出品｜虎嗅科技組

作者｜陳伊凡

編輯｜苗正卿

頭圖｜AI生成

照片由翟星吉本人提供

“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「05」篇文章。

“腦子里的雷達瞬間就亮了，特別亮，必須出去。”

在上海徐匯區漕河涇AI校友中心的一間會議室里，翟星吉說起最初創業的沖動，眼里閃著光：“這波AI明顯不一樣”。他的電腦中間貼著“AGI之路”的Logo，右上角“咖啡哪有創業苦”已被磨出一絲毛邊。GPT-4發布的當晚，他用AI代碼平臺Cursor手搓了個程序，發現自己能干很多事，就這樣邁出了創業的第一步。

這位在SaaS（軟件即服務）時代頭部企業帆軟拼殺5年的年輕人，笑著復盤創業之初如何用在一周時間簽下首單客戶、兩個月時間上線產品，幫客戶成功提效；如何被行業老江湖“上了一課”。

2023年，語核科技獲得奇績創壇的種子輪投資。奇績論壇的前身，是硅谷最大孵化器YC的中國分部，由前百度總裁兼COO陸奇在2018年創立，奇績論壇被視為“中國的YC”，入選的初創項目要經過層層選拔，通過率大概只有1%。

然而，語核最初的團隊組建過程并不順利。當時翟星吉把通訊錄名單捋了一遍，挨個打電話——他要找一個能聽懂自己“技術執念”的搭檔。幾經輾轉后，翟星吉找到了池光耀，一個00后技術天才，兩人一拍即合，池光耀很快加入團隊，成為語核科技的聯合創始人，他把公司的logo，印在了好多件不同款式的衣服上。繡有“語核科技”的白襯衫成為了他的四季常服。

語核科技團隊合影，第一排中間為翟星吉、右一為池光耀 圖片由翟星吉提供

如果了解語核科技的成長劇本，會發現這家創業公司代表了新一代AI創業團隊的畫像，年輕——創始團隊為95后和00后；沒有路徑依賴——迅速接受生成式AI帶來的全新商業機會，重新定義AI交付過程中的價值判斷、用投資回報率（ROI）結果付費；隨機應變——能夠在一兩個月時間，快速轉變業務方向（Pivot），推出新產品。翟星吉喜歡說“反共識”，他認為如今很多反共識的事情才有價值，創業其實就是在做反共識的事。

選擇在制造業賽道做Agent就是一件典型反共識的事。翟星吉解釋到他們在眾多行業中，選擇制造業的原因：很多人看來，制造業的銷售很難，但這個行業恰是一個拼產品價值而非拼資源的領域。

微軟CEO薩提亞·納德拉在Build 2025大會上，提出了“SaaS不會消失，但需徹底改變”的論斷。未來用戶真正需要的是完成某個業務流程，而不是簡單的數據記錄或單一工作流。

翟星吉說，他們只和客戶聊三件事：你的核心業務流程是什么？痛點是什么？我們能幫你解決，愿不愿意付費？

按結果付費，而非按工具付費，是這一輪AI時期，與SaaS模式最根本的不同。

“如果在中國而言，上一波SaaS已被證偽，那么如何證明AI就能解決SaaS時代的痛點？”

“你們是否真的能解放人去做更有創造性的事情？能解放多少人？”

一場由投資機構常壘資本主辦的AI Agent內部交流會上，匯聚了大量關注AI ToB應用的投資人和從業者，多位SaaS行業的投資人提出了疑問——這一波AI是否真的能做到對人的完全解放。上一波的SaaS從業者，對此心有余悸，畢竟，曾經轟轟烈烈的SaaS運動，在除了中國之外的其他地方，被證明了成功。

因此，中國的客戶和投資人特別執著于將SaaS和AI劃清界限，很多時候，翟星吉會被要求回答清楚這個問題。

創業之初，翟星吉每周聊4個客戶，一個季度和100個客戶溝通，不追求營收，只追求場景。語核的第一個客戶上線Agent后，銷售轉化率從5%提升到7%，營收扭虧為盈，翟星吉知道，這個模式走通了。翟星吉透露，語核目前已助力上海儀電集團、中遠海運重工、唯捷創芯等制造業龍頭企業實現業務突破，今年公司的營收將達到1000萬元，相比之下，一般ToB的SaaS公司成立一年的營收在300萬元左右。

到了2025年，一個明顯趨勢是，AI正在進入更加細分特定的領域。如果到2025年采取做通用Agent，除非有很強的開發優勢和資源，否則很難與已經做了兩三年，進入A輪或者A輪之后融資的企業競爭。如今的AI應用市場，是一個需要靠迭代速度快速占領用戶心智的市場。

行業的認知變化，也是語核科技收斂的邏輯。

在不斷迭代和討論中，語核把業務聚焦在制造業的AI售前、供應鏈管理和產線質檢判定。

當被問及，如果SaaS時期已證明在中國賣工具這件事行不通，又如何能知道AI時期交付業務結果有人愿意付費？

翟星吉說，雖然賺到一億之后如何做到十億、百億我還不知道，但在達到一億營收之前，有絕對的信心。

“用Cursor手搓第一個程序后，我發現我能干很多事”

虎嗅：你在帆軟干了五年，為什么想自己出來創業？

翟星吉：每個人想要的不一樣，我想做更有挑戰、更有價值的事兒。我一直想創業，但之前沒有合適的機會。2018 年畢業時，移動互聯網已經下半場了，適合有經驗的人出去做。再到后來的SaaS時期，我在國內最好的團隊里，外面也沒什么誘惑。但這一波（AI）不一樣，腦子里的雷達直接亮了，特別亮，我覺得必須出去。我看到了有價值的方向，就一定要去試試，現實因素根本干擾不了我。

虎嗅：咋邁出第一步？

翟星吉：我最開始自己寫代碼，買了一堆深度學習的書，系統學習了數學。后來OpenAI 的API 出來了，Cursor 也出來了，我自己動手做了很多小工具。GPT-4 發布那天晚上，我花了一晚上用 Cursor 寫了個 chatbot，當時覺得 “嘿，我能做很多事兒”。

于是，接下來兩個禮拜一直在做東西，發現別人做的東西有些缺陷——技術極客們做了很多功能，但缺乏一定產品思維，不懂用戶。像現在報道里總提模型提供商、云服務什么的，我覺得用戶不該選用什么模型，用戶并不關心是誰提供的，最多選模型的 “聰明程度”—— 聰明的、中等的、笨的。

所以我想找個技術厲害的人，我來做產品設計和商業化。

虎嗅：怎么找到現在的搭檔？

翟星吉：我掃了所有活動項目，發郵件、加微信留言，聯系了好多人，最后找到了現在的聯合創始人。我們在電話里聊了一兩個小時。

虎嗅：是你 “洗腦” 成功的嗎？

翟星吉：不是“洗腦”，聯創這個級別，得互相信任和欣賞。我看到他身上很多優點：價值觀相同，有自己的堅持，腦子聰明，動手能力強，想法多；他也看到我的優點，我們特別欣賞彼此。當天聊得特別好，第二天我就請假從外地飛上海找他，又聊了兩小時，覺得能成，我們當天就開工了。

“幫第一個客戶營收提高20%，我們有信心跑通這個模式了”

虎嗅：產品迭代的路徑是什么樣的？

翟星吉：2024年四月份我們的PMF（產品契合度）1.0是一個面向開發者的企業級Agent平臺，可以用它搭任何一個垂直Agent。我們推出這款產品之后，逐漸發現，客戶用我們的平臺去做各種系統，像ERP、CRM或者OA等。客戶想要的東西很多都是一樣的，可是用這樣的開發者平臺搭出來的東西標準化程度不夠高，每個客戶都要重新搭一遍。

今年年初我意識到這樣是不對的，盡管這個平臺大而全，但是不夠垂直。

我們從PMF1.0中聚焦了一些比較有價值的場景，面向一個崗位或者職責做抽象，抽象成一個個垂直Agent，然后交付給客戶。因為我們積累了大量行業know-how，面向場景做了大量優化，所以可以保證準確度一定高。像會議預約管理系統、行政物料申請系統等場景商業化價值很低，而售前這一場景存在很多客戶需求，是我們現在做得最多，也是最熟悉的場景。

虎嗅：你們怎么做冷啟動的？

翟星吉：我們從去年四月份開始，花三個月的時間和100個各行各業的客戶聊。只聊三個問題，第一，公司最核心的業務流程是什么？第二，核心業務流程中的核心阻塞點是什么？第三，我們去判斷能不能用Agent嘗試解決這個事。

虎嗅：PMF1.0發出后多久獲得了多少用戶？產品轉型之后，過了多久獲得了多少用戶？

翟星吉：PMF1.0發布后有很多愿意使用我們平臺的用戶，但并沒有幫助企業解決核心業務流程中的問題。產品pivot（轉型）之后，我們的客戶大幅增長的，因為很多企業面臨數字化轉型并希望用Agent解決企業的核心業務流程阻塞點。

虎嗅：什么時候發現自己這套商業模式能跑通了？

翟星吉：從去年下半年開始，在尋找產品市場契合度（PMF）的過程中，收到了正反饋。在這個過程中，我們走的是熟悉的路徑，我以前在帆軟工作多年，清楚地知道如何一步步做起來，按照什么路徑可以達到年營收一億元。雖然賺到一億之后如何做到十億、百億我還不知道，但在達到一億營收之前，我有絕對的信心。

虎嗅：做的第一個客戶是什么過程？

翟星吉：去年四月份我們簽了第一個客戶，是做留學教育的。我們直接和老板聊，幫他解決一個問題——提高銷售轉化率。

其實一線ToC的銷售都有轉化率低的痛點，銷售主管每天會跟一線銷售過客戶的聊天記錄，通話記錄，做輔導，希望提升客戶轉化率。

企業想做的是，用AI做客戶畫像分析，比如這個客戶的學歷背景是什么、學術背景是什么、有哪些社會背景、想要申請什么學校、有多少預算、決策人是本人還是父母。第二，根據客戶畫像，匹配歷史數據，給每個客戶提供一份最有吸引力的方案；第三，針對客戶情況定制化一份解決方案，告訴他怎么申請，應該提升哪些學術背景，做哪些實習。這是以前的一線銷售很難做到的事兒，我們花了一周時間完成了簽約。

上線之后，幫企業把線索轉化率從5%提升到7%，營收提升20%。老板對這個結果很滿意，因為留學市場萎縮，之前每個月同比增長都是負數，但是系統上了之后，同比增長變成正的10%。

虎嗅：售前GTM包括客戶畫像、需求匹配、Demo、外呼和解決方案生成四個環節，尤其是在銷售線索轉化和外呼這個環節，跑出了很多公司，在潛在客戶生成上的Clay.ai，估值達到13億美金，用戶數在過去2年內同比增長10倍。這條路已經被證實是可以走通的，但你們沒有聚焦線索轉化，而是選擇了售前的解決方案生成，這個偏后半段的一個生意，為什么？

翟星吉：Clay做的是銷售線索獲客，是幫銷售搞定人，我們是幫銷售搞定事。獲客這件事以前的技術也可以做，只是AI Agent出來之后，可以做的事情更多了。但轉化這件事，以前的技術一定做不了，因為轉化依賴的是銷售的腦子，是高度知識產出型的工作。當然，以前的技術做不了并不代表它沒有價值，這反而是真正的機會。

虎嗅：聚焦到制造業的原因是什么？明確做哪些、不做哪些的邏輯是什么？

翟星吉：這個問題我們想得很清楚。政府客戶不碰，因為政府合同一般都很大，層層分包下來，我們發現簽單不取決于產品價值，而在于前面的渠道商關系硬不硬。

金融是另一個很有意思的方向，金融量非常大，數字化程度很好，企業內部有完整的產品和設計。金融客戶能幫助我們快速提升營收，但發揮不出我們的產品和技術優勢。

醫療行業進入門檻比較高，我們做過導診助手的預分診、導診，也嘗試過醫療記錄生成，我們POC驗證過，我們的技術效果特別好，但是沒人買單，核心原因是因為這個賽道中擠滿了很多大廠、可以不計成本投入拿下客戶案例，這個對我們這類初創公司很難。

用排除法后，剩下零售、物流、制造這三個行業可以做。我們最后選擇了中高端制造業，第一，它作為中國未來的基本盤，不會太差；第二中高端制造業的數字化程度遠高于大家的想象，比如小米汽車、特斯拉、芯片廠，都是無人工廠，需要海量數字化支撐；第三，制造業企業付費意愿高，數字化轉型需求迫切，愿意為降本增效花錢。

虎嗅：這是另一個反共識了，SaaS時代來看，制造業的銷售太難了，基本都愿意找大品牌大廠商合作，創業公司很難有機會。

翟星吉：做制造業客戶生意的公司主要有三類：大廠、集成商和渠道商，以及軟件公司。

大廠肯定會做ToB，這個競爭一定會存在，但大廠會優先選擇機會成本低、收益大的領域，例如基礎大模型、通用的AI infra工具，或者ToC業務，比如豆包、扣子，不會在ToB上做重投入。

集成商和渠道商，比如三大運營商，會承包很多數字化項目，再分包出去，和我們是合作伙伴的關系。

我們最擔心的其實是第三類，傳統軟件公司，現在很多RPA（機器人流程自動化）公司都在做AI轉型。

虎嗅：傳統RPA公司有客戶有品牌，這方面如何和他們競爭？

翟星吉：這些公司是值得警惕的，他們有一定的客戶資源和品牌，對業務有一定了解，也有能力和意愿接受新技術。

對我們來說，應對這類公司只有1到2年的窗口期，如果能在這1-2年內做好，他們就趕不上我們。

“不做大模型延長線上的事”

虎嗅：很多ToB的企業，最重要的就是看準確率，這也是為什么在如今AI仍有幻覺下，很難能在ToB領域跑通，你們的官網上寫了90%的準確率，如何保證的？

翟星吉：第一點是復雜內容解析的能力，第二點是精準的外部構建的能力，第三點是Agent的狀態。我們會把產品做成API，嵌入到企業的業務流程里，比如說企業要一個解決方案，收到客戶材料之后，我們的產品會分析這個客戶的情況，輸出客戶需求分析的報告，再基于企業的歷史案例，生成一份解決方案給客戶。

虎嗅：如何去做垂直場景的數據能力，并形成一個數據飛輪？

翟星吉：首先要解構崗位職能，比如解決方案生成、報價、客戶需求分析、技術支持、技術驗證等，這些職能是固定的，此外在每個職能下有對應的SOP（標準作業程序）。像解決方案生成有標準 SOP，不同公司邏輯相通，只是主題和素材不同。

我們把 SOP 和崗位職責固化成標準產品，Agent數字員工進入不同公司時，只需補足該公司的業務上下文，比如產品資料、歷史解決方案等。這就像“人工跳槽”，第一個共創客戶是 “第一家公司”，做到第三家相當于我們的AI Agent在三家公司工作過，到了第五家之后，AI Agent在這個行業做這個崗位，去任何公司都能快速上手，學知識就像員工培訓，接入信息就行。持續的數據收集會讓我們的Agent數字員工擁有該領域的私有知識，成為這個領域內的專家。

虎嗅：你們有知識庫功能嗎？

翟星吉：有，但我認為知識庫沒有獨立價值，知識庫一定是給 AI Agent 用的，不是給人用的。單獨做知識庫沒人用，因為人只熟悉自己領域的知識，不會主動探索。但給AI Agent用知識庫能取得不錯的效果，比如售前解決方案生成需要參考大量公司資料，AI 可以通過準確的知識庫來獲取信息。

虎嗅：語核的產品相當于一個編排模型，會整合不同模型的能力，在大模型上面自己訓練小模型。這會帶來一個問題是，未來基礎模型如果迭代了，會不會對你們有挑戰，或許現有的商業模式一朝傾覆。

翟星吉：我們去年就想清楚了 ——絕不做模型延長線上的事。我們對模型的預判是：推理能力會進步很快，但補齊企業上下文的能力不會變。

企業本地化數據怎么接入模型，是很關鍵的問題。所以我們選的場景是：第一，做企業上下文相關的；第二，做輕推理，不做重推理 —— 那種打個句子過去等回復的，沒意義。

現在有個共識：通用場景下，模型推理能力挺好，但垂直任務場景就不行了。這時候我們就要積累自己的數據，做垂直訓練。比如生成解決方案、內容創作，不能用提示詞解決的，就得靠自己的專家知識 —— 通用模型肯定覆蓋不了，每個崗位的專家都有自己的私有知識。

“SaaS時代需要給老板‘畫餅’，現在不用‘畫餅’了”

虎嗅：數據化轉型難的一點在于，是否真能降本增效，但很多時候投入和產出不成正比，老板就不愿意干了。

翟星吉：以前確實有這問題，所以要畫餅、講案例說服企業老板，他們覺得有價值就會買。比如做 BI 系統（商業智能系統），提升產線良率、實時監控質檢異常，企業會買；現在用 AI 直接幫他們降本增效，他們更會買。像制造業售前有個痛點，銷售不懂技術，復雜客戶要拉研發跟進，但研發不善溝通，導致很多單子丟失。現在用 agent 可以生成 80-90分的解決方案，讓更多客戶享受服務，提高線索轉化。

虎嗅：如今AI Agent會重蹈SaaS的覆轍嗎，或者說就能夠解決SaaS時期的痛點？很多傳統做ToB的人，或者上一代的SaaS創業者可能已經失去信念了。

翟星吉：我之前在帆軟五年，帆軟從結論上來講，是一家從未融過資的公司，但它在上一個SaaS時代，可能是整個中國客戶市場和資本市場最認可的一家ToB公司之一。

我現在之所以愿意做ToB，是因為我親眼見過這事是可以做成的。

我有這個信念，但也有些遺憾，比如傳統數字化產品，賣的是管理價值的餅，讓客戶老板覺得這個系統能提高公司整體經營效率，或者解決很多潛在問題，但這些價值無法直接被量化，往往導致一線員工很抵觸，全靠老板堅持。我們以前要花很多時間去說服老板，證明我們的系統真的有效。

所以我們想做的是直接切入核心業務流程，用AI Agent幫企業解決最核心的阻塞點，按照結果來付費。

虎嗅：按結果付費怎么量化？

翟星吉：看業務增長，或者能不能直接幫企業解放很多人去做更有創造性的工作。具體問題具體分析，A客戶可能收30萬，B客戶收100萬。

虎嗅：ToB的Agent，付錢的人和用的人不一樣，可能會動了別人的蛋糕，比如把某些職能替代，這是一個很大的挑戰嗎？

翟星吉：一定需要公司老板頂層戰略支持。

我們一直主張ToB的AI Agent在企業內需要依賴業務部門推動。過去一年，許多企業嘗試的AI Agent試點項目卻“無疾而終”，核心原因在于項目往往由IT部門推動，業務部門被動參與，缺乏內在動力。要成功落地并獲得認可，Agent必須解決核心業務流程中的“真痛點”也就是那些傳統方法解決不了或解決不好的問題。

因此，現在的Agent必須是業務驅動，而非IT驅動——只有當業務部門主動尋求IT幫助解決難題時，項目才最有價值。

例如目前B2B企業售前環節這一專業場景的兩大核心痛點：

首先是專業能力斷層，商務人員普遍技術深度不足，嚴重依賴稀缺的研發資源支持，響應速度慢，專業方案輸出難。

其次是重復勞動重負，方案準備、報價等大量低價值、重復性工作耗費團隊大量精力，擠壓了高價值活動時間，導致客戶需求響應不及時。

所以我們打造的售前數字員工目標是在售前流程中實現“端到端”的自動化，僅保留產品演示和POC驗證需人工介入。當Agent數字員工能真正解放人力、提升效率、解決核心難題時，業務部門會主動向領導推薦使用它，而推廣阻力也將大大降低。

我認為未來，付錢的人可能和用的人更趨同，因為本質上，企業招人是既是為了業務中直接使用，也是為了企業高層去使用，這些人既滿足業務部門中的工作要求、也要滿足公司領導對員工隊伍建設的要求，但付錢的人一定是公司。

現在Agent也是這樣，招一個Agent數字員工既給業務部門實際用、也是給老板用，是幫老板直接作為一個業務單元交付結果，而以前的數字化工具為付錢的人（老板）是提供管理價值的，但是這個價值不顯性。

虎嗅：帆軟的這段經歷，給你帶來了什么？你身處在這兩個行業，從你親身經歷的視角，在SaaS時代和如今的AI時代，思考方式和商業模式有什么不同？

翟星吉：產品、技術、商業化這三者看似不同，底層邏輯卻不變。

產品上，方法論沒有改變，比如洞悉用戶場景、找到最大化價值、共情用戶等；技術上，以前學大數據實時同步、基礎架構設計，現在學 AI 智能架構設計；商業化上，以前是賣產品，現在是直接解決問題、談價值。

做產品的核心原則有幾條：一是只解決客戶核心業務流程的痛點，幫他們賺錢或省錢，這包括怎么跟客戶聊天、調研、快速理解業務場景和流程，用咨詢顧問的方式給出建議。

二是把眾多場景和需求抽象成標準化產品，這是產品方法論的問題。

三是閉環驗證，從想法到快速做出 MVP，再實現商業化場景驗證、共創。

ToB創業初期處于共創和找場景的階段，做定制化沒問題，但做了幾個客戶后就要大量思考、抽象，形成聚焦的產品。

虎嗅：現在做的事和原來 SaaS 時代有什么不同？

翟星吉：不用花那么高的成本說服老板們了，不用給客戶“畫餅”了。

虎嗅：To B如果做得很垂直細分，似乎空間很有限，如何把握這個度，做多細分？做多垂直？

翟星吉：To B 本身就是很垂直的事。特別垂直的話，上限肯定有限，但確定性高很多。

虎嗅：上限低了，想象空間就小了。

翟星吉：從投資角度，這取決于你想承擔多少風險、要多少收益。如果進場價太高，肯定不行；要是早期低價進來，過幾年退出，拿個十倍、百倍收益其實不難。外國公司做到幾億美元、幾十億美元營收不需要很久，但要做到百億美元、千億美元很難成功。

虎嗅：融資的時候，你們需要花時間做一些說服工作嗎？

翟星吉：去年談了好多次，后來對大部分投資人都拒絕了。我們對錢還不算迫切，會把更多時間放在業務上。

“我不花時間找錢，主要在找人”

虎嗅：為什么還覺得創業苦？（如電腦上貼的貼紙一樣）

翟星吉：創業當然苦，每天有不同的煩惱，客戶資源夠，但優秀人才不夠。我一半時間都在招人。

虎嗅：需要畫餅讓大家認可并留下來。

翟星吉：我們總結了招人方法，分三步：一是人格吸引，讓他喜歡創始人，感受到真誠、熱情和自信；二是愿景吸引，告訴他賽道好、未來大，我們在賽道里跑得不錯，團隊和事情匹配度高；三是合適的價格條件。

虎嗅：你們現在主要招什么崗位？打算擴張多少？

翟星吉：2025 年的 HC（人員編制）已經招滿了，馬上要招 2026 年的。我們客戶資源多，只要有人進來就有事做。現在銷售線索足夠，瓶頸在于現在的資金能支撐多大盤子。

虎嗅：另一半時間要用來找錢嗎？

翟星吉：我不花時間找錢，因為國內對 To B 賽道共識是不投，但巨大的反共識下，機會其實也很大。

虎嗅：我們招人和擴張的節奏是什么？

翟星吉：我們的邏輯是：客戶資源無限多的情況下，招 5 到 10 人的商業化團隊完全夠用。但銷售成本高，所以擴張的前提是現金流健康 ——有多少利潤，招多少人，這樣才不會出問題。

虎嗅：現在AI應用基本都要出海，這部分如何計劃？

翟星吉：我們計劃今年做日韓和東南亞市場，希望海外營收能占 10%-20%。

虎嗅：已經有客戶在對接了嗎？

翟星吉：在對接了。

虎嗅：出海的邏輯是什么？

翟星吉：我們所有決策都靠認知驅動，有個共識是 ——只有中美在 AI 領域有真正的創新。美國市場很卷，做 to B 需要有本地團隊，所以先排除北美，如果能在其他地方賺到錢，就沒必要去北美。

剩下的市場：日韓、東南亞、中東、歐洲、俄羅斯... 俄羅斯現在主要做的是替代歐美供應鏈；歐洲是分散的小市場；中東是 “大政府” 市場，需求基本來自政府。

日本是全球前三的市場，付費習慣好，他們的產業鏈跟我們國內的中高端制造貼合。

東南亞我們看零售和物流，東南亞消費市場大，適合做零售。此外物流發達，尤其是新加坡的貨運行業。我們在這兩個行業不算深耕，但有案例能推，比如百事、中遠海運。

虎嗅：是否想過如果未來創業失敗了會是什么原因？

翟星吉：為什么會有這個擔心？

本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯系 hezuo@huxiu.com

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4583476.html?f=wyxwapp