一位股份制银行的客户经理，在智能体的对话框里输入一家陌生企业的名字。几秒钟后，屏幕上弹出这家公司的股权结构、涉诉记录、经营异常提示，每一条后面都标着数据来源和更新时间。她不用再切换五六个系统去核对信息——背后调用的，是企查查的实时数据接口。

这样的场景，正在金融、政务、法律、供应链各个行业里铺开。而放在十年前，没有人会想到“查公司”这门生意能走到今天这个位置：前不久，中国科学院主管期刊《互联网周刊》联合DBC德本咨询等机构发布《2026中国新科技100强》，11个赛道、100家企业，数字产业赛道的头名给了企查查。

一门听起来不性感的生意

查工商、查涉诉、查知识产权，听起来像是工具类产品里最没有想象力的那一类。但放到产业里看，需求真实且刚性：企业签约前要摸交易对手的底，银行放贷前要核实借款人，律所尽调要拉司法记录，制造企业要盯着二级三级供应商有没有出事。

这些需求的共同点是零散、高频、要求实时，靠各个公开渠道的原始接口拼不出完整答案。国家数据局《全国数据资源调查报告（2025年）》里的两个数字，说明市场还远没有到顶：2025年全国数据产量52.26ZB、占全球总量的27.44%，但购买过数据的企业只有11.65%。供给和流通之间的大片空地，就是商业数据服务公司的成长空间。

难的不是攒数据，是让人为数据付费

企查查属于国内最早一批做企业信用信息服务的公司，家底不可谓不厚：全球7.3亿+市场主体、2.5亿+司法诉讼、2.4亿+知识产权数据，400余维度的智能信用图谱，注册用户超1.6亿，月活接近8000万。

但数据行业的人都清楚，攒数据只是入场，收费才是考题。据企查查方面公布的数据，2025年公司营收7.87亿元，付费客户107.04万——这个规模的付费转化，在数据行业里并不多见。更值得琢磨的是客户名单：5大国有银行、12家股份制商业银行都在用。银行对数据准确性和合规性的挑剔程度，在所有客户里排最前面，能进银行的采购清单，等于拿到了一份硬背书。

从“被查”到“被调”

真正让这家公司被重新看待的，是AI。

大模型和智能体火起来之后，一个之前不被注意的问题浮出水面：模型可以生成一份看起来很专业的尽调报告，但如果背后的股权结构、涉诉记录有偏差，这份报告就是废纸。通用能力必须接上真实、准确、实时的数据，才进得了金融、法律这些容错率极低的场景。

企查查的打法不是去卷通用大模型，而是把十余年的数据积累做成标准化接口，嵌进AI工作流。智能体做尽调、风控、合规，直接调用结构化数据，回答自带来源和更新时间。在供应链场景里，接入其接口的智能体能自动盯多级供应商的工商变更和司法风险，出问题主动预警，替代了过去人工定期排查的老办法。

从查询工具，到AI应用背后的数据基础设施——位置变了，生意的本质没变：谁的数据更全、更准、更新更快，谁就站得住。这次新科技100强数字产业赛道的头名，更像是对十年积累的一次确认。