AI正深刻改变移动互联网行业，无论是交互方式、产品架构，还是商业模式，几乎全都受到影响。但企查查却另辟蹊径——业务不仅未遭冲击，反而实现持续高增长。
作为一家数据服务商，企查查为何能穿越周期？其真正的壁垒到底是什么？
带着这些问题，观察者网与企查查创始人陈德强进行了一次深入对话。在近两个小时的交流中，陈德强系统阐述了企查查在AI产业链中的重新定位、商业模式演进，以及他对数据服务商穿越技术周期的根本判断。
以下为对话实录，在不改变原意基础上略有删改。
一、"过去你查企业要半小时，现在Agent配上我们的数据，实时出报告"
观察者网：AI时代，数据服务商应该怎么重新定位自己？
陈德强： 企查查的定位正朝着AI时代的商业基础设施演进。具体而言，我们正由以往面向C端的产品工具，转型为Agent时代的商业底座，比如推出了企查查MCP。未来将更专注于将沉淀的数据资产，转化为更智能的工具与场景解决方案。
观察者网：在海外，FactSet、IDC等数据终端将接入AWS的AI服务。国内数据服务商也会选择相同路径吗？你们与基础模型之间是何种关系？
陈德强： 我们与基础模型是上下游关系，我们是数据上游。
十年前做企查查时，市场主体信息分散、滞后，我们做了结构化、实体化、可搜索，变成人人可查的入口。现在发生了根本变化——查询者变成了AI Agent，未来使用数据的可能不再是"人"，而是AI。
我们的角色从直接to C的产品，逐步转向为AI提供数据的上游。过去用户查企业，要打开应用、点标签、复制信息，半小时到一小时才能出一份摘要。现在，业务人员用Agent通过企查查智能体数据平台获取MCP接入信息后,配上我们的数据,自动就能出报告。这个过程已经不再需要UI界面,而是通过结构化的数据接口或可调用的工具(如企查查MCP)完成。
观察者网：使用者从人变成Agent，业务模式会发生什么变化？
陈德强：当前用户仍以问答方式获取信息，但未来或将直接获得结果。AI在to B领域尚处实践探索阶段，尚未解决全部问题。在此过程中，业务模式将分化为若干类型：
第一种是数据基础设施，即AI上游的角色。这一点十分清晰。大模型主要训练的是知识，而商业数据——例如企业经营异常、高管变更——这类信息变动迅速，既无必要也不可能全部纳入模型训练。我们能提供最新资讯，覆盖中国商业数据板块，这正是我们的核心价值。开发者和企业可以通过企查查智能体数据平台获取MCP接入信息,直接调用这些实时商业数据。
第二种是业务Know-how。大模型无法涵盖全部特定业务知识，即便是最强的模型也仅内置部分技能，如金融、法律等领域皆有涉及。但具体到某家企业或某项业务，差异极大。我们将围绕商业领域打造技能，例如如何执行KYC、供应商准入，结合AI与数据开发下游的AI应用，这属于应用层。
观察者网：这些AI应用，也会面向终端用户吗？
陈德强： 会。这些应用是我们维系与终端用户联系的途径。一旦失去终端用户，竞争力将减弱。企查查过去能做起来，关键在于APP可直接触达客户。未来我们依然需要应用来赢得客户注意力。
二、"数据是可以穿越周期的，AI解决不了物理世界的数据"
观察者网：2026年，企查查的增长动力来自哪里？
陈德强： 存量业务C端和B端都在正常增长，数据板块未受AI太多影响。
观察者网：C端业务离天花板还很远？
陈德强： 我们价格非常低，还有提升空间。用户付费买的是C端APP，但业务本质还是to B。B端用户更重视数据可靠性，而非价格。
观察者网：作为软件服务商，企查查为什么能做到不受AI影响？
陈德强：数据是可以穿越周期的。 几千年前有文字就有数据，物理世界是数据的来源，这是AI解决不了的。AI只能拿互联网数据加工，但很多细节它不懂，只有人才能从物理世界采集数据。
比如公司数据来自工商登记，要交材料，股东是物理世界的人，这不可能无中生有，不可能被AI或软件取代。未来数据一直要用，但很多软件就不再用了。
观察者网：今年业务重心是什么？
陈德强： 往应用场景延伸。过去我们更专注数据打通，接下来要往下游走，做数据应用落地，把数据落到实际的业务场景中。
观察者网：企查查做C端时，业务模式轻、财务模型好。未来重心向B端倾斜后，商业模式还能保持一样好吗？
陈德强： B端商业模式确实区别于C端，甲方决策流程和交付方式会压缩毛利率。但我们未来依然提供开箱即用的to B产品，不会涉及太重的决策成本，否则就变成了项目开发。我们一般不参与重实施的项目。
在我们的业务领域，合规、信用风险是标准化产品，法律领域产品也是标准化的。但我们会引入业务人员参与产品研发，因为未来交付的不仅是软件，软件背后的业务更重要。业务需要升级，需要懂行业的人。
观察者网：做B端，不担心毛利下滑吗？
陈德强： 不会。刚才说了，我们提供开箱即用的to B产品，尽量避免做项目，以此确保毛利率与增长之间的平衡。从数据角度看，标准化产品随着用户增长，成本分摊会越来越薄。
观察者网：B端会重点切入哪些行业？
陈德强： 首选金融行业的合规与风险业务。现代金融行业，合规是交易的前提，风险是交易中的核心关注点。此外是制造业，包括供应链。制造业企业占比大，上下游涉及企业信息获取、KYC、风险、供应链能力，都需要外部获取。
观察者网：很多AI厂商采取多条产品线布局的策略，企查查会多线并进吗？
陈德强： 从成立到现在，我们不走这个策略，因为成功率不高。广撒网的产品线像做投资，十个中一个，不如直接投钱更轻。
观察者网：自研小模型在战略中扮演什么角色？
陈德强： 两个价值。第一是成本优化，第二是可靠性高。在调用量很大的特定场景，用小模型在我们自己的算力服务器上跑，成本非常低，且与业务贴得近。这是我们一直在做的。
观察者网：计划推出类似"龙虾"的产品吗？
陈德强： 我们有这个想法。龙虾强在文档类交付，很多用户用数据最后输出文档，这部分龙虾能覆盖，加上用我们的数据接口或MCP，在龙虾里很快搭好。但这种产品对用户的价值还不好评估，核心还是可靠性问题。数据领域要求准确率100%，可靠性不够会影响最终价值。
观察者网：未来通过AI赋能交付，改变重人力、低毛利的商业困局，可行性多大？
陈德强：不认同。 交付这条路会很艰巨。软件交付难做，是因为理解业务的成本高，而非实施过程成本高。AI只能降低实施成本，无法降低理解业务的成本。
观察者网：产研体系未来几年会因为AI介入保持规模平稳不扩张吗？
陈德强： 产研更多扩大业务端，而非开发端。开发端会减少，业务端是指深入企业业务流程——虽不做交付，但要介入企业业务流程。
三、"数据≠资产，能在场景中产生价值的才是资产"
观察者网：中国数据市场优秀厂商少，本质原因是什么？
陈德强： 是因为掌握数据的人还不够懂业务。数据方不知道数据能否发挥业务价值。很多数据方把数据当宝贝，但放在一边用不起来。商业领域的数据虽然是公开的，但加工出来的价值比私有数据更高。
观察者网：数据服务市场目前面临的主要挑战有哪些？
陈德强： 首先，数据服务有个普遍误区，认为数据=资产。其实理解不了数据，就很难变成资产。数据在场景中产生价值，才变成资产，而不是因为数据发生了交易就成为资产。
所以，数交所、数商在数据服务领域都不是最重要的，真正关键的是能将数据与业务场景深度耦合的"懂行者"——既通数据技术，又精业务逻辑，能精准识别数据在具体场景中的价值支点。
其次是数据定价不确定。国内很多数据源方不敢开价。但只有数据源方能否持续10年提供数据，下游应用方才会愿意投重金寻找应用场景。希望数据源方敢于定价。行业内有些数据只要定价出来，应用和商业化都会做得很好。
观察者网：企查查还在做哪些细分领域的数据服务？
陈德强： 招投标数据、资产交易、商标专利，我们一直在做。这赛道数据公开，但用户群体窄，是红海，玩家多。未来看谁坚持久、做得细、可靠性高，慢慢形成竞争力。
观察者网：数据服务有海外机会吗？
陈德强： 有些国家很成熟，壁垒高。有些国家还在原始阶段，没有电子化系统，比如中亚国家，连工商系统都没有。如果帮其建立系统、收集数据，未来能形成竞争力，这也是方向。
观察者网：企查查也在做出海业务吗？
陈德强： 我们的业务在海外增长不错，比如一带一路沿线国家与地区等。
观察者网：出海是从C端开始，还是直接to B？
陈德强： to B。海外to B付费意愿和能力较强，有好产品，to B购买决定快，有付费习惯。
在AI浪潮席卷一切的当下，企查查给出了一个颇为反直觉的答案：当所有人都在讨论模型、算力、应用时，最确定的东西其实是数据本身。正如陈德强所言，AI只能加工互联网上已有的信息，但真正的商业数据来自物理世界——工商登记要交材料，股东是真实的人，这些东西不可能被"生成"。
从"人查企业"到"AI吃数据"，企查查正在完成一次从工具到基础设施的迭代。这条路能走多远，或许取决于一个最朴素的问题：谁的数据更可靠、更及时、更结构化。
在这个问题上，时间是企查查的朋友。