广告
加载中

千峰访谈找钢网集团张晓坤:产业AI助力全球供应链服务

亿邦动力 2026-11-04 14:34
亿邦动力 2026/11/04 14:34

邦小白快读

EN
全文速览

总:找钢网集团是国内领先的产业AI服务平台,全年平台交易额突破1500亿元,电商、物流、软件订阅等业务规模长期稳居行业第一。

1.核心数据:每月大模型调用超800万次、Token消耗超500亿,1400多个AI智能体每月自动执行60万次以上业务任务;2026年上半年AI业务直接带动GMV超11亿元。

2.可用产品:找钢龙虾按五步法分步落地,包含业务管理、业务知识、业务内勤三个专家角色,加销售自动化、内勤自动化两个板块;NextB2B是开箱即用的AI生意工作台。

3.真实案例:天津某头部型管材贸易商,复杂商品自动报价率达76%,从首次问询到主动续费只用了80天,其间完成7轮服务交互。

4.付费方式:结果付费、年度订阅、Token按量付费三种,其中结果付费按AI促成或匹配的实际交易GMV收服务费。

总:找钢网集团把自身定位为产业AI化的领军者,使命是“用AI连接贸易流通的每个环节”,并用分层产品线覆盖不同客群。

1.品牌与产品矩阵:找钢龙虾面向钢贸流通企业,NextB2B由找钢网集团与腾讯WorkBuddy联合出品,面向非钢行业B2B贸易企业提供销售、采购、内勤、运营四位AI专家,形成开箱即用的AI生意工作台。

2.定价与价格逻辑:结果付费按AI促成或匹配的实际交易GMV收费;年度订阅为“智能体底座+功能模块”;Token按量付费在套餐基础额度用完后按实际消耗加收,且必须与业务价值绑定,而非按算力消耗收费。

3.用户行为与渠道:B2B最终都要落到IM沟通上,找钢通过企业微信打通最核心的过程数据;采用一客一群的服务方式,客户80天主动续费。

4.能力复制:AI能力已在电子元器件等行业得到验证,实现上亿料号的智能匹配。

总:文章给卖家的核心信息是海外市场与AI算力基建供应链两条增长线,以及可直接借鉴的落地方法与合作方式。

1.增长市场:2026年上半年国际业务收入5.76亿元、同比增长70.10%,其中东南亚4.22亿元、同比增长115.42%,海外收入占比达55.5%,首次超过国内;布局阿联酋、沙特、泰国、马来西亚、印度尼西亚等市场。

2.机会提示:上半年服务算力中心项目27家、新增14家,项目收入同比增长260.2%,供应品类从钢铁扩展到智能电气、精密阀门、高等级管道等六大机电品类。

3.可学习点:真人+Agent联合作战会成为所有B2B企业的组织标配;按五步法分步落地;信息化基础薄弱的企业有机会跳级进化,绕过部分传统系统建设,直接建立AI原生业务流程。

4.合作与商业模式:与央国企海外子公司合作供应钢铁与MRO产品;收费上跑通结果付费、年度订阅、Token按量付费。

5.风险与边界提示:该自研的自研、该借力的借力,依托成熟Agent平台解决80%通用需求,团队聚焦20%行业高阶难题。

总:对工厂而言,这篇文章的价值在于需求侧的产品品类扩张、生产与管理端的效率改造路径,以及数字化建设的可借鉴打法。

1.产品与设计需求:海外项目供应品类从钢铁扩展到智能电气、精密阀门、高等级管道等六大机电品类;钢管等商品规格写法千奇百怪,需要AI完成复杂商品的识别与自动报价,案例中自动报价率达到76%。

2.效率改造:累计自动生成并发送超135万份业务单据,处理近633万笔收付款单,整合286家仓库,自动处理超10.7万次收货确认、近19万次车辆资质审查、超71万次物流监管,单据处理、资金结算、风控、仓储等中后台环节效率提升60%以上。

3.数字化启示:自研产业本体蒸馏器,把十四年积累的交易、沟通、履约、运营数据持续清洗、蒸馏为动态进化的产业本体图谱,并转化为可复用的Skill、MCP及Agentic工作流;打通IM信息流与交易流形成闭环数据。

4.资产化信号:AIAgent等核心数字资产已开展入表工作,集团形成数字资产超775.9万元。

总:文章完整呈现了产业AI的客户痛点、解决方案与竞争趋势,对服务商做产品封装与定价设计有直接参考价值。

1.客户痛点:钢管询盘规格写法千奇百怪、询盘从四面八方涌进微信、报价慢一拍单子就没了;钢贸等传统企业缺乏AI体系搭建能力,难以从零起步。

2.解决方案:找钢龙虾把五个模块对应钢贸企业真实岗位动作;NextB2B预置销售、采购、内勤、运营四位AI专家;通用Agent像莱卡相机,强但门槛高,其产品做成傻瓜相机,预置行业框架和交易逻辑,客户简单配置就能落地。

3.新技术要素:产业本体蒸馏器、产业本体图谱、Skill、MCP、Agentic工作流,以及AI Agent核心数字资产入表。

4.趋势判断:模型越强产业越重要,通用大模型能力同质化后,拉开差距的是真实产业场景、高质量闭环数据、多年沉淀的行业Know-how;未来竞争不是单个模型或单个智能体的竞争,而是整个产业智能化体系的竞争。

总:文章系统展示了产业平台的AI体系建设路径、生态合作方式与计费设计,同时给出了明确的取舍与风向判断。

1.平台做法:三层闭环——自身交易平台全面智能化;用真实业务数据持续驱动产业本体进化再反哺平台;把经过业务验证的AI能力封装成标准化产品对外输出。

2.生态与招商:NextB2B由找钢网集团与腾讯WorkBuddy联合出品,采用“WorkBuddy官方标准版+找钢行业专家增值服务”模式;找钢龙虾以“智能体底座+功能模块”提供订阅服务。

3.运营管理:日均基于大模型处理超1900万条信息,解析准确率95%以上;重复性、规则性工作交给AI,人更多承担异常处理、复杂决策和客户关系维护。

4.风向规避:2026年6月做出关键决策,依托成熟Agent平台解决80%通用需求,团队聚焦20%行业高阶难题,做电器而不是造发电机、铺国家电网;Token收费必须与业务价值绑定,不能简单按算力消耗计费。

总:文章提供了产业AI演进的若干新命题与可验证的经营数据,可作为产业互联网与B2B智能体研究的样本。

1.产业新动向:AI从“辅助人的工具”变成“直接干活的生产力”;模型越强产业反而越重要,差距来自真实产业场景、高质量闭环数据与行业Know-how;B2B本质是对话驱动型生意,先有信息流才有贸易流。

2.新问题:垂类大模型是否有必要长期自研,自研与借力的边界如何划定;过去被视为短板的信息化基础薄弱,在Agent时代是否不再是劣势,跳级进化路径是否可复制到钢铁、化工、电子电气、物流货代等行业。

3.商业模式:跑通结果付费、年度订阅、Token按量付费三种模式;Token成为行业标配的前提是与业务价值绑定而非按算力消耗收费;竞争从单模型转向产业智能化体系。

4.数据佐证:2026年上半年AI业务GMV达11.05亿元、同比增长73.2%,AI业务毛利超1330万元、同比增长63.4%;AIAgent等核心数字资产入表,集团数字资产超775.9万元。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

Overall: Zhaogang Group is a leading industrial AI service platform in China. Its annual platform transaction value exceeded RMB 150 billion, and its e-commerce, logistics, software subscriptions, and other businesses have long ranked first in the industry.

1. Core metrics: more than 8 million large-model calls per month and over 50 billion tokens consumed; more than 1,400 AI agents automatically execute over 600,000 business tasks each month; in H1 2026, the AI business directly drove more than RMB 1.1 billion in GMV.

2. Available products: Zhaogang Lobster is implemented step by step under a five-step method, with three expert roles—business management, business knowledge, and business back-office—plus two modules: sales automation and back-office automation. NextB2B is an out-of-the-box AI business workbench.

3. Real case: a leading steel pipe/tube trader in Tianjin achieved a 76% automated quotation rate for complex products; it went from first inquiry to proactive renewal in just 80 days, with seven rounds of service interactions in between.

4. Payment models: outcome-based billing, annual subscription, and usage-based token billing. Outcome-based billing charges for actual transaction GMV facilitated or matched by AI.

Overall: Zhaogang Group positions itself as a leader in industrial AI, with a mission of "use AI to connect every link of trade and circulation," and uses a layered product line to cover different customer segments.

1. Brand and product matrix: Zhaogang Lobster targets steel trading and circulation companies. NextB2B, jointly launched by Zhaogang Group and Tencent WorkBuddy, provides four AI experts—sales, procurement, back-office, and operations—for non-steel B2B trading enterprises, forming an out-of-the-box AI business workbench.

2. Pricing and pricing logic: outcome-based billing charges on actual transaction GMV generated or matched by AI; annual subscription consists of an "agent foundation + functional modules"; usage-based token billing adds charges based on actual consumption after the base package allowance is exhausted, and must be tied to business value rather than billed by compute usage.

3. User behavior and channels: B2B ultimately comes down to IM communication; Zhaogang connects the most critical process data through WeCom; it uses a one-customer-one-group service model, and a customer renewed proactively within 80 days.

4. Capability replication: AI capabilities have been validated in electronic components and other industries, enabling intelligent matching of hundreds of millions of SKUs.

Overall: The core message for sellers is two growth lines—overseas markets and the AI compute infrastructure supply chain—along with directly actionable implementation methods and partnership models.

1. Growth markets: H1 2026 international business revenue reached RMB 576 million, up 70.10% year-on-year, of which Southeast Asia contributed RMB 422 million, up 115.42% year-on-year; overseas revenue accounted for 55.5%, surpassing domestic revenue for the first time; the footprint includes the UAE, Saudi Arabia, Thailand, Malaysia, Indonesia, and other markets.

2. Opportunity signal: in H1, it served 27 compute-center projects, including 14 new ones; project revenue grew 260.2% year-on-year; supply categories expanded from steel to six major electromechanical categories, including intelligent electrical equipment, precision valves, and high-grade pipes.

3. Lessons: human + Agent joint operations will become the organizational standard for all B2B companies; implement step by step under the five-step method; companies with weak IT foundations have an opportunity to leapfrog, bypassing some traditional system buildout and directly establishing AI-native business processes.

4. Cooperation and business model: partner with overseas subsidiaries of central SOEs to supply steel and MRO products; validate outcome-based billing, annual subscription, and usage-based token billing.

5. Risk and boundary guidance: self-develop what should be self-developed and leverage what should be leveraged; rely on mature Agent platforms to solve 80% of general needs while teams focus on the 20% high-end industry challenges.

Overall: For factories, the article's value lies in demand-side product category expansion, efficiency transformation paths in production and management, and referable approaches to digitalization.

1. Product and design demand: overseas project supply categories expanded from steel to six major electromechanical categories, including intelligent electrical equipment, precision valves, and high-grade pipes; specifications for steel pipes and other products are written in highly varied ways, requiring AI to identify complex products and quote automatically; in the case, the automated quotation rate reached 76%.

2. Efficiency transformation: cumulatively automatically generated and sent over 1.35 million business documents, processed nearly 6.33 million payment and receipt orders, integrated 286 warehouses, and automatically processed over 107,000 receipt confirmations, nearly 190,000 vehicle qualification reviews, and over 710,000 logistics supervision events; efficiency in document processing, fund settlement, risk control, warehousing, and other middle- and back-office functions improved by more than 60%.

3. Digitalization insights: self-developed an industrial ontology distiller that continuously cleanses and distills 14 years of accumulated transaction, communication, fulfillment, and operations data into a dynamically evolving industrial ontology graph, and converts it into reusable Skills, MCPs, and Agentic workflows; connects IM information flow with transaction flow to form closed-loop data.

4. Assetization signal: core digital assets such as AI Agents have begun balance-sheet recognition; the group has formed digital assets exceeding RMB 7.759 million.

Overall: The article fully presents customer pain points, solutions, and competitive trends in industrial AI, offering direct reference value for service providers in product packaging and pricing design.

1. Customer pain points: steel pipe inquiry specifications are written in wildly varied ways, inquiries pour into WeChat from all directions, and a delayed quote can cost the order; traditional steel trading and other enterprises lack the ability to build AI systems and struggle to start from zero.

2. Solutions: Zhaogang Lobster maps its five modules to real job actions at steel trading companies; NextB2B comes with four preset AI experts—sales, procurement, back-office, and operations; general Agents are like Leica cameras—powerful but high-threshold—while its product is designed as a point-and-shoot camera, with prebuilt industry frameworks and trading logic, so customers can go live with simple configuration.

3. New technology elements: industrial ontology distiller, industrial ontology graph, Skills, MCP, Agentic workflows, and balance-sheet recognition of AI Agent core digital assets.

4. Trend judgment: the stronger the model, the more important the industry; as general large-model capabilities become homogeneous, differentiation comes from real industrial scenarios, high-quality closed-loop data, and years of accumulated industry know-how; future competition is not among individual models or individual agents, but among entire industrial intelligence systems.

Overall: The article systematically shows the AI system-building path, ecosystem cooperation approaches, and billing design of an industrial platform, while providing clear trade-offs and trend judgments.

1. Platform approach: a three-layer closed loop—make its own trading platform fully intelligent; continuously use real business data to drive the evolution of the industrial ontology and feed the results back into the platform; package business-validated AI capabilities into standardized products for external distribution.

2. Ecosystem and merchant recruitment: NextB2B, jointly launched by Zhaogang Group and Tencent WorkBuddy, adopts a model of "WorkBuddy official standard edition + Zhaogang industry expert value-added services"; Zhaogang Lobster provides subscription services through an "agent foundation + functional modules" model.

3. Operations management: daily processing of more than 19 million pieces of information based on large models, with parsing accuracy above 95%; repetitive, rule-based work is handed to AI, while people take on more exception handling, complex decision-making, and customer relationship maintenance.

4. Strategic trade-offs and avoiding trend pitfalls: In June 2026, it made a key decision to rely on mature Agent platforms for 80% of general needs, with the team focusing on the 20% high-end industry challenges—making electrical appliances rather than building generators or laying national power grids; token billing must be tied to business value and cannot simply be charged by compute consumption.

Overall: The article offers several new propositions in the evolution of industrial AI and verifiable operating data, and can serve as a sample for research on the industrial internet and B2B agents.

1. New industry trends: AI is shifting from "a tool that assists people" to "productivity that does the work directly"; the stronger the model, the more important the industry, with gaps arising from real industrial scenarios, high-quality closed-loop data, and industry know-how; B2B is essentially a conversation-driven business—information flow precedes trade flow.

2. New questions: whether vertical large models need long-term self-development, and how to define the boundary between self-development and leveraging external capabilities; whether a weak IT foundation—once seen as a disadvantage—is no longer a disadvantage in the Agent era, and whether the leapfrog path can be replicated in steel, chemicals, electronics/electrical, logistics and freight forwarding, and other industries.

3. Business models: validated three models—outcome-based billing, annual subscription, and usage-based token billing; the prerequisite for token billing to become an industry standard is being tied to business value rather than charged by compute consumption; competition shifts from single models to industrial intelligence systems.

4. Data evidence: in H1 2026, AI business GMV reached RMB 1.105 billion, up 73.2% year-on-year; AI business gross profit exceeded RMB 13.3 million, up 63.4% year-on-year; core digital assets such as AI Agents were recognized on the balance sheet, with the group's digital assets exceeding RMB 7.759 million.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

【亿邦原创】张晓坤,找钢网集团管理合伙人兼副总裁。找钢网集团是国内领先的产业AI服务平台,全年平台交易额突破1500亿元,电商、物流、软件订阅等业务规模长期稳居行业第一。目前,找钢每月大模型调用超800万次、Token消耗超过500亿,1400多个AI智能体每月自动执行60万次以上业务任务;2026年上半年,AI业务直接带动公司GMV超11亿元,海外收入占比首次超过国内。本届千峰奖访谈中,张晓坤围绕「AI与出海带来的模态进化」,分享了找钢网的实践与判断。

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AI应用和钢铁贸易流通行业,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?找钢网有哪些核心战略布局?能否介绍一下公司的定位及业务模式?

张晓坤:找钢网集团的使命是「用AI连接贸易流通的每个环节」,定位是产业AI化的领军者。这一轮模态进化的本质,是AI从「辅助人的工具」变成「直接干活的生产力」——贸易流通行业里大量依赖人与人沟通、确认、流转的环节,第一次可以被智能体承接。今年我最大、也最坚定的感受是:模型越强,产业反而越重要。当通用大模型的能力越来越同质化,算力、算法、底座能力大家都差不多,真正拉开差距的是模型之外的三件事:真实的产业场景、高质量的闭环数据、沉淀多年的行业Know-how。

我们的战略,是用自研的产业本体蒸馏器,把十四年积累的交易、沟通、履约、运营数据持续清洗、蒸馏、沉淀,形成动态进化的产业本体图谱,并转化为可复用的Skill、MCP及Agentic工作流,推动贸易流通行业全流程AI化。这里有一个关键前提:适合AI的高质量数据集一定是闭环的。找钢是典型的对话驱动型B2B企业,询价、议价、客情磋商大量发生在IM对话里——先有信息流,才有贸易流。我们打通了IM聊天信息流和产业贸易流,把藏在对话里的过程信息持续送入本体蒸馏链路,给智能体供给完整上下文。报告期内,AIAgent等核心数字资产已开展入表工作,集团形成数字资产超775.9万元。

落到产品上是两条AI产品线:找钢龙虾服务钢贸流通企业,按「五步法」分步落地——业务管理、业务知识、业务内勤三个专家角色,加销售自动化、内勤自动化两个板块;NextB2B由找钢网集团与腾讯WorkBuddy联合出品,面向非钢行业的B2B贸易企业,提供销售、采购、内勤、运营四位AI专家,是一套开箱即用的AI生意工作台。我们坚信,「真人+Agent联合作战」会成为所有B2B企业的组织标配。

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?

张晓坤:我们已经形成了一套从内部业务智能化、产业本体动态进化,到AI能力产品化输出的完整体系。这三层不是简单的技术叠加,而是相互促进、持续进化的闭环。

第一层,是找钢自身交易平台的全面智能化。

我们选择从最复杂的B2B交易全流程切入,让AI真正进入业务。截至2026年6月30日,找钢龙虾每天基于AI大模型处理超过1900万条信息,解析准确率达到95%以上;累计自动生成并发送超过135万份业务单据,处理近633万笔收付款单;整合286家仓库,自动处理超过10.7万次收货确认,完成近19万次车辆资质审查、超过71万次物流监管。

在单据处理、资金结算、风控、仓储等中后台核心环节,效率提升60%以上。大量重复性、规则性的工作交给AI,人则更多承担异常处理、复杂决策和客户关系维护。

第二层,是让真实业务数据持续动态驱动产业本体进化,再反哺交易平台。这是我们认为最核心、也最难复制的竞争力。

找钢十四年来积累了数亿级交易对话样本、百万级全流程闭环交易数据。但数据规模并不等于AI能力,关键在于如何把持续产生的业务数据转化为AI能够理解和执行的产业知识。

为此,我们自研了产业本体蒸馏器,将每天新增的询价、报价、交易、履约、客户沟通等过程数据,持续清洗、蒸馏,沉淀为动态更新的产业知识图谱和业务本体。特别是通过打通IM信息流与交易流,让过去分散在聊天记录中的行业经验、交易规则和业务逻辑,转化为Agent可以调用的能力。

更重要的是,这不是一次性的模型训练,而是一个持续运转的反馈机制。AI参与真实业务,业务产生新的数据,数据推动产业本体进化,进化后的能力再反哺交易平台,让AI处理更复杂的任务、覆盖更多业务场景。

第三层,是把经过真实业务验证的AI能力,封装成开箱即用的标准化产品。

在前两层基础上,我们推出了找钢龙虾和NextB2B AI生意工作台,将产业数据、业务本体和Agent能力整合起来,让更多企业不必从零搭建AI体系,就能直接应用到实际业务中。

找钢龙虾的五个模块,对应钢贸企业的真实岗位动作。NextB2B则进一步将能力扩展到更多B2B行业。目前,这套能力已经在电子元器件等行业得到验证,实现了上亿料号的智能匹配。

我认为,未来产业AI的竞争,不是单个模型或单个智能体的竞争,而是整个产业智能化体系的竞争。那些率先实现数据闭环、业务本体与Agent深度融合的企业,将有机会在这一轮产业变革中实现跨越式发展。

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?

张晓坤:最具代表性的案例是天津某头部型管材钢铁贸易商。钢管询盘有三个行业通病:规格写法千奇百怪、询盘从四面八方涌进微信、报价慢一拍单子就没了。客户用上找钢龙虾后,通过一客一群的服务方式,完成复杂商品的自动报价率达到76%;从首次问询到主动续费只用了80天,其间完成7轮服务交互、解决了若干个真实业务问题。客户愿意主动续费,是因为AI真的在替他干活。

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?

张晓坤:先回答最尖锐的问题:垂类大模型有没有必要长期自研?我的答案很明确——该自研的自研,该借力的借力,想清楚边界比埋头造轮子重要。2026年6月我们做了一次关键决策:依托成熟Agent平台解决80%的通用需求,团队聚焦攻克20%的行业高阶难题。我们应该去做电器,而不是去造发电机、铺国家电网——AI就是「电」,电是别人的事,电器是我们的事。

护城河不在模型,在三样东西。第一是数据:十四年积累的数亿级交易对话样本、百万级全流程闭环交易数据,构成了钢铁产业的「数字镜像」;无论公域投放还是私域运营,B2B最终都要落到IM沟通上,我们通过企业微信打通了最核心的“过程数据”——这是通用大模型拿不到的实时高频数据。第二是场景化的工作流:通用Agent像莱卡相机,强但门槛高;我们的产品是傻瓜相机,预置了行业框架和交易逻辑,客户简单配置就能落地;NextB2B更进一步,预置了角色间的任务流转——客户询价、AI销售接单、内勤开单、主管审批、ERP回写、物流预约,一个动作触发一整条链。第三是行业Know-how的蒸馏:我们把顶尖交易员的历史数据用来训练AI,生成回复草稿后由交易员复核打分、再迭代模型——这套东西不是钱能买到的,是时间熬出来的。

但我认为,产业智能体对B2B更深远的改变,是让传统企业有机会实现“跳级进化”。

过去,我们认为传统B2B企业信息化基础薄弱,需要依次经历信息化、数字化、智能化的漫长建设周期。但在Agent时代,这条路径可能被改写。钢铁、化工、电子电气、物流货代等行业,本质上都是对话驱动的生意。只要能够打通这些过程数据,再结合产业Know-how和Agent能力,企业就有机会绕过部分传统系统建设环节,直接建立AI原生的业务流程。

这意味着,过去看起来是短板的信息化基础薄弱,在AI时代未必还是劣势。真正重要的,不再是谁建设了更多系统,而是谁能把真实业务数据转化为智能体可以理解、执行和持续学习的能力。

亿邦:找钢国际目前布局了哪些海外市场?AI与数字化能力为跨境业务提供了哪些核心支撑?

张晓坤:找钢国际布局阿联酋、沙特、泰国、马来西亚、印度尼西亚等市场,与央国企海外子公司合作供应钢铁与MRO产品,参与了中泰高铁、泰国林查班港、马来西亚物流中心等项目。2026年上半年,国际业务收入5.76亿元、同比增长70.10%,其中东南亚4.22亿元、同比增长115.42%;海外收入占比达55.5%,首次超过国内。

AI与数字化的支撑,最实在的有两点。第一,接住全球AI算力基建带来的供应链增量——上半年我们服务算力中心项目27家、新增14家,项目收入同比增长260.2%,供应品类从钢铁扩展到智能电气、精密阀门、高等级管道等六大机电品类。第二,用数字化压平跨境履约的复杂度——报关、物流、结算等多环节实现节点数字化,海外团队人少也能跑出效率。

亿邦:能否介绍一下找钢网AI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?

张晓坤:我们目前已经形成了三种AI商业化收费模式:结果付费、年度订阅和Token按量付费。

第一种是结果付费。这是目前最主要的商业化模式。以AI交易商城和找钢工品为例,我们按照AI促成或匹配的实际交易GMV收取服务费。这是产业AI商业化最容易被客户接受的方式。

第二种是年度订阅。针对钢贸企业,我们通过找钢龙虾提供“智能体底座+功能模块”的订阅服务;面向非钢行业,NextB2B采用“WorkBuddy官方标准版+找钢行业专家增值服务”的模式。这种模式让AI从单次交易服务进一步进入企业日常经营流程,形成持续性的服务关系。

第三种是Token按量付费。我们的年度订阅套餐已经包含一定额度的Token和积分,客户在使用完基础额度后,可以根据实际消耗额外付费。随着Agent从简单问答走向复杂任务执行,企业对AI能力的使用频次和深度都会增加,Token也将逐步成为产业AI服务的重要计费维度。

但Token付费能不能成为行业标配?我的判断是:能,但前提是它必须与业务价值绑定,而不是简单按照算力消耗收费。

对B2B企业来说,客户不会因为一个Agent消耗了多少Token就愿意付费,他们真正关心的是AI完成了多少任务、提升了多少效率、创造了多少交易机会。

这条商业化路径已经在我们的实际业务中得到初步验证。2026年上半年,找钢AI业务GMV达到11.05亿元,同比增长73.2%;AI业务毛利超过1330万元,同比增长63.4%。

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。

本文首发于 亿邦动力 官方网站

文章来源:亿邦动力

广告
微信
朋友圈

FAQ回顾

找钢网集团是什么公司,属于什么行业?

找钢网集团是国内领先的产业AI服务平台,定位为产业AI化领军者,使命是用AI连接贸易流通的每个环节。其业务覆盖电商、物流、软件订阅等,平台全年交易额突破1500亿元,并布局钢铁B2B交易、AI智能体和国际供应链服务。

产业AI在钢铁B2B交易中能解决哪些问题?

找钢网从最复杂的B2B交易全流程切入,让AI处理询价、报价、单据、收付款、风控、仓储等环节。截至2026年6月30日,找钢龙虾每天处理超1900万条信息,解析准确率达95%以上,累计自动生成并发送超135万份业务单据、处理近633万笔收付款单,中后台核心环节效率提升60%以上。

找钢网的产业AI护城河体现在哪些方面?

找钢网的护城河不在模型,而在数据、场景化工作流和行业Know-how蒸馏。公司积累十四年数亿级交易对话样本、百万级全流程闭环交易数据,通过企业微信打通IM过程数据;产品预置行业框架和交易逻辑,并让交易员复核AI回复草稿、打分迭代模型,形成难以复制的产业智能体体系。

找钢国际布局哪些海外市场,AI和数字化如何支撑跨境供应链?

找钢国际布局阿联酋、沙特、泰国、马来西亚、印度尼西亚等市场,与央国企海外子公司合作供应钢铁与MRO产品,参与中泰高铁、泰国林查班港、马来西亚物流中心等项目。2026年上半年国际业务收入5.76亿元、同比增长70.10%,海外收入占比55.5%并首次超过国内;数字化实现报关、物流、结算等节点数字化,提升跨境履约效率。

产业AI服务有哪些收费模式,Token付费会成为B2B行业标配吗?

找钢网形成结果付费、年度订阅和Token按量付费三种模式。结果付费按AI促成或匹配的实际交易GMV收取服务费,是当前主要模式;年度订阅提供智能体底座和功能模块;Token按量付费在订阅套餐基础额度外按实际消耗付费。Token付费在必须与业务价值绑定的前提下,有望成为产业AI服务的重要计费维度。

这么好看,分享一下?

朋友圈 分享

APP内打开

赞 +1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0