锐渡的服务
三条服务线,共用同一套事实基线与同一套验收口径:所有对外动作都限定在经客户法务确认的事实清单范围内。
AI 认知审计:排名诊断与管理
测量企业在主流大模型中被如何描述,回溯过时与错误表述的来源,并补齐可核验的证据。
的 B2B 品牌在 ChatGPT、Perplexity、Gemini 中零引用
的 B2B 采购者,已经在评估供应商时咨询 AI
第一轮筛选,已经不在人手里
一位跨国药企的 BD 总监要寻找可授权的后期资产,一位欧洲医院的采购主管要选一台设备。三年前他们翻行业报告、跑展会、问同行;现在他们中的大多数会先问一句 AI,然后拿着返回的那份三到五家的名单,开始真正的工作。
名单之外的企业不会收到询盘——不是被拒绝,是从未进入。
Forrester 2026 年的调研显示,72% 的 B2B 采购者在评估供应商时会咨询 AI,44% 使用 Perplexity 做初筛;而 51% 的 B2B 科技品牌在三大主流模型中零引用。Edelman 2026 年信任度调查则发现,买家对"被 AI 引用的供应商"的信任程度,是通过付费广告触达的 3.4 倍。
模型其实有两层
检索层
模型实时抓取的网络内容,以天和周为单位变化,决定"现在能查到什么"。
变化尺度 天 · 周训练层
固化在模型参数中的认知,以年为单位,几乎不可逆,决定"模型默认认为你是谁"。
变化尺度 年 · 几乎不可逆多数企业加大内容投放时只触及了检索层,而且权重很低。真正塑造训练层的,是高置信度的第三方来源——专业垂直媒体的独立报道、监管与临床注册库、结构化的权威数据源。
同一条事实,写在通稿里和被专业媒体独立报道,在模型眼里不是同一个证据。
测 · 追 · 补
用一套固定的问题集,在多个主流模型、多个语种、多个角色视角下反复提问,记录企业是否出现、以何种位次出现、被如何描述、与谁被放在一起、引用了哪些来源。每题重复多次取分布,而非单次快照——模型输出本身带随机性,单次结果不构成结论。
对每一条过时或错误的描述回溯来源,定位到具体的文章与媒体,绘制出支配这家企业叙述的语料结构。这一步决定后续动作打向哪里;没有它,投入就是分散的。
依据企业提供、并经法务确认的事实清单,在检索层与训练层分别补齐可核验的证据:结构化的官网数据与权威数据库条目,以及第三方专业媒体的独立报道。
每季度以同一套问题复测,变量只有时间。
七个维度
空心节点(描述词图谱)为诊断项,不单独计分。完整取值方式、计算公式、权重与判定边界见「方法与问答 · 评分口径」。
全球内容与媒体矩阵搭建
建立可持续运转的海外媒体关系、内容生产机制与议题管理框架。顾问的终点不是持续发稿,而是让企业内部团队能独立运转这套机制。
先确定哪些事实可核验、可公开、可长期复述。这份清单经法务确认后,成为所有对外表达的唯一来源。跳过这一步,后面每一次表达都要重新审一遍。
再决定哪些内容进入哪一层媒体、哪种场合、哪个语种。层级错配比内容本身更容易造成信任损耗——一条本该由第三方报道的事实,如果只出现在自有渠道,它的可信度会被打折。
顾问的终点不是持续发稿,而是让企业内部团队能独立运转这套机制。我们把选题逻辑、媒体分层判断与事实基线的维护方式一并交付。
创始人全球 IP 表达与管理
为创始人建立可跨场合、跨语种复用的公开议题框架。
创始人的对外表达不是演讲技巧,是三层材料能否互相印证:他是谁、他在哪些议题上有资格发言、以及他说的话与公司口径是否同源。任何一层缺失,另外两层都会被打折。
把履历、专业训练与技术判断整理成一份可核验、可复述的公开身份。投资人与媒体查的第一件事是"这个人凭什么",而这一层的材料通常散落在简历、访谈与内部介绍之间,彼此说法并不一致。我们把它收成一份事实基线,并让它在官网、LinkedIn、演讲介绍与结构化数据里保持同一个版本。
先确定创始人在哪几个议题上真的有资格发言,再把这些议题落到行业会议、署名文章与专业媒体的采访里。影响力不是出现频次,是在特定议题上被反复引用——被引用的前提是议题足够窄、立场足够稳定,经得起同行追问。
让创始人的表达与公司的对外口径同源:同一条技术路线、同一组事实基线、同一套边界。创始人在采访里讲的和官网写的不一致,在专业读者眼里是治理问题,不只是表达问题;对 AI 系统而言,它直接降低整个实体的置信度。
我们可以先跑一个单企业的切片测试。