SVTR AI 创投库 · AI 创投会第 010 期丨AI + 销售：拼发件量的「数字员工」正在退潮，拼判断的「数字专家」刚上场 · 2025 年 1 月 25 日
「我这是第三次创业，前两次都失败了。原因很简单，我一直用工程师的思维做产品，以为东西够好自然会有人买。事实证明不是这样。」2025 年 1 月 25 日，农历新年前的这场 SVTR 会员圆桌上，DealightAI 创始人 Ryan Tang 上来先自曝了两次失败。这句开场不是谦辞，它正是整场分享的脊柱：AI 销售这一轮真正的分水岭，在于替客户判断「该把服务卖给谁」，而不只是把邮件发得更快更多。
数字员工负责拼量，数字专家负责替你选客户
Ryan 把面向企业销售的 AI 化拆成两代。第一代是 2016 年前的销售工具，用自然语言处理和大数据把公司与联系人信息检索出来，本质是「销售版的搜索引擎」，Apollo.io 是代表。第二代随大模型而来，把「数字员工」搬进销售，代表是 Artisan、11x.ai 这类「数字销售代表」：你告诉它找什么公司、发什么邮件，它一丝不苟地照做，替掉基层销售岗。
Delight 想做的是第三种。据其现场表述，AI 最大的价值不在把销售动作自动化到极致，而在做出更好的决策。他的理由是，模型读过的信息量是一家公司的几十万倍，理应比客户自己更清楚这项服务该卖给谁。所以数字员工是「你说怎么做、它执行」，而他要做的「数字销售专家」反过来，根据你公司的现状主动做研究、自己找出理想客户画像(ICP)，甚至提醒你原本圈定的人群不对、应该去够另一批人。一个拼触达的量，一个拼判断的准。
这也决定了成本结构：专家型要更专用的模型、更干净的数据、持续更新，单价必然更高，就像顾问天然比普通员工贵。换来的是更高的转化率。据其现场表述，一家人力招聘服务公司此前用通用话术群发邮件、回复率约 1.2%，接入后八周内提到了 4.3%。
为什么是服务型公司，而不是所有人
Ryan 的目标客户收敛得很窄：服务型公司(Service Firms)，即咨询、网页开发、人力、法律、财会这类只卖服务不卖产品的机构，且当前只做科技属性强的一批(IT 咨询、网页开发、人力与薪酬服务)。理由讲得具体：这类公司服务线杂，单笔合同动辄数十万到数百万美元，必须够到对方决策层，回复率天然低、容错也低，一封发错就得罪了别人公司最高一级的人。据其现场表述，光美国就有约 80 万家这类服务型公司，竞争激烈，谁能在对的时点、用对的话术够到对的人，谁才转化得动。这正是「拼判断」比「拼量」更值钱的场景。
现场都是被「AI 到底怎么卖出去」这个问题拽来的人
这场会来的二十多人，几乎都卡在同一道题的不同侧面。返场的燧原战略负责人、前麦肯锡顾问丰小川(第 008 期嘉宾)追着问产品市场契合(PMF)与单位经济：定制化程度多高、投入产出怎么算。有做中美跨境业务拓展的投资人，先问要不要锁定某个垂直行业、数据是公开还是私有；有人质疑这是「低频高客单」的场景、切入会不会更难；还有人带着朋友的中餐餐饮机器人出海来问能不能复用这套打法。
Ryan 的回答里有两处最见功力。一是产品市场契合：他坦承没有百分百把握，判断依据是自家用产品做触达时，LinkedIn 上的转化率高得反常，一周能约到八到十个演示，而这需要再观察几个月去确认。二是数据与成本：据其现场表述，公开数据(职位发布、公司官网招聘页、合作方线索)已能支撑大部分研究，关键在把数据拆成「稳定层」(公司何时成立、创始人是谁，几乎不变)和「变动层」(近期有没有新换高管、有没有人离职)，稳定层存下来复用，变动层才重新抓，单位成本随规模摊薄。按用量而非固定价计费，他判断这会是大模型时代最主流的商业模式。
换到中国，这套打法缺了最底下那层公开数据
主持人收尾时点出一个真问题：这套打法建在 LinkedIn、Apollo.io、公开职位数据这层「公开职业信息底座」之上，而国内没有对应的一层。Ryan 也顺势谈到面向消费者的市场更难做，因为卖联系人触及隐私红线，是模糊地带。这恰是中美两地的结构差：美国创业者能把公开职业数据当地基，直接在上面做筛选和触达；国内没有这层地基，线索更多要靠公众号、视频号、私域留言一点点攒。同一个「让 AI 替你把东西卖出去」的命题，两边的起手式完全不同。
回看 18 个月：他押的「拼判断」，被「拼量」那一方自己验证了
SVTR AI 创投库把 AI + 销售单列为一条赛道，全球已有近 80 家初创拿到知名机构投资：端到端生成式 AI 呼叫中心平台 Cresta 累计融资约 $2.7 亿，一站式市场销售平台 Apollo.io 累计 $2.5 亿以上，而 Ryan 现场点名的 11x.ai，曾以「半年营收破 200 万美元」成为「数字员工」叙事的增速样板。
耐人寻味的正是这家样板。据 TechCrunch 2025 年 3 月报道，11x 被质疑把短期试用算成年度经常性收入、客户流失率高达七到八成，数据公司 ZoomInfo 公开否认是其客户并威胁法律行动。「拼量」这条路径最先撞上留存的墙，从反面印证了 Ryan 一月就给出的判断：发件量堆不出留存，判断的准确度才是护城河。另一边，他点名的 Artisan 在 2025 年 4 月拿到 Glade Brook 领投的 2500 万美元 A 轮，赛道资本并未退场，只是钱开始向「拼判断、拼垂直」的方向挪。
Ryan 最后补的一句观察，比产品本身更值得记：从 YC 近几批公司看，美国 AI 创业正在集体收缩，从 2023 年「一个通用 AI 什么都能做」，退回到「想清楚把什么卖给谁、只服务一小撮人」。19 个月过去，这条「越做越窄、越窄越值钱」的曲线大体兑现。这也是 SVTR 坚持做一手现场记录的意义：把一个赛道判断在它还没被验证时原样留下，日后好拿出来对表。
这场分享的完整录播，归 SVTR 会员专区归档。想看更多一手现场判断、项目信息并直接对接创始人，可加入 SVTR 会员。