项目做大做强 · 研发条线讨论

AI 智能热线
规模化与毛利提升路径

从「项目制定制交付」走向「产品化规模复制」

低代码编排模型小型化本地化云化外呼中心

研发条线 · 讨论发言2026 年 9 月

会议议题 & 现状诊断

两个问题，直指规模与毛利

议题一

你负责的研发领域，如何提升产品的规模和毛利？预计 29 年能到多少毛利？

议题二

整个团队如何提升规模和毛利，有什么建议？

定制重

每个属地化客户都要写定制代码，研发成为规模化的瓶颈

成本高

依赖三方云化 AI 能力，每路通话单独付费，单价不便宜

上量慢

本地部署、项目制交付重，复制慢、规模难上量

路径一 · 提规模

低代码 / 无代码对话流编排引擎

除了市场发力，研发侧的根本解法：实施和售前自己拖拽配置，研发只做底层原子能力

应用层属地化客户

属地 A
热线场景

属地 B
外呼场景

属地 C
回访场景

…N 个属地
零代码复制

▲ 拖拽配置，无需研发介入 ▲

编排层低代码引擎

对话流可视化编排

话术 / 流程 / 变量配置

灰度发布 & 版本管理

▲ 研发聚焦沉淀原子能力 ▲

能力层研发维护

ASR / TTS

LLM 对话

知识库 / RAG

业务系统接口

客户上线周期按月计（定制开发） ➜ 按周/按天计（拖拽配置）上线周期缩短，规模才能指数级复制

路径二 · 提毛利

模型能力小型化、本地化

当前三方云化 AI 每路通话单独付费、单价不便宜 —— 变动成本直接侵蚀毛利

现状 · 三方云化 AI

每路通话单独付费，随规模线性增长
单价不便宜，毛利被持续挤压
数据出域，属地化客户顾虑
能力受制于三方，迭代不可控

➜

目标 · 本地化小模型

调研更小型优质的 ASR / TTS，本地部署
LLM 不影响效果前提下，量化小模型实现
一次性算力投入，边际成本趋近于零
数据不出域，属地客户更放心

ASR

小型高精度识别模型
本地部署替代按路付费

TTS

轻量优质合成模型
本地化、可控成本

LLM

量化小模型
效果不打折，成本大幅下降

路径三 · 换模式

打造云化外呼中心

本地部署、项目制交付重、复制慢、规模难上量 —— 用 SaaS 模式破局

☁️

客户无需部署

开账号即用，零硬件、零实施等待，交付成本大幅下降

🚀

决策门槛极低

不用走本地部署的长决策链，客户容易试用、容易起量

📈

边际成本极低

模型跑通一次，服务 N 个客户；毛利远高于一次性本地部署

计费模式按通话时长付费按转化效果付费 —— 与客户利益绑定，先用起来，量随价值涨

回应议题一 · 毛利展望

三路并进，2029 年毛利率 65%+

编排引擎提规模 × 模型本地化降成本 × 云化交付换模式，毛利结构性改善

~42%

2026 · 项目制定制交付为主
三方 AI 按路付费

~50%

2027 · 引擎落地编排引擎上线
ASR/TTS 本地化试点

~58%

2028 · 云化起量外呼中心 SaaS 化
量化 LLM 全面替换

65%+

2029 · 规模复制SaaS 收入占比过半
毛利额指数级增长

驱动 ① 上线周期：月 ➜ 天，客户数指数复制驱动 ② 单路成本：按路付费 ➜ 边际趋零驱动 ③ 收入结构：一次性 ➜ 持续订阅

* 以上为基于三条路径的预估目标，具体数字可结合年度预算进一步细化

回应议题二 · 给团队的建议

把定制做成产品，把交付变成服务

1

研发资源向平台化倾斜

原子能力 + 编排引擎作为公共底座，坚决避免重复定制开发，让研发投入可复用、可累积

2

共建模型能力选型中台

ASR / TTS / LLM 统一评估、统一部署，小型化 + 本地化，把单路通话的变动成本打下来

3

主推云化交付模式

售前政策与激励向「开账号即用、按时长/效果付费」倾斜，用低决策门槛带动全团队规模上量

规模靠「可复制」，毛利靠「低成本 × 好模式」

THANKS

谢谢大家，欢迎讨论

AI 智能热线 · 规模化与毛利提升路径
低代码编排 × 模型本地化 × 云化外呼中心

AI 智能热线规模化与毛利提升路径