ThinkingAI

可私有化部署的企业级 AI Agent 平台，让企业拥有能协作的 Agent 团队

Agent 工作流、协作

https://thinkingai.cn/

前往官网

深度报告

ThinkingAI Agentic Engine 是一款可私有化部署的企业级 AI Agent 平台，2026 年 4 月正式发布。核心定位是让企业拥有一整支能协作的 Agent 团队，通过「感、知、行」三层能力实现从发现问题到解决问题的全闭环。ThinkingAI 前身为数数科技，在数据智能领域深耕十年，服务超过 15000 家企业，并与 MiniMax 建立战略合作伙伴关系。
ThinkingAI 前身为数据智能公司「数数科技」，2026 年品牌升级，定位从数据分析工具转向企业级 Agent 平台。公司 2015 年成立后，长期聚焦游戏、社交、电商等行业的用户数据分析，累计服务超过 15000 家企业客户和 8000 多款产品。 2026 年 4 月 16 日在硅谷计算机历史博物馆举办发布会，宣布与 MiniMax 达成战略合作。Agentic Engine 聚焦中大型企业的私有化 AI 部署需求，与字节跳动「扣子空间」、阿里「通义」等通用 Agent 平台形成差异化竞争。
Agentic Engine 的设计理念围绕三个维度展开。「感」即全域感知，7x24 小时监控所有渠道信号，包括业务数据异常、社交媒体用户吐槽、App Store 差评等。「知」即深度理解，不仅知道发生了什么，更能拆解到哪个渠道、哪个版本、哪类用户，理解为什么发生。「行」即行动闭环，直接生成策略并执行自动发起 A/B 测试，无需人工排期，实现从决策到行动的完整闭环。
平台为中大型企业配备一整支能协作的 Agent 团队，而非给每个人配一个 AI 助手。具体包括数据分析 Agent（团队的「眼睛」）、A/B 实验 Agent（团队的「裁判」，实验周期从 2-4 周缩短到无需人工干预）、智能运营 Agent（团队的「手」，将运营周期从「周级」压缩到「实时」），以及自主创建 Agent（通过点选拖拽即可创建，无需写代码）。
系统通过策略层、编排层和执行层实现 Agent 之间的协作。策略层由统一 Orchestrator 负责发现机会和验证假设，编排层负责任务调度、状态管理和上下文共享，执行层并行运行多个业务 Agent。执行结果自动回流到策略层，形成更精准的下一轮洞察。
这是 ThinkingAI 十年积累构筑的核心壁垒。第一层为 Agent 记忆系统，通过语义层和知识图谱将隐性业务知识结构化，让 Agent 理解「DAU 怎么算」这类口径问题，无需业务人员重复解释。第二层预置了 100 多个行业 Skill，覆盖用户分析、留存分析、付费分析、投放分析、运营分析、报告生成、归因分析、舆情分析等 8 大领域。第三层持续进化机制，让每次执行结果沉淀为新知识，Agent 越跑越准。
平台内置多项企业级安全机制。沙箱隔离确保新 Agent 在沙箱中试跑，A/B 灰度对比验证新旧 Agent，全链路可观测确保每一步可追溯，幻觉检测贯穿全链路防止错误输出。结合私有化部署，数据和模型全链路自主可控，兼容 GDPR、CCPA 等合规要求。
已支持飞书、钉钉、企业微信、Slack、Discord 等主流办公平台。原生支持 MCP 和 A2A 协议，可与任何 AI 平台无缝对接。大模型底座支持 MiniMax（私有化部署）及其他主流大模型 API。
Agentic Engine 目前未公开具体定价方案，采用「联系销售获取报价」模式。目标客户为中大型企业标准 SaaS 和私有化部署两种模式并行。
从公开信息来看，企业用户对其「全闭环」能力评价较高，认为真正解决了从数据到行动的「最后一公里」问题。十年行业 know-how 被认为是差异化壁垒。预置 Skill 被认为降低了使用门槛。负面方面，平台对企业的数据基础设施要求较高，中小企业适配有一定难度。初期 Agent 训练和配置需要一定的行业知识积累。
甲子光年等机构对 ThinkingAI Agentic Engine 的发布保持关注。其「Agentic Engine」定位和「私有化部署」策略被认为是在当前 AI Agent 市场中的差异化竞争策略。与 MiniMax 的战略合作被视为国内 AI Agent 平台与大模型厂商协同的典型案例。企业级 AI Agent 市场 2025-2028 年预计从 1473 亿元增长至 3.3 万亿元，年复合增长率超过 100%。
产品于 2026 年 4 月正式发布，产品成熟度和稳定性仍需市场验证。国内企业级 AI Agent 市场竞争激烈，私有化部署对企业的 IT 能力有一定要求。
该产品适合中大型互联网公司和游戏公司，具备一定规模的运营和数据分析团队，对 AI Agent 有明确业务需求。典型使用场景包括精细化用户运营、实时数驱动的运营干预、A/B 测试自动化和行业 know-how 的数字化积累。
ThinkingAI Agentic Engine 是一个定位清晰、能力完整的企业级 AI Agent 平台。其「感、知、行」三层能力体系和十年的行业 know-how 积累构成差异化优势。与 MiniMax 的战略合作提供了可靠的大模型底座支撑。平台的成功与否，将在接下来 1-2 年的企业落地案例中得到验证。

用户评论

Aiden100

—

刚看完硅谷发布会，这感知的思路太牛了，连Discord和App Store的评论都能自动监控，数据分析终于不是死的数据了

VAb_en

—

感觉比扣子空间更适合企业用，私有化部署这一点就很香了

DeltaDefiLarsen

—

试了一下，数据分析 Agent 确实有点东西，直接问它留存率为什么降了，它能拆解到具体渠道和版本，不像以前扔一句 SQL 等半天

Frank.Hall_2023

—

三层知识体系这个壁垒确实强，别人抄不来

ElizabethMiller_2020

—

A/B实验 Agent 不用排期了，运营笑死

Sophia_Anderson_2022

—

和 MiniMax 的合作感觉很靠谱，大模型底座有保障

Jonathan.Cruz0075

—

十年积累的 Skill 确实不是吹的，预置的模板直接用，不用从零开始调

LindaWhite_99

—

说实话私有化部署对企业很重要，数据不能出内网这个需求我们一直都有，现在终于有人做了

孔浩娜

—

沙箱隔离这个设计很稳，新 Agent 先在沙箱跑，跑过了再上产，太需要了

石霞

—

Agent 团队不是给每个人配助手，是给企业配一支团队，这个思路就很对

wm68n762u

—

看36氪的文章感觉信息量很大，回头要好好研究一下

whitepeacock954

—

行动闭环这个概念提的好，之前就是数据有了但不知道怎么行动

Cr_yptoTrader198

—

飞书集成支持了，部署起来应该方便很多

KThomasQ

—

我们公司数据基础设施还不错，应该能跑起来

SarahStewartZ

—

定价不知道多少，等官方报价

PatriciaMartinX

—

说实话这种产品中小企业可能用不起，还是适合大厂

DeborahCarter_77

—

全闭环 yyds

Stephen_JamesJr

—

从数数科技升级过来的，品牌升级做得很彻底

e2af3v0af0

—

持续进化这个机制很有意思，Agent 越跑越准，不知道怎么做到的

ThinkingAI

深度报告

用户评论

相关链接

同类产品