亿娲 YIWA AI

让人工智能真正进入企业业务现场

构建亿万 Agent，赋能千行百业

我们交付的不是一次性演示，而是可部署、可运营、可持续迭代的 AI 系统

已通过甲方验收

三甲精神专科医院科研数据治理项目

0个行业已落地

从电商增长到司法调解

已商业化落地

电商 Agent 产品线，非试点演示

看交付记录

Company Overview

一家把 AI 做进业务流程的工程公司

不是模型演示，也不是 API 转售

以 AI Agent、企业级人工智能应用和行业智能化交付为核心，帮助企业把大模型、数据、智能工作流和数字员工嵌入业务流程。

我们交付的不是一次性演示，而是可部署、可运营、可持续迭代的 AI 系统。

成立时间

2025 年 3 月

总部

杭州 · 西湖区

技术主线

AI Agent 研发与行业智能化交付

交付形态

SaaS / 独立云 / 私有化

已进入的行业场景

每一项都对应真实合同或已出具的方案

  • 电商经营增长AI Agent 产品线 · 已商业化
  • 品牌零售治理AI 数字巡店员 · 方案交付中
  • 医疗科研数据多源数据治理 · 已验收
  • 司法调解数字化合规运营平台 · 方案交付中
  • 职业教育产教融合AI 实训平台 · 方案交付中
  • 企业 AI 基础服务模型与算力接入 · 安全服务

可部署

系统进得了客户的生产环境

可运营

有人管、有指标、有迭代节奏

可验证

结论能下钻到原始证据

Why AI Projects Stall

企业需要的不是模型，而是能跑起来的 AI 系统

模型能力只是链路的第一步，业务结果发生在最后一步

模型能力

会回答

业务数据

看得懂

流程编排

接得上

岗位承接

干得了

经营结果

算得清

多数企业停在前两步亿娲承接的是后面这一段

AI 项目失败，通常不是模型不行，而是这三处断点

01

数据没有治理

字段口径不一、来源分散、缺失与冲突未处理，模型拿不到可用输入。

多源数据治理与质控，过程可追溯

02

流程没有载体

SOP 写在文档里等于不存在，一线不会为了用 AI 而改变工作方式。

把流程做成界面，Agent 内嵌岗位动作

03

上线之后没人运营

系统交付即巅峰，规则不更新、异常没人处置，三个月后被弃用。

交付含运营机制、看板与迭代排期

Capability Map

从模型到运营，交付一条完整能力链

九项能力可以整体交付，也可以按企业已有基础单点补齐

01

模型与算力接入

多模型网关与统一 API，按任务在模型间调度；持有主流云厂商框架协议。

02

数据治理

多源接入、清洗、结构化、归一化、脱敏与质控，处理过程可追溯。

03

知识库

行业方法论与企业文档沉淀为可检索、可引用、可版本管理的知识资产。

04

Agent 引擎

自研 Agent 能力，把专家动作拆解为可复用、可组合的智能体。

05

工作流编排

把单点 Agent 串成有审批、有质检、有回退的业务流程。

06

行业应用

面向电商、零售、医疗科研、司法、教育的场景化应用与平台。

07

部署交付

SaaS、独立云环境与私有化部署，配合客户信息中心安全审查。

08

安全与合规

权限分级、字段级管控、全量审计日志、数据脱敏与隔离、证书服务。

09

运营与迭代

上线后的规则维护、异常处置、指标看板与版本迭代机制。

Delivery Record

跨行业交付记录

行业不同，走的是同一条链路

电商经营增长已商业化落地

把电商经营方法论做成可执行的工作流

面向商家的经营增长场景 · SealSeek · 亿娲自研电商 Agent 产品线

业务问题

  • 经营决策依赖个人经验，方法学了也难落地
  • 多平台规则差异大，运营动作难以统一提效
  • 选品、内容、投放各自为战，数据不互通

解决方案

  • 30+ 智能体覆盖经营全过程
  • 市场分析 → 竞品洞察 → 智能选品 → 内容生成 → 投放计划 → 数据复盘
  • 每个环节均有专属 Agent 驱动，环节之间数据互通

技术能力

  • 行业方法论结构化为可检索、可版本管理的知识库
  • 专家动作固化为可调用的智能体
  • 串成有输入、有质检、有产出的日常任务流

客户价值

  • 商家不再需要先学会方法再自己执行，直接在系统里完成经营任务
  • 新人上岗不依赖师徒制，动作标准由系统给出
  • 人员流动不再带走能力，经验沉淀为企业资产

2025 年起，亿娲以自有 Agent 技术与产品研发能力，联合头部电商培训咨询机构，把长期沉淀的电商经营方法论转化为商家可直接使用的智能体与工作流。产品底层核心知识产权归亿娲所有。

品牌零售治理方案交付中

用 AI 数字巡店员守住品牌定价权

全渠道分销的服饰品牌总部 · AI 智能巡店系统

业务问题

  • 线上店铺数以百计，价格政策看得见、管不住
  • 商品标价已不等于真实到手价，优惠栈人工算不清
  • 直播、夜间秒杀、大促整点改价，人工无法值守
  • 抽检截图证据强度不足，难以支撑合同追责

解决方案

  • 全量 SKU 每日多轮巡检，高风险时窗加密监测
  • 感知 → 判定 → 取证 → 触达 → 整改复核 → 归档 闭环
  • 四类检测：低价销售、未授权促销、乱价、波动异常
  • 分级推送至企微 / 钉钉 / 微信 / 邮件，超时自动升级

技术能力

  • 真机集群自动化，采集消费者视角的真实页面
  • 控件树解析为主通道，多模态视觉模型为兜底通道
  • 优惠栈完整拆解与到手价引擎
  • 三层降噪：白名单、置信度门控、二次复采确认

客户价值

  • 巡检转为自动化持续覆盖，运营转向异常处置
  • 页面截图 + 时间戳 + 优惠构成，形成可追责证据包
  • 沉淀全网价格与渠道数据，支撑定价与渠道政策
  • 设备为亿娲自有资产，客户零硬件投入

本项目处于方案交付阶段，实施路径已定稿，分批灰度接入控制风险。覆盖率与投入产出测算将在需求调研阶段以客户真实数据代入后出具定稿版。

医疗科研数据已通过甲方验收

把可穿戴设备、数据治理与模型连成闭环

三甲精神专科医院科研与临床数据 · 多源数据治理与科研平台实施

业务问题

  • 病历、量表、随访、预问诊等字段口径不一
  • 非结构化文本无法直接用于科研分析
  • 设备回传存在断连、时间戳异常、绑定异常
  • 跨平台数据信息不一致，质量无法评估

解决方案

  • 历史数据字段梳理，形成统一字段清单
  • 缺失值、异常值、重复记录识别与格式标准化
  • 非结构化文本拆分与标签化整理
  • 建立多源数据质检规则表并输出质控报告

技术能力

  • 智能戒指与手环连续采集生理与行为数据
  • 科研平台：管理端 + 被试端，问卷定时下发
  • 生理与量表数据可视化与结构化导出
  • 多源数据接入、清洗、脱敏与落库归一化

客户价值

  • 交付物齐全完整，格式符合甲方要求
  • 处理规则、过程、数量、结果与整改记录可追溯
  • 项目已通过甲方验收，符合合同约定
  • 为后续模型训练与科研应用建立数据底座

亿娲在本项目中承担数据清洗、多源数据治理及平台实施等技术服务，不提供任何医疗判断；所有数据处理均在甲方授权范围内、按脱敏 ID 维度进行。

行业不同、系统不同，但走的是同一条链路：数据治理 → Agent → 工作流 → 部署 → 运营。

电商经营增长

亿娲承接的部分

Agent 产品研发、工作流编排、平台实现

可迁移到哪里

任何依赖专家经验的重复性岗位

品牌零售治理

亿娲承接的部分

真机采集、识别引擎、规则判定、治理闭环

可迁移到哪里

任何需要持续外部数据采集与取证的场景

医疗科研数据

亿娲承接的部分

数据清洗、多源治理、脱敏与质控、平台实施

可迁移到哪里

任何多源、异构、需合规处理的数据资产

共性判断

凡是「经验集中在少数人手里 + 动作高度重复 + 结论需要留证」的岗位，都是亿娲可以承接的场景。

Delivery & Boundaries

交付有固定动作，边界在开工之前写清楚

企业 AI 的风险不在模型，在数据的去向和责任的归属

01

需求诊断

业务与数据调研，识别真实场景与优先级

02

场景建模

确定判定口径、指标定义与验收标准

03

数据治理

多源接入、清洗、归一化、脱敏与质控

04

Agent 设计

拆解专家动作，定义输入输出与边界

05

系统开发

工作流编排、界面实现、集成联调

06

部署上线

SaaS / 独立云 / 私有化，分批灰度接入

07

运营承接

规则维护、异常处置、指标看板与培训

08

迭代优化

按运行数据调优规则与模型，版本化管理

交付纪律

口径先定稿再开发 · 分批灰度接入控制风险 · 结论可下钻到原始证据 · 上线即带运营机制与验收指标

数据安全

客户数据始终是客户的

  • 传输 TLS 加密、存储加密、字段级权限控制
  • 全量操作审计日志，谁在什么时候看了什么可追溯
  • 按脱敏 ID 维度处理，不接触个人身份信息
  • 客户可随时全量导出；合作终止后按约定彻底销毁

部署与隔离

进得了客户的安全审查

  • SaaS 共享、独立云环境、私有化三种部署可选
  • 混合部署：核心数据留在客户侧，算力按授权调度
  • 集团—品牌—事业部—区域多级数据隔离
  • 配合客户信息中心完成等保备案所需技术支持与材料

责任边界

把不做什么也写进合同

  • 方案随附明确的不承接清单，越界的需求我们不接
  • 不持货、不碰资金、不触达也不转售客户名单
  • 仅采集公开可见信息，不破解、不逆向、不绕过风控
  • 敏感语料不用于模型训练，用途范围书面约定

可验证性

结论要经得起质证

  • 每条 AI 判定可下钻到原始证据与判定规则
  • 处理规则、过程、数量、结果与整改记录全程留痕
  • 口径先由双方签署确认，再进入开发
  • 交付含验收标准，按可核查指标结算

Founder

把亿级系统的工程能力，带进企业 AI 现场

亿娲的能力链对应创始人真实做过的四段事情

廖登科 肖像

廖登科

创始人 · CEO

技术出身的连续创业者

主导亿娲从模型与数据底座，到 Agent、行业应用与交付运营的全链路。

浙江大学 EMBA · 连续创业者

01

大规模系统工程

前阿里巴巴 · 淘宝搜索推荐技术负责人

负责亿级 DAU 量级的搜索推荐核心链路，长期在高并发、高可用的真实生产环境中做工程取舍。

02

企业级云与架构

前阿里巴巴 · 阿里云混合云技术负责人

主导头部政企客户的云底座架构，熟悉大型组织的部署、隔离、稳定性与合规要求。

03

AI 产品 0 → 1 与商业化

电商垂类 AI Agent 产品主导者

完整操盘电商 Agent 产品线的产品定义、系统架构与商业化落地，把方法论做成可售卖、可续费的产品。

04

医疗科研 AI 落地

精神心理领域大模型研发参与者

与三甲精神专科医院合作开展模型研发，公司的科研数据治理能力即源于此。

为什么重要

同一个人同时经历过大规模工程、企业级部署、AI 产品商业化与医疗科研落地——这正是亿娲敢承接完整交付链的原因。

Adoption Roadmap

从一个场景，到一套企业 AI 能力

不建议一次性铺开。先用一个可验证的场景建立信心与口径，再逐层扩展

阶段一

单点场景试点

选一个数据可得、口径清晰、结果可测的场景

  • 确定判定口径与验收指标
  • 完成数据接入与治理
  • 上线单点 Agent 或工作流
  • 用真实数据校准测算模型

阶段二

部门级应用

把试点能力扩展为部门的日常作业方式

  • 流程内嵌，成为岗位标准动作
  • 打通上下游系统与通知渠道
  • 建立异常处置与工单闭环
  • 形成部门级指标看板

阶段三

企业级 AI 能力

沉淀为企业自己的数据、知识与 Agent 资产

  • 统一模型与算力接入层
  • 跨部门知识库与 Agent 复用
  • 权限、审计与合规体系统一
  • 建立持续迭代与治理机制

起点建议

建议从一次 AI 场景诊断开始：把候选场景按数据可得性、口径清晰度与业务价值排序，先做最容易验证的那一个。

Engagement Models

六种合作方式，按企业当前阶段选起点

可以从一个场景起步，也可以直接建立企业级 AI 能力

01

产品订阅

直接使用亿娲已商业化的 AI 产品与 Agent

  • 按企业规模与席位灵活订阅
  • 上手快，验证周期短
  • 适合先看效果再扩展

02

行业解决方案

面向具体行业场景的成套方案交付

  • 含实施、培训与验收标准
  • 分批灰度接入控制风险
  • 适合有明确痛点场景

03

企业专属 Agent

把企业自己的专家经验做成智能体

  • 深度绑定核心业务动作
  • 知识资产沉淀在企业内部
  • 适合经验依赖度高的岗位

04

模型训练与部署

模型接入、微调、部署与算力方案

  • 支持私有化与混合部署
  • 多模型调度控制成本
  • 适合有数据与合规要求

05

数字员工与长期运营

按岗位交付结果，并承接持续运营

  • 按覆盖率、时效等 KPI 考核
  • 含规则维护与异常处置
  • 适合替代重复性人力

06

联合研发与生态合作

共建产品、共拓市场的长期绑定

  • 联合开发与白标输出
  • 渠道与区域联合运营
  • 适合有客户资源的伙伴

下一家被 AI 重构的企业，可以从一个真实业务场景开始。

把场景告诉我们，我们输出可行性、数据口径与落地路径。

Vision

亿娲，构建亿万 Agent，赋能千行百业