从方法论到后台细节的全链路展示 · 2026-06
| 阶段 | 方法 | 产出 | 耗时 |
|---|---|---|---|
| Phase 1 · 素材搜索 | 4路子代理并行（anysearch+last30days+web-access） | 5份素材卡，28个单元初始线索 | ~3min |
| Phase 2 · 五步法预判 | 22路并行调用一堂五步法技能，每路独立分析 | 28份完整五步法分析报告 | ~4min |
| Phase 3 · 七维评分+硬伤筛查 | 七维评分体系加权 + 20张硬伤卡牌逐一检查 | 评分汇总表 + 硬伤清单 | ~2min |
| Phase 4 · 交叉验证 | 盲区补齐（全球300+案例穷举）→ 发现5个漏掉的单元 | 最终28单元全景 + 结论 | ~3min |
| Phase | 维度 | 分值 | 问什么 |
|---|---|---|---|
| 行业值不值得进 | ① 变化与天花板 | 18 | 市场变化多大？天花板多高？ |
| ② 终局与时机 | 17 | 终局什么样？窗口期多长？ | |
| 我们能不能做成 | ③ 需求真伪 | 17 | 是真刚需还是"有了更好"？ |
| ④ 方案与壁垒 | 16 | 有差异化吗？壁垒多高？ | |
| ⑤ 团队与执行 | 16 | 人对了没有？ | |
| ⑥ 商业模式 | 16 | 算账算得过来吗？ | |
| 扣分项 | ⑦ 致命硬伤 | -20 | 有没有一票否决的问题？ |
每个单元都经过完整的六模块行业预判，以下是评分最高的SC-03的行业分析摘要
| 模块 | 分析结论 | 证据 |
|---|---|---|
| M1 拆解行业 | 数据资产型+渠道控制型，云筑网同时控制数据（10万亿交易）和渠道（110万供应商） | 产业链图：资金端→平台端→资产端→终端用户，利润拆解：风控毛利率60-70% |
| M2 洞察变化 | 系统性变化 政策+需求+技术三重共振 | 77号文"脱核"政策、107万亿资产待盘活、AI已跑通 |
| M3 预判稳态B | 供应链金融从"核心企业背书"转向"数据信用驱动" | 云筑网从平台服务费升级为金融科技基础设施 |
| M4 Timing | 窗口刚刚完全打开，还有2-3年 | 77号文2025.6施行，竞品2024-2025密集布局 |
| M5 天花板 | 千亿级可触达市场（平台收入口径） | 四方法交叉验证：直接数据41-45万亿、Top-down 270-640亿、Bottom-up 550亿、类比联易融 |
| M6 集中度 | C型（分散→集中）最佳时机 | 数据+资金通道双重壁垒，先行者优势明显 |
3个强通过（SC-03/01/04），1个中性（SC-02），1个弱通过（SC-05）
SC-03 🟢 6模块全部强通过
SC-01 🟢 6模块强通过，数据独占壁垒
SC-04 🟢 政策强制+数据训练壁垒
SC-02 🟡 Mysteel寡头压制
SC-05 🔴 "有了更好"非刚需
劳务AI LW-04数据碾压（1400万vs 6万）→ 强通过；其余天花板有限
内部管理 IS-A06政策强制通过；IS-A01已交付验证
业务赋能 IS-B08共享CV底座+LTV/CAC=105；IS-B07国内空白
Token出海 TD-01合规三重叠加无解，TD-02 IRR 2.94%
| 步骤 | 核心判断 | 关键证据 |
|---|---|---|
| Step 1 · 需求 | 🔴 刚性 · 高频 · 极广泛 | 回款周期6-12月、民间借贷利率15-24%、建筑应收107万亿 |
| Step 2 · 方案 | AI风控44个节点全自动，审批小时级 vs 传统3-7天 | 云筑网信融宝已验证，13家银行直连，累计撮合700亿+ |
| Step 3 · 资源 | 独有资源：10万亿交易数据+110万供应商+中建资本 | 缺金融牌照（与中建资本协同）；云筑AI大模型通过国家网信办备案 |
| Step 4 · 商模 | LTV/CAC=30 · 毛利率60%+ · 回收期4个月 | 获客成本趋零（云筑网自有流量）、数据信用模型边际成本低 |
| Step 5 · 路径 | 0-6月中建内体系验证 → 6-12月扩展央企 → 12月+覆盖全行业 | 已与13家银行直连，微众银行授信35亿 |
每单元都有明确的P0/P1假设，后续验证时逐条检查
| 优先级 | 假设 | 验证方式 |
|---|---|---|
| P0 | 云筑网交易数据能显著降低银行风控成本和坏账率 | 用历史回测验证AI风控模型vs传统模式 |
| P0 | 银行愿意接受"数据信用"审批模式 | 已有13家银行直连→验证中 |
| P1 | 77号文"脱核"政策能持续执行 | 跟踪政策落实细则 |
| P1 | 中小供应商的融资需求频次足够支撑SaaS模式 | 信融宝历史数据分析 |
每个维度满分见表头，⑦为扣分项（满分-20）
| 单元 | ①18 | ②17 | ③17 | ④16 | ⑤16 | ⑥16 | ⑦-20 | 总分 |
|---|---|---|---|---|---|---|---|---|
| SC-03 | 17 | 16 | 16 | 14 | 12 | 16 | -0 | 91 |
| IS-B08 | 15 | 14 | 16 | 14 | 12 | 16 | -0 | 87 |
| SC-01 | 16 | 14 | 15 | 14 | 11 | 16 | -0 | 86 |
| IS-A06 | 15 | 14 | 16 | 14 | 12 | 15 | -0 | 86 |
| LW-04 | 13 | 15 | 13 | 16 | 12 | 15 | -0 | 84 |
| SC-04 | 14 | 12 | 16 | 13 | 11 | 13 | -0 | 79 |
| IS-B07 | 14 | 12 | 14 | 13 | 12 | 14 | -0 | 79 |
| IS-A01 | 12 | 12 | 15 | 14 | 13 | 12 | -0 | 78 |
| LW-02 | 13 | 13 | 13 | 13 | 12 | 12 | -0 | 76 |
| 单元 | 总分 | 扣分 | 扣分原因 |
|---|---|---|---|
| IS-A04 合同风险识别 | 46 | -8 | 红海竞争+已存寡头+差异化假设未验证 |
| SC-05 行业数据产品 | 40 | -12 | "有了更好"非刚需+数据脱敏后价值衰减 |
| TD-01 轻资产Token | 37 | -15 | 合规三重叠加无解（数据出境+ICP+AI备案） |
| TD-02 汕头算力 | 34 | -18 | IRR 2.94%低于央企资金成本+回收9.85年 |
每个单元逐一检查20张卡牌，标记命中的硬伤。P0级硬伤=一票否决
| 卡牌 | 名称 | SC-03 |
|---|---|---|
| #1 | 市场天花板过低 | 〇 |
| #2 | 伪需求 | 〇 |
| #3 | 无法差异化 | 〇 |
| #4 | 没有壁垒 | 〇 |
| #5 | 巨头碾压 | 〇 |
| #6 | 技术不可行 | 〇 |
| #7 | 政策合规红线 | 〇 |
| #8 | 缺乏关键资源 | 〇 |
| #9 | 团队不行 | 〇 |
| #10 | 时机不对 | 〇 |
| 卡牌 | 名称 | SC-03 |
|---|---|---|
| #11 | 商业模式硬伤 | 〇 |
| #12 | 获客成本太高 | 〇 |
| #13 | LTV/CAC过低 | 〇 |
| #14 | 收入天花板低 | 〇 |
| #15 | 负毛利/低毛利 | 〇 |
| #16 | 需要烧钱抢市场 | 〇 |
| #17 | 回款周期太长 | 〇 |
| #18 | 依赖单一客户/场景 | 〇 |
| #19 | 现金流黑洞 | 〇 |
| #20 | 供应链复杂度 | ▲ |
〇=未命中 ▲=低风险命中(评分1-2/5) ●=中高风险命中(3-5/5) SC-03仅#20低分(2/5)，无P0级硬伤
| 单元 | 命中的P0硬伤 | 拦截原因 |
|---|---|---|
| TD-01 轻资产Token | #7 政策合规红线 | 数据出境+ICP+AI备案三重叠加，P0级合规风险 |
| TD-02 汕头算力 | #11 商业模式硬伤 | IRR 2.94%低于央企资金成本，单元经济不可行 |
| SC-05 行业数据 | #2 伪需求 | "有了更好"非刚需，数据脱敏后价值衰减 |
| IS-A04 合同审查 | #3 无法差异化 | 红海竞争，用友/金蝶寡头压制 |
100元供应链金融收入怎么分
| 方法 | 估算 | 逻辑 |
|---|---|---|
| 直接数据 | 41.8-45.8万亿（年增13.5-18.6%） | 灼识咨询/清华五道口 |
| Top-down | 5.4-6.4万亿可服务 → 270-640亿收入 | 建筑应收107万亿×渗透5%×抽佣0.5-1% |
| Bottom-up | 550亿（仅云筑网供应商池） | 110万供应商×10%有融资需求×年均50万 |
| 类比法 | 联易融12亿HKD → 中建发展至少同体量 | 数据量为联易融数倍 |
中建发展是唯一同时控制数据（10万亿交易记录）和渠道（110万供应商入口）的参与者。联易融有技术但缺数据，银行有资金但缺场景。
| 假设 | 状态 | 当前证据 |
|---|---|---|
| P0: 数据能降低风控成本 | 正验证 | 信融宝已撮合700亿+，坏账率可控 |
| P0: 银行接受数据信用 | 已验证 | 13家银行直连，微众银行授信35亿 |
| P1: "脱核"政策持续 | 跟踪中 | 77号文已施行，暂无变动信号 |
| 阶段 | 目标 | 关键动作 |
|---|---|---|
| 0-6月 | 中建体系内验证 | AI风控模型对接信融宝，跑通"数据信用"审批闭环 |
| 6-12月 | 扩展至其他央企 | 以中建体系案例为样板，向电建、中铁等推广 |
| 12月+ | 全行业覆盖 | 成为建筑行业供应链金融基础设施 |
盲区补齐发现的黑马，从"智慧工地"归类中重新识别为独立AI软件机会
中建发展已有4100+智慧工地的摄像头部署，这些摄像头目前仅作监控用。
加上AI视觉识别底座后，可以做到：
获客成本（CAC）
摄像头已部署，AI软件边际成本近零 → CAC几乎为0
客户生命周期价值（LTV）
每个工地年订阅费约5万 × 续约率估计80%+ → LTV约20万
LTV/CAC=105 是全部28单元中最优的
方法论教训：硬件分析做了交叉映射，软件方向也应该做同样的流程
| 竞品 | 优势 | 劣势 | 中建发展的位置 |
|---|---|---|---|
| 旷视/商汤 | CV算法领先 | 缺建筑场景数据 | 场景数据+已有摄像头+安全AI底座=三重优势 |
| 小工匠/智建 | 建筑行业经验 | 缺AI能力和渠道 |
每个结论都能追溯到原始证据
| 决策 | 当时的选择 | 依据 |
|---|---|---|
| 用什么框架 | 一堂五步法+业务预判+行业预判 | 经6个搞砸+2个成功+47份源材料验证的方法论 |
| 盲区补齐 | 全球300+案例穷举 | 发现5个遗漏单元，其中2个进入推进区间 |
| 评分权重 | 行业35+能力65-硬伤20 | 先判行业值不值，再看自己行不行 |
| 淘汰线 | <50分=需重大调整 | 4个低于50分的全部商模/合规有硬伤 |