联易融用十年时间成为供应链金融科技的行业第一。
2023年起,这家公司开始将AI技术作为企业再造的核心工具。蜂联AI Agent是主角,它从内部降本工具演化为对外商业化产品,背后是一套关于如何在2B赛道实现AI变现的独特逻辑——以及来自蚂蚁、京东等巨头的重重压力。
一个数字背后的企业意志
42,这是联易融在2025年年报中披露的"蜂联AI Agent"服务客户数量。
42家金融机构,包括渣打银行、杭州银行、中电装财务集团公司等,这是联易融在AI商业化领域用两年时间跑出的成绩。放在任何一家从零起步的AI创业公司来看,这已是相当可观的标杆客户矩阵;但联易融并非从零起步,它是一家已经服务428家金融机构的行业巨头——42家AI产品客户,在428家总客户中的渗透率不足一成。
这个数字折射出供应链金融AI商业化的真实处境:不是技术不成熟,而是企业采购周期长、决策链条复杂、对"新东西"天然保守。
联易融CEO宋群在多个公开场合表达过对AI的明确判断:AI不是"锦上添花",对联易融而言是"生死攸关"。这句话可以从两个维度理解。从进攻角度看,AI是公司创造第二增长曲线的唯一路径;从防守角度看,如果公司无法在AI时代完成自我重构,传统业务的价格侵蚀将最终掏空公司的竞争力。
生死攸关——这四个字,是理解联易融过去两年所有战略动作的密钥。
从"通才"到"专才":LDP-GPT的诞生逻辑
2022年年底,ChatGPT横空出世,整个科技行业陷入大模型热潮。几乎所有有志于AI的科技公司都面临同一个问题:是接入通用大模型,还是自研垂直领域模型?
联易融的选择是后者,但这个选择并非没有争议。
通用大模型的优势是显而易见的:技术成熟、使用便捷、无需高额研发投入。如果只是做一个套壳应用,接入GPT-4或文心一言,可以快速上线、快速推向市场。联易融内部讨论过这条路径,但最终放弃了。
原因来自对供应链金融场景特殊性的判断。
供应链金融的核心业务——审单、风控、合规——对准确率的要求极为严苛。一份应收账款凭证的审核,涉及数十个字段的比对与核验;一个融资申请的审批,需要跨越企业信用、交易背景、物流数据、资金流向等多维度的综合判断。在这类高风险、强监管的场景下,通用大模型的"幻觉"问题(即模型以高置信度生成错误答案)是难以接受的。
联易融由此选择了一条更重的路:基于国内主流大模型能力,融合自有供应链金融场景知识图谱与多模态业务要素,系统推进自研垂直大模型LDP-GPT的持续迭代。
LDP-GPT的核心价值不在于参数规模,而在于"喂养"它的数据质量。联易融在过去十年里,处理了超过十万亿元级别的供应链资产交易,积累了包括合同文本、发票图像、资金流水、企业信用评级在内的海量专业数据。这些数据是任何一家通用AI公司都无法简单复制的独特语料,也是LDP-GPT得以在专业场景胜过通用模型的核心壁垒。
从2023年系统推进迭代,到2024年正式推出"蜂联AI",再到2025年全面升级为"蜂联AI Agent"——联易融的AI技术路径,是一场精心设计的渐进式跃迁。
蜂联AI Agent:在"钱"的地方做AI
产品定义决定商业逻辑。
蜂联AI Agent并不是一个大而全的通用金融AI系统,而是一系列精确瞄准高价值业务场景的"智能代理"集合。2025年,蜂联AI Agent已覆盖十余个核心场景,其中最具代表性的包括:
智能审单:这是目前商业化最成熟的场景。传统供应链金融中,金融机构在放款前需要人工审核大量凭证(发票、合同、物流单据等),这是一项高度重复但又需要专业判断的工作。蜂联AI Agent的智能审单模块,通过多模态文档理解和规则引擎的结合,将整体审单效率提升了约40%,人工复核工作量下降三分之一。联易融引用的案例中,某大型银行在使用产品三个月后即取得上述成效。
智能中登:中国人民银行征信中心运营的应收账款融资服务平台(简称"中登")是供应链金融的关键基础设施,所有应收账款质押融资均需在此登记。手动完成中登操作繁琐耗时,智能中登模块将这一流程自动化,显著降低了运营成本。
智能准入与智能风控:这两个场景是AI风险管控的核心战场,也是技术门槛最高的模块。智能准入对融资申请方进行初步资质筛选,智能风控在全流程中持续监测异常信号。这些场景对模型的可解释性要求极高——监管机构需要知道AI为什么做出了某个判断,而不只是接受一个黑箱输出的结论。
联易融将这些场景整合为"AI Agent+产品矩阵",以SaaS或本地化部署两种方式交付给金融机构客户。定价模式尚未公开披露,但从行业惯例推断,初期可能采用按席位或按处理量计费的订阅制。
关键数字印证了商业化的早期成效:2025年AI相关新兴解决方案收入5255万元,虽然占总收入不足6%,但从几乎为零的基础上增长至这一体量,说明付费意愿是真实存在的。更重要的是,管理层预计这一数字在2026年将实现显著增长。
AI商业化的结构性挑战
然而,现实比逻辑要复杂得多。
联易融在AI赛道面临的竞争,来自两个不同量级的维度。
第一个维度是同类供应链金融科技公司。蚂蚁集团的供应链金融AI产品依托于支付宝/阿里系的海量数据和分发渠道;京东科技的AI金融工具则直接嵌入京东供应链的生态闭环。这些公司的AI能力并不逊色于联易融,而它们的客户基础更为雄厚,交叉销售的效率也更高。
第二个维度是更广泛的金融AI创业公司。过去两年,大量专门做金融AI的初创公司涌入市场,它们没有历史包袱,技术迭代速度更快,定价也更为激进。在这些"野蛮人"面前,联易融的场景数据护城河是否足够宽,是一个没有经过时间检验的命题。
但联易融也有自己的独特优势:深度嵌入式的客户关系。428家金融机构合作伙伴,3145家核心企业客户——这张关系网络是联易融在AI商业化中的最大杠杆。当一家银行已经在使用联易融的供应链金融科技解决方案时,追加购买蜂联AI Agent的决策阻力远低于引入一个全新的供应商。
"换脚本,不换演员"——在2B企业服务领域,这条规律的有效性经过了无数次验证。联易融的AI战略,本质上是在存量客户关系的基础上做增量价值挖掘,而不是去打一场从零开始的客户争夺战。
问题在于,这场存量客户的"AI二次开发"能走多深、走多快,才能在传统业务营收下滑的同时,填补足够大的收入缺口?
效率20倍:这个数字值多少钱?
联易融在多份官方材料中反复引用一个数字:蜂联AI Agent让相关业务处理效率提升20倍,关键环节准确率高达99%。
这是一个足以打动任何金融机构CEO的数字。
但"效率提升20倍"的商业价值如何转化为联易融的真实营收?这里有一个需要仔细推敲的商业逻辑。
传统模式下,金融机构为供应链金融操作支付的是人力成本。如果AI让效率提升20倍,银行理论上可以大幅裁减供应链金融业务线的操作人员,实现降本增效。但这里存在一个商业博弈:节约下来的成本,有多大比例会转化为联易融AI产品的付费意愿?还是银行会用节约的人力成本来提高服务覆盖范围而非直接付费升级?
这个问题没有统一答案。但有一点是确定的:越是能直接量化投入产出比的场景,AI产品越容易实现高价值变现。联易融的智能审单、智能中登等场景,正是这类"可量化ROI"的理想土壤。
这或许就是蜂联AI Agent能够签下渣打银行这类头部国际机构的内在逻辑:当付费方是数据驱动的全球顶级金融机构时,清晰的效率收益就是最好的销售话术。
