硬氪获悉，视觉模型企业微链智能近日完成近千万元天使轮融资，资方为李泽湘、陆奇，投资主体为投资主体为东莞清水湾二期创业投资合伙企业（有限合伙）、宁波智能技术研究院有限公司、北京奇绩创坛二期创业投资中心（有限合伙）。该轮融资将主要用来投入研发。

微链智能成立于2023年，创世人宁冬冬今年31岁，博士就读于浙江大学，从事机器视觉研究，也是国内早期做深度学习机器视觉的人，在图像处理方面经验丰富。

宁冬冬告诉硬氪，他原本跟随李泽湘从事图像领域的产品研发，在调研中发现消费电子行业的客服非常原始。不过，宁冬冬没有贸然行动，为了全局了解电商客服链条，他调研了电商平台、平台上的商家，以及卖AI客服的工具厂商三方不同主体的情况。

宁冬冬第一站是在京东做了3个月的客服实习生，他发现京东的内部系统非常完善，“物流、金融、电商部门全打通，客服可以直接影响自营店铺的详情页或修改物流地址。”

随后，他又去到平台上的某电器商家做售前客服，这里情况有所不同，还完全是手工阶段，平台几乎不提供任何工具，联系物流或师傅都要打电话，效率较低。“京东客服一天能解决300个复杂售后，而商家客服一天只能解决不到80个”。

但两次实习岗位都有共性：收入不高，3000元左右。人员流动性大，“比如在京东实习时，我那届将近100人，一年后大概只剩5个人”。另外，班次昼夜颠倒，对身体伤害很大，而且工作量非常大，对员工的心理素质要求很高。

整个电商行业有500多万人工客服，宁冬冬介绍，到大促时，平台要求30秒内必须回消息，之前的AI技术使得机器人能回一些简单问题，但这只占咨询里的20%不到，并且还需要人工复核。“有些公司为了用机器人，还需要增加一个叫AI客服训练师的岗位去配置问答对，一个月成本要1万多。”

宁冬冬分析，整个行业存在几个严重问题，一是培训周期长，客服流动性大，招来的新人大部分没有经验，对他们的培训需要1-2周甚至一个月。二是用人成本高，从早8点到晚12点至少需要4个人，“销售额在5亿左右的腰部企业需要50个客服，加上社保、管理和场地费用，一个人一个月平均摊销成本将近1万元”。三是品牌售后风险大，新人客服容易导致品牌售后问题，“小红书上一个帖子可能就会毁掉一个品牌”。

从这些问题出发，微链智能研发出了行业首款专门面向电商场景的“技术客服”对话机器人，重点解决消费电子及复杂硬件产品在售后环节中技术门槛高、故障排查难、人工成本大的问题。

具体而言，其产品可以做到几个点，一是突破传统客服机器人仅能处理文本的局限，具备较强的图片与视频理解能力，甚至能够解读复杂的电子产品技术图纸与结构图，快速定位硬件或使用问题。二是可以独立思考与主动诊断追问，具备深度逻辑推理能力，在面对用户的疑难描述时，能够像技术专家一样主动向用户提问、引导排障，实现复杂售后场景下的全自主问答与独立接待，无需频繁转接人工。三是支持跨主流电商平台的多渠道集成与聚合操作，无缝嵌入商家现有的工作流，全自动化处理售后技术咨询。

而在商业化落地方面，公司背靠李泽湘系消费电子生态链企业，拥有270+家消费电子品牌企业优质客户基本盘。宁冬冬表示，长期来说，会有直接出售工具和出售服务两种方式。“卖工具的话，一家5亿营收的公司软件授权费只有5-10万，做到上亿营收太漫长。但如果我们接管他的客服服务，直接交付结果，他原本一年200万的团队开销转而付给我们，客单价就从5万变成了100万，还可以帮客户节省100万。”

以下是硬氪对宁冬冬的访谈节选：

硬氪：您提到的“全自主售后”应该怎么理解？它好在哪里？

宁冬冬：传统的客服大部分都是入职1-2个月的新人，响应慢、容易答错知识点，且零零后客服情绪压力大，回复容易敷衍。而AI客服拥有老人的完整知识库，响应快，知识库有严格更新逻辑不会答错，还能一直保持热情。

所谓“全自主”，是指用户从进线到离开，全都是AI接待，中间没有任何人的参与。不像其他厂商需要人类在旁边review所有的对话。

硬氪：从技术层面来看，你们是怎么做到全自主接管的？

宁冬冬：其他友商的agent只是一次模型调用，问一个问题回一条消息，也没有多模态能力，无法理解图片和视频。但用户在售后场景大量依赖图片和视频，需要多轮追问回答才能解决问题。

在以前的客服难度金字塔里，售前最简单，比如查参数，售后次之，比如退换货。技术售后最难，因为要排障、解决重度使用问题。行业里很多创始人大多是电商或NLP出身，缺乏视觉背景，都挤在售前红海里。

但我们团队是做机器视觉出身的，对我们来说难度倒过来了：技术客服就像做数学题，没有太多复杂的情感，只有固定的解，是退货还是排障或教操作。技术客服和普通售后是大量消耗人工的地方，也是没人搞的“无人区”。我们正好可以用自己的多模态能力和图像处理经验来切入。

硬氪：不同行业的技术售后差异很大，你们的产品如何实现通用性？图片和视频识别能力如何？

宁冬冬：我们的泛化性很强。虽然产品知识不同，但我们可以通过自动建库来实现。标准化的是整个售后流程：上传结构图、使用资料和历史对话，这三类数据进来就能建立知识库。目前我们主要集中在消费电子行业。

在识别能力上，视频比图片更有连贯的语义，更易理解。我们对视频和图片的理解和人类测下来差不多，人能看清的我们也能看清；如果拍得不清楚，AI会提示用户对准哪里重新拍。目前我们在试验中能够解决80%的售后技术客服问题。

这套系统技术壁垒很高，首先创始人要对图像有较深的理解，整个体系和纯对话完全不同；其次是要把自研模型与市面上的多模态模型结合；最后是理解用户的产品结构以及局部零件图。新发明的消费电子产品大模型没见过，如何结合大小模型和架构让它理解局部的零件图，是非常难的。