孤立到協作的必然趨勢。AI時代，集體智能和網絡化協作是技術價值實現的關鍵。從個人智能到群體智能的轉變，為未來企業效率提升提供了全新思路。

● 二是務實的創新路徑。技術的真正價值在于商業場景中的落地效果，AI技術更是如此，企業需在實踐中找到創新與務實的平衡點。

● 三是客戶驅動的戰略邏輯。無論技術如何迭代，滿足客戶需求始終是企業成功的核心。這種以客戶為中心的戰略邏輯是所有商業活動的根本。

超越個體智慧的未來圖景

躍盟的實踐不僅是一個創業公司的成長故事，更是一幅關于未來智能社會的預示圖景。

在冪訊架構下，躍盟探索從個體智能到群體智能的躍遷，通過智能體之間的高效協作，實現技術與業務的深度融合。AI技術不再局限于工具，而是成為生態網絡中不可或缺的智能節點，用協作與學習推動整個系統的效率提升。

未來的AI發展方向，也許不再僅僅依賴于單一通用大模型的突破，而是逐漸向行業垂直化和場景專用化邁進。在廣告投放、醫療服務、金融分析等各個領域中，垂直模型能夠更加貼近具體需求，提供高效、定制化的解決方案。技術的價值不在于孤立的創新，而在于能否解決實際問題。

與此同時，這種深度結合不僅實現了技術落地，也推動了企業效率的整體提升，體現了從孤立到協作、從復雜到簡單的升華，為技術驅動企業乃至社會的未來提供了無限可能。這不僅是躍盟的未來圖景，也是AI技術融入人類社會的全新起點。

聲明

本文摘編自案例《躍盟科技：獨角獸如何走出迷霧 成就大規模AI業務落地》（案例編號：2025-8-1-579-1）。部分內容有刪減。案例由長江商學院戰略學教授滕斌圣指導，案例中心高級研究員王小龍撰寫。該案例僅用于課堂討論，而非管理決策或活動是否有效的證明。本案例版權歸長江商學院案例中心所有。

文中圖片來自圖蟲創意，轉載需獲授權。

長江案例

end

點擊下方卡片，關注長江商學院