劍橋Agent團隊融資百萬美金，Specific幫出海老板“搶單”

今年，全球科技圈都在熱議一個詞： Agent（智能體）。

從 Salesforce 推出的 Agentforce ，誓言要打造“十億數字員工”，到北美頂級科技巨頭Magnificent Seven (七巨頭/M7)紛紛推出 Agent 產品，行業共識正在發生劇變：企業需要的不再是一個只能陪聊的 Copilot（副駕駛），而是一個真正能干活、能交付結果的 Agent（智能員工）。

為什么？因為在真實商業世界里，Chatbot（聊天機器人）效果難以實用。

過去兩年，無數 SaaS 公司試圖在軟件里塞進一個對話框，告訴老板們：“有什么問題，你就問它。”但現實是殘酷的，沒有任何一個忙碌的老板，愿意整天對著屏幕敲字，去“哄”AI 吐出答案。商業的本質不是閑聊，而是高確定性的交付。

特別是在“中國企業出海”這個當下最性感的萬億級賽道中，這種矛盾被無限放大了。誰在招標？誰有風險？當地政策怎么變？這些關鍵情報散落在全球數千個垂直媒體資訊和商業數據庫里。靠人去搜，成本太高；靠通用 Chatbot 去搜，幻覺太多。

這正是 Specific AI （出海易）這家公司讓我們感到興奮的地方。在Agent和出海這兩個最熱的十字路口，他們想定義一件真實有用的商業交付級AI產品。

這家由劍橋、牛津、港科大等頂尖學術團隊與國際咨詢背景人才共同創立的公司，剛剛宣布完成了百萬美元級的天使輪融資，估值達到 8000 萬元人民幣。

Specific AI 的聯合創始人楊覲光

他們沒有去卷通用的“超級模型”，而是做了一個很“反直覺”的決定：在這個對話式 AI 泛濫的時代，他們卻要革了 Chatbot 的命。

Specific AI 的思路非常清奇：老板們并不想和 AI 聊天，他們只想雇傭一個懂行的“員工”，給我搜集商業信息，然后幫我輔助做商業咨詢。

出海最大的痛點是什么？是巨大的信息差。絕大多數中國企業可能了解國內、本省的信息，但一旦跨國，信息獲取的難度呈指數級上升。

他們曾接手過一個政府側的咨詢報告項目，需要收集全球 20 多個國家的行業熱點。傳統咨詢機構因為成本過高連續流標兩次，而 Specific AI 依靠 Agent 的能力，以極低的成本（可能只有傳統費用的 1%-5%）完成了海量信息的采集、篩選和分析。

根據用戶目標的國家和行業，AI員工全球搜集對企業最有價值商機

而且，非常產品化的地方在于，他們直接推出了5 位標準化的“AI Agent 員工”——從專門盯著政府標訊的“招投標員工”，到全天候監控合作伙伴財務狀況的“風險情報官”。這些數字員工不僅僅是提供信息，更是通過獨創的“四層知識圖譜”，像刑偵破案一樣構建完整的證據鏈。

當然，Agent處理復雜任務，理念確實很好，但當一個任務被拆解給多個模型，如果上一步產生了幻覺，下一步就會基于這個幻覺繼續一本正經地胡說八道，錯誤會層層放大。對于 C 端用戶，這可能只是個笑話；但對于涉及商業決策的 B 端客戶，這是不可接受的。

Specific AI 的解決方案非常“硬核”：引入證據鏈（Evidence Chain）。

允許模型自由發揮，但證據必須死磕到底。 從信息搜集到決策輸出，每一條數據、每一個結論，都必須能追溯到原始的證據源頭。

所以，基于以上構造， Specific 讓AI 不再只是陪你聊天，而是能幫你每月挖掘 500+ 條潛在商機，或者通過識別破產前兆幫客戶規避 2000 萬元的壞賬風險時，AI 才真正完成了從“玩具”到“新基建”的蛻變。

帶著對“出海 + Agent”落地場景的好奇，我們和 Specific AI 的聯合創始人楊覲光進行了一場深度對話，經編輯如下：

雇傭 AI 員工，讓商機看得見

鯨哥：恭喜 Specific AI 剛剛拿到了天使輪融資，估值也到了 8000 萬。我看咱們團隊的背景非常精英，不僅有來自 Formula Consulting 的戰略咨詢背景，還有像牛津、劍橋、港科大的技術大牛。這種“咨詢+學術”的混搭配置，是基于什么樣的考量？

Specific AI 楊覲光：謝謝。其實我們和目前主流的 AI 應用團隊最大的區別就是——我們高度業務化，同時技術又非常專精。

我的合伙人團隊里，有做國際戰略咨詢出身的，非常了解企業主到底需要什么；而我們的技術合伙人，比如來自牛津做大模型開發的張博士、劉碩士，來自劍橋加密資產數據的吳老師，以及香港大學負責數據分析的劉博士等，他們過往都是做模型研究和高密度數據處理的頂級人才。

我們雖然在純通用大模型上不去卷參數量，但在“如何從海量資訊中篩選有價值信息”這一點上，結合了咨詢的商業敏感度和金融級的數據處理能力，這讓我們能更精準地切入痛點。

鯨哥：商業數據和商業搜索是藍海市場，你們切入的場景是“出海”。當時是怎么鎖定這個方向的？

Specific AI 楊覲光：我們當時想找一個“信息差最大”的領域。

我們發現，中國企業在國內可能很熟悉環境，但一旦跨國，信息差就變得巨大。即使海外有大量的公開信息，但國內企業沒有能力、時間或專業人士去獲取。

根據預測，到 2028 年全球出海總值將突破 3 萬億美元。面對這么大的市場，傳統的方式效率太低了。我們之前接了一個政府側的咨詢報告項目，要搜集全球 20 多個國家的行業熱點。這個項目因為工作量太大、利潤太薄，傳統咨詢機構連續流標了兩次。但對于我們來說，用 AI Agent 去做，成本可能只是他們的百分之幾。

鯨哥：你剛才提到了一個很有趣的觀點：老板不需要 Chatbot。為什么你們一開始就拒絕了聊天機器人的形態？

Specific AI 楊覲光：這是一個特別反直覺的事。我們一開始就問自己：企業真的需要在工作流里放一個 Chatbot 嗎？

如果你仔細觀察真實的工作場景，你會發現大家并不是在漫無目的地聊天。沒有人會跟同事說“你來問我吧，我什么都知道”。工作的本質是匯報和分工。

所以，我們不提供聊天機器人，我們提供的是“AI 員工”。

在我們的產品體系里，你可以直接“雇傭”五個不同的角色。比如你需要做海外政府項目，你就雇傭“AI 招投標員工”，它 24 小時幫你盯著全球的標訊；你需要管理供應鏈，你就雇傭“AI 合作方風險追蹤情報官”。它們交付的是深度的研報、預警和決策建議，而不是對話框里的閑聊。

鯨哥：B 端客戶對 AI 最大的顧慮就是“幻覺”。在商業情報這個領域，你們怎么保證信息的真實性？

Specific AI 楊覲光：這是一個非常核心的問題。多智能體（Multi-Agent）雖然強大，但很容易層層引入幻覺。

為了解決這個問題，我們在技術架構上構建了一個“多層次知識圖譜”。

我們不僅僅是把數據扔給大模型，而是構建了四個層次：行業術語層、行業知識層、事實趨勢層、用戶信息層。這就像給 AI 裝了一個專業的“大腦回路”。

你可以允許模型在分析時有一定的自由度，但在核心事實層面，必須有一條嚴密的“證據鏈”貫穿始終。從信息搜集到最終的決策輸出，每一個結論都必須能追溯到原始的數據源。客戶向領導匯報時，展示的就是這個經過多層驗證的證據鏈。

鯨哥：聽起來很硬核。那落實到具體的降本增效上，有沒有什么實際的案例數據？這些 AI 員工到底能幫老板賺多少錢，或者省多少錢？

Specific AI 楊覲光：我們有兩個最核心的價值承諾：讓商機看得見，讓風險控得住。

在抓商機方面，以前海招商局為例，他們雇傭了我們的“招投標 AI 員工”和“客戶動態追蹤情報官”。我們直接對接官網數據和商業數據庫，幫他們每個月挖掘出 500 多條潛在商機。還有一個韓國的無人機企業客戶，用我們的系統在歐美市場拓客，效率直接起飛。

AI招投標員工每日給用戶推薦10條海外標訊

在控風險方面，價值可能更直觀。我們服務的一家日本跨國新材料企業，使用“風險追蹤情報官”監控他們的供應鏈企業。我們的 AI 從海量數據中，敏銳地識別出了他們某家客戶企業的破產前兆——這不是顯性的新聞，而是通過多維度數據推導出來的。

結果他們及時采取了行動，成功規避了高達 2000 萬元人民幣的回款風險。這就是 AI 員工在關鍵時刻的價值。

鯨哥：AI 這么能干，未來的銷售和商務人員會被替代嗎？

Specific AI 楊覲光：完全不會。我們從來沒想過用 AI 去替代那些做商務的人。

恰恰相反，我們的邏輯是：把那些瑣碎的、需要熬夜處理的信息搜集工作交給 AI，讓人騰出手來去干只有人能干的事。

比如，我們的 AI 幫你把標書拆解好了，合規點總結好了，甚至中標概率都算出來了，那你作為商務，就可以專注于去搞關系、去“喝茅臺”了。我們是讓商務人員從繁雜的案頭工作中解放出來，去專注于最后的臨門一腳。

鯨哥：聽說你們接下來的動作很大，不僅有新一輪融資計劃，還要進軍日美市場？

Specific AI 楊覲光：對，我們非常看好全球中小企業的數字化轉型需求。

我們計劃在未來 2-3 年內，把 Specific AI 打造成企業出海運營的“新基建”。目前的規劃是逐步開拓日本和美國市場，因為那里的商業信息付費習慣更好，市場也更成熟。

同時，我們也計劃在 2026 年第一季度啟動下一輪融資，繼續加大在多智能體平臺上的研發投入。我們不糾結于是不是要訓練一個超級大模型，我們只關心能不能用 AI Agent 這種新形態，幫中國乃至全球的企業，把生意的邊界推得更遠。

企業交流：