“想用的人、出预算的人和负责推进的人，不是同一个人。”
创业公司下场卖企业级 Agent，最怕听到的坏消息是什么？
是聊了几个月才发现，“想用的人、出预算的人和负责推进的人，不是同一个人”；是各个部门都想往项目里塞一点需求，范围越谈越大，最后谁也拍不了板；又或者是，你精心设计了一套面向中小企业的标准化入口，真正进场才发现，现阶段肯爽快掏钱的根本不是他们。
这些真实的路障，前昆仑万维天工 AI 商业化 VP、Eureka.AI 创始人兼 CEO 杨婷（Sophie Yang）在过去四个月里全撞见了。
今年 7 月，杨婷带着 Eureka.AI 首次受访时，设想的路径还是通过 AI FDE 做成面向中小企业（SMB）的产品入口；四个月过去，当腾讯元器公布停服安排、扣子企业版等产品密集调整、大厂纷纷把能力整合回主干产品时，杨婷也对自己的商业路径动了刀：
她调转枪头，决定先把 KA 大客户的硬骨头啃下来。
这一步调整之后，账面上的反馈非常直接：Eureka.AI 核心产品 S.Harness 正式上线，现有客户 100% 为付费客户——从 POC（概念验证）阶段就开始付费，连前期的业务梳理咨询也有客户主动买单。
一家大型集团 CFO 团队的文档项目，三个月跑通转化，签约与续费直接按两年起步的长期服务推进。
截至目前，团队已累计服务了 20 多家包含上市公司、跨国企业与知名国际高校在内的客户及合作伙伴。
四个月时间，从“想铺中小企业”到“做深大客户长约”，在这次书面回访中，我们跳过了此前的理念框架，让杨婷复盘了这四个月的实际落地、流产的订单，以及被修正的核心判断。
方向调整：先把 KA 大客户做深，再抽离可复用模块
对比 7 月与现在的 Eureka.AI，变化最大的是服务对象的优先级。
“调整比较大的是先服务谁。早期我们希望通过一个相对标准的产品入口接触更多中小企业。现在我们会先把 KA 大客户的具体问题做深，再从里面找出能给更多企业使用的 SBB。”杨婷在回访中写道。
之所以做出这一调整，直接原因来自企业现场的真实状态。
很多企业想用 AI，但刚找过来时需求差别很大：有的只是因为看到 AI 变化快而感到焦虑，觉得“自己应该做点什么”，却不知道从哪件事做起；等到选好了方向，又会卡在一连串具体问题上——公司的资料怎么用？原来的系统怎么接？做出来的结果谁来检查？
相比之下，目前真正愿意付费的，主要是有明确业务问题的大客户。“他们需要有人把事情做完，也需要产品能长期用下去。”
以 Eureka.AI 近期服务的一家大型集团为例，切入点是集团 CFO 和财务团队的跨语言文档工作。
这家集团此前用过通用 AI，但在日常财务工作里还是遇到了不少具体卡点：专业内容和数字要求严谨，信息保密有硬性要求；文档翻译完，术语有没有前后不一致？金额和币种有没有变化？两个版本哪里改了，能不能方便地检查？
这些问题不解决，业务人员就不敢直接用 AI 生成的结果。
在这个项目里，Eureka.AI 的 AI FDE（深入业务现场的工程师）先和财务业务团队一起看具体的文档任务，梳理翻译和对比要求，明确哪些地方需要人工复核；技术接入和专有化部署要求，则拉通 IT 等部门一起往下推进；到了采购环节，再把服务范围和相应流程落实下来。
从接触到最终付费，大约用了三个月，目前按两年起步的长期服务安排持续合作。
在服务了一家 H 股上市公司后，圈内的口碑也带动了新客户——其他遇到类似问题的 H 股上市公司通过圈内交流找过来，直接采购相近的产品和服务。
但这也会带来一个行业通病：深入业务现场做沟通、做适配，如果每个大客户都重新做一遍，怎么避免公司变成纯靠堆人头的传统软件外包？
杨婷给出的解法，是用核心平台 S.Harness 和 SBB（可复用业务模块）把项目经验留下来。
“一开始，投资人给过我们一个挺宝贵的建议，就是把项目里能复用的能力一点点留下来，做成产品。我们一直在照着这个方向做。”杨婷表示。
在项目交付中，团队发现有些工作会反复遇到。比如处理专业文档时，检查术语或核对数字的方法，完全有机会用到其他同类业务里，换一家企业再按它自己的要求做适配。
S.Harness 的作用，就是把这些在业务现场验证过的经验和能力留存为 SBB，供后面的项目调用。
目前，Eureka.AI 内部的 FDE 已经每天高频使用这些 SBB，“哪里不顺手，哪里还要改，大家很快就能发现。”
跑通这一步后，面对中小企业的商业逻辑也变得更清晰：
“中小企业会更直接：一个 SBB 能帮我把眼前的工作做好，用起来也方便，就值得买。”
那些没签下来的单子，教会了 Eureka.AI 什么？
在这次回访中，杨婷特意区分了一个数据口径：前面提到的“20多家”包含了合作伙伴，不能直接等同于付费客户数；但在 Eureka.AI 现有的客户盘子里，所有客户都是付费客户，从 POC（概念验证）阶段就开始付费。
由于目前以 KA 大客户为主，涉及内部系统接入、部署要求和不同工作量的后续服务，费用根据具体产品和服务范围一事一议，暂未对外公布标准版本价格与客单价。
能在 POC 阶段就收上钱，并且把咨询服务也变成付费项，很大程度上源于团队在“没做成的单子”里踩出的经验。
在那些聊了很久、最终却没有签下来的机会里，最常见的是组织决策链的错位：业务部门觉得有必要做，但 IT 部门可能有别的排期安排，而预算又握在另一位负责人手里。
如果客户内部没有人把这件事牵起来，项目就很容易一直停留在讨论阶段。
另一种情况则是需求边界失控：“大家都想加一点需求。这个部门想处理文档，另一个部门想查知识，越谈范围越大，到最后反而不好决定先做什么。”
吃过这两类亏之后，Eureka.AI 调整了前期的推进节奏：现在接触客户，会更早问清楚“谁来负责推进、预算怎么安排、先解决哪件事”。如果客户自己还没有理顺，需要的话就先做付费咨询，把问题边界和落地步骤理清楚。
“做企业 AI，咨询这部分很难省掉……对客户和我们来说，这一步都值得花时间。”
而在产品方向上，这四个月被持续验证的是“从业务成果（Artifact）出发”。
这几个月，团队越来越习惯拿一件具体工作和客户讨论：比如一份专业文档处理完以后，业务人员能不能直接拿去用？需要检查的地方有没有交代清楚？
“拿文档来说，写得通顺还不够，专业内容要对，后面负责复核的人也要用得顺手。评测就得跟着这些要求来做。”
基于这种现场体感，杨婷把大厂近期的动作（如扣子企业版调整、腾讯元器停服、能力整合进主干产品）以及 MCP、Skills 等接口的标准化，都看作对中间层创业公司的利好。
一方面，大厂做好通用能力、接口走向标准化，能让团队少花精力处理底层连接问题，把时间腾出来研究客户的业务；另一方面，通用工具依然替代不了企业应用的“最后一公里”——“比如同样是翻译文档，财务部门对金额的要求，和研发部门对技术术语的要求，就很不一样。还要考虑谁来用、怎么接进现有工作。”
至于行业里热议的 Skills Marketplace（技能市场），Eureka.AI 目前也没有去追求 Skill 的上架数量。
“现在 Skill 很多，好不好用还得筛选。有些单独试用时不错，放进企业的流程里，又需要调整。”杨婷认为，企业里有很多常说的 know-how（比如一份资料什么地方容易出错、哪些结果需要人再看一遍），把这些经验放进去，AI 才有机会帮客户省时间、少返工。
因此，判断 Skills Marketplace 这门生意成不成立，她只看有多少企业和用户在真实使用、解决了什么问题，以及是否有人愿意持续为此付费。
出海东南亚：在业务跑通前，“别乱花钱”
在全球化布局上，杨婷曾代表团队参加 OpenAI × EPIC 在新加坡的生态活动，团队与英伟达、OpenAI、ISC.AI、Google 等也保持着专家参与、活动交流或具体业务对接等不同形式的联系。
在交流中，Eureka.AI 也会把自己在客户现场看到的问题——比如企业为什么愿意用、试过以后卡在哪里——带给技术伙伴做参考。
“初步接触下来，这两个市场对我们的 SBB 有兴趣。我们觉得，从一项明确的业务能力切进去，再去找有同类需求的客户，可能会推进得更快。”杨婷表示，接下来的步骤依然是先把当地需求弄清楚，找到合适的伙伴，技术团队再跟上支持，根据“当地客户需要什么、愿意为什么付费”的判断来决定资源投入。
谈及中国 Agent 产品出海实际趟下来的最大教训，问题原本指向合规、支付、渠道或海外客户是否接受国内的产品叙事，但杨婷给出的回答聚焦在成本控制上：
“我可能要说一句老生常谈的话：别乱花钱。”
在她看来，去一个新市场很容易兴奋起来，觉得要招人、要租办公室、要把团队搭起来。“但这些钱花出去之前，我会先问，客户的事情推进到哪一步了？现在这笔投入，能帮我们解决什么问题？”
相比为了把场面做大而提前背上固定成本，她更倾向于先和靠谱的伙伴做出一个具体项目，再根据业务需要加人、加投入。
“合规和支付这些问题都要认真处理，实践中也需要一步步走通。对创始人来说，尤其要管住自己的冲动，把钱花在眼下确实需要的地方。”
从大厂商业化 VP 到创业：先把眼前的一件事做好
从昆仑万维天工 AI 商业化 VP 到自己创业，杨婷感受最深的变化是“要自己拿主意、自己负责的事情多了”。
做职业经理人时，有现成的平台和相对清楚的分工；创业以后，产品怎么做、客户愿不愿意买、手里的钱够做哪些事，都得自己想清楚，几件事同时过来时还得决定先顾哪一头。
这也让她的关注点变得非常具体：“现在一个具体的进展，就能让我挺开心。比如客户愿意把问题讲透，产品开始进入日常使用，或者客户愿意继续合作。这些事情会让你觉得，前面花的时间有了回应。”
对于未来 12 个月，Eureka.AI 除了继续服务好目标客户、把 FDE 在项目里积累的 SBB 沉淀到 S.Harness 中复用之外，也在探索“AI 原生用户访谈和产品共创”方向——从具体需求做起，帮企业弄清楚用户在使用产品时到底遇到了什么、收到反馈后又该怎么改。
而在杨婷心里，检验未来这一年做得及不及格的标准很简单：“如果一年以后，客户还在日常工作中用我们的产品，愿意继续合作，遇到新问题也愿意来找我们，我会觉得这一年做得不错。能让用户用习惯了、离不开，当然更好。”
在回访最后，给同样想做 Agent 中间层的同行留一句忠告时，杨婷写道：
“这个时代不缺仰望星空的人，更需要脚踏实地。能把客户眼前的一件事做好，就值得认真去做。”
访谈精选 Q&A
受访人
Eureka.AI 创始人兼 CEO 杨婷（Sophie Yang）
第一问：哪些判断被验证，哪些被调整了
Q1：7月时，你们还在探索AI FDE的产品化。现在S.Harness正式上线了吗？有多少客户实际用过？客户从接触产品到拿到第一个可交付成果，情况怎么样？
杨婷：S.Harness已经正式上线。到现在，Eureka.AI服务了20多家客户及合作伙伴，其中有上市公司和跨国企业，也有知名国际高校。
这几个月，我们越来越习惯拿一件具体工作和客户讨论。比如一份专业文档，处理完以后，业务人员能不能直接拿去用？需要检查的地方有没有交代清楚？我们讲的Artifact，就是这样可以拿来工作的成果。
从接触到做出第一个成果，每家客户的情况差别挺大。有的需求很明确，上来就知道要做什么。有的还要先讨论从哪里开始，再找内部的人一起推进。转化率的具体数字，这次先不披露。
我们比较看重的是后面的使用情况。客户愿意拿真实工作来用，也愿意告诉我们哪里不好用，产品就能继续往前改。
Q2：回头看7月提出的Artifact-first、S.Harness中间层和双边咬合，这几个月哪些判断得到了验证？哪些做了调整？
杨婷：“从业务成果出发”这个判断，我们更坚定了。
客户会用自己的材料来试，也会按自己的工作标准来检查。拿文档来说，写得通顺还不够，专业内容要对，后面负责复核的人也要用得顺手。评测就得跟着这些要求来做。
调整比较大的是先服务谁。早期我们希望通过一个相对标准的产品入口接触更多中小企业。现在我们会先把KA大客户的具体问题做深，再从里面找出能给更多企业使用的SBB。
“双边咬合”听起来有点抽象，放在项目里就好理解了。客户最清楚自己的业务，行业专家和实施伙伴有各自的方法。我们和他们一起，把这些方法做进产品里。先把一个项目配合好，后面才谈得上扩大合作。
这几个月没有让我们放弃原来的方向，倒是让我们更清楚应该先做什么。
第二问：大厂整合之后，中间层还剩多少机会
Q3：现在大厂都在整合Agent能力，一些独立Agent平台也在调整甚至停服。对Eureka.AI来说，这是利好还是警示？中间层还有多大机会？
杨婷：对我们来说，我更倾向于看利好。模型和工具越来越好，企业开始用AI会更容易，我们能做的事情也会更多。
我们选的位置很明确，就是企业应用的最后一公里。
大厂会把通用能力做好，但到了每家企业，还是要有人弄清楚它的业务。比如同样是翻译文档，财务部门对金额的要求，和研发部门对技术术语的要求，就很不一样。还要考虑谁来用、怎么接进现有工作。
这些事情需要和客户一起做，也是我们投入精力的地方。
S.Harness会把项目里适合复用的部分留下来，让我们做下一个同类应用时，有现成的能力可以用。
我觉得这个位置有机会。能不能把机会抓住，还是看我们做出来的东西，客户愿不愿意一直用。
第三问：付费、收费与获客，账怎么算
Q4：Eureka.AI现在的付费情况怎么样？企业客户从POC阶段就开始付费了吗？目前是大客户为主，还是中小企业更多？
杨婷：我们目前的客户都是付费客户，从POC，也就是概念验证阶段，就开始付费。
前面说的20多家包含合作伙伴，不能直接当成付费客户数。收入和更细的客户占比，这次先不展开。
做企业AI，咨询这部分很难省掉。有些客户需要先想清楚做什么，哪些事情值得先投钱。有些方向定了，还需要我们帮忙梳理落地的步骤。我们的一部分客户，也会主动为这类服务付费。
现在还是大客户为主。我们在项目中把问题弄清楚，也会看哪些需求是相通的，哪些方法能做成SBB。这样服务客户的过程，也在帮助我们改进产品。
Q5：Eureka.AI现在怎么收费？大客户定制化交付和未来面向中小企业的标准化产品，商业模式有什么不同？
杨婷：目前客户以KA大客户为主，收费要看具体做什么。
有的需要接内部系统，有的对部署有专门要求，后续服务的工作量也不一样。我们会把产品和服务的范围谈清楚，再确定费用。这次先不公布版本价格、平均客单价和付费周期。
中小企业会为好用的SBB买单，我对这一点比较有信心。
比如一项文档处理能力，能解决它经常遇到的问题，也不需要花很大力气才能用起来，客户就有购买的理由。
所以我们会先在大客户项目里把能力做扎实，再把能复用的部分做成模块。以后企业可以根据自己要解决的问题，选择合适的SBB。
这是我们一直在推进的产品方向。
Q6：你们的客户主要从哪里来？从接触到最终付费，生态伙伴和口碑在获客中发挥了多大作用？
杨婷：主要还是来自可靠的生态伙伴，来源也比较多。行业里的合作、技术圈的交流都会带来机会，熟人之间的口碑也很重要。
比如我们服务了一家H股上市公司后，也有其他H股客户通过圈内交流找过来。他们遇到了类似的问题，就来采购相近的产品和服务。这样的客户通常对我们做过什么有一些了解，聊起来会更具体。
不过，客户刚来时的需求差别很大。
有的只是焦虑，觉得AI变化这么快，自己应该做点什么。也有的已经想得很清楚，知道哪一步最费人，想要什么产品，连怎么放进自己的工作流程都考虑过了。
我觉得企业客户可以成为很好的产品经理。他们懂自己的业务，也能定义自己需要什么。我们负责把这些想法做出来，再和客户一起看哪些地方可以重复使用。
所以生态的投入，很难都算成一个获客成本。有些合作直接带来客户，有些是在行业里慢慢建立信任，后面才出现机会。
转化率和成本数字这次先不披露，我们也会分开看不同渠道的实际效果。
第四问：一个真实客户，和那些没签成的单子
Q7：能不能讲一个真实客户案例？从最初接触、解决问题到最终付费，Eureka.AI究竟帮客户完成了什么？
杨婷：可以讲一家大型集团。
我们从CFO和财务团队的文档工作做起。他们有很多跨语言资料，专业内容和数字都要很严谨，对信息保密也有要求。
客户之前用过通用AI，但在日常工作里，还有不少具体问题要解决。
比如文档翻译完，术语有没有前后不一致？金额和币种有没有变化？两个版本哪里改了，能不能方便地检查？这些都会影响他们怎么使用结果。
我们先和业务团队一起看具体的文档任务，梳理翻译和对比的要求，也讨论哪些地方需要人工复核。技术上怎么接入，再和IT等部门一起往下推进。
FDE在中间要做很多沟通，把业务的要求讲清楚，也让客户了解技术上怎么实现。
从接触到付费，大约三个月。目前合作还在持续，签约与续费按两年起步的长期服务安排推进。具体金额就不公开了。
这类项目给我们的感受很直接：把客户每天要用的文件处理好，把那些容易出问题的细节照顾到，客户就有理由继续合作。
Q8：有没有谈了很久却最终没签下来的客户？企业AI项目最容易卡在哪个环节？这些失败让你们调整了什么？
杨婷：有，确实有聊了很久，最后没有签下来的机会。
有时卡在一个很实际的问题上：想用的人、出预算的人和负责推进的人，不是同一个人。
业务部门觉得有必要做，IT那边可能有别的安排，预算又在另一位负责人手里。如果没有人把这件事牵起来，就容易一直停在讨论阶段。
还有一种情况是，大家都想加一点需求。这个部门想处理文档，另一个部门想查知识，越谈范围越大，到最后反而不好决定先做什么。
所以我们现在会更早问清楚，谁来负责推进，预算怎么安排，先解决哪件事。
需要的话，就先做付费咨询，把问题理顺。对客户和我们来说，这一步都值得花时间。
第五问：Skill 怎么沉淀成能复用的 SBB
Q9：你们一直强调把项目中的Skills沉淀成可复用的SBB。现在积累得怎么样？如何判断一个Skill真正有产品价值？
杨婷：我们没有太追求Skill的数量。
现在更习惯从SBB来看产品：这块功能能解决什么问题，下次遇到类似的工作，还能不能接着用。
比如专业文档里的术语处理、数字检查，都有机会做成可复用的模块。至于哪些方法好用，还是得放到工作里试。
现在我们内部的FDE已经每天高频使用这些SBB，哪里不顺手，哪里还要改，大家很快就能发现。
一开始，投资人给过我们一个挺宝贵的建议，就是把项目里能复用的能力一点点留下来，做成产品。我们一直在照着这个方向做。
数量排名和第三方分成，这次先不报数字。
我更想把已有的模块打磨好，让团队愿意反复用，后面的项目也用得上。
第六问：马来西亚、越南，和出海最大的坑
Q10：你负责Eureka.AI的全球化生态。现在海外市场推进到哪一步了？为什么最近重点关注马来西亚和越南？
杨婷：新加坡对我们连接区域伙伴很有帮助。不过具体去哪个市场，我们会跟着业务需求走。
初步接触下来，这两个市场对我们的SBB有兴趣。我们觉得，从一项明确的业务能力切进去，再去找有同类需求的客户，可能会推进得更快。
接下来还是先把当地需求弄清楚，找到合适的伙伴，技术团队再跟上支持。
我希望先做成具体的事。当地客户需要什么，愿意为什么付费，有了这些判断，再决定要投多少资源。
Q11：公开资料提到你们与OpenAI、英伟达、Google等国际AI企业有生态联系。这些合作具体是什么形式？对Eureka.AI有什么实际帮助？
杨婷：我曾代表团队参加OpenAI × EPIC在新加坡的生态活动。
我们和英伟达、OpenAI、ISC.AI、Google等也有不同形式的联系。有的是专家参与，有的是活动交流，也有在推进具体业务对接。每一种关系的形式和进展不完全一样。
对我们来说，这些交流很有帮助。能接触到新的技术，也能了解其他市场的企业在做什么。碰到合适的伙伴，就可以拿具体需求一起讨论，看看能不能合作。
我们也会把自己在客户现场看到的问题带进去。企业为什么愿意用，试过以后卡在哪里，这些经验对技术伙伴也有参考价值。
我希望双方在实际做事中把合作加深。
Q12：中国Agent产品出海，你实际走下来最大的坑是什么？有没有什么经验是想特别提醒创业者的？
杨婷：我可能要说一句老生常谈的话：别乱花钱。
去一个新市场，很容易兴奋起来，觉得要招人，要租办公室，要把团队搭起来。
但这些钱花出去之前，我会先问，客户的事情推进到哪一步了？现在这笔投入，能帮我们解决什么问题？
我不希望公司为了把场面做大，就提前背上很多固定成本。
先和靠谱的伙伴做出一个项目，再根据业务需要加人、加投入，我会更踏实一些。
合规和支付这些问题都要认真处理，实践中也需要一步步走通。
对创始人来说，尤其要管住自己的冲动，把钱花在眼下确实需要的地方。
第七问：Skills Marketplace 是不是一门生意
Q13：现在MCP、Skills等接口逐渐标准化，Skill也越来越多。你还看好Skills Marketplace这门生意吗？企业为什么愿意为Skill付费？
杨婷：标准化对我们是好事。工具更容易接起来，我们就可以少花些精力处理连接的问题，多花时间研究客户的业务。
企业里有很多具体经验，也就是常说的know-how。
比如一份资料什么地方容易出错，哪些结果需要人再看一遍。把这些经验用进去，AI才有机会帮客户省时间、少返工。这部分工作还是要有人做。
现在Skill很多，好不好用还得筛选。有些单独试用时不错，放进企业的流程里，又需要调整。我们会在SBB的实际使用中继续做这些工作。
所以看Skills Marketplace，我会先看有多少企业和用户在用，用它解决了什么问题。
有人愿意持续使用，也愿意为此付费，这门生意就有继续做下去的基础。
第八问：未来 12 个月的及格线
Q14：未来12个月，Eureka.AI最重要的目标是什么？做到什么程度，你会觉得这一年是及格的？
杨婷：还是把目标客户服务好，多做成几个项目，把产品改得更好用。
我们希望S.Harness让客户日常用起来更方便，FDE在项目里积累的SBB也能帮到后面的客户。
客户提过的问题，后面能在产品里得到解决；做过的方法，下个项目也能用得上。这样一点点积累下来，团队做事会更有底气。
AI原生用户访谈和产品共创，也是我们在探索的方向。
企业想知道用户使用产品时到底遇到了什么，收到反馈后又该怎么改。我们会从具体需求做起，看看AI在哪一段能帮上忙。
如果一年以后，客户还在日常工作中用我们的产品，愿意继续合作，遇到新问题也愿意来找我们，我会觉得这一年做得不错。
能让用户用习惯了、离不开，当然更好。
Q15：从昆仑万维天工AI商业化VP到自己创业，最大的落差是什么？如果给想做Agent中间层的创业者一句忠告，你会说什么？
杨婷：最大的感受是，要自己拿主意、自己负责的事情多了。
做职业经理人，有一个现成的平台，也有相对清楚的分工。
创业以后，产品要怎么做，客户愿不愿意买，手里的钱够做哪些事，都得自己想清楚。有时几件事一起过来，你还得决定先顾哪一头。
所以现在一个具体的进展，就能让我挺开心。
比如客户愿意把问题讲透，产品开始进入日常使用，或者客户愿意继续合作。这些事情会让你觉得，前面花的时间有了回应。
给同行一句忠告的话，还是那句：
这个时代不缺仰望星空的人，更需要脚踏实地。
能把客户眼前的一件事做好，就值得认真去做。
