Exa

1.1 身份与产品定位

Exa 将自己定位为 AI 智能体的基础设施，而不是面向普通消费者的目的地。公司主页将产品概括为“面向 AI 智能体的世界数据”，并称开发者用 Exa 搜索公开网络和私有信息；研究页面则称团队训练并提供自有搜索索引和模型。独立资料与这一定位基本一致：AI Engineer 将 Exa 描述为 AI 应用的网络搜索基础设施，覆盖编程助手、聊天智能体和企业工具等用例；第三方公司资料则将其描述为以 API 为中心、提供语义搜索、内容提取和研究工作流的业务。 同一批来源也支持其稳定的核心身份，尽管规模指标存在分歧。公开资料将 Exa 认定为一家 2021 年成立、位于旧金山的公司，法律实体为 Exa Labs Inc.，其中一份公司资料还写有“前身为 Metaphor Systems”。因此，本章可作为报告的身份锚点：Exa 是一家为 AI 系统构建搜索、检索和内容提取基础设施的私有 C 轮公司，但精确的当前经营指标仍需管理层确认，不能只看公开追踪平台。[CO001, CO002, CO003, CO004, CO005, CO015]

1.2 领导层、治理与关键人物集中度

公开报道仍高度聚焦 Exa 的创始人。TechCompanyNews 将 Will Bryk 列为 CEO、Jeffrey Wang 列为联合创始人；AI Engineer 还补充了他们此前的经营背景，将 Bryk 与 Cresta、Wang 与 Plaid 联系起来。产品叙事、融资故事和发布报道仍主要依靠创始人主导的技术可信度，说明创始人与市场匹配度较强；但 Exa 在早期技术客户之外继续扩张时，也存在明显的关键人物依赖。 治理开始扩大，但指定证据只显示出局部变化。最明确的扩展点是 2026 年 5 月 C 轮：多家来源称 Andreessen Horowitz 的 Sarah Wang 加入董事会；TechCompanyNews 还称 Marcus Holm 加入公司担任 CRO，以增强市场拓展能力。这些信号说明 Exa 正在引入外部监督和商业领导，但指定公开来源仍未提供完整董事名单、投票控制结构，或已点名高管之外的创始人继任梯队。[CO004, CO006, CO013]

1.3 融资路径、规模信号与里程碑节奏

Exa 的融资曲线在 2025—2026 年明显变陡。公开追踪平台一致认可 2025 年 9 月的 $85 million B 轮及 $700 million 估值，也认可 2026 年 5 月 $250 million 的 C 轮及 $2.2 billion 估值，但对更早轮次规模、乃至 C 轮后的累计融资额存在分歧。因此，本章确认融资方向，同时保留累计到账金额和经济条款的不确定性。公开规模信号也需要谨慎解读：客户数和开发者数总体向好，但各追踪平台的收入、员工数，甚至“最新估值”字段都不一致，后续章节只能复用这里记录的区间和明确标注的冲突。 尽管如此，产品和公司里程碑仍显示出真实的交付节奏。官方研究页面记录了从 2024 年初到 2026 年末的技术里程碑，RuntimeWire 称 Exa Agent 于 2026 年 6 月 16 日上线，成为更高层的研究端点。这一节奏支持 Exa 从原始检索扩展到智能体工作流基础设施的判断。同时，独立评论仍提示实质执行风险：自建爬虫和索引资本开支高，大型 AI 与搜索平台竞争明显，而公开市场仍缺少证据证明其收入质量能相对于新估值长期站得住。[CO006, CO007, CO008, CO009, CO010, CO011, CO012, CO014]

2.1 市场边界：智能体检索基础设施，而非消费者搜索

市场边界很重要，因为“搜索”这个标签过于宽泛，无法准确描述 Exa 实际销售的产品。公司的产品定位是为 AI 系统提供程序化检索：语义搜索、全文提取、按查询生成重点摘要，以及逐渐打包起来的研究工作流。因此，相关支出属于开发者基础设施、AI 产品、研究和工作流自动化预算，而不是消费者搜索广告或普通网页导航。最接近的替代品是 Google/Bing API、Perplexity Sonar、Tavily 和人工研究工作流，而非传统消费者目的地。公开证据还表明，该产品旨在嵌入编程助手、聊天智能体和研究工具，相关市场因此收窄到重视机器可读检索质量、确定性延迟和下游 token 效率的买家。[CM001, CM002, CM003, CM011]

2.2 规模化视角：AI 智能体需求广泛真实，但 Exa 的公开 SAM 尚未证实

指定资料支持多种市场观察角度，但没有一套能单独构成 Exa 完整 TAM/SAM/SOM 的模型。AgentMarketCap 提供最宽泛的需求视角：预计 2025 年 AI 智能体市场约为 $7.6 billion，2033 年达到 $183 billion；同一来源称，2024—2025 年 AI 搜索 API 类别在 45 笔交易中吸引了 $2.8 billion。这些数字说明资本和品类势头强劲，但范围大于 Exa 当前的切入点。最接近自下而上的视角是采用足迹：公开融资摘要和公司资料聚合器反复称，截至 2026 年 5 月有 5,000-plus 家公司和 400,000-plus 名开发者使用 Exa。这足以验证需求，却不足以拆分开发者搜索 API、高层研究工作流和更广泛智能体基础设施之间的实际支出。[CM004, CM007, CM008, CM009, CM010, CM015]

2.3 买方、用户和付费方集中在智能体产品构建者

公开用例显示，买方主要是把新鲜网页检索作为输入的产品构建组织。编程助手厂商是最清晰的细分市场，因为它们需要模型训练截止时间之外的最新文档和问题发现。第二类是需要带引用答案和新闻搜索的企业聊天或知识产品。第三类是金融、咨询、GTM 和数据运营中的重研究工作流，多步骤发现和结构化输出比消费者式搜索更重要。Exa 从原始搜索端点转向 Exa Agent 及相关工作流产品，说明公司希望从这些高价值研究任务中获取更多预算，而不只是为底层检索调用收费。下方图表不是 SAM 模型，而是一套商业化结构，展示公开证据如何从声称的数据覆盖范围逐步收窄到实际使用足迹和产品控制信号。[CM004, CM005, CM006, CM011, CM013, CM016]

2.4 增长驱动与约束决定这一品类能否保持独立

主要采用驱动因素都很实际：语义召回优于关键词搜索、输出完整文档而不是摘要、节省 token 的提取、领域过滤，以及足够低的延迟以嵌入多步骤智能体循环。当买方产品质量依赖比通用搜索 API 更新或更精确的检索时，这些优势最有价值。约束同样清晰。公开差异化主张仍大量依赖公司关联或 AI 生成的综合来源，而非中立基准。 Google 和 Bing 可以用捆绑式搜索上下文注入 反击；维护专门的爬取和索引栈资本密集；邻近厂商整合也可能压缩独立定价能力。因此，Exa 的长期市场定义取决于“面向智能体的搜索”能否继续作为付费基础设施层存在，而不是变成模型提供商捆绑的功能。[CM006, CM012, CM013, CM014, CM015]

2.5 展示项

3.1 竞争格局覆盖直接 API、邻近工作流和现有技术栈

指定资料不支持将竞争简化为“Exa 对一个直接克隆”。Exa 自己强调语义发现、自有索引和模型、重点摘要、整页检索，以及面向智能体工作流的更深推理模式；竞争者和独立来源则描述了多种只解决部分同一任务的邻近替代方案。Tavily 将自己定位为生产级检索层，捆绑搜索、提取、爬取、地图和研究；Firecrawl 以提取为先构建网页数据栈；Brave 依靠独立索引搜索和隐私；Perplexity 则把搜索与答案生成结合起来。现有技术栈本身也是重要替代方案：团队可以从多家厂商拼装发现、提取和网页解锁能力，而不是只标准化使用 Exa。Exa Agent 又把竞争边界向上推移，因为 Exa 从原始检索延伸到结构化研究工作流，不再局限于纯搜索 API。[CP001, CP002, CP003, CP005, CP006, CP008, CP012, CP014]

3.2 能力广度与定价带来多条迁移路径

公开证据表明，买方会根据缺失能力将 Exa 与不同对手比较。团队若想用一个供应商同时完成搜索、提取、爬取、地图和研究，Tavily 是更直接的替代品；工作流从已知 URL 开始并需要抓取、爬取或交互式提取时，Firecrawl 更强；Parallel 以更低的目录价和灵活搜索模式竞争；Perplexity 则面向希望获得带引用答案而非直接检索控制的开发者。对于 Websets 以及 people、企业、scholarly 等特殊索引，Exa 仍然更难替代。因此，实际切换成本集中在这些专业化产品面，而不是基础公开网络搜索本身。[CP002, CP003, CP004, CP006, CP007, CP009, CP010]

3.3 迁移成本真实存在，但最强于专业产品面和企业定位

Exa 持久性的最强公开依据不是不存在替代品，而是其产品组合把专业搜索产品面与企业友好型包装结合起来。独立和官方来源都称 Exa 运营自己的爬取和索引栈，依靠更深的研究模式支持快速搜索，并在企业套餐中主张 SOC 2 Type II、零数据留存和 HIPAA 等控制。独立资料还将超过 400,000 名开发者、5,000 家公司，以及进入 Firefox Smart Window 和 iOS Quick Answers 的分发归因于 Exa。即便如此，指定资料没有公开实际成交价、承诺用量条款或与竞争对手的已验证胜负数据，因此公开牵引力仍弱于有文件支持的锁定故事。[CP001, CP007, CP009, CP013, CP014]

3.4 反向证据集中在商品化、捆绑和竞争者基准主张

最清晰的不利信号是，多家竞争者都声称自己能在其最看重的工作流环节击败 Exa。Firecrawl 在自有评测中公布了优于 Exa 的覆盖率和 F1 分数，Parallel 宣传更低的搜索价格和相近的基准定位，Brave 则强调索引独立性和隐私，而不是 Exa 式语义发现。这些点单独看都不能推翻 Exa 的差异化，因为这里最强的负面证据均由供应商撰写，且局限于各自偏好的用例。但合在一起，它们确实显示出商品化风险：买方可以在专业工具之间多重采购，或自行捆绑技术栈；只要客户更看重提取深度、目录价节省或生成答案，而不是 Exa 的特殊索引和语义发现工作流，就会压缩 Exa 的空间。[CP004, CP005, CP011, CP012]

4.1 收入模式与定价

公开证据支持按使用量计费的 API 变现模式，而非传统按席位计费的 SaaS。Preqin 描述了神经搜索、关键词搜索和内容检索中的多个计费单位；AlphaSignal 则称 Exa“主要采用按使用量计费的 API 定价，而不是按席位收费”。这很重要，因为收入质量取决于请求量、结构和实际单位价格，而不是简单的席位扩张。公开产品集合还暗示不止一条收入流：搜索 API 调用、内容检索、Exa Agent 等高层研究工作流，以及 Websets 或企业与个人索引等 GTM/数据产品。 但定价记录仍不够干净，无法直接用于投资判断。Preqin 称 Exa 对内容检索单独收费；2026 年 8 月 SVIC 资料页却称 Exa 在 2026 年 3 月把内容提取“捆绑进基础搜索成本”。冲突可能来自产品变更、套餐层级差异或过时的第三方文档；在没有合同样本的情况下，不能假定当前实际价格、附加率，或收入中提取与搜索调用的占比。因此，财务尽调应把公开目录价只当作方向性证据，而不是收入确认或毛利率建模的依据。[CI005, CI006, CI007, CI008, CI009, CI010]

4.2 牵引力与 GTM 动作

Exa 的公开牵引力故事可信，但指标仍混杂。公司称截至 2026 年 5 月平台已有超过 5,000 家公司和 400,000 名开发者；独立摘要也重复这些数字，并列出 Cursor、Cognition、HubSpot、Databricks、AWS、Vercel 和 Anysphere 等客户。这些引用说明该产品已不只是爱好者的实验性基础设施，而是嵌入能够产生重复 API 需求的智能体和开发者工作流。 GTM 动作看起来也是混合型的。Exa 面向开发者的 API 分发似乎能带来漏斗顶部采用，公司同时也在建设更传统的企业覆盖：C 轮公告称 Marcus Holm 加入担任 CRO，负责全球 GTM 组织；技术博客仍称团队“规模小且增长很快”。缺失的是把这些信号变成可投资判断的效率层。公开资料没有 CAC、回本期、管道转化、扩张或留存数据，因此最佳公开结论是需求存在，但销售生产率仍不透明。[CI003, CI004, CI009, CI010, CI011, CI015]

4.3 成本结构与资本需求

Exa 不像轻量级套壳业务。官方和第三方来源一致描述其自建搜索栈：自有爬虫、大型搜索索引、定制向量数据库，以及内部训练的嵌入和提取模型。SVIC 资料页还给出具体基础设施信号，包括扩充至 144 台 H200 和 3,456 个 CPU 的 GPU 集群；C 轮公告称公司计划扩展到“每秒数十万次搜索”。这些细节合在一起说明，在叠加销售和营销之前，交付模型已经需要可观的算力、存储和工程成本。 2026 年 5 月融资应能缓解眼前的募资压力，但不会消除资本风险问题。Exa 称 $250 million 轮融资将用于下一代模型、基础设施容量和 GTM 扩张，这符合公司仍在收入基础形成前大举投入的状态。公开记录没有显示实际现金余额、月度烧钱、毛利率、债务或类似项目融资的义务。因此，投资者可以确认 Exa 拿到了新资本，却不能据此判断其利润结构已经持久或融资效率已经良好。[CI001, CI002, CI012, CI013, CI014, CI016]

4.4 财务结论与尽调阻碍

财务案例有吸引力但不完整。收入质量看起来优于纯粹的“试点收入”故事，因为公开证据指向可重复的使用量计费、真实客户采用，以及向高价值工作流产品扩张。但现有收入数字并不可直接比较：AlphaSignal 引用 Sacra 对 2025 年 9 月约 $10 million ARR 的估算；UpMarket 则引用 2025 年 $12 million 收入，二者不能混为一谈。定价历史也足够混乱，使实际每次查询净收入仍不确定。 更大的阻碍是利润率和融资透明度。Exa 最终可能成为强大的基础设施业务，但公开数据没有说明其爬取、索引、GPU 和 GTM 投入是否已经转化为有吸引力的毛利率和回本期。负面财务情景也很明确：如果模型平台把搜索内化，或客户将工作负载转向自有数据，独立搜索 API 的查询增长可能大幅放缓。投资判断前，投资者应要求按产品线提供董事会批准的收入和毛利率明细、客户群留存与扩张数据，以及当前资本结构和资金可支撑期材料。[CI008, CI010, CI013, CI014, CI016]

4.5 展示项

5.1 产品面与工作流适配

从客户工作流看，Exa 试图消除“搜索网页”“阅读页面”和“把有用上下文交给 LLM”之间的胶水工作。AWS 的 Strands 集成将 Exa 描述为 AI 原生检索层，可把结构化内容直接返回智能体循环；同一集成还分别提供搜索与内容检索工具，用于发现和整页内容注入。独立文章将这一图景从原始搜索进一步延伸：Exa 一再被描述为一个集实时搜索、提取、深度研究和结构化输出于一体的可编程产品面。因此，它不只是更快的 SERP 替代品，而是面向研究智能体、编程助手和市场情报自动化开发者的工作流原语，能把最新网页证据整理成模型可用的形式。[来源：AWS、AI Hackers、Runany、i-scoop、RuntimeWire][CE002, CE003, CE004, CE005, CE008, CE009]

5.2 架构、差异化与运营模式

指定资料中最可信的技术主线，是 Exa 控制的检索栈多于通用搜索引擎上的套壳。Exa 研究页面称公司训练、嵌入并提供自有的大规模搜索索引和模型，同时突出 2026 年在 Dynamic Highlights、Canon 搜索编排及重点摘要服务效率上的工作。面向实践者的外部来源补充了使产品论点成立的基础设施细节：AWS 记录了 API 边缘可配置的搜索模式和过滤器；AI Engineer 称 Exa 为高查询量构建了定制向量数据库，并为代码搜索调优嵌入。最稳妥的综合判断是一套分层系统：底层是语义检索和索引，中层是提取和重点摘要，上层是更新中的研究编排端点。[来源：Exa Research、AWS、AI Engineer、Runany、RuntimeWire][CE001, CE006, CE007, CE010]

5.3 成熟度信号、部署证明与尽调缺口

指定资料中的公开部署证明真实但不均衡。两家独立目录称截至 2026 年 5 月 Exa 已有超过 5,000 家公司和 400,000 名开发者；AI Engineer 还将平台与 Firefox Smart Window 和 iOS Quick Answers 联系起来，说明使用已经超出直接开发者工具。它们是有用的成熟度信号，但仍只是采用代理，而非客户验证的可靠性证据。信任和控制层更薄：本章资料中唯一明确的标记来自一家声誉较低的公司资料，其列出 SOC 2 和零数据留存定位；指定来源没有主要信任中心、DPA、正常运行时间或事故历史证据。产品存在性得到充分支持，但企业运营纪律仍需直接尽调。[来源：AI Engineer、Silicon Valley Invest Club][CE011, CE012, CE013]

5.4 展示项

6.1 开发者主导的切入点与买方分层

最清晰的客户画像由开发者主导。Exa 自己的技术产品面将其定位为 AI 应用和智能体的搜索基础设施；第三方资料则称截至 2026 年 5 月已有超过 400,000 名开发者和 5,000 家公司。Cursor、Cognition 和 HubSpot 等点名引用表明 Exa 已超出纯实验阶段，但公开买方图谱仍集中在构建智能体产品的团队，而不是已披露多年期企业项目。因此，实际分层是：自助式开发者、AI 原生产品团队，以及一批规模更大的软件或云品牌客户；指定资料没有公开说明后者的确切支出和部署深度。[CU001, CU002, CU003, CU004, CU005, CU010, CU014]

6.2 采用证明真实，但仍偏漏斗顶部

Exa 有一些真实的运营证明，但大部分更接近使用和工作流证据，而非客户经济性披露。LangChain 案例称 Exa 的深度研究智能体每天处理数百个研究查询，并根据任务复杂度在 15 秒到 3 分钟内返回结构化结果，这明显强于静态发布页。AIM Media House 还描述了按查询定价以及面向企业敏感工作负载的零数据留存定位。即便如此，核心尽调分母仍缺失：被引用的公司中有多少是付费、生产级账户，使用量集中度如何，公开客户数能否转化为持久的经常性收入。[CU007, CU008, CU009, CU010]

6.3 点名 logo 暗示广度，但部署细节稀少

点名客户集合因在多个第三方资料中重复出现而具有方向性价值，但引用质量不均。Cursor 和 Cognition 符合编程智能体切入点；HubSpot、Monday.com 和 OpenRouter 将图谱扩展到 SaaS 和应用平台；AIM Media House 还提到 Databricks、Amazon Web Services 和 Vercel。公开资料通常没有提供故事的关键后半段：这些 logo 代表试点还是规模化生产，客户通过 Exa 运行哪些工作负载，花费多少，以及初始集成后是否扩张。因此，尽调时应把这些引用视为采用信号，而不是留存或集中度韧性的直接证明。[CU004, CU005, CU006, CU010]

6.4 持久性、企业转化与集中度仍待回答

本章最强的未决问题不是 Exa 有没有用户，而是这些用户能否转化为持久且多元的收入。公开资料持续重复使用量和点名 logo，AlgeriaTech 还认为公司的早期牵引力集中在编程智能体客户，但任何已获取来源都没有披露净留存、毛留存、流失、续约率、合同期限、付费与免费构成或头部客户敞口。官方 Exa Agent 产品面还警告 AI 生成内容可能存在错误或遗漏，使用前应核验，这进一步限制了买方或投资者对演示型证据的权重。Exa 在商业上看起来真实，但其公开持久性证据仍不足。[CU002, CU011, CU012, CU013]

6.5 展示项

7.1 风险排序

最强的公开网络证据指向三个按严重程度排序的问题。第一，Exa 的核心产品承诺足够重要，权威性风险不能忽略：公司被描述为第一方搜索基础设施，而不是轻量套壳，并正从原始搜索向结构化研究工作流上移。第二，产品周围的治理层仍不足以让人放心做投资判断：官方 Exa Agent 微型网站警告其 AI 生成内容可能不准确，外部评论则称语义相似性不等于事实权威，检索工作流需要明确治理。第三，2026 年 5 月估值跳升更容易讲故事而难以校准，因为公开来源仍未披露该轮的 EV/收入倍数，尽管按使用量计费的经济性在生产规模下可能大幅扩展。[CR001, CR002, CR003, CR010, CR014, CR015, CR016]

7.2 监管、法律与治理风险

指定资料没有显示某个足以单独击破论点的公开执法或诉讼事件，但也没有提供足够披露，不能把法律和隐私定位视为已清除。更尖锐的问题是治理完整性。Exa 自己的 AI 生成网站警告读者未经核验不要依赖其内容；外部产品评论强调，团队必须治理版权、个人数据、来源归属和模型交接，因为检索文本可能不完整或过时。对于经合作伙伴工具转发的工作流，一些审批链和凭证处理控制也在 Exa 的第一方产品面之外；这是一条可管理的缓解路径，但对企业部署仍是尽调事项。[CR002, CR010, CR012, CR013]

7.3 运营、质量与执行风险

Exa 的运营风险正是其产品野心的另一面。公司正在从搜索端点扩展到更高层的研究智能体行为，而自己的研究页面称技术团队仍然规模小且在增长。如果公开产品面保持静态，这不必过于担心；但外部报道称公司试图把基础设施扩展到每秒数十万次搜索，而且已经扩大了客户可自动化的工作流范围。最重要的两个运营问题是：在生产负载下，检索质量是否仍足够权威；集成面是否足够成熟，能否在没有隐藏人工工作的情况下支持受治理的企业使用。[CR001, CR003, CR004, CR005, CR006, CR010, CR011]

7.4 合作伙伴、财务与论点失效风险

Exa 的商业和融资风险与集中度及市场预期紧密相连。公开使用广度看起来真实，但指定资料中的独立叙事仍让早期切入点高度依赖 AI 编程工具和其他智能体原生买方。如果这些账户把搜索内化、标准化采用另一家供应商，或要求更低成本的检索，公开增长故事可能迅速收缩。之所以更重要，是因为同一证据集显示 2026 年 5 月估值为 $2.2 billion，却没有公开 EV/收入倍数；因此，投资案例必须证明客户广度、单位经济性和企业级控制功能都在快速扩张，足以支撑这一估值。[CR008, CR009, CR014, CR015, CR016]

7.5 展示项

8.1 建议与价格纪律

对价格敏感的判断仍是跟踪，而不是买入。Exa 2026 年 5 月 C 轮以 $2.2 billion 估值建立了强有力的外部参考点，也显示顶级投资者相信 AI 原生检索可以成为智能体技术栈的基础层。这支持战略上行空间，尤其是 Exa 正从搜索扩展到更完整的研究工作流。但公开记录在叙事强度上远胜于可用于投资判断的经济性。指定证据没有提供当前经审计或管理层级别的 2026 年 ARR、毛利率、留存、客户集中度或融资条款细节，因此仍缺少支持按上一轮价格加价投资的清晰公开依据。正确姿态应是保持关注而非激进：继续相信这一品类，但在把轮次价格视为可投资价格前要求私有数据证明。[CV001, CV002, CV003, CV009, CV011, CV013]

8.2 上行空间存在，但投资判断仍不完整

上行案例并不难看见。Citi Ventures 明确将 AI 原生搜索描述为大市场，并把 Exa 定位为可以嵌入企业工作流、包括金融服务的基础设施。Exa 自己的证据和独立资料也显示真实采用广度；如果从搜索扩展到智能体研究能够进入生产工作流，而不只是狭窄的检索工具，产品扩张就可能提升单客户支出。问题在于，公开材料没有把这个叙事转化为清晰的估值案例。独立评论仍提示价格敏感性、自助式数据留存限制，以及大型平台带来的可信竞争或捆绑风险。2025 年 9 月附近的二级收入估计可以提供方向性底线，但来源过旧且过于稀薄，不能在缺少更深入私有数据审核的情况下支撑当前估值价格。[CV004, CV005, CV006, CV007, CV008, CV010, CV012]

8.3 情景框架、尽调要求与论点失效触发器

乐观情景取决于 Exa 证明质量差异化和高层智能体工作流能转化为持久的企业经济性，而不只是漂亮的使用量指标。基准情景是 Exa 仍具战略重要性，但在私有尽调关闭收入质量、利润率、留存和下行保护方面的最大缺口前，只值得耐心跟踪。悲观情景不是运营崩溃，而是检索变得“够用”并在其他地方被捆绑，或隐私与合规疑虑让敏感工作负载无法在自助式套餐上扩张，从而导致倍数压缩。由于指定证据没有披露 C 轮股权结构表、清算优先权、二级流动性或债务，最终尽调应将这些条款与当前企业客户群表现一并核查。答案将决定下一步是基于已验证基本面买入、继续跟踪，还是等价格重置后再看。[CV005, CV007, CV010, CV012, CV013, CV014, CV015]

8.4 展示项