唐祺凌：一家AI公司的技术与生意——从数据技术到品牌资产管理，一位创业者的判断、取舍与长期选择

唐祺凌|灵熙智能董事长、创始人

过去二十多年,中国企业经历了不止一次信息入口的变化。从门户网站、搜索引擎到移动互联网和内容平台,品牌不断学习怎样出现在新的渠道里。如今,一些消费者开始直接向AI询问产品、比较品牌。入口又变了,但企业面对的一个问题始终没有消失:多年投入形成的知识、产品信息和经营经验,究竟有多少能够在下一轮变化中继续发挥作用?

对唐祺凌而言,这不是一个刚刚伴随GEO热潮出现的问题。他长期从事数据系统及复杂应用相关工作,见过技术如何改变信息的组织方式,也见过一些企业借助新工具迅速发展,却没能把当时的优势变成持续的能力。技术可以升级,平台可以更换,企业自己真正留下了什么?这个问题,他思考了很多年。

2023年,唐祺凌与长期从事品牌经营的另一位创始人共同创办灵熙智能。作为董事长、创始人,他希望将过去的数据技术积累用于新的企业问题:让企业的品牌事实、产品知识和经营经验不再散落各处,而能够被准确理解、持续维护,并在新的经营场景中使用。

这条路既有新技术带来的机会,也有很现实的商业难题。客户需要看见效果,团队需要持续研发,市场变化又从不等待任何一家企业。在这样的压力下,什么值得投入,什么应当放弃?

唐祺凌谈到过一些没有接下来的项目:技术上可以开发,但客户需求尚不清楚,或者企业内部缺乏持续运营的条件。他宁可放弃这样的商业机会,也不愿把“系统交付”当作“问题解决”。“技术是有边界的,用户的需求是无边界的。”

这句话揭示了他的经营尺度,也为理解灵熙今天的技术与生意提供了一条线索:他关注的不只是下一项技术能够做什么,更是企业怎样把一次次投入,积累成下一次仍然可以使用的能力。

一位数据技术人的长期判断

在早年接触信息化建设时,唐祺凌看到的是一个与今天不同的技术世界。网络、基础平台和复杂应用需要一步步建设,许多工作首先要解决系统能不能连接、数据能不能流转的问题。

他喜欢用“修路”来解释这种先后关系。先有基础设施,应用才有条件运行;有了长期运行的业务,数据才会不断积累;信息能够在不同工作之间准确使用,技术的价值才开始真正显现。

从PC互联网、移动应用到云计算和大数据,工具的名称一直在变化。唐祺凌对技术的兴趣,却并不只在于工具本身。他更关心一套系统运转以后,究竟为企业留下了什么。

此前他与从事数据营销的老同事谈起行业变化。大家回想起当年那些曾经活跃的公司,也注意到有些企业在一轮技术热潮过后失去了原来的位置。他由此区分了两个容易混淆的概念:数字化营销,是借助数字工具开展服务;数据化营销,更看重以长期的数据积累和研究能力为基础开展业务。

多年观察让他意识到,借助新工具可以迅速提高效率,但只有在真实业务中持续形成的知识、可靠数据和处理复杂问题的能力,才可能陪伴企业经历下一轮变化。

“数据是本”,他在访谈中这样概括自己的认识。

但数据也不是存得越多越好。事实是否准确、有没有明确来源、适用于哪个产品版本、谁有权使用,决定了这些信息能否在后续工作中继续发挥作用。缺少管理的数据堆积,并不自动等于企业资产。

这项认识在今天有了更广泛的商业背景。中国企业经过多轮产业与市场扩张,一些行业仍有很强的增长动力,另一些行业则越来越重视投入产出、经营效率和客户留存。2026年前三季度,中国GDP同比增长4.6%;信息传输、软件和信息技术服务业增加值同比增长10.4%。同年10月,小型制造业企业PMI为47.5,反映出部分中小制造企业的经营压力。

增长和压力并存,企业之间的差距也在扩大。上一轮行之有效的经营方式,未必能自然延续到下一轮。

对于唐祺凌这样的技术创业者,市场起伏最终会落到很具体的问题上:客户愿不愿意持续投入?新技术能否真正改善经营?一项服务完成之后,企业是否获得了下一次仍然可以使用的能力?

国际市场也在重新审视技术投资的回报。2026年10月,国际货币基金组织预计全球经济当年增长3.1%,并提示人工智能投资预期可能重新调整。大型科技企业不断推出新模型,真正采购和使用这些技术的企业,却仍需要计算预算、人员、运营和收益。技术更新得快,商业价值必须一步步兑现。

唐祺凌谈到项目时反复问的,是客户最终能不能把系统用起来。对他来说,这比技术名称更迭得有多快更重要。一项技术只有真正进入业务,才能谈得上长期价值。

在他看来,企业过去投入时间和资源形成的产品知识、经营经验和品牌信誉,都不应该因为更换平台或者服务商,就被迫一次次重新开始。

两位创始人的共同选择

2023年前后,大语言模型带来的变化逐渐进入企业视野。唐祺凌一直关注数据技术与人工智能应用,新的语言理解和交互能力,也让他开始重新审视过去熟悉的企业服务问题。

另一位创始人长期从事品牌经营与市场服务。与唐祺凌相比,他更熟悉企业怎样面对消费者、渠道和品牌竞争。两人开始认真讨论:各自积累的经验,能否在新的技术条件下做成一项长期事业?

谈起这段合作的缘起,唐祺凌至今记得合伙人曾在深夜写来的一封长信。在他的回忆里,对方把为什么合作、合作以后怎样共事,以及两个人应该如何相处,都想得相当清楚。“讲得非常清楚,也很打动我。”

在那段交流中,对方还问过一句:“你在关注AI吗?”唐祺凌的回答是:“我一直在关注。”两人都对新技术感兴趣,也各自有此前多年不同领域的积累:一方从数据和系统理解企业,一方从品牌与市场理解客户。合作的想法由此逐渐清晰。

灵熙智能于2023年成立。早期团队曾尝试AI导购助手和消费者意图研究,探索新技术如何改善销售人员与客户的交流。它只是公司早期应用探索的一部分。

更长久的课题来自双方对企业经营的观察:一家品牌经过多年发展,产品知识、技术成果、渠道资料和客户经验早已相当丰富,但它们未必以同一套清晰、可靠的方式得到保存和使用。

尤其是业务复杂的大企业,研发部门有产品参数,市场部门有传播版本,销售团队有客户解释,各地经销商又会依本地需求调整表述。同一项产品,在不同渠道可能留下不同叫法;已经更新的参数,仍留在旧资料中;一项获得认可的成果,相关证明材料却不容易找到。

唐祺凌常说要“打破部门墙”。在他看来,这不只是内部管理的问题:当消费者开始直接向AI询问产品、比较品牌,企业首先需要知道自己有哪些真实、有效的信息,又该怎样让这些信息在不同渠道和系统里被准确理解。

AI能够整理和比较资料,但回答仍受模型、来源、检索条件和提问方式等因素影响。企业发过一份材料,不代表每个AI系统都能找到并正确理解。如何让品牌长期积累的知识真正变得可用,也就成为两位创始人持续研究的方向。

AI回答背后的系统性问题

当客户开始直接询问AI,企业资料分散、事实版本不一的问题,便从内部管理延伸到了品牌的外部认知。

例如,一位消费者询问怎样挑选一款适合小厨房的洗碗机。回答可能涉及安装尺寸、容量、清洁效果、使用维护和不同产品的适用条件。品牌方最初关注的也许只是:自己的产品有没有进入答案?

唐祺凌和团队希望把问题再向前推进一步:为什么被提及,为什么没有被提及,模型用了什么信息,有没有误读产品能力,哪些重要事实缺少可以核查的公开说明?

这个过程还有一个容易被忽视的难处。企业的优势往往分散在不同人的经验里:销售人员最清楚客户会追问什么,研发人员知道功能适用的边界,售后团队掌握使用中真实出现的问题。如果只把官网现有内容重新改写一遍,许多有价值的答案仍然不会出现。企业必须把这些内部事实先找出来,核对清楚,才能转化成公开、有效的选择依据。

灵熙后来将围绕这些问题开展的研究、诊断、内容建设与持续复测,归纳为“高质量GEO”。

它从消费者真实的疑问开始,观察不同AI如何解释品牌、引用了哪些信息,再回到企业官网、产品资料、行业标准与相关证据中核对。发现错误,就查证原因;发现事实缺口,就补充清楚;内容建设之后,再观察回答是否发生变化。

真正需要建设的,并不只是更多文章,而是更清楚、能够核实、与用户问题有关的解释。例如,一家企业声称产品具备某项优势,就应尽可能说明优势适用的条件、相关测试或标准依据,而不是只留下“技术领先”的抽象宣传句。

经过确认的信息,可以组织成官网说明、专业内容、产品问答和适当的外部资料,再在可比的条件下复测AI回答的变化。研究结论与改善动作之间,应当留有能够回查的依据。

“高质量”并不意味着可以保证排名或推荐,而是让研究和改进有依据、能够复核。品牌被怎样介绍、在什么场景出现、引用了哪些材料,都应分别观察;与销售结果之间的关系,更需要谨慎分析。

这项工作与唐祺凌早年的数据工作形成了某种呼应:从现象出发,用证据寻找原因,再通过新的观察验证判断。

但企业的产品会升级,渠道会变化,今天核实的信息明年也许就需要更新。如果每次改善AI回答,都重新寻找资料、确认版本,这项服务很容易变成一次次短期项目。

唐祺凌不愿意让每一轮工作都从头开始。他关心的是,解决过的问题能否留下可靠依据,让下一次工作建立在已有积累之上。

如果同一项产品参数在官网、销售说明和渠道内容中存在多个版本,问题不只发生在AI回答里。即使某次回答被修正,企业内部和其他渠道仍可能继续使用旧资料。更稳妥的办法,是让每一项重要的产品事实都能够找到来源、责任和有效版本,再让后续工作以这些依据为基础。

灵熙的品牌数字资产管理中心,就是围绕这一类长期工作展开:整理品牌和产品知识,管理图片、视频和文字资料,记录版本、权限与使用范围,让跨部门团队和授权服务商能够持续寻找、调用与复用有效资产。

与此同时,企业还需要知道外部世界发生了什么。消费者的问题有没有变化?竞品推出了什么新主张?一个行业的新标准可能怎样影响产品解释?品牌数字情报中心关注的是这些行业、市场和消费者变化,并将来源与研究判断保留下来。

这样,AI能见度研究提供外部表现的观察,资产管理提供可靠的信息基础,数字情报帮助企业持续理解外部变化。三项工作面向不同问题,却不应当彼此割裂。

三项工作也对应着企业不同的需要:看清当下外部怎样认识品牌,管理内部可以长期使用的事实,并理解市场接下来可能发生的变化。灵熙希望让这些工作使用相互一致的依据,而不是分别建设互不相通的资料体系。

唐祺凌关心的是,怎样把这些工作组织成可以长期运行的能力,而不是在每个业务场景都重新开发一套互不相通的工具。

为此,灵熙建设了LynxOS品牌智能操作系统,作为三个产品中心的统一智能运行底座。它尝试把品牌、产品、主张、证据、内容和使用记录建立明确关系,并将知识检索、AI模型使用、权限规则和任务协作连接起来。

技术方案的价值可以用一件简单的事来理解:当一款产品更新安装尺寸,企业需要检查的可能不只是一页说明书。官网、销售手册、选购文章和客服资料,都可能引用过旧尺寸。若这些内容之间存在清楚的关联,团队就更有条件找到受影响的版本,再由相关人员确认更新。

这是LynxOS所要支撑的工作方式。实际能够关联多少资料、自动化到什么程度,要根据产品版本和项目条件分别落实。

对熟悉数据系统建设的唐祺凌来说,这种选择有其连续性:技术工具可以迭代,企业自己的知识、事实依据和业务关系不应该因此失去。模型能力将继续进步,企业也需要有能力根据新的业务任务选择合适的工具,而不是把全部知识绑定在某一款工具上。

与其说他希望用一套系统替企业做完所有决定,不如说他希望让企业已经掌握的知识在每一次新的决定中更容易被使用。

技术公司的经营取舍

技术路线有了方向,经营现实却不会因此变得轻松。

人工智能更新很快,新模型不断出现,学习与试错成本都在增加。唐祺凌谈过自己借助不同AI助手研究资料、互相核对结果,也谈过持续向学界与技术同行请教的习惯。面对变化,他并不主张缓慢观望。

在技术面前反应快,并不意味着每一次商业机会都要抓住。

对于一家年轻公司,研究、交付、市场与现金流都需要平衡。客户有时希望短期看见结果,长期的数据和知识能力却不可能一次建完。也正因为这样,唐祺凌在访谈中一再谈到技术边界和需求判断。客户需要什么、哪些条件已经具备、哪些能力还有待验证,必须尽量在开始工作之前说清楚。

技术上可以做,不一定值得接;商业上有收入,也不一定符合未来的发展方向。这并不是否认业务规模的重要性,而是将短期收入放在更长的经营周期中权衡。

谈到创业环境,唐祺凌不讳言中小科技企业面临的人才与资源压力。他曾用“大树底下寸草不生”形容自己感受到的竞争处境:大型平台在人才、资本和研发投入上具有优势,规模较小的团队更需要找准位置,找到愿意长期共事的伙伴。

对于资源有限的创业团队,技术方向可以想得长远,现金流和人才却必须在今天解决。做与不做之间的取舍,往往比战略表述更难。

宏观环境也不提供一种简单的答案。经济增长较快时,企业可能乐于尝试新项目;市场竞争加剧时,企业可能更加重视效率和确定性。技术公司必须同时理解这两种状态:既要有能力回应新的机会,也要能证明已有系统为何值得继续运行。唐祺凌把这种长期经营的判断落实到研发方向上,而它能否最终成为优势,还需要市场检验。

说起与这位创始人的合作,唐祺凌并不回避分歧。他讲过,两人意见不一致时,宁愿当天把问题说开,也不让隔阂留到第二天。早年那封认真谈论如何共事的长信,后来要面对的,正是创业过程中每天都有可能出现的不同判断。对他而言,合作不是永远意见一致,而是能够换位思考,把事情往前推进。

灵熙后来把“专业、敏捷、担当、诚信”确定为核心价值观。在实际工作中,它们对应的是更具体的要求:重要事实要核对,新技术要及时跟进,对客户的承诺要有边界,遇到问题不能只以“系统已经交付”作为回答。

谈到公司“成为全球最值得信赖的品牌数字资产管理公司”的愿景,唐祺凌首先提到合法合规使用数据、认真管理客户资料,让企业能够放心。这样的信赖没有捷径,只能依靠一次次业务合作、技术验证和实际结果慢慢建立。

对于唐祺凌来说,今天的AI浪潮不是技术变化的终点。

未来的智能体也许能够代表个人和企业完成更多任务。消费者获取信息的方式还会改变,企业使用技术的习惯也会不断调整。这些方向包含机会,也有大量尚未确定的条件。

一家公司的能力,终究不能全部建立在预测哪种技术将成为下一轮赢家上。

从数据系统到品牌管理,唐祺凌所选择的,是一项需要时间验证的事业:帮助企业把过去真实形成的品牌事实、产品知识和经营经验,整理成能够持续使用的资产,再让新的技术建立在这些依据之上。

灵熙能否让更多企业在AI环境中被准确理解,能否把相关技术真正变成可以长期使用的能力,仍需要一项项真实业务来回答。

他愿意把下一段时间投入其中。

当新的工具、平台与商业热点再次出现时,一家公司究竟能够带着什么走向下一轮竞争?这个问题,也许比任何一次技术发布都值得长期追问。