先借一个应用，
还是先建一座底座？
对方带来一套做好的 AI 应用；我们手里，是三条已经在跑的数据线。
内部数据 + 外部数据 → 管理参考与经营指导。底座缺位时，AI 容易把噪声放大得更快。
仅用公开渠道与站点实测
41 个场景清单与分期成本测算
对方公开呈现了什么？
有设计积累，缺系统证据。
录本仓（成都）企业管理集团
2023-02 成立 · 注册资本 50 万 · 参保 11人 · 未见融资
阶段目标写进合同。
软件著作权 0 件 · 专利 0 件
签约前索取软著清单。
/app /login /demo /pricing 均返回 404 · 无具名客户案例
要求提供可试用入口。
/privacy /terms /legal 均 404 · 未见 SOC2 / ISO / 等保 · 无“不用于训练”承诺
隐私与数据条款落纸。
纯静态站 + Vercel 托管 · 20+ 个手写 CSS，多为 review-polish 这类迭代命名 · 无构建、无埋点
稳定性列入验收项。
页面仍保留“Pinterest 视觉参考占位 · 仅用于内部评审”
占位文案列入验收。
9 个模型 logo 自带“不表示均已接入” · 英文页写 “Deployed project”，中文页写“示意对话”
模型接入范围当面核实。
500 万/年 · 233% ROI · 自标“不是已实现的客户结果”
验收口径按我方基线。
公平记录 / FAIR NOTE
2025-09 中标成都华润置地驿都“东安湖商业项目品牌故事线设计”询比采购。行业理解有真实来源；AI 产品落地案例，公开渠道未见。
推断 / INFERENCE非事实
口径 · 产品本体暂不可访问
对方在人与行业关系上有真实积累；可审计的系统能力，公开信息还不足以判断。
两边的能力，互补在哪里？
互补在关系，不在系统。
壁垒排序：关系 > 行业语料 > 内容产能 > 技术。我们缺内容产能，对方缺数据与系统。
11 城市场数据，能不能变成可决策的看板？
链路已跑通，可以每周重跑。
覆盖城市
未清洗
一行 = 一个物理门店
首屏只读结果
本机实测区间
条
清洗会改变结论
- 25,141 行在入库时被合并：17,511 行完全重复，7,630 行同城同名
- 未清洗前，品牌门店数第一是良品铺子 1,205 家
- 清洗后降至 1,205→757 家，星巴克升至第一
口径 · 一行 = 一个物理门店
停车数据，能不能变成客流和铺位价值？
规模已知，实测数据待补。
B3 + B4 + B5
方案 v9.1
完整运行
反寻繁琐 / 客流缺失
入场车流
出入口抬杆与车牌识别，回答“来了多少车”。
待补车位与周转
总车位已有；周转率回答“车位够不够”。
车位已有 · 周转待补缴费与无感支付
科拓缴费记录，回答“临停贡献多少”。
现有系统分时段峰值
工作日 / 周末 / 节假日，回答“什么时候缺”。
待补商场客流
车流是否转化为人流、停留多久。
精准客流待建铺位价值
可达性 × 停留 × 转化，回到招商与定价。
需合同台账从车流到铺位
未接实测 · 不写估算
评论数 ≠ 客流 · 人均价 ≠ 客单价
方案路径：从 B3 往外长
- 一期
B3 · 反寻 + 导航
先解决“找车难”，在不改动科拓现有体系的前提下叠加感知与导航层。
- 二期
B4 · 扩展 + 全场客流 + CRM
车流数据开始与会员、客流打通，支撑楼层级经营分析。
- 三期
B5 · 扩容 + 店铺级客流 + AVP
从“停车管理”走到“商业空间运营”，接入招商调改。
来源 · 智慧停车方案 v9.1
三块数据，靠什么接成一张可信的答案？
三层结构，缺一层就不可信。
应用层
部分看板与报告已在用；问答与预警待建。
指标与事实层
部分现有看板已有口径文档；字典、版本、owner 与 fact_id 制度待建。
数据与口径层
部分内部经营数据部分
合同、租金、收缴、销售上报、客流、会员、能耗工单；分散在财务、POS、停车与会员系统，POS 覆盖率不足 70% 时 Phase 2 不启动。
外部数据已有 + 待建
11 城商户快照、品牌门店已有；竞品租户、商圈消费力待建。外部数据只做参照，不替代内部台账。
四段流水线：门禁在部署之前
三块实绩，如何连成一条链？
三段一线，缺一不成链。
停车
车流、车位周转、缴费与分时段峰值；回答“人有没有来、什么时候来”。
11 城 BI
商户快照、品牌门店、人均价带；回答“同城同业态，我们处在什么水位”。
内部台账
合同、租金、收缴、会员；回答“钱从哪里来、哪里在漏”。
数字底座
L1 数据与口径 → L2 指标与事实 → L3 应用；口径、权限、事实包都在这里收口。
管理参考与
经营指导
结论卡、自动报告、预警、问答；每条结论带 fact_id，可回溯。
同城 · 同业态 · 同口径才可比
这个铺位的租金，在同城同业态里是高还是低？
外部对标 + 内部合同活动期间的客流，是真进店，还是只停了车？
停车 + 会员 / POS收缴率下滑，是哪个业态、哪一层先出问题？
内部台账 + 统一口径接下来要补的是算力预算、数据授权，以及 1.5–2 个稳定投入的人。
Phase 2 目标 180+
数字白名单校验
含 40 题陷阱题
千元级
建议分三步走
先验证，再投入，每步可停。
小范围验证（只用公开资料）
只用已有公开数据与看板：3 张“我们 vs 11 城同业态”对标卡、指标字典 v0、合成 Demo 库；不碰内部库、不调模型 API。
单域评估
财务域先上：收缴率、欠缴账龄、收入结构、租售比异常。80 题准确率 ≥ 90%，数字编造率为 0。
评估后再谈扩大
运营、招商、财务、营销全部可用；180+ 指标；敏感域切私有化；60 人开通，月活 ≥ 60%。
算力预算
第二步起千元级 / 月；敏感域要不出网，再单独批硬件或专有云。
数据范围
合同、收款、POS、客流、会员按最小必要开放；先脱敏，后接入。
指标 owner
每个指标一个 owner、一个定义、一个版本；变更升版本，历史冻结。
首年 TCO 对比
不含内部人力机会成本 / 量级估算先公网 6 个月 · 敏感域再私有化
外部应用可以先借力用起来；
底座能力，会沉淀为自己的资产。