作者 ｜ 貓貓頭
郵箱 ｜ cathy@pingwest.com

2026年，給公司名字加上"AI"后綴已經(jīng)不算新聞。但ThinkingAI（原ThinkingData / 數(shù)數(shù)科技）4月16日在山景城計算機歷史博物館辦的這場發(fā)布會，有意思的地方不在改名。

當(dāng)天三件事同時官宣：

品牌從ThinkingData升級為ThinkingAI，

發(fā)布企業(yè)級AI Agent平臺Agentic Engine，

與MiniMax達(dá)成戰(zhàn)略合作、由后者為私有化部署提供大模型底座。

400多人坐滿了活動大廳，聯(lián)合創(chuàng)始人Chris Han上臺的第一句話是："說實話，這比我想象的人多得多。"

但真正的問題不是誰來了，而是ThinkingAI想證明什么——在一個所有人都在做Agent的年份，它憑什么說自己不一樣？

1

1. Agent很聰明，但它不懂你的"留存"怎么算

高盛的數(shù)據(jù)很刺眼：截至2025年，僅7%的企業(yè)完成了公司層面的AI全面整合。Agent層面更夸張——2026年3月的行業(yè)調(diào)研顯示，78%的企業(yè)已啟動AI Agent試點，但只有不到15%進(jìn)入了生產(chǎn)環(huán)境。

卡在哪了？不是模型不夠聰明。

當(dāng)你問Agent"為什么這周留存掉了"，它大概率不知道"留存"在你的公司里按什么口徑算——自然周還是運營周？注冊還是首次付費？這不是大模型能力的問題，是行業(yè)know-how的問題�？縫rompt補不齊，靠fine-tune也很難覆蓋。

Chris Han在keynote中說得很直白："沒有知識、沒有方法論的Agent，跟沒有靈魂的人一樣。"

他把那些散落在日常運營中的微小優(yōu)化窗口叫"原子機會"——單個不起眼，累積起來可能意味著數(shù)十億美元的增長差距。靠人工運營捕捉不過來，這是Agent真正該干的事。但一個連"留存"口徑都搞不清楚的Agent，抓不住任何機會。

1

2. 十年方法論，編碼成一百多個Skill

ThinkingAI的底牌是時間。

前身數(shù)數(shù)科技2015年成立，十一年服務(wù)了1500多家企業(yè)、8000多款產(chǎn)品，客戶覆蓋SEGA、KRAFTON、Habby。最早扎根游戲行業(yè)——MiniMax全球業(yè)務(wù)總經(jīng)理Linda Sheng在發(fā)布會上給了一個判斷：要看哪些行業(yè)最容易被AI改變，核心標(biāo)準(zhǔn)是數(shù)據(jù)就緒度，游戲恰好最靠前。數(shù)據(jù)量大、維度多、反饋周期極短，是天然的AI試驗田。

這十年積累的行業(yè)方法論，被轉(zhuǎn)化成了Agentic Engine的三層知識體系：

語義層+知識圖譜，把"DAU怎么算""上周是自然周還是運營周""收入是GMV還是實收"這些每家公司都不一樣的隱性知識結(jié)構(gòu)化，Agent直接調(diào)用。

100多個預(yù)置行業(yè)Skill，覆蓋用戶分析、留存分析、付費分析、投放歸因等八大領(lǐng)域。不是通用數(shù)據(jù)查詢，而是"留存該怎么拆""投放ROI該怎么歸因"這類具體的行業(yè)方法論。

持續(xù)進(jìn)化——每次執(zhí)行結(jié)果沉淀為新知識，上次A/B測試哪個方案贏了、為什么贏，都會回流到系統(tǒng)中。Agent不是每次從零開始，而是越跑越準(zhǔn)。

Chris Han對此的表述很直接："我們沒有你的數(shù)據(jù)。我們從來不擁有客戶的數(shù)據(jù)。但我們有最佳實踐——怎么用好數(shù)據(jù)，這是十年、一千五百家客戶教會我們的。"

模型能力從哪來？

MiniMax

這家2026年初港股上市、市值超400億美元的公司。Linda Sheng現(xiàn)場透露，接下來MiniMax會和ThinkingAI從游戲行業(yè)開始，把行業(yè)場景沉淀下來反哺到下一代基礎(chǔ)模型的預(yù)訓(xùn)練中。不只是"誰給誰提供模型"的供應(yīng)商關(guān)系，更接近共同定義下一代企業(yè)Agent該解決什么問題。

1

3. 從發(fā)現(xiàn)問題到解決問題，不開會

Chris Han在臺上做了一個場景演示來驗證這套體系：D7留存下降12%、第三關(guān)退出率飆到34%——Agentic Engine在團隊打開任何看板之前就發(fā)出了警報，分析Agent調(diào)用行業(yè)Skill完成全漏斗拆解、定位到難度曲線問題，隨后自動生成優(yōu)化方案、啟動A/B測試，兩天后留存完全恢復(fù)。

整個鏈條里沒有開會、沒有排期、沒有跨部門傳文檔。全系統(tǒng)支持私有化部署，保證數(shù)據(jù)不出企業(yè)。

更重要的是：模型會拉平，方法論不會

模型能力正在快速commodity化——今天你能調(diào)的API，明天競品也能調(diào)。Agent框架也在趨同，開源社區(qū)每周都在縮小架構(gòu)差距。

但這恰恰是行業(yè)know-how變得值錢的原因。當(dāng)構(gòu)建技術(shù)本身不再構(gòu)成壁壘，真正的護(hù)城河轉(zhuǎn)移到了AI本身無法自動化的東西：行業(yè)方法論、客戶業(yè)務(wù)口徑的深度理解、以及十年服務(wù)積累的最佳實踐。OpenAI不會去學(xué)1500家游戲公司各自怎么算留存，Anthropic也不會。而一旦Agent吃透了一家企業(yè)的業(yè)務(wù)邏輯和分析框架，切換平臺意味著從頭再教一遍——沒有運營總監(jiān)愿意冒這個風(fēng)險。

這有點像Bloomberg Terminal的邏輯：終端誰都能造，但四十年積累的金融數(shù)據(jù)分類體系才是壁壘。

發(fā)布會后半程，來自O(shè)penAI、Google DeepMind等機構(gòu)的行業(yè)人士討論"AI在企業(yè)中的未來"。臺上臺下其實都在繞同一個問題：企業(yè)AI的下一步，不是誰的模型更大，而是誰能讓AI真正嵌入業(yè)務(wù)流程。

ThinkingAI押的就是這件事：在所有人都在比誰的Agent更聰明的時候，它選擇比誰的Agent更懂行。

模型參數(shù)可以買，行業(yè)方法論只能攢。這條路沒有捷徑。

4 月 22 日 13:30，上海漕河涇會議中心。ThinkingAI 將提供實機演示和 1v1 場景診斷。具體報名信息，可點擊閱讀原文查看。

點個“愛心”，再走 吧