PE/VC 看项目的瓶颈从来不在判断力，而在过滤效率。Lakesis 的 Triage Agent 让我的投资经理把时间从扫 BP 转到了实际尽调上 — 每月 3000 多份项目源，IC 上桌的是已经被打过分、写好一页 memo、附带退出路径建议的 deck。
配置 基金管理规模超 200 亿。每月新增项目源 3000+，但能进 IC（投决会）讨论的不到 30 个。Triage Agent 沿基金内部的投资策略矩阵自动打分，按赛道 / 阶段 / 估值区间对 deck 进行分层，输出 IC-ready 摘要、可比交易、退出路径建议。
~ 99% 低优先级 deck 过滤率
min · scale 项目识别速度
−85% 单份 BP 处理时长
我们的痛点不是设计能力，是供应链 — 一颗 MCU 断供，整条产线停半天。以前 BOM 替换一颗物料要跨 3 个团队拍板 2 天；现在工程师丢一句"给我找 RoHS 合规、有现货、pin-to-pin 兼容 STM32F4 的方案"，30 秒拿到 5 个选项加对比表。
配置 中型电子制造，年营收级别 5-10 亿。项目接入了客户的内部器件知识库（规格书 / datasheet / 历史 BOM）以及主流分销商情报。Agent 跨规格书、价格、库存、合规属性（RoHS / REACH）多维推理，给出物料替代候选与断供风险预警。
~ 30s 选型速度提升
−6% 采购单价下降
99%+ BOM 准确率
票据是劳动密集型业务，错一笔补一天。我们用 Lakesis 把发票识别、三单匹配、ERP 凭证落账串成一条无人值守的链路 — 200 人的票据组现在 30 人能处理同样的量。剩下的人去做高价值咨询，营收结构反而变好了。
配置 年处理票据规模超千万张。三段式架构：多模态识别（增值税专票 / 普票 / 收据 / 银行回单）→ 规则引擎校核与三单匹配（PO/GR/Invoice）→ AI 校核与异常路由。完成结构化后直接写入 SAP / 用友 / 金蝶凭证。
−85% 人力替代率
> 99% 识别准确率
24/7 无人值守运行
我们二十年的项目档案是公司最贵的资产，但每次新项目接进来，团队还是从头查、从头写。Lakesis 把这些档案变成了一个能直接调用的知识中枢 — 一份初稿研究报告，过去 3 天，现在 4 小时；一份卖方建议书（IM）的核心章节，AI 先出，合伙人改。
配置 国内一线咨询公司，二十年项目沉淀。系统贯通客户的项目档案、行业研究、客户尽调报告三个语料库，Agent 完成：行业研究报告自动起草、IM/MD 标准章节生成、客户合同条款合规审阅、被投/客户公司财务异常识别。
−60% 合伙人时间释放
3天 → 4小时 单份报告产出
6 FTE AI 替代 FTE