AI正在深刻重塑软件行业，从交互方式与 产品架构 ，再到商业模式，都面临重构。然而，企查查却呈现出独特的韧性，其业务增长并未受到冲击，反而持续保持高增长。

作为数据服务商，企查查缘何能够穿越周期？其真正的壁垒是什么？

为此， 我们与 企查查创始人陈德强 进行了一次深入对话。陈德强在访谈中系统阐述了企查查在 AI产业链中的重新定位，商业模式演进以及穿越技术周期的根本逻辑。

核心观点：

战略定位向 AI基础设施升级。 企查查正从面向个人的查询工具转向 Agent的数据基础设施提供商，核心是为AI提供实时、结构化的商业数据。

C端业务增长动力强劲。 用户 更重视数据可靠性，而非价格。 企查查在价格提升层面，潜力依然很大。

B端业务坚持标准化产品。 业务延伸至金融、制造等领域，不参与重实施项目。

数据 是穿越周期的 壁垒 。 数据服务商的 核心价值来自 于 物理世界 数据 ，这构成其穿越周期的根本壁垒。

以下为本次访谈实录，在不改变原意基础上略有修改。

01   定位A I时代基础设施

爱分析： 数据服务商在 AI时代应该重新定位自己？

陈德强 ：企查查的战略定位正在向 AI时代的商业基础设施 升级。

具体来说，我们正从过去面向C端的产品工具，转向成为Agent时代的商业底座 。 未来将更 聚焦于 把 积累的数据资产转化为更智能的工具和场景解决方案。

爱分析： 在国外， FactSet、IDC等 数据 终端应用 会整合 至 AWS的AI服务中 。在国内， 数据服务商会采取同样的策略吗？数据服务商 如何定位 与 基础模型的关系？

陈德强 ： 我们与 基础模型是上下游关系 ，我们是 数据上游。

十年前做企查查时，市场主体信息分散、滞后 ， 我们做了结构化、实体化、可搜索，变成人人可查的入口。现在发生了根本变化 ， 查询者变成了AI Agent ， 未来使用数据的可能不再是 “人”，而是AI。我们的角色从直接to C的产品，转向为AI提供数据的上游。

过去用户查企业需要打开应用、点标签、复制信息，半小时到一小时出一份摘要。现在，业务人员用Agent，配上我们的数据，3秒就能出报告。这个过程已不再需要UI 界面 ，而是需要结构化的数据接口或可调用的工具。

爱分析：使用者 从人变成 Agent ，会导致 业务模式发生什么 变化？

陈德强 ：目前用户通过问答获取信息，但未来可能是直接交付结果。AI在to B领域还在实践摸索，尚未解决所有问题。

这个过程中， 业务模式 会有几种。

第一 是数据基础或AI上游 的 角色。 这种非常明确， 因为大模型更多训练知识，而商业数据 ， 如企业经营异常、高管变更 的信息 变化很快，没必要也不可能都训练进模型。我们可以提供最新信息 ， 覆盖中国商业数据板块，这很明确。

第二是业务Know-how。大模型难以覆盖所有特定业务知识 ， 我们看到最强的模型也有内置的技能，金融、法律领域都有。但具体到公司或业务，变化很多。我们会针对商业领域构建技能，比如如何做KYC、供应商准入 ， 我们用AI加数据，做下游的AI应用，属于应用层 ， 所以 业务模式 中 也 会存在AI应用产品。

爱分析：KYC 这些 AI应用，也会面向终端用户吗？

陈德强 ： 会。 这些应用是我们保持与终端用户连接的方式 ， 一旦失去终端用户，竞争力会下降。企查查过去能做起来，很重要是APP这个应用能直接连接客户 ， 未来我们仍需要应用来获得客户注意力。

02 数据方能穿越周期

爱分析：2026年 ， 企查查 的 增长动力 来自哪里 ？

陈德强 ：存量业务C端和B端 都在 正常增长，数据板块未受AI太多影响。

爱分析： C端业务离天花板还很远 ？

陈德强 ： 我们 价格非常低 ，还有提升空间。 用户付费的是 C端APP， 但 业务 还 是to B。 B端用户 更重视数据可靠性，而非价格。

爱分析： 作为 软件服务商 ，企查查如何做到不受 AI影响？

陈德强 ： 数据是可以穿越周期的 。几千年前有文字就有数据 ， 物理世界 是数据的来源， 这是AI解决不了的 。

AI只能拿互联网数据加工，但很多细节不懂， 只有人才能从物理世界采集数据 。比如公司数据来自工商登记，要交材料，股东是物理世界的人 ， 这不可能无中生有，不可能被AI或软件取代 。未来 数据一直要用，但很多软件 就不再 用了。

爱分析：今年 业务 重心是 什么 ？

陈德强 ： 往应用场景延伸 。过去 我们 更专注数据打通，接下来 要往 下游 走 ，做数据应用落地 ， 把数据落 到实际的业务场景中 。

爱分析：企查查做C端时，业务模式轻 、 财务模型好 ，未来 重心向B端倾斜 后， 商业模式 能够保持与 C端一样好 吗？

陈德强 ：B端商业模式 确实 区别于 C端业务 ， 甲方决策流程和 交付方式 会压缩毛利率。

我们未来 依然提供 开箱即用的to B产品，不会涉及太重决策成本，否则就变 成了 项目开发。 我们 一般 不会参与重实施的项目 。 在我们 的 业务领域，合规、信用风险是标准化产品，法律领域产品也是标准化的。

但是 ，我们 会 引入业务人员 参与产品研发， 因为未来交付不仅是软件，软件背后的业务更重要。业务需要升级，需要懂行业的人。

爱分析：做B端业务 ，会 担心毛利下滑吗？

陈德强 ：不会。 刚才有提到， 我们未来 依然提供 开箱即用的to B产品， 尽量避免做 项目， 以此确保 毛利率与增长 之间的 平衡。 从数据角度 来看 ， 标准化的产品，随着用户增长 ，成本分摊会越来越薄。

爱分析： B端业务会 重点切入哪些行业？

陈德强 ： 首选从金融行业 的 合规 与 风险 业务切入 。 现代金融行业， 合规是交易 的 前提，风险是交易中 的核心关注 点。

此外 制造业，包括供应链 也是重点， 制造业企业占比大，上下游涉及企业信息获取、KYC、风险、供应 链 能力，都需外部获取。

爱分析：很多 AI厂商会采取多条产品线 布局 的策略， 企查查 是否会多线并进 ？

陈德强 ：从成立到现在， 我们不走这个策略，因为成功率不高 。 广撒网的产品线 像做投资，十个中一个 ， 不如直接投钱更轻。

爱分析：自研小模型在战略中扮演什么角色？

陈德强 ： 第一个比较大的价值是成本优化，第二是可靠性高。

在调用量很大的特定场景，用小模型在我们自己的算力服务器上跑，成本非常低，且与业务贴得近。这是我们一直在做的。

爱分析： 计划推出龙虾的产品吗 ？

陈德强 ：我们有这个想法。龙虾强在文档类交付 ， 很多用户用数据最后输出文档，这部分龙虾能覆盖，加上用我们的数据接口或MCP，在龙虾里很快搭好。

但这种产品对用户 的 价值还不好评估 ，核心还是 可靠性问题。数据领域要求 准确率 100%，可靠性不够 会影响最终价值。

爱分析： 未来通过 AI赋能交付，改变重人力、低毛利的商业困局。您觉得可行性多大？

陈德强 ： 不认同。

交付这条路 会很 艰巨。软件交付难做， 是 因为理解业务的成本高 ，而非实施过程 成本 高 。 AI只能降低实施成本，无法降低理解业务的成本。

爱分析：产研体系未来几年会 因为 AI介入，保持规模平稳不扩张吗？

陈德强 ：产研更多扩 大 业务端，而非开发端 ， 开发端会减少 ， 业务端是指深入企业业务流程，虽不做交付，但 要介入企业业务流程。

03 数据 如何变成 资产 ？

爱分析：中国数据市场优秀厂商少，本质原因是什么？

陈德强 ：是 因为 掌握数据的人 还 不 够 懂业务 ， 数据方不知道数据能否发挥业务价值。很多数据方把数据当宝贝，但放 在一边 用不起来。商业 领域的 数据虽然 是 公开 的 ，但加工出 来的 价值比私有数据更高。

爱分析： 数据服务市场 目前面临的主要挑战有哪些？

陈德强 ： 首先， 数据 服务 有个 普遍的误区，认为数据 = 资产 。其实理解不了数据， 就 很难变成资产。 数据在场景中产生价值，才变成资产，而不是因为数据发生了交易，成为资产。所以，数交所、数商在数据服务领域都不是最重要的 ， 真正关键的是能将数据与业务场景深度耦合的 “懂行者”——既通数据技术，又精业务逻辑，能精准识别数据在具体场景中的价值支点。

其次，是数据定价不确定。国内很多数据源方不敢开价。但只有数据源方能否持续 10年提供数据，下游应用 方 才会愿意投重金寻找应用场景。

希望数据源方敢于定价 。 行业内有些数据只要定价出来， 应用和商业化 都 比较会做 得 很 好。

爱分析：企查查 还在做哪些细分领域的数据服务 ？

陈德强 ：招投标数据、资产交易、商标专利， 我们 一直在做。这赛道数据公开， 但是 用户群体窄，是红海，玩家多。 未来 看谁坚持久、做得细、可靠性高，慢慢形成竞争力。

爱分析：数据 服务 有海外机会吗？

陈德强 ：有些国家很成熟，壁垒高。有些国家还在原始阶段，没有电子化系统，如中亚国家，连工商系统都没有。如果帮其建立系统、收集数据，未来能形成竞争力 ， 这也是方向。

爱分析：企查查也在做出海业务 吗 ？

陈德强 ： 我们的 业务在海外增长不错。比如 一带一路沿线国家与地区 等。

爱分析： 出海是 从C端开始，还是直接to B？

陈德强 ：to B。海外 to B 付费意愿和能力较强。有好产品，to B购买决定快，有付费习惯。