《科创板日报》8月29日讯（记者 余诗琪）7月中旬第一次采访李淼时，她还在对着PPT和文字稿，试图解释执中是一家什么样的公司。

彼时欧拉还未正式上线，她讲的“非标资产数字化”、“重构现实世界”虽然逻辑自洽，但总觉得隔着一层——作为创始人，李淼自己也清楚，这套表述对听众来说太抽象了。

8月13日，执中的 AI 产品“欧拉”正式通过独立域名上线。同一时间，我们做了第二次采访，前后不过二十多天，李淼的状态和表达发生了明显变化——她重新梳理了公司定位，把脑子里想了七年的东西“翻译”成了别人能听懂的话：“我们是一家深嵌数据基因和业务基因的金融 AI公司。”

有趣的是，这个转变并非李淼主动策划，而是在与投资人和客户的反复沟通中逐渐清晰起来的。“我们跟百亿规模的人工智能基金聊的时候，他们直接将执中定位为金融 AI 公司。不仅是他们，其他投资机构也是类似的思路。”李淼回忆，“机构会把我们放在 AI 事业部的赛道里，对接的都是 AI 方向的投资人。”

这些来自外界的反馈，恰恰击中了她脑海里盘旋多年却一直找不到合适表达的那个东西。“其实一直在我脑子里，但我说不出来。”投资人反复问“你们是不是金融 AI 公司”，正是这个问题，终于帮她把脑子里那根弦拨通了。

不是推倒重来，而是给过去七年积累的数据能力和业务认知，找到了一个更准确、更容易被理解的定位：一家数据基因和业务基因都很强的金融 AI 公司。

两轮采访之间，“拐点”这个词从判断变成了正在发生的事实。不久前，执中完成了 A 轮系列融资，由湖南省属国资平台兴湘资本战略领投，财信中金、溥泓资本等联合参投。之后，欧拉启动灰度测试，8月13日正式独立上线。资本入场与产品落地在同一个周期完成。

从“查数据”到“给你答案”

欧拉上线后，李淼的微信就一直在响。

第一个让她惊讶的反馈来自一个长三角区级国资。这家机构每年花20万外包给第三方公司，做50个项目的尽调前报告——就是在实地拜访之前，先把项目的基本面、行业背景、竞品情况梳理一遍。

用了欧拉之后，对方说：20万如果用来调用欧拉的项目尽调功能，可以生成500份。“我从来没想过，有人会把尽调服务的预算挪给买欧拉。”李淼说。

这背后的变化，是执中产品逻辑的一次转变，也是商业模式的一次重构。

过去七年，执中做的事情可以概括为“修路”——搭建非标资产的数据基座。从最顶层的11万个 LP 的资金流动，穿透到11万只基金，再下探到90万个项目，背后关联8000万工商实体。这些数据覆盖了全中国与资本市场挂钩的约100万家企业。

李淼特别强调过一个细节：全中国有专利的企业160万个，执中覆盖的是“与资本市场有关系”的那100万个——“基本上把该覆盖的都覆盖了”。

但那时执中的交付方式是传统的 SaaS 账号。客户买了账号，自己查询、自己分析、自己写报告。“我只是把数据给了你，活还是你自己干。”对大型机构的总行、总部来说，这可以接受——他们有专人、有预算。但对支行客户经理、区级国资的工作人员、一线业务人员来说，门槛太高了，“每次买完 SaaS 账号，还得专门做培训”。

“在我们还没推出欧拉之前，客户经常问我们一个问题：你们和清科、投中有什么区别？”这个问题一度让李淼很无奈。

执中在私募股权数据上做了很多清科和投中没做的事——S 基金交易数据、老股转让概率、并购匹配模型、LP 出资穿透……但这些差异藏在数据底层和模型层，客户通过 SaaS 账号查询时，看到的界面和操作方式跟其他平台差别不大。“他打开你的网站，也是查项目、查机构、看退出，表面上感觉差不多。”客户感知不到那些藏在底层的差异，自然把执中当作另一个清科来看待。

这种“客户感知的相似”和“执中实际的不同”之间的落差，恰恰是欧拉要解决的核心问题。“欧拉不是一个查询界面，它是一个直接给你答案的工作台。”李淼说，“你不需要自己去挖掘那些差异，欧拉帮你挖好了。”

比如输入一个机构名称，它自动生成 LP 构成、投资组合、赛道布局、退出情况；输入一个并购需求，它在1分钟内梳理上百个项目，按“并购迫切度”排出梯队，每个梯队附带量化逻辑——持有期超过10年、融资概率低于50%、业务规模未达 IPO 要求。

李淼举了几个更具体的例子。某国资有一批并购诉求，给了一段文字要求。她把那段话直接拷进欧拉（Beta 版），系统自动梳理了500个有效标的池子，回顾了该领域过去16笔相关交易，去重之后给出推荐清单，每个推荐附带了原因。“他下午没干别的，把排名前20个项目从头到尾过了一遍，准备跟进两个。”

还有某银行北京地区最大营业部的总经理体验了欧拉后毫不犹豫给分行客户经理、信贷审批授信同事推荐，因为现在欧拉看千行百业的公司，只需要输入一个企业名称或者一个行业简称就得到深入的行业分析，公司360度信息。

一家PE机构投资总监用发现以前一份赛道扫描报告两个人做一周，现在欧拉几分钟出初稿，分析师只需要在上面做判断和补充——省下来的时间，拿去跑现场、见创始人。

这些场景有一个共同特征：欧拉交付的是“结果”，而不是“数据”或“工具”。正是这个变化，让执中从一个 SaaS 数据服务商，变成了一家以 AI 重新定义交付方式的金融科技公司。

背后支撑这些能力的，是执中过去几年一直在搭建的“数据底座+能力层+场景应用”三层架构。执中不做基础大模型，而是调用各类基模——智谱、Kimi、DeepSeek——在基模与自有数据之间构建了一层“能力层”，把积累的业务认知转化成 Agent 和 Skills，确保基模调取执中数据后给出的答案“幻觉尽可能低，且生成的是你想要的格式”。

“同样的问题，你在市场通用基模里问，出来的东西肯定跟我们不一样。”李淼说，“基模公司要想在垂类赛道扎得那么深，就得像我们一样钻到银行的并购业务里去，钻到券商的业务里去。这不是一个基础大模型公司能做的。”

欧拉上线后，一些早期用户的反馈让李淼感到踏实。一位记者朋友用了欧拉后说“真的能帮我干活了”；一家机构的合伙人说“公司不给我买，我自己充”。这些反馈让李淼确认了一件事——以前她讲“数字现实、预测未来、资金资产匹配”，别人觉得抽象；现在欧拉把这些事做了出来，别人觉得好用。

“欧拉没出来的时候，我说什么都就那么回事。”她说，“现在他们看见了。”

分发，是眼下最重要的事

欧拉带来的另一个变化，是客群的扩展。

过去七年，执中的客户以 To B 为主——银行总行、券商总部、大型国资、头部投资机构。这些客户采购 SaaS 账号，有专人使用，有预算支撑，但数量有限，拓展速度也慢。

欧拉上线后，李淼看到的是一个更大的群体——To P，专业消费者。

采访前一天，她跟合伙人打了一个小时电话，把潜在用户池算了一遍：50个城市，每个城市至少有1000个发改、招商、金融相关的工作人员，这就是5万人；加上银行支行的客户经理、券商营业部的业务人员、一级市场从业者、律所、审计、FA……“至少30万。”

这个数字怎么理解？李淼拿企查查客群做参照系。企查查有1亿注册用户，其中付费用户约1000万，客单价几百块。执中的客群更垂直、更专业，执中要的是那个池子里的百分之一——10万付费用户，客单价在几千到一万块。“5万到10万用户铺出去，就是几个亿的收入。这个账是算得通的。”

但算得通不等于做得到。To B 和 To P 是两条完全不同的触达路径。To B 这边，李淼相对有把握——“十五五”规划对金融机构数智化提了要求，银行、券商、国资都在做系统升级，执中可以通过扩充销售团队去覆盖。欧拉上线后，银行端的反馈变化尤其明显：以前跟总行谈，买一两个账号；现在分行、支行都说“我们需要多少个都可以吗？对，我们的回答是先开先用”。

To P 则是更大的想象空间，也是更大的挑战。李淼说，“欧拉种子用户是精准的——1.5万到2万人，都是来参加执中活动、使用过产品的。”

她的策略是：先把这1.5万到2万种子用户铺出去，让他们用起来，形成第一波真实的使用数据和口碑基础。接下来，她计划启动一个更大的生态机制——让用户自己建 Skills，分享到社区，其他人可以调用，发布的用户就可以赚积分。

“你要觉得执中的 Skill 挺好，但想改一改，你可以自己改，甚至建一个全新的。你觉得做得好，分享出来，我还给你积分。”她设想的，是一个用户之间能互相贡献、互相调用的 Skill 集市——每个人都在用欧拉，每个人也都在丰富欧拉。

“年底前能有2万个天天活跃的用户，这就跑通了。”她说。

上线前后，来自业务一线的反馈比她预想的更直接。欧拉的热度不仅体现在用户数上——执中销售团队发现，以前推 SaaS 账号时需要反复解释产品价值，现在只需要让对方用一次。更让李淼意外的是，一些原本不会出现在执中客户名单里的角色开始主动找来——律所想做尽调效率提升，FA 想用欧拉筛选项目，一家欧洲金融数据公司带着欧洲买方的画像找到了执中。

但她并没有因此放松。用户的认可验证了需求的真实存在，但也意味着窗口期不会太长。非标资产的数字化、金融 AI 的应用，这个赛道正在被越来越多人看到。

“如果我们能快一点铺出去，壁垒就不是指数级，是幂律级的。”李淼表示。

分发是当下要打的硬仗。目前欧拉还不是完全成熟的形态，产品还在持续迭代中。上线后的用户反馈对她来说格外重要——每一次使用、每一次提问、甚至每一次卡顿，都是帮助她更精准地打磨欧拉的信号。

她希望在分发铺的同时，用户的声音能真正回流到产品里，让欧拉在一轮轮使用中变得更贴近一线业务的真实需求。

在李淼看来，这两个动作缺一不可：没有分发，就接不到真实的使用场景；没有反馈，产品就停在团队的想象里，长不出真正解决痛点的能力。但更大的设想是：等用户量起来之后，能不能让 LP 找到 GP、GP 找到项目、国资找到并购标的、创始人找到投资人？

“雪球在二级市场做的事，一级市场和不动产市场没人做过。如果做成了，就是一个职业环境里的弱连接强交互社区。”

但李淼也清楚，那是下一步的事。现在要做的，是先让欧拉被更多人看见、用起来。