数据底座,成就AI价值 | 专访金融EMBA刘志坚
刘志坚,清华五道口金融EMBA十六期学生、迅策科技创始人、董事会主席兼CEO。2016年他创立迅策科技,从资管行业最严苛的实时数据场景起步,一步步把公司做成港交所“Token第一股”。他带领团队深耕企业内部数据底座,推动各行业构建专属大模型。近期,他接受我们的专访,讲述在AI浪潮里,一家数据基础设施企业如何重新理解"模型、数据与长期价值"。在他看来,大模型越是强大,企业越不应盲目追逐模型本身,而应回归自己的土壤,把数据治理做扎实,让AI在企业内部切实生根发芽。

刘志坚
金融EMBA十六期学生
迅策科技创始人、董事会主席兼CEO
以下为访谈精选:
Q1
01问:如果用最简洁的语言来概括,迅策科技的核心业务是什么?
刘志坚:当前业界谈论人工智能,往往聚焦于两大基石——算力(GPU)与算法(大模型)。然而,真正决定企业级应用的第三块基石,且日益关键的一环,是数据。
迅策科技专注的正是这一层。通用大模型在个人场景下的内容生成与交互表现已相当成熟,但在企业端,尤其是高端制造、医疗、金融等核心业务环节,仍难以直接落地。这主要是因为存在各自场景与理解专业知识的差异,包括模型幻觉等,可能导致关键信息失真。企业所需要的,是建立在自身内部数据之上的专业化模型。
企业很难能够直接套用通用模型来解决自身问题。企业必须用自己的数据对其进行定制化训练——如同培育一个孩子,需要依托自身的环境、基因、文化与习惯来塑造,最终才能形成真正适配自身业务需求的专属模型。迅策科技所做的,正是帮助企业完成这一过程:将内部数据清洗干净、治理规范,使之可调用、可计量。
Q2
02问:企业在拥抱AI的过程中,常见的误区有哪些?
刘志坚:当前,不少企业仍在盲目追逐算力规模与更强大的通用模型,但从投入产出比来看,这或许偏离了问题的核心。
更务实的路径,是将重心转向内部数据治理与AI能力建设——不比拼资源消耗与硬件堆叠,而是衡量每一分投入能否转化为可量化的业务成果:客户拓展、运营效率、财务表现等维度的实质性改善。AI的价值,终究要可度量、可验证,并切实反映在企业经营结果之中。
Q3
问:迅策科技从资管行业起家,啃的是“毫秒级、零容错”最硬的骨头。当时为什么不选更轻的赛道,偏要从这里进场?
刘志坚:我曾从事对冲基金行业十年之久,深知该领域对数据的极致要求——快速、准确、完备。一个微小的数据偏差,在其他场景或许无足轻重,但在资产管理中,足以导致数百亿资金的错误流转。大模型对数据的处理逻辑与对冲基金高度相似:追求更高的准确性、更全面的覆盖度、更强的实时性。数据一旦出现差错,整个计算与决策的基础便会崩塌,后续所有工作都将失去意义。所以我们选了一个最难的起点——一旦把这个场景攻克下来,再去面对其他行业,反而显得从容许多。
Q4
问:迅策科技2025年营收达12.85亿元,2026年上半年同比增长389%——外界看到的是高速增长的亮眼数据,作为创始人,您看到的又是什么?
刘志坚:财务报告只是阶段性的观测节点,是企业与市场沟通的一种方式。企业真正感知到的,是整个行业生态正在发生的深层变化——人工智能的土壤正在升温,行业才刚刚起步,需求正进入集中释放的阶段。
单纯关注数字本身,显然不足以衡量企业的真实状态。但发展有其内在规律,过程中必然伴随波动。关键在于,企业究竟追求短期报表的光鲜,还是长期竞争壁垒的构建。每个人审视企业的时间维度不尽相同——有人关注三个月、半年的表现,有人放眼两三年。而我个人的时间尺度,是十年、二十年。
Q5
问:您在柏林全球对话上说“要把最好的方案带给全球”,您觉得中国AI公司出海,最难的是什么?
刘志坚:AI企业出海,和传统制造业、金融机构出海底层逻辑相通。海外展业,都要面对各个国家不一样的监管制度、用人规则、审批流程,要思考是组建本土团队,国内派人出海,还是与当地合作伙伴合作,这些都是共性问题。
AI行业特殊点在于,这是一个全新赛道,全球各国针对AI的法规政策都没有完全定型,一切都处在动态调整之中。欧盟的数据法案、中美相关立法都可能快速迭代,监管规则一直在变化。传统行业经过长期发展,法律监管已经趋于稳定;AI行业却是“飞行中改变规则”,地缘政治、监管层面的波动风险非常大。做AI出海,企业必须预留充足的冗余空间,来应对外部环境的变数。
Q6
03问:迅策科技接下来出海的主要规划方向是什么?
刘志坚:在地域布局上,优先聚焦与中国关系稳定、合作基础良好的市场,例如东南亚;欧洲、日本、韩国亦同步纳入考察范围。
在行业选择上,延续国内市场的逻辑——按垂直场景依次推进:电信、电力、能源、公用事业、航空航天,而后延伸至金融。策略上,优先锁定高价值、高门槛、数据密度高的场景,逐一深入深耕。
Q7
04问:在清华五道口的求学时光里,感受最深的是什么?
刘志坚:班里同学来自各行各业,当你身边坐着一位深耕半导体二十年的工程师、一位正在搭建千亿级风控模型的金融从业者、以及一位从零到一打造出海品牌的创业者,大家讨论同一个AI话题时,每个人的切入角度、关切点和判断依据截然不同。如果说课程带来的是知识结构的刷新,那么同学之间的深度研讨,则是另一种不可替代的收获。我们聊的都是真问题——企业当下真实面临的困境、战略选择的取舍、如何在周期波动中守住底线。大企业提供的标准化解决方案,体系完善、方法成熟,具有重要的参考意义;而同龄企业家之间毫无保留的坦诚交流,则更能直击成长型企业当下的真实痛点。两者互为补充,前者提供了成熟的范式与路径,后者则带来了更具针对性的实战洞察与情感共鸣。
你会发现,每一位同学在自己的领域里都有着独特的判断力和行动力——有人能在行业低谷时逆势布局,有人在技术路线尚未明朗时就敢于押注。和他们坐在一起,不只是业务层面的切磋,更是一种视野上的相互打开、格局上的彼此拉升。这种“直接共鸣”,比任何课堂上的方法论都更管用。
Q8
05问:您的论文选题,是否也与AI在资管领域的落地相关?
刘志坚:是的,我的论文主题就是AI如何在资管领域落地——这与迅策科技的使命完全一致。
阶段性观察下来,我有一个越来越清晰的判断:今天大模型的先进程度,已经远远超出了一般企业的日常所需。企业如果把精力花在追赶模型本身,无论如何也跑不过头部实验室。真正值得做的,是回到自己的数据土壤里,长出属于自己的模型,让它产生可衡量的收入增长和效率提升。
这不是一个终局结论,而是这一阶段的认知。在我看来,真正的战略眼光不在于追逐最前沿的技术,而在于看清自己脚下的土地——知道什么该拿,什么不该拿;什么该追,什么该放。这种定力,可能比技术本身更重要。
访谈尾声,谈及迅策科技的长期主义,刘志坚用一个比喻作出总结:“通用大模型是别人的孩子,企业只有用自己的数据土壤,才能养出适配自己业务的孩子。AI不是追逐最炫的概念,而是要实实在在给业务带来价值。”
这正是迅策科技所理解的长期主义:不追逐风口的热度,不迷信技术的炫目,而是回归企业经营的根本——以数据为根系,让AI在产业的土壤中向下扎根、向上生长。真正的智能化,从来不是外部工具的简单嫁接,而是企业内部能力的自然演进。当每一份数据都得到有序治理、每一个模型都指向具体的业务价值,AI便不再是一个悬浮的概念,而成为驱动企业持续增长的内生力量。
文字整理&编辑丨刘媛媛
责编丨周文佳
审核丨李元真
加入清华五道口
在这里
纵观金融万象
审时而动,赋能科技之力
多核互衍
成就明日格局

金融EMBA、产业与金融领航者、BRI EMBA点击咨询项目
金融EMBA、产业与金融领航者、BRI EMBA
点击咨询项目
-
清华风物丨清华漫话·清华最早的图书馆
넶0 2026-11-17 -
活动预告 | 清华-INSEAD EMBA大师讲堂(新加坡站)
넶0 2026-11-17 -
校友活动丨清华经管EMBA“聚力·京彩”系列活动——2026年具身智能大会在清华大学圆满举行
넶0 2026-11-17 -
校友风采丨徐东:向实而行,在产业深处扎下根
넶0 2026-11-17 -
未来科技丨清华经管学院人工智能研究工作组赴校友企业中科闻歌参访调研
넶0 2026-11-17 -
北大光华EMBA中国调研:杭州模块 | AI战略与商业创新
넶0 2026-11-17