CCTV Interview with EasyLink Founder Chen Siyin: Turning China's AI Foundation into Productivity Across Industries

日前，2026 世界人工智能大会（WAIC）在上海举办，EasyLink 携 EasyDoc 与 Tiri 两款产品精彩亮相。

大会期间，EasyLink 创始人、CEO 陈思吟接受央视网《AI+在行动》栏目专访，围绕企业级 AI 应用落地、数据智能基础设施建设，以及国产 AI 生态协同等议题分享观点。

作为深耕企业级场景的 AI 原生企业，EasyLink 正通过产品与技术创新，推动国产 AI 基础能力与真实产业场景深度融合，助力中国 AI 从技术突破迈向规模化应用与生产力转化，让人工智能赋能千行百业。

@video[https://business.cctv.com/2026/07/24/VIDEpO42xaFmusicJWD9Rxxl260724.shtml 央视网专访EasyLink创始人陈思吟]

以下根据专访内容编辑整理：

主持人：首先想请您介绍一下，EasyLink主要做哪些业务？这次展会带来了哪些产品？

陈思吟：EasyLink 是一家 AI 原生企业，我们希望通过连接 AI、数据和场景，帮助企业构建可信智能应用。

AI 发展很快，但真正进入企业应用时，必然会遇到企业数据的问题。我们的切入点，就是把企业数据变成 AI 可用的"燃料"。

这次展会我们带来了两款产品。**第一款是 EasyDoc，它是一个文档解析引擎，**核心是让 AI 像人一样读懂复杂文档，包括财务报表、合同、图表等内容，以及文档之间的结构关系。

**第二款是 Tiri，它是企业级智能体平台。**Tiri 融合了多模态数据能力，可以把企业知识转换为 AI 可用的记忆，同时结合多智能体编排和规划技能，让 AI 在企业场景中真实交付结果。

目前，这两款产品已经服务多家大型央国企和数千家中小企业。

主持人：现在 AI 的生成能力已经很强，比如写作、聊天、提供情绪价值等。但在企业场景中，像合同、PDF 扫描件这类材料，AI 可能还不能完全准确理解。为什么 EasyLink 会选择从企业场景切入？

陈思吟：现在 C 端使用 AI 已经很普遍，大家会用 DeepSeek、豆包进行创作。但从企业端来看，AI 落地相对更慢。并不是企业不想用，而是很多时候用不了。

在企业使用 AI 的过程中，模型能力正在逐渐平权，尤其随着开源模型越来越多，模型本身不再是最大门槛。真正的门槛，其实是数据。

企业内部有大量非结构化数据，很多知识沉淀在过去几年、几十年，甚至上百年积累的 PDF、PPT、合同、报表、视频等资料里。

通用大模型并不天然拥有这些企业内部知识，所以企业 AI 落地的关键，是打通数据落地的最后一公里。

真正的范式变革，取决于输入给模型的数据质量。输入数据的质量决定了企业应用 AI 的上限。

如果输入是错的，输出也会错，而这种幻觉在企业场景中是不被允许的。

我们有一个真实案例：一家券商客户，我们帮它构建了 3.8 亿索引量的知识库，整体幻觉率控制在 0.11%，并帮助它用智能体的方式重塑了一个业务部门。还有一家银行客户，单一系统每天入库大约 9 万份文档，可想而知全行的数量之庞大。

这就是企业真实的数据规模和复杂性，而我们要做的，就是帮助企业真正用上 AI。

主持人：也就是说，在大模型赛道非常拥挤的情况下，EasyLink 做的是一个前置环节，从数据输入层面保证提供给模型的数据是准确的。

您刚才提到，EasyLink 主要服务金融行业。金融行业对 AI 使用非常谨慎，要求数据和资料可追溯、可审计。为什么选择从金融行业切入？

陈思吟：金融行业是国民经济的血脉行业，对可靠、可信的要求非常高。任何一个 AI 幻觉或错误，都可能带来投资决策失误或者合规风险。

所以我们认为，如果一个技术能够经受金融行业的考验，就说明它经过了真正的压力测试。我们希望先在金融这个深水区做透，未来再服务更多行业。

这也和团队背景有关。我们的创始团队本身就是 AI 和金融的结合。

我本人有十多年金融行业经历，是在金融行业成长起来的；我们的联合创始人是来自百度的 AI 科学家，过去曾参与构建全球范围内最大的中文知识图谱。

因此我们很清楚，对金融行业来说，最重要的不是炫技，而是可信、可溯源、可审计。这三点也是我们设计产品的核心原则。

主持人：一方面是团队本身有金融背景，另一方面也是因为金融行业挑战最大。如果能攻克金融行业，再复用到其他行业会更顺畅。

目前中国 AI 产业链中，芯片和模型都在不断进化。EasyLink 所做的，是在另一个层面把这些能力串起来。这应该也是一件机遇和挑战并存的事情。

陈思吟：是的。我认为这一定是一个历史性的机遇。过去几年，我国在芯片、模型等基础能力上取得了显著进展。但这些基础性突破不会自动转化为企业生产力，需要有人把这些技术真正落到业务场景里。

这也是我们给自己的定位：希望在中国 AI 生态链中，成为企业 AI 应用的代表。

我们也做了很多适配工作。无论是 EasyDoc，还是 Tiri，我们都和国产模型、国产芯片做了深度适配。

比如 EasyDoc 过去和华为昇腾芯片做了深度算子优化。在相同算力和显存条件下，我们的单页解析效率在华为芯片上比在英伟达芯片上快 1.5 倍。

Tiri 背后则是我们自研的一套国产 Harness 框架，它天然适配国产模型，使整体 Token 使用效率可以提升 10 倍。

**比如 Tiri 在国产开源模型 DeepSeek 上的缓存率可以做到 99%，**这意味着企业使用 Tiri 跑 AI 任务时，Token 成本可以大幅降低。

所以我们和国产模型、国产芯片是共荣共存。国产模型越强、国产芯片越强，我们能为企业创造的价值也越大。

我们希望通过自己的工作，让国产 AI 基础设施的成果最终转化为千行百业的生产力。

主持人：非常期待未来在更多日常工作场景中，大家都能借助这样的 AI 产品，让工作越来越顺畅、越来越高效。