大数跨境
首页
>
千峰访谈中奥通宇刘向锋：从“交易平台”到“企业采购的智能中枢”
>

千峰访谈中奥通宇刘向锋：从“交易平台”到“企业采购的智能中枢”

千峰访谈中奥通宇刘向锋：从“交易平台”到“企业采购的智能中枢” 未来商业新知
2026-10-29
3
导读：“基座大模型是公共算力基础设施；垂类模型/产业知识层，才是产业互联网公司自己的业务资产，具备长期价值。
“基座大模型是公共算力基础设施；垂类模型/产业知识层，才是产业互联网公司自己的业务资产，具备长期价值。”
刘向锋，北京中奥通宇科技股份有限公司董事长、总经理。中奥通宇是一站式全域数字化采购综合服务商，以技术驱动构建人工智能、大数据等AI技术体系，主要服务集团数字化集采与经销商忠诚度管理、IP化弹性员工福利一站式解决方案两大类客户。本届千峰奖访谈中，刘向锋围绕AI与出海带来的模态进化，分享了中奥通宇在B2B数字化采购方向的实践与判断。
亿邦：本届千峰奖以「AI与出海带来的模态进化」为核心主题，聚焦产业能力的深层重构。结合B2B数字化采购行业，您如何理解这一轮由AI和全球化共同驱动的产业模态进化？中奥通宇在AI能力建设与全球化出海上有哪些核心战略布局？能否具体介绍一下公司的定位及业务模式？
刘向锋：在B2B数字化采购领域，AI与全球化带来的产业模态进化，本质是技术驱动下的供应链协同深层次重构，实现全链路智能自治服务。上一轮数字化解决采购业务“看得见、管得住”；本轮AI模态进化，重构产业能力，解决采购决策“算得清、预判准、自主协同”，一站式数字化采购服务商的角色，从交易平台升级为企业采购智能中枢的产业基础设施服务商。
中奥通宇是一站式全域数字化采购综合服务商。我们以技术驱动，立足本行业，构建了人工智能、大数据技术等AI技术体系。这些技术主要服务于两大类客户：第一是集团数字化集采与经销商忠诚度管理，面向央国企、金融、航空、运营商搭建采购商城、积分与激励体系；第二是IP化弹性员工福利一站式解决方案，依托IP开发经验，提供SaaS福利平台、IP文创定制、全周期履约交付，为工会及各类大型企业提供标准化+定制化采购服务。
亿邦：您把这一轮模态进化概括为几个“转向”？从交易工具到产业知识中枢、从被动响应到主动决策、从单点系统集成到产业生态协同、从标准化产品到自适应解决方案，这四个转向分别怎么理解？
刘向锋：可以概括为四个转向。
第一，从交易工具转向产业知识中枢。一站式采购服务商不再只是订单履约载体，依托大模型、多模态解析能力，沉淀品类知识库、供应商画像、价格基准、合规风控规则，把采购行业隐性经验转化为可计算、可推理的产业知识，继而转变为服务需求。
第二，从被动响应订单转向主动智能决策中枢。传统模式是人发起需求，AI模态下，可自动解析企业业务需求，预测、识别、自动匹配、预判，进而实现需求和风控全链路的智能辅助。
第三，从单点系统集成升级为产业生态协同中枢。打通甲方企业内部系统、多品类供应商、物流、财税、质检等多方数据，用AI做跨主体数据理解与协同，一站式服务覆盖，服务从单纯供货延伸到成本管控、供应商治理、合规管理、碳核算等增值服务。
第四，从固定标准化产品变为可自适应的采购解决方案中枢。不同行业、不同规模企业采购诉求差异大，AI可以理解企业个性化采购规则，动态调整，降低客户定制落地成本。
亿邦：在机会判断上，您看到了哪几个具体方向？分别面向什么样的客户群体？
刘向锋：主要有三个机会。
第一，企业采购降本增效从“节流单点”走向精细化全局优化。企业采购成本分散在众多小额、高频间接物料，品类繁杂、供应商零散，人工管理成本极高。AI可批量解析海量历史订单、报价数据，建立动态价格基准，自动识别溢价、替代物料推荐，挖掘隐性降本空间；同时释放采购人员事务性工作，转向战略供应商管理。这是面向大中型企业集团、多分支机构企业的核心机会。
第二，产业供应链柔性预测与协同机会。当前供应链波动常态化，需求波动、原材料涨价、物流延误频发。AI时序预测模型结合产业采购数据，预测物料需求波动，提前调度供应商库存；当出现交付风险时，自动备选供应商推荐，提升供应链韧性。尤其制造业、连锁零售、工程类企业，对柔性供应链协同需求持续增长。
第三，中小客户轻量化数字化采购的普惠机会。过去数字化采购系统部署周期长、投入高，中小企业难以负担。AI给中小企业的轻量化数字采购带来普惠机会。一站式服务商可以打包“AI+商品+履约+服务”一体化方案，下沉中小客户市场，扩大服务覆盖。
亿邦：目前贵公司在哪些核心业务环节落地了AI/大模型技术？形成了怎样独具特色的AI或数智化竞争力体系？
刘向锋：中奥通宇将AI/大模型落地在采购全流程关键节点，包含自研智能选品体系、需求智能研判、供应商风险预警、价格自动风控、经营数据智能看板等，依托AI体系，可通过API快速对接企业OA、财务等内部信息化系统，覆盖集团各业务场景。
基于以上实践，我们形成数智化竞争力体系：以全栈自研AI数字底座为底层核心，沉淀智能选品、风险预警、需求研判等采购垂类AI能力；中间承接百万级SKU全球供应链与遍布全国的履约服务网络；上层叠加IP文创定制差异化能力。和市面上直接调用通用大模型、只做软件或者只做贸易的模式不一样，我们的AI不是独立工具，是中奥的技术服务能力中枢，深度嵌在真实采购业务当中，技术、供应链、定制三者耦合，真正实现技术能力落地产生业务价值。
亿邦：在纵向打通产供销全链路、横向整合产业资源方面，AI分别发挥了什么作用？
刘向锋：纵向产供销全链路，AI实现了采购全链条的闭环提效。上游，AI完成供应商分级画像、智能需求匹配，快速筛选适配的供应商与商品；中游通过智能选品、价格风控、自动台账，完成比价、订单处理、审计留痕，把大量人工操作自动化；下游联动仓配调度，根据订单特征优化履约分派。从需求发起、选型采购，一直到交付结算，AI打通整条链路，同时满足央国企采购可追溯、可审计的合规硬性要求。
横向产业资源整合层面，我们以自研业务中台作为载体，AI承担资源调度、数据协同的角色。横向串联起供应商资源、全国仓储物流、7×24小时客服体系；对接企业内部财务、OA系统，完成对账、票据流转协同。
在价值链升级维度，一方面实现品牌溢价：AI基于人员画像、使用场景做商品智能匹配，叠加我们IP文创定制能力，为客户打造差异化的员工福利、营销权益方案，跳出同质化价格竞争，提升整体方案价值。
亿邦：能否分享一个最具代表性的“AI+价值链”创新实践案例？它解决了哪些行业共性痛点，创造了哪些可感知、可量化的价值？
刘向锋：行业共性痛点：大型集团分支机构多，福利采购分散，传统模式依靠人工统计需求、比价选型、台账核算，工作量巨大；福利产品同质化严重，员工选择权不足；国资采购要求完整审计留痕；供应商分散，管理难度高。
我们服务大型集团采用AI驱动集团弹性福利与集采一体化平台模式，为客户部署自研SaaS福利管理平台，嵌入AI需求研判、智能选品、价格风险预警模块。AI根据不同分支机构的人员画像、预算额度自动匹配适配商品；平台实现福利发放、台账管理、成本核算全流程线上闭环；对接百万SKU商品库，实现需求预判与对应的服务。
可量化价值：对集团客户，大幅降低采购端人力投入，实现预算精细化管控，全流程操作留痕满足国资审计，通过丰富可选物资，提升员工满意度；对上游供应商，AI输出真实采购需求，统一平台对接，进一步放大集采规模优势。
亿邦：您提到中奥通宇整体以自研规则模型、大数据分析体系为主。算力与TOKEN成本方面是什么策略？
刘向锋：算力与TOKEN方面，我们整体以自研规则模型、大数据分析体系为主。算力成本会随着服务客户规模动态优化。具体TOKEN与算力成本暂不披露。
亿邦：在推进AI规模化落地过程中，数据要素扮演了怎样的支撑角色？中奥通宇更侧重自有产业数据深耕，还是推进跨主体、跨行业的数据协同？核心挑战是什么、如何应对？
刘向锋：对中奥而言，数据是AI在采购行业落地的核心支撑。无论是商品、供应商档案、订单履约、客户采购行为数据，支撑智能选品、风险预警模型迭代；还是外部数据，例如采购行为趋势数据等，都是业务的基础、服务客户的根基。
我们更侧重自有产业数据深耕。大量服务央国企客户，数据安全合规放在首位，我们不开展跨主体、跨行业的数据流通，主要采用标准化API接口，在数据完全隔离前提下完成业务系统安全对接。
过程中遇到的核心挑战有：第一，不同客户业务流程、采购类目差异很大，异构数据标准化治理难度高；第二，政企客户采购数据的安全与隐私风险。我们的应对方式是依托自研中台搭建统一的数据标准，对异构数据清洗治理，功能模块化按需部署；技术层面做到不同客户数据物理隔离存储；制度上遵循ISO27001信息安全体系，严格管控数据访问，客户业务数据绝不对外泄露。
亿邦：您怎么看产业智能体改写B2B？垂类大模型是否有长远发展必要？产业互联网公司的AI护城河在何处？
刘向锋：过去一代产业互联网，核心是信息联网、流程线上化：平台把供需信息、订单、合同搬到线上，本质是人通过系统完成交易，价值是消除信息差、简化单据流转；平台的商业模式偏向流量撮合，决策主体始终是人。产业智能体带来的变化，是从“人驱动的业务流”升级为“智能体自主执行的决策流”。
垂类大模型有长期必要，但不是每家产业互联网公司都要从零训练完整基座大模型。更合理的路径是：通用大模型做基座，采购垂类模型/行业知识引擎做微调与应用。产业互联网公司的务实路线关键是取舍，不是每一家公司都需要投入巨额算力从头训练千亿基座大模型。长远价值在于构建垂类知识体系、行业数据治理、业务对齐能力，可以基于公有基座做微调、RAG、知识图谱、业务规则引擎组合，形成采购领域专用能力，支撑产业智能体运行。一句话总结：基座大模型是公共算力基础设施；垂类模型/产业知识层，才是产业互联网公司自己的业务资产，具备长期价值。
产业互联网企业真正的AI护城河，并不是调用大模型API的能力，而是行业业务自有产业数据+完整业务闭环的结合。大模型只是技术放大器，只有真正扎根实体业务场景，打通技术、供应链、履约全链路，才能构建难以复制的壁垒。“产业闭环+高质量专有业务数据+固化的行业业务知识+深度嵌入业务的智能体工作流”共同形成的AI护城河。
亿邦：您提到产业互联网公司的务实路线关键是取舍，基座大模型是公共算力基础设施，垂类模型/产业知识层才是自己的业务资产。这个判断对中奥通宇的技术路线意味着什么？哪些能力是自研的，哪些可以借助外部基座？
刘向锋：对我们来说，基座大模型是公共算力基础设施，不必从头训练；真正要自研的是采购垂类知识体系、行业数据治理和业务对齐能力。中奥通宇以自研规则模型、大数据分析体系为主，依托自研AI数字底座沉淀智能选品、风险预警、需求研判等采购垂类能力，同时通过标准化API对接企业OA、财务等内部系统。哪些场景用规则模型、哪些场景用大模型、哪些场景用RAG或知识图谱，取决于业务价值和合规要求，不是一刀切。
亿邦：能否介绍一下中奥通宇盈利模式的迭代情况？您怎么看产业互联网企业盈利模式的演变趋势？TOKEN付费如何才能成为行业标配收入模式？
刘向锋：中奥通宇是一站式数字化采购服务商，我们的盈利模式始终围绕通过平台将对的商品提供给对的消费者、小B用户，这其中发挥重要作用的是技术——未来AI相关技术将在服务模式、服务能力、服务效果方面发挥决定性作用。
至于TOKEN付费，目前在我们这个领域，是技术服务能力，而不是对行业客户收费的产品。
亿邦：为统筹AI能力落地、国内价值链升级与海外业务拓展，中奥通宇在组织架构或治理机制上做了哪些关键调整？
刘向锋：组织架构层面，一方面强化研发中心，强化AI、数字底座的迭代研发；另一方面是组织变革，将以消费者的需求成为导向建立快速响应机制，以AI的响应成为源头，底层中台沉淀AI、数据、系统公共能力，支撑全公司复用。前端业务单元面向客户，灵活输出场景化解决方案。面对大型定制化项目，采用跨部门项目制，销售、供应链、IP、研发协同推进。这套模式一方面保障AI、全球化等长期战略持续投入落地；另一方面前端业务保持敏捷，快速响应客户创新需求。
亿邦：在您看来，当前制约企业AI规模化落地、全球化深度拓展的最大内部瓶颈和外部障碍分别是什么？
刘向锋：我认为当前制约企业AI规模化落地的内部瓶颈是，复合型人才稀缺，出现技术与业务脱节。外部障碍及全球化深度拓展方面的挑战，需内部核实后补充。
亿邦：面向2026年及未来两年，中奥通宇在AI能力迭代与全球化布局上有哪些重点投入规划？您预判这会给行业竞争格局带来哪些关键变化？
刘向锋：面向2026年及未来两年，我们在AI能力上，会持续夯实自研技术，开发、优化、迭代产品。迭代升级我们已经落地的智能体，深耕采购垂类场景，围绕供应商风险预警、采购合规审计、绿色采购指标统计这些央国企高频刚需场景打磨模型能力。同时，沉淀采购行业高质量产业数据集，完善数据治理。
站在行业角度预判，未来两年整个B2B数字化采购行业会迎来一轮加速分化。客户在选型的时候，会更看重企业技术水平、供应链履约实力、合规管控水平、差异化服务能力的综合实力。具备AI+供应链+差异化服务复合能力的服务商，竞争优势会持续放大。
作为TO B领域年度风向标，“2026第八届亿邦产业互联网年会暨首届产业智能体大会”将于2026年11月20日在北京召开。主题定为“AI与出海带来的模态进化”，聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会将集结学界权威、央国企标杆、产业龙头、投资机构、服务生态伙伴，汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。同期还将发布年度产业互联网报告及标杆案例，举办决策人闭门会、“千峰奖”颁奖盛典。

【声明】内容源于网络
0
0
未来商业新知
内容 1098
粉丝 1
未来商业新知
总阅读7.0k
粉丝1
内容1.1k