Threekit发布AI原生CPQ：照片和口述进入报价，产品规则仍需给出可核查依据

前天 3阅读

Threekit在2026年10月1日宣布推出AI-Native CPQ，面向制造业与企业间销售的配置、定价和报价流程。公司称，销售人员、经销商或客户可提交规格、照片、语音与项目描述，系统据此分析需求，并对照厂商产品目录、价格和业务规则推荐配置；同类能力也可进入厂商网站。

公告提到客户线索和报价速度改善，但没有提供足以复现比较的完整样本。本文将其视为厂商案例描述，不作普遍效果保证。这次发布更值得讨论的，是非结构化需求怎样变成工程与销售人员都能核对的订单条件。

AI生成概念示意图，表现需求材料经过配置检查再形成报价，并非真实Threekit界面或客户项目。

把“想要什么”拆成明确条件

一张现场照片可以帮助理解空间，却未必给出精确尺寸；一句“适合室外”也可能涉及温度、湿度、安装方式和维护周期。系统若直接跳到产品推荐，缺失条件容易被漂亮的报价单掩盖。更稳妥的输出应显示已经明确的要求、推定条件，以及仍需客户回答的问题。

例如，两个零件单独都在目录中，并不代表能够组合。接口尺寸、承载范围、配套附件和停产替代关系，需要由可维护的规则约束。AI负责理解口述时，规则系统仍应能解释为什么某个组合被接受或拒绝，让销售人员知道下一轮该补问哪项信息。

以下是假设的试点方法，并非平台实测。某工业配件商选择一个结构较简单的产品系列，把常见询价连同人工确认结果整理成样本。每次试算都固定目录版本、价目表与折扣条件，记录最终配置及被排除的候选，再让产品人员核对遗漏和错误。

随后加入边界案例：客户给出互相矛盾的尺寸，照片无法辨认接口，某个配件刚停售，原先折扣已经到期。系统应能要求补充信息或停止生成正式报价。对于无法满足的需求，说明哪条条件冲突，比编出一个看似接近的型号更有帮助。

报价还需要清楚的有效期和责任交接。客户过几天返回原对话时，应识别价格、库存或交付条件是否变化；已经发出的版本则要保持可追溯。修改一个选项后，相关附件、数量与总价能否同步重算，也必须放进验收范围。

企业可以比较首次报价耗时、产品专家介入次数、缺字段比例和报价后返工率。若初稿生成更快，但订单进入生产前频繁改配，节省的时间可能被后续检查重新消耗。按产品复杂度和输入类型分别观察，才能看出哪些环节适合扩大自动化。

网站入口与经销商入口也不应默认拥有同样的权限。公开访客能查看哪些价格，渠道伙伴能使用哪些折扣，特殊方案由谁批准，都应来自实际业务安排。自然语言让入口更容易使用，并不会自动解决这些差异。

Threekit的公告显示，配置报价正向更多输入方式开放。对制造商，可靠的落点是让客户更容易说清需求，同时让工程规则、价格来源和未确认条件完整留在结果里。报价单越容易生成，越需要能够解释它为什么成立。

本文核验于北京时间2026年10月2日。产品事实依据所列发行方资料；分析及假设场景为原创解读，本站未实际测试该产品。