香港AI落地观察：扎进企业的创业公司，都在解决什么问题

作者：陆易斯/ 数智猿

责编：陆易斯/ 数智猿

今年上半年，香港的AI活动一场接着一场。从WAIC香港、Jumpstarter、InnoEX、Tech Fest、AI+ Power，到Google和AWS的年度大会，模型、算力、Agent与企业应用轮番成为舞台主角。Google、BytePlus、腾讯和华为等大型科技企业，分别从基础模型、智能体平台、云计算和AI基础设施等方向切入，不断降低企业使用AI的门槛。

AI能力越容易获得，应用层创业的商业化门槛反而越高。过去，企业可能会因为“更强的AI能力”买单；当相似的模型和开发工具可以被越来越多团队调用，底层技术很难形成稀缺性，企业真正愿意持续付费的，不是一个Agent有多聪明，而是它能否接手一段原本由人类员工完成的工作，改善一个可以衡量的业务结果，甚至改变企业的成本与收入结构。

这正是AI创业公司面临的现实处境。它们既没有训练基础模型的资源，也缺少成熟企业多年积累的客户、渠道和数据；因此，生存空间往往在那些仍存在具体业务差异的行业、流程和经营场景之中。对于今天的这类公司而言，能跑出一个Demo、拿到首单，只能证明产品有需求；更大的考验，在于能否把一次性的解决方案，变成能被更多客户复用的产品。

AI究竟从哪里进入企业，如何完成真实业务交付，又如何在持续使用中证明自己的价值？在AI+Power 2026现场，快鹭科技、mrox、YEEFLOW与RiverChain等公司，提供了几个相互衔接的观察样本：快鹭从企业已有的软件入口切入；mrox将传统服务能力转化为数字化交付；YEEFLOW从数据与业务底座进入；RiverChain则进一步把AI价值推向融资效率与现金流。

它们的切入点不同，但放在一起看，恰好构成了一条逐步深入企业的商业化链路：从找到入口，到完成交付，再到支撑持续使用，最终落到可以核算的经营结果。

企业不缺新的AI入口

缺的是有人把工作做完

过去两年，企业接触AI最常见的方式，是增加一个新的对话入口。员工在所谓Copilot的对话框里，让AI搜索资料、总结会议或生成文案，得到答案后，仍要判断内容、复制信息，再进入原来的CRM、ERP或审批系统完成后续工作。这样的产品虽然让公司用上了AI，却没有真正改变企业的工作流程。

对于AI商业化而言，关键的分水岭不在于AI能否生成答案，而在于它能否替企业完成一段连续的工作。

中科自成的B2B售前Agent，正体现了这种变化。一家拥有四五千款产品的企业，过去需要销售与方案团队共同完成产品匹配、库存确认、报价和方案制作，整个周期通常需要两周至一个月。接入企业知识、实时业务数据和公司模板后，Agent可以让销售人员直接通过企业微信查询产品、现场报价，并自动生成Word和PPT方案，将整个过程压缩至约10分钟。这个案例的价值不在于“AI能做PPT”，而在于AI开始接管从信息查询、业务判断到方案交付的一整段售前链路。

相比另起一个AI入口，不少创业公司选择将AI融入客户已有的系统和工作流程。成立于2022年的快鹭科技，正是从这一思路切入。公司没有另做一个独立的聊天机器人，而是将AI能力嵌入客户CRM、HRM等日常管理系统，让客户员工无需改变原有的工作习惯，就能直接完成信息查询、流程审批和业务协同。

来源：数智猿现场拍摄

在香港市场，快鹭重点推广CRM和HRM，并针对最低工资、强积金、eMPF等本地制度进行适配。相比单独售卖AI能力，这类产品已经有明确的使用场景、采购部门和预算，也更容易嵌入企业现有流程，从而帮助创业公司获得第一批真实客户。

但进入已有软件市场，并不意味着客户会自然接受。快鹭区域销售总监Cardison Yeung告诉数据猿记者：“企业通常存在两类顾虑：一是不知道AI究竟应该放入哪个流程，二是担心内部资料进入公有云后发生泄露。”为此，快鹭会先与客户定义Use Case（用例），测算效率提升、成本下降和ROI，再判断项目是否值得开发；在部署方式上，快鹭则提供客户本地服务器、私有云等选择。在这一过程中，创业公司销售的不再只是AI功能，还包括帮助客户找到应用场景、算清投入产出，以及降低数据安全和部署风险。

来源：快鹭科技网站

类似的路径也出现在其他企业的实践中。 ShareCRM将Agent接入客户数据、知识库和业务活动，并根据岗位设置访问范围；中科自成则将售前Agent嵌入企业微信，让销售人员无需切换系统即可完成产品查询、报价和方案生成。无论是接入已有业务系统，还是嵌入员工熟悉的工作入口，本质上都是在降低AI进入真实业务流程的门槛，让AI从“提供答案”进一步走向“完成工作”。

进入交付阶段后，新的问题又出现了：企业流程很难完全标准化。快鹭以标准产品承接共性需求，再通过低代码平台调整审批、字段和协作流程；而在Agent接入企业数据之前，公司还需要完成客户的数据迁移、清洗、分类和标签处理，低代码因此帮助快鹭完成了早期交付，却也带来了规模化难题：如果每个客户都需要重新梳理流程、调整应用，客户数量增长的同时，实施团队也必须同步扩张。

这也意味着，快鹭第一单卖的是解决问题的能力，第二单开始，则必须证明这些能力能够沉淀为可复用的行业模板。

人人都会生成内容

为什么客户还需要一家AI营销公司？

如果说快鹭选择的是已有的软件入口，那么mrox进入客户的方式，是一项企业原本就在购买的服务——营销。营销是生成式AI较早进入的领域之一，文案、图片和视频生成也最容易被通用模型覆盖。不过，客户不会长期为“多生成几篇内容”付费，因此，mrox试图解决的并不是单纯提高内容产量，而是将AI嵌入从策略制定到内容执行的完整营销流程。

对于跨境品牌，这项任务尤其复杂。中国内地品牌出海，或者海外品牌进入中国，需要重新适应语言、文化、平台规则和传播方式。mrox将这种“跨市场的适应”形容为“像到了火星”。mrox的创建者，火星梦工场创始人兼CEO Luke Chan告诉数据猿，客户上传品牌、产品、目标市场和预算等信息后，系统可以进一步完成市场分析、产品定位和预算规划，再进入选题、文案与图片生成、质量检查和发布准备。

mrox将这套流程拆分为多个AI员工，分别承担上述环节的工作。Luke Chan表示，多Agent在这里并不是为了展示技术复杂度，而是尝试复刻传统营销公司的岗位分工：过去，客户需求需要在商务、策划、内容、设计、审核和推广等团队之间流转；如今，mrox希望让客户通过一个入口获得一支能够协同工作的数字团队，也可以直接调用其中的专业角色。以推广为例，“AI种草码”可以快速获得商家信息，自动生成适合分享的种草内容，并完成自动发布。

来源：数据猿现场拍摄

但让这支数字团队真正具备服务能力的，并不是Agent数量，而是背后十余年的营销业务积累。Luke Chan表示，mrox希望将过去服务客户过程中沉淀的沟通记录、修改过程、达人报价、投放效果和平台规则逐步纳入AI系统，同时通过访谈核心员工和管理者，提取那些无法直接写进PPT的判断方法。mrox要产品化的，并不是记录“过去做过什么”，而是“为什么这样做，以及效果不好时如何调整”。

这种思路也体现在内容交付上。以小红书笔记为例，系统会完成选题、文案生成和质量评分，未达标准的内容须退回重写，并进行AI生成痕迹和平台合规检查。现阶段仍保留人工审核，主要是为了应对品牌责任、账号风险和平台规则，这也意味着mrox的产品化仍在验证过程中。

最终需要验证的是，这套数字团队能否逐步替代原本依赖项目制的营销服务，并被客户反复调用。如果策划和内容仍需要大量人工修改和兜底，AI现阶段只是改变了服务入口，只有后台人力真正下降，过去积累的服务经验才算真正转化为产品能力。

Agent背后

企业还得先解决数据问题

AI进入了软件，也开始承担服务交付，但要在企业长期运行，还需要一个更基础的条件：Agent必须知道哪些数据可信、哪些人有权使用。企业通常已经拥有CRM、ERP、HR、财务和审批等系统，但不同部门的数据可能重复、过期或口径不一。如果只是在每套系统中增加Agent，原有的数据孤岛并不会消失，反而可能变成新的“AI孤岛”。

YEEFLOW因此提出了一个不同于“继续增加软件”的思路：企业要用好AI，系统数量未必需要继续增加，反而可能需要重新整合。许多企业虽然采购了大量软件，但数字化并未真正打通：HR归HR、财务归财务，部分流程仍在线下运行，数据也在不同系统中重复存储…… 这些“孤岛”，已成为AI进入企业的严重障碍。

YEEFLOW联合创始人兼总经理Renger Hu告诉数据猿，公司并未从单点Agent切入，而是通过低代码平台连接原有数据源，将审批、人力资源、发票和数据分析等应用逐步组织到统一平台中。在理顺数据和业务关系后，AI再参与数据校验、结构化处理、分析和报告生成，而平台负责权限管理、审核和多人协作。其逻辑不是先增加AI功能，再寻找可以调用的数据，而是先把业务和数据组织起来，再让AI进入不同应用。

YEEFLOW系统，来源：数据猿记者拍摄

这也让AI从个人使用的问答工具，变成面向团队协作的企业应用。Renger Hu表示，企业可以将分析结果保存为报表，并按照部门、用户组或具体人员设置访问权限；当底层数据发生变化时，相关的分析结果也会同步更新。

商业模式上，YEEFLOW主要按订阅和使用规模收费，不限制客户构建的应用数量，希望推动更多部门和业务流程进入同一平台。Renger Hu表示，随着应用和数据不断增加，平台沉淀的业务关联也会更加完整，客户黏性随之增强。与此同时，公司提供标准模板，并通过合作伙伴承担部分实施工作。相比容易被替代的单点功能，企业长期沉淀在平台中的数据关系、业务流程和权限体系，更有可能形成持续的产品价值。

不过，这种模式要成立，还需要一个前提：新增AI应用不能持续带来过高的交付成本。如果每增加一个应用都要重新实施，订阅收入仍会被交付成本侵蚀。YEEFLOW需要证明的是，新增应用能够尽可能复用已有的数据和流程，减少重复搭建和实施成本。这同样是企业AI从单个项目走向规模化时必须解决的问题。

如果AI不能带来现金流

企业凭什么长期付费？

入口解决获客，服务能力解决交付，数据底座解决持续使用，但企业最终是否愿意长期付费，仍要回到经营结果。“降本增效”几乎出现在所有企业AI产品的介绍中，真正有意义的是把它变成一笔可以核算的账：减少了多少工时，缩短了多少业务周期，增加了多少收入，降低了多少风险，以及这些收益能否覆盖模型、实施和运维成本。

RiverChain选择了一条与现金流直接相连的路径。建筑行业长期面临文件繁重、回款周期长和营运资金紧张等问题。从招标、设计、采购到施工和融资，企业需要处理大量的合同、证明和审核材料。文件处理缓慢不仅增加行政成本，也可能延迟融资审批和企业获得资金的时间。

RiverChain团队，来源：linkedin

RiverChain先用AI加快项目文件提取、核验和融资资料处理，再将效率提升进一步连接到融资周期和资金周转，形成一条清晰的价值链：文件处理提速，融资周期缩短，资金周转随之改善。与一般办公工具相比，这类产品更容易回答客户为什么付费，因为企业购买的不只是文档处理能力，而是更快获得和周转资金的能力。据RiverChain官网披露，公司已累计支持香港120个建筑项目。

越靠近现金流，AI项目越不能只由创新部门推动。RiverChain法律总监及营运总监Hsiang Low在圆桌讨论中强调，部署AI的关键是找到合适的负责人，既拥有推动流程改变的权限，也能够对实际经营结果负责；否则，产品再先进也可能停留在概念验证上。快鹭在项目实施前测算ROI，本质上也是从功能销售转向价值销售：先证明问题值得解决，再证明AI是合适的解决方式。

MTR Lab在AI+Power大会中则描述了另一种进入企业的路径：先选择部署快、风险较低、价值容易衡量的场景切入，取得效果后再向上下游延伸。公司投资副总管吴进基（Isaac Ng）在介绍投资策略时举例称，第一款产品需要“非常快速、易于部署、相对风险较低”，在小范围得到验证后可以进一步推广，几个月后，同一家公司里就可能有“四五个不同的模块或七八个Agent在工作”。

另外值得注意的是，越接近核心经营，客户的付费理由越直接，创业公司承担的责任也越重。AI一旦参与融资文件和合同判断，错误影响的不只是效率，还可能涉及融资审核、合同执行和风险控制。这意味着，应用层AI进入核心流程，不仅要证明能够创造价值，还要能够承担与这份价值相匹配的业务责任。对创业公司而言，这既是进入核心业务必须付出的代价，也可能成为建立长期竞争壁垒的基础。

首单之后

AI创业公司才真正进入商业化

回看这几家公司的实践，可以发现，AI创业公司的商业化并不是找到一个“AI应用需求”就结束，而是一条逐步深入企业的链路：先找到进入企业的入口，再完成真实业务交付；交付需要数据和流程支撑，最终还要落到可以核算的经营结果。

这也解释了为什么商业化的“第一公里”，不能只被理解为拿到第一笔订单。对早期公司而言，首单往往来自订阅、使用量、定制、咨询和行业服务的组合，甚至需要大量人工参与。定制本身并不可怕，它让创业公司进入真实场景、理解客户需求，也为产品迭代提供了反馈；真正需要警惕的是，服务是否能够反过来推动产品成长。

第一单卖的可能是解决问题的能力，第二单开始，则要证明这些能力已经能够沉淀为产品；而走向规模化，还要进一步证明产品能够被复制。创业公司需要证明，试用能够转化为采购，首单可以带来续费，相似需求可以复用已有产品，收入增长也不再要求实施人员同比例增加。只有当项目制逐步走向产品化、复制和续费，技术价值才会转化为可持续的商业价值。

走到这里，AI商业化的逻辑与IT软件、SaaS并没有本质区别：尽管AI拓展了功能边界，却没有改变企业采购的底层逻辑——它们不会因为“AI”两个字持续付费。而对于创业公司而言，真正需要向企业证明的，不只是AI能否进入业务、解决问题并创造价值，更是为什么这些价值，必须由AI来实现。