第一段：「砍头策略」与AI入口
核心命题
第一段讨论聚焦于溯数应该采用什么样的系统架构。讨论中提出了一个形象的概念——「砍头」策略：把下游供应商（携程商旅、滴滴、在途等）的前端展示层全部砍掉，让它们的系统变成"无头"（headless）的后端服务，只保留数据接口和交易能力。所有用户交互统一收口到溯数的AI层。
传统差旅流程：员工打开多个App → 搜索航班/酒店 → 比较价格 → 选择下单。
溯数理想流程：员工告诉AI出差需求 → AI直接给出最优行程方案 → 员工确认下单。
省掉的是「搜索-比较-决策」这个繁琐过程，而非简单比价。
策略逻辑链条
1去供应商前端
所有供应商不再有自己的展示界面，只以API/MCP方式提供数据和交易能力。溯数成为唯一的交互入口。
2AI做统一规划
AI接收员工的差旅需求（目的地、时间、差标限制等），综合所有供应商资源池，直接给出1-2个最优方案，而非一堆选项让用户挑。
3抓入口 = 抓话语权
「入口在我这儿」是核心壁垒。谁掌握了入口，谁就控制了流量分配。供应商从"被比较"变成"被选择"，溯数从"信息中介"升级为"决策引擎"。
你是差旅管家，你是胜意，你是在途都无所谓。最后的入口只有一个行程规划的入口。
讨论中的共识与分歧
共识：方向是对的——AI统一入口、去供应商前端、减少用户决策路径。与会者基本认同「抓入口」的重要性，认为这是区别于传统TMC的核心价值。
分歧：有人质疑这本质上还是「信息中介」，和传统TMC差别不大——"分久必合合久必分，好像也没啥区别"。对企业来说就是对着一个口子，这个口子到底是溯数还是任何一家TMC？壁垒到底在哪？
「我把一个清澈的东西变成混沌了」——讨论中有人指出，如果把所有供应商整合后只给1-2个推荐，客户可能质疑：你怎么证明你推荐的是最好的？你的推荐逻辑是否透明？这和「数据治理」的叙事有何区别？
第二段：收费困境 — 到底靠什么赚钱
核心追问：AI行程规划，客户愿意单独付费吗？
第二段讨论是整个会议中最纠结的部分，反复在「比较」和「推荐」的价值定位之间摇摆。团队提出了多种收费设想，但每种都被找到了漏洞：
A向供应商收推送费/佣金
设想：每算一次就向供应商收钱，产生订单后收佣金。
反驳：供应商都是别人带进来的，你凭什么收？而且「推送费」在行业里没有先例，很难谈。
B向企业收AI推荐服务费（token）
设想：AI帮你规划行程，省了时间，收一笔费用。
反驳：「省钱好像也没省」「好像没那么简单」「我们还是卡在了很传统的模式上，只是加了一个所谓的计算而已」。
C跨品类融合做差异化
设想：把机票+酒店+火车+用车深度整合，这是市面上任何人都做不到的。
潜力：只要模型能把更多类别融合起来给出好方案，这就是绝对优势。同时AI可以释放过去只有高管才能享受的个性化差旅服务，扩展到中层职业经理人群体。
讨论中明确指出：「只要这个模型能够把更多的类别融合起来，有一个好的推荐和整合，这个可能就是绝对的优势。」机票酒店单独做，市面上已经有很多人在做。但如果能把机票+酒店+火车+用车+其他品类做深度AI整合推荐，这就是真正的护城河。
两个被认可的优势方向
传统TMC只能服务好高管（人工VIP服务），普通员工只能自助。AI可以让中层职业经理人也享受个性化差旅服务，释放更多消费潜力。类比：荣耀手机会在你买火车票后提醒你快到站了——这种服务以前只有老板才有。
「你全部进去之后，你把原来的非结构化的东西变成结构化了。」这是第一个被认可的价值——差旅数据的标准化和治理本身就有商业价值，尤其对大型企业。
别人为什么要买单？假设我们有这个能力把AI做好，假设我们把市面上知名的TMC全部以MCP模式接入，到底解决了什么痛点？好像也没有说给大家省钱……
第三段：收费模板设计与客户实况
已设计的三套收费方案
第三段从理想回到现实，Robin已经设计了三套收费方案并写入了报价模板。以下是方案对比：
不收实施费
- 按调用量分档（5万/7万版本）
- 云端部署，无需客户自建服务器
- 适合中小型企业快速上线
- AI调用量有上限
次年起15%运维
- 首年40万（含实施+部署）
- 次年起每年6万（40万x15%）
- 服务器等硬件由客户自担
- 适合中大型企业/合规要求高的客户
- 行业惯例：15%-20%年运维费
单独收费
- 每新增一个供应商对接：3-5万
- 每更换一个系统（OA/费控等）：3-5万
- 地图费等甲方承担
- 不做统一结算/不做流水
地图费等第三方费用由甲方直接承担，溯数不参与。溯数推荐的供应商，供应商会给返点/分成。报价模板中已写清楚各项费用明细。
讨论中暴露的收费焦虑
三套方案本质上是「卖软件」的逻辑——年费、私有化部署、接口费。但讨论中反复出现一个声音：「除了收特别的钱，好像没有什么地方能让客户掏得出钱了。」
核心焦虑在于：AI每次调用都有推理成本（大模型API费用），如果按软件年费卖，AI成本会吃掉利润；如果按调用量收费，客户又觉得"你帮我比较一下凭什么收钱"。
传统客户（如苏州/福建的企业）说"一年收2万年费我也认"——但AI推理成本可能占掉很大一部分。如果客户没有自己的大模型，溯数需要承担AI调用成本，利润空间会被严重压缩。按领跑客户1.2亿差旅量测算的AI推理成本需要精确核算。
三个核心矛盾
从三段讨论中提炼出三个贯穿全局的核心矛盾，它们互相缠绕，是当前商业模型设计中最需要解决的问题：
AI价值感知错位
团队认为AI行程规划是核心差异化能力，但在实际卖的时候发现：外企/拥抱AI的客户对"省时"感兴趣（医药外企案例），传统客户根本不在乎AI（苏州/福建案例），而大客户只想白嫖比价功能（集团客户案例）。AI到底是"卖点"还是"赠品"，目前没定论。
收费模型与价值交付不匹配
三套方案是"卖软件"的思维，但AI能力是持续消耗的。按软件卖→AI成本吃掉利润；按调用收→客户觉得不值。讨论中自己也承认：「除了收特别的钱，好像没有什么地方能让客户掏得出钱了。」需要一个把"持续AI价值"和"持续收费"绑定的模型。
竞争定位模糊
溯数到底是一家比价平台、AI差旅助手、还是企业差旅中台？对标生意，生意靠酒店资源+十几年客户积累赚钱；对标携程，携程有流量和供应链。溯数如果只做"比较+推荐"，本质上是一个信息中介，壁垒不够深。「分久必合合久必分」——这个口子凭什么是溯数？
客户实况画像
三段会议中提到了多个真实客户的谈判情况，以下按客户类型分类整理：
某医药外企
对比价兴趣不大，但对AI行程助手和行程推荐非常感兴趣。核心痛点是员工出差申请耗时太长（要提前规划、要考虑差标、要选酒店不超标），AI自动推荐最优行程能节省大量时间。
对LBS架构（建筑级别的差旅计算）很感兴趣，正好响应公司全员AI战略。
某大型集团（疑似领导项目）
目前用了携程、滴滴、在途、在家四家服务商，还在不断引入新的来压价——本质是"拼多多模式"。想用溯数的比价平台，但想白嫖。
策略：「基础费用必须有，否则没动力服务你。」该客户是能收上来钱的，但想多收不可能。
苏州/福建传统企业
完全没有大模型，甚至不知道AI是什么。"你一年收我2万块SaaS费我也认，但我没有这个东西（大模型）。"
这类企业的AI成本需要溯数自己承担。他们的核心痛点是合规和管控，不是智能化。
深圳理工
模式与一般企业不同：每个报销要分在很多项目组里面。有复杂的内部运作和审批流程。
通过MCP模型，可以更快速达到客户的定制化需求。国际差旅的复杂度很高——"国内产品体系，没几个TMC能搞得动，基本上没有。这个市场我们肯定能吃，是通过技术来吃。"
竞品分析：胜意（商旅）
讨论中多次提到「胜意」（商旅）作为主要竞品，以下是从会议内容中提炼的竞品信息：
!胜意的竞争壁垒
核心盈利模式：靠酒店资源赚钱，软件卖了十几年已有上千家付费客户。
谈判姿态：现在很"硬气"——"不在酒店就不做你这个客户"。前期可能亏钱获客，现在已经进入收割期。
市场认知："比较平台又在资源又做比较，除了他也没人做得更好了，市面上都知道他。"
~胜意的弱点
本地化部署容易亏钱：天河案例——40万合同，实施半年没落地，客户只付了几万就了事。胜意派了两个人驻场，最后撤了。
费控绑定策略："你费控选我了，你上面肯定得选我"——但客户可能故意不选他做上面。
资质门槛：有客户7月要选型，溯数资质还没下来。胜意在资质上领先，但也在磨关系。
胜意靠酒店资源+十几年客户积累建立了壁垒。溯数如果正面硬刚酒店资源，必输。差异化应该打在三个方向：AI决策能力（从比较到决策）、跨品类整合（机票+酒店+火车+用车）、开放供应商生态（不绑定单一供应商）。核心话术应该是：「我不做你的供应商，我做你的大脑。」
AI系统三层架构建议
讨论中提到了用MCP（Model Context Protocol）接入所有供应商的思路，方向是对的，但需要更清晰的架构分层。以下是基于会议讨论的建议架构：
溯数差旅 AI 系统三层架构
AI 推理层（大模型）
大模型在这一层做"不确定性决策"——跨品类行程组合优化、个性化偏好推荐、异常场景处理、自然语言交互。只用大模型做真正需要"判断"的事。
规则引擎层（确定性计算）
企业差旅管控规则（差标、审批流、合规要求、项目分摊等）。这一层是"确定性计算"，用传统规则引擎就够，不需要大模型。建筑级别计算在这一层实现。
MCP 数据接入层（标准化）
用MCP协议统一接入各供应商的航班、酒店、火车、用车等资源。把不同供应商的非结构化数据变成统一格式。这是基础工程，不产生差异化，但是一切的基础。
大模型不是万能的。能用规则引擎解决的（差标校验、合规检查、价格比较）就不要用大模型；大模型只用在真正需要"判断"的场景（行程组合推荐、个性化调整、自然语言交互）。这样既控制成本，又保证响应速度。纯文本推理成本可控，但也不能无限制调用。
关于MCP接入策略
讨论中提到用MCP方式把差旅相关系统切掉。这个思路是：不要等供应商主动配合，而是用技术手段主动接入。MCP协议的优势是标准化程度高，可以快速对接不同供应商。
但需要注意：前期供应商都是别人带进来的，溯数在供应商侧没有议价权。建议优先接入那些"客户已经在用但体验不好"的供应商，而不是去接全新的供应商——因为后者需要商务谈判，前者只需要技术对接。
建议与下一步行动
建议一：重新定义价值主张
比较是功能，不是产品；推荐是功能，不是产品。真正的产品是「差旅决策引擎」——帮企业把差旅从"员工个人决策"变成"系统智能决策"。
落地方式：AI不只是推荐行程，而是直接生成一份「差旅决策单」——包含行程规划、预算测算、合规校验、供应商匹配、预期节省金额，一键下单。企业买的不是一个搜索框，而是一个"差旅决策外包"。
建议二：调整收费结构
目前的三套方案都是"卖软件"思维，建议调整为「基础平台费 + 效果分成」的双层模型：
$基础层（必收）
平台使用费，按企业规模分档：
年差旅支出 1000万以下 → 3万/年
年差旅支出 1000-5000万 → 8万/年
年差旅支出 5000万以上 → 15万/年
私有化部署在此基础上加一次性实施费 + 15%年运维。覆盖基础运营成本。
%效果层（弹性）
按实际节省金额的一定比例分成。AI推荐行程后，系统自动测算"如果不使用AI，按员工历史行为/市场均价，这单差旅大概花多少钱"与"实际花费"的差额，取其中 10-20% 作为效果分成。客户省了多少，你分一点——客户付得心甘情愿。
+供应商侧（增量）
向供应商收取"成交佣金"（而非"推送费"）——通过溯数平台产生的订单，按交易额 0.5-1% 收取。这是行业惯例，不会引起反弹。
建议三：客户分层策略
建议四：应对「白嫖客户」
对于想白嫖的大型集团客户，建议用「免费试用 + 效果对赌」的方式：前3个月免费使用，但约定一个节省目标（比如差旅成本降低3%），达到后转为正式付费合同。这样既给了客户"试用"的安全感，又给了自己收费的依据。如果3个月做不到效果，说明产品还需要打磨。
需要进一步讨论的开放问题
- AI成本精确测算：按领跑客户1.2亿差旅量、平均每单5000元测算，AI推理成本到底是多少？MCP是自己写的，推理成本可控吗？如果客户量上来，成本会不会失控？
- 资质进度：讨论中多次提到资质还没下来，这是当前最大的商务障碍。某集团客户7月要选型，资质能否在此之前拿到？
- 供应商接入优先级：MCP接入所有供应商是理想状态，但实际推进中应该先接哪些？建议优先接"客户已经在用但体验不好"的供应商。
- 「卖软件」vs「卖服务」的根本选择：讨论中提到"这个东西变成了其实是个软件公司，而且是一个非常搞人力的软件"——如果每家客户都需要定制化，溯数本质上是一家项目制外包公司，而不是SaaS公司。如何平衡标准化与定制化？
公司不赚钱，我赚什么钱？大家肯定要把整个收费的想好。