对话 Kyligence 韩卿：一个创业者的「+大模型」中场故事

来源/作者：极客公园

年初至今 OpenAI 一路高歌猛进，加入这股 AGI 浪潮是一个「外行人」都不难做出的论断。但当一名创业者在充满挑战的环境下，真的需要做出「+大模型」的关键决策，不是说一下这么简单。

数据分析与指标平台公司 Kyligence（跬智信息）就面临这样的处境。但在国内企服领域里，他们是「+大模型」实践落地上跑得最快的公司之一。

Kyligence 的产品能够从底层维护一套以数据驱动决策的标准化能力，让客户基于数据及指标，像搭乐高一样搭建自己的管理流程、实践。客户可以把自己的管理方法论和 Kyligence 的指标平台结合，构建自己的决策指挥体系。Kyligence 创始人韩卿认为，这样的灵活性符合当下中国企业管理的现状。

「而 AI 的到来，会加速管理方法论在中国走向成熟。」韩卿表示，因为 AI 的理解、推理能力，能够让指标平台这套指挥管理系统运行得更好。同时，压缩了「世界知识」的 AI，可以辅助管理者做出更好的选择和决策，提升其管理能力。

某种意义上，大模型与数据分析有着天然的结合点——指标。但即使大模型已经火透半边天，作为创始人的韩卿，迈出第一步其实也并不容易。

7 月 14 日，Kyligence 推出的 Kyligence Copilot（AI 数智助理）产品，瞄准利用大模型的理解和交互能力来帮助企业更自然、灵活、准确地用数据做决策。比如，通过 AI 对指标的自动分析和建议来提升管理半径；通过自然语言交互的方式赋能所有业务人员使用数据，通过 Agent 代替人类执行复杂任务等等。

韩卿告诉极客公园，早在今年春节甚至更早之前，他们就关注到了 ChatGPT 的进展，公司内部自发成立了不同的兴趣小组做一些研究和 Demo。今年 5 月，一名「大胆」的同事指着鼻子质疑「外面 AI 这么火，公司到底行不行，有没有搞 AI」的时候，韩卿秀出当时还很早期的原型，并在 2 个月后的用户大会上，现场 Live Demo 了他们的 AI 新品 Copilot，并提出以 AI 变革组织运营及管理理念，赢得各方的认可和关注。

Kyligence 的故事是一个鲜明的例子：在今天的企业服务赛道，创新和适应外界变化，才是生存和成功的关键。近日，极客公园和 Kyligence 联合创始人兼 CEO 韩卿进行了一场近 2 个小时的对话，韩卿以 Kyligence 的内部视角向我们讲述了过去近一年「+大模型」的历程，并分享了一系列 Kyligence 在推动大模型落地过程中遇到的挑战和收获的认知。

以下是此话对话的全文，由极客公园整理。

01 Kylin+Intelligence，Kyligence 的使命是做一只聪明的神兽

极客公园：大模型可能是史上最快形成共识的一次科技变革，从 Kyligence 的角度，为什么决定+AI？

韩卿：我们做 AI 这件事情，不是跟风做的。从 Kyligence 成立第一天开始，一直在想怎么做智能化。今天的产业方向可能更加推崇 OpenAI，但在 2016 年 Kyligence 创立时，公司名字就是 Kylin，加上 Intelligence，就是想把智能带到整个产品或者行业里。当时我公开讲了一个观点：把智能带给一个神兽，（让它）做一头聪明的神兽。所以今天非常坚定地投入大模型，产品做得不错是从公司第一天的使命开始的。

中间也探索了很多，比如 2019 年，在 Kyligence 用户大会上推出的 AI 增强引擎，用了机器学习算法，来做平台层面的自动化调优、自动化推荐。但更多是在后台平台，现在这个功能已经非常成熟，在多个客户稳定运行多年。

2021 年 Kyligence 提出了「改变人类使用数据的习惯」的愿景。因为觉得整个数据的加工链路、使用，还是太重了。我当时打过一个比方：我们从家里到公司，可以用特斯拉自动驾驶了，但是到了公司用数据的技术还是 20 年前、30 年前的方式方法，这肯定不对。我当时判断，肯定会发生变化，但是并不知道有大模型。

ChatGPT 出来时，一开始也做了很多探索，突然发现，它符合我们的战略，就加速执行。

这一系列探索背后其实是一个理念——要做一只聪明的神兽，这是一直以来指导 Kyligence 的使命。我们一直在探索用什么样的方式才能提升用户体验，或者数据分析的效率。机器学习、大模型、自然语言对话、以及各种推理，这些是一脉相承的。本质上我们还是想造车，只是看到今天自动驾驶的能力好像成熟了，拿进来，变成自己的模块继续往前做。

极客公园：Kyligence 是 Kylin+intelligence，2016 年定的，这个前瞻性是怎么来的？

韩卿：对，这个渊源是我们的历史。我们最早创业时，是来自于 eBay 中国研发中心的大数据团队，当时做了 Apache Kylin，是中国贡献到 Apache 软件基金会的第一个顶级项目，基于这个开源项目出来创业，这是起点。

另外，作为从业者对数据行业「痛苦」的感同身受，也是创业的初衷。外面的世界很智能化，但是数据行业做得挺痛苦。用户用起来不爽，还要天天被业务骂等等。当时判断，整个数据服务，必然需要一些自动化，让整个平台变得更加 Smart，就取了 Intelligence，这个初心一直没变，而且越做越好了。

图片人工智能操作 Excel｜来源：DALL·E

极客公园：让数据使用，变成普通大众都能使用的能力。你认为 AI 可以加速 Kyligence 想要解决的问题。

韩卿：对，我很兴奋。用得越多，越发现 AI 的技术变革对 Kyligence 整个战略非常利好。这种非常自然的语言对话，能解决一个核心问题——平权。以前使用数据分析做决策，是企业里一些专业人士甚至老板们的特权，只有他们有这个知识储备，只给他们配备专业的数据分析团队。但 AI 让数据使用这件事情，变成了普通大众都能使用的能力，（未来）每个人都可以跟机器对话，都有一个私人的数字助理。这正是我们改变使用数据的习惯这个大方向。

极客公园：在「改变人类使用数据的习惯」的脉络上，Kyligence 产品是怎么演进的？

韩卿：最早 2016 年到 2019 年底，我们从原先的开源框架，变成了一个商业化产品，验证了在中国卖一个标准化的软件产品，按年、按订阅收费的商业模式。
从 2019 年年底到去年，差不多三到四年，是比较痛苦的阶段，可以说，跨越鸿沟。Kyligence 原来的产品非常专业，只能卖给专业的客户，像 OLAP 等，当时客户基本上都是大型银行、零售、制造等行业企业。当拓展更多客户时，就遇到了阻碍。因为专业的东西理解起来挺难，采用起来挺难，费用也挺贵。大量中腰部以上的客户想要一个开箱即用的产品来解决问题。

我们从客户侧琢磨后，做成了指标平台的产品线，在整个过程中，花了很大力气。因为原来在做一些底层的 Infra、服务大型客户，整个公司产研的加工模式比较重。当需要一些更加轻量产品的时候，它就不太适应了，坦率说这里走了蛮多弯路，直到去年年底才开始走顺。

今年开始「AI 革命」。真正动手开始把 AI 带来的更多可能性放到 Kyligence 产品里，是从今年四五月份开始。到现在，即使只有短短半年多的时间，产品本身、公司定位、战略等发生了翻天覆地的变化，但不是说用 AI 彻底做一个新产品，而是在原来的基础上。

可以说，第一阶段是造重型发动机，只能卖给重型企业，卖的是专业的产品。第二阶段从做发动机变成做车了，卖的是量产轿车。今年 AI 出来之后，我们配了自动驾驶模块，使整个车更好卖，而且现在需求量看上去非常旺盛。

02 +大模型的抉择时刻

极客公园：哪个瞬间，让你觉得大模型就是 Kyligence 一直要找的钥匙？

韩卿：ChatGPT 出来到今年春节那段时间，外界都很焦虑，我觉得先静观其变。当时，Kyligence 研发自发组织了一个 AI 兴趣小组，做了一个非常原始的原型，想在产品里增加一些自然语言搜索的能力。当他们要发布这个功能的前一天晚上被我阻止了，我觉得这个原型的功能还拿不出手。那个时候大家都抱怨，怎么最后一个时刻被叫停了？

转变发生在今年 5 月 12 日，当时组织 Kyligence 所有的销售、售前在上海进行今年第一次年度培训。傍晚结束之前我做总结和大家聊了聊，当时有人 challenge 我说，「外面 AI 已经这么火了，我们公司行不行？有没有在做 AI？有没有这个东西？」

我的脾气有点不服输，觉得：那不行，我得给你们看看。我把兴趣小组做的原型拿出来给大家秀了一下。但坦率讲，当时大家看到结果还非常粗糙，觉得也就那样，可我心里却被触动了。

5 月 12 日马上拉着产品等团队组了一支特攻队，整个公司在那段时间突击了两个月，到 7 月 14 日发布会，我给现场一千多人做 Live Demo。很多朋友跟我说，今年看了这么多 AI 的发布会，就你做 Live Demo，胆子也挺大。

极客公园：什么契机下成立的兴趣小组？

韩卿：公司内部学习氛围挺强，几乎每周都会有技术分享会。当时，是由研发团队自发成立的兴趣小组。他们一方面研究大模型本身的能力、技术，一方面也在想怎么把它吸收到产品里。也会从另外一个角度思考，大模型出来之后，我们的产品是不是就没有价值了？当时做了一些研究，微软的 GitHub Copilot、Excel Copilot、Windows Copilot 等等，给了我们很多灵感。

兴趣小组不是专职研究，本职工作都挺忙，只是凭兴趣，把这个事情一点一点做成了。最早就是一个玩具，看到价值点后，把它变成了一个产品。

极客公园：从 5 月到现在，Kyligence AI 战略落地为什么这么快？

韩卿：真的是靠团队，感谢团队。这两年，Kyligence 在组织能力建设上花了非常多心血，我一直在强调企业未来的竞争是组织能力的竞争，所以今天在整个战略方法论下往前冲的时候，能够有组织保障能力。

早些年大家一腔热血，一个技术就可以往前冲，做事情。但是现在发现，技术的进步太大了、太快了，如果只是抱着一个技术，当成壁垒，很有可能这个技术本身就会被替换掉。

第二，市场变化也很快，怎么能够快速变成一套体系，接得住市场前方传回来的需求，快速把后方研究的特色能力推出去。就像我们今年做的 Copilot 的 AI 能力，是后方兴趣小组做的，我们可以通过产品化能力快速实现，通过市场能力快速推出去，这是组织能力的体现。不是一个人或几个人的决策和能力，而是变成组织性的东西。这样，未来有新的技术和业务出现，也不担心抓不住机会。

极客公园：今年在强化 AI 战略加大模型的过程中，最印象深刻的事情是什么？

韩卿：就是 7 月 14 日的用户大会上做 Kyligence Copilot 的 Live Demo，我在台上很紧张，团队研发、产品在台下也很紧张。发完的那一刻，成了，能够看得到实打实的效果，这给我带来一个震撼。

图片2023 年 7 月 14 日，韩卿在 Kyligence 用户大会上做现场 demo 演示图

尤其在今年，整个经济周期和企业服务赛道预期降低的情况下，Kyligence Copilot 的发布给团队、客户和行业都打了个气，来的非常及时。毕竟，做软件产品的公司最终其实反映在客户层面，才是真正的根，产品做出来获得了大家认可，就很有信心，这对我触动很深。

03 数据就在那里，AI 解决了信息获取通道的问题，AI 让「管理」变成「赋能」

极客公园：+AI 的半年时间里，Kyligence 发生了翻天覆地的变化，哪些变化？

韩卿：整个模式发生了变化，产品的生命力、竞争力、差异化一下子显现出来，这是我非常兴奋的原因。

在客户层面，我们最早 5 月份拿原型与客户交流时，你会发现所有客户都在寻找类似的方向去突破，他们觉得你的场景很好、落地性很好。像这样客户给到的输入，叫市场的味道，背后是需求。

第二个变化是产品背后的方法论。AI 的到来，能够大大增加老板们的管理半径，使管理的中间成本更低，管理效率更高。这对公司治理非常重要，因为站在公司层面，指挥要快，落地要准。

第三，AI 让管理变成赋能。以前上系统后，一线员工的感受是，「你又搞一个系统来管我，来扣我奖金」，员工会选择消极怠工，填假信息。这是人性，管理就是反着人性来的。AI 带来的东西反而非常积极，因为它是赋能，而人都是上进的。

AI 不仅仅告诉你 KPI 或指标做得不好、有风险，甚至建议你怎么做，帮助你做得更好，获得更多年终奖。通过一些技术工程，比如 Kyligence 正在做的外挂知识库，AI 可以把更精准、更好用的建议给到员工。

极客公园：Kyligence Copilot 推出后，B 端客户有没有对大模型幻觉等问题的担忧？

韩卿：我们其实没有什么幻觉问题，因为场景非常特定，在这个特定范围内，确保 AI 在有限空间里回答。

第二，所有数据、数值的计算全部是 Kyligence 平台自己做的，所以我们对于大模型的依赖降得很低，这是我们在使用大模型时的特色，或者最佳实践。把对大模型的依赖降到了最低，只有意图理解，找一个「弱智」一点，达到高中生水平的大模型也能用，只要它理解我想干什么，翻译成我要干的事情就行了。

在一些生成场景下，比如写总结，这是大模型擅长的事情，但是数据计算、对比等等，我们自己做，不依赖它，否则它会出现 1+1=3。

极客公园：Kyligence Copilot 的推出，是否给 Kyligence 带来了新客户？

韩卿：Copilot 一定是跟指标平台绑定在一起，Kyligence 真正的门槛是指标平台背后的 OLAP 引擎。但，Copilot 也给业务带来了三大变化。

一个是老客户扩容，老客户看重 Copilot 能力，希望快速导入。Kyligence 的优势在于头部客户，转换效率很高，愿意付费。

第二是拓宽了客户群，原先我们专注在金融一些大型制造行业和头部零售客户，主要是大客户。Kyligence 把 AI 产品化后，现在能够接触到一些中小型客户，获得「意料之外」的客户。

第三是销售周期变短，销售的搭配组合更丰富，客单价更高。例如最近与智谱、百川在探讨一种 bundle（组合销售），需求很旺盛，甚至大客户也希望尽快部署。

人与人之间的不信任感，

远远超过人和机器之间的不信任感

极客公园：为什么 AI 使得管理半径更长了？

韩卿：比如现在我想知道风险预警，有 10 位高管汇报给我，每个高管至少要背几个 KPI，KPI 往下还有很多过程指标，加起来几十、几百个指标，甚至更多。每位高管过一遍状况，再跑一遍数据，再层层汇报，可能半天就过去了。西方管理哲学讲，一个人只能管 7 个人，因为没有时间与精力再管更多，这就是管理半径。

但现在，我可以很简单地生成 AI 报告和总结，知道大的方向。最重要的是，人机交互解决了一个问题：人与机器的交互更加信任，人与人之间会更复杂。
举个例子，当我问销售他的客户情况，我仅仅是想知道具体情况，但销售心里的第一反应可能是：老板为什么直接找我？老板到底想问什么？他可能会说，昨天刚刚拜访之类的话，证明自己很努力，但我并不想问这个。中层的高管也会觉得不对劲，觉得「老板你怎么跳过我了？」类似这种人与人之间的复杂性太烦了。

因此，通过人和机器的交互代替人与人之间的交互，通过一个 AI 系统来做交互，情况会好很多，加快了信息获取的速度，管理半径就会大起来。

极客公园：AI 解决了这件事情，它可以直接下钻很多层，想要什么样的信息都有。

韩卿：钻取信息其实是指标平台本来就有的，与 AI 无关。但 AI 能够帮助我做总结、交互对话等等，使我的效率更高。其实数据本身一直在那里，与 AI 没关，但 AI 解决了信息获取的通道问题。

04 AI 会加速管理方法论在中国落地，Kyligence 的核心是一套管理方法论

极客公园：Kyligence 在数据分析大的品类下，聚焦做数据指标，这会带来哪些独特性？

韩卿：不同阶段，我们的聚焦点和差异点其实不一样。在做开源 Kylin 时，当时最大的卖点是在超大数据集上提供高并发和高性能的分析，比如说 PB 级以上的数据集，我们能查出来，还能支撑一些比较高的并发。

当我们做整个企业级的 OLAP 工作时，高可用、安全、多租户、资源隔离，这些金融级特性是当时的竞争优势和壁垒。只做技术还不够，后来也做了一些创新，比如 AI 增强引擎，资源的自动分配等，通过智能化开始打磨新的差异化。

到做数据指标平台的时候，我们非常强调管理方法论。我们认为，指标远非一个简简单单的技术，一个数据点，本质上反映的是一个公司的管理方法以及这个方法论的实现工具，当人人都产生数据时，我们会强调用 PDCA 等的方式，通过价值指标、价值树的形式完成管理和决策帮助。尤其在国内，Kyligence 希望从老板到员工，都能够清晰地理解整个指标情况。

今天也一样，AI 进来之后，你会发现 Copilot 或者说 ChatBI 大家都能做，但是特点不一样。Kyligence 基于指标的这套系统，一直在探索如何能让 AI 帮你做一些分析、运营、管理，而不是简单的数据查询。比如，Kyligence 目标分解或者目标评估的功能，可以直接帮你评估 KPI、提供建议，帮你提升业绩、竞争能力。

图片Kyligence Copilot 产品图｜来源：官网

极客公园：Kyligence 指标平台的核心竞争力，是打捞行业背后的最佳实践，或者说管理方法。

韩卿：对，叫管理方法，不是实践，最佳实践往往会变成项目。我觉得，软件本质上是一个管理方法论的工具，为什么要 ERP？为什么要这套系统而不是那套？背后都是一套管理逻辑、方法论，这才是核心的核心。否则，做出来的系统要么变成项目，要么变成一个没法复制的东西。

另外，中国公司的管理方法论和美国公司的管理方法论其实不一样，这很明显。但我认为，现在到了中国公司开始创立自己管理方法论的时间节点。过去这么多年，我们都在学习西方先进企业的方法，但是回过头来，中国的文化、哲学不一样，相应地，管理方法论也完全不一样。

我认为中国的软件未来应该有一套自己独特的东西，背后的根是中国的哲学，中国的管理方法论，没有这个管理方法论，没有办法指导软件。

极客公园：软件承载了这套方法论，让客户的管理越来越好。但也有一种观点是，中国没有一套通用的管理方法论，各行各业、各家公司的方法可能不一样，你怎么看？

韩卿：创立 Kyligence 这些年，在市场一线跟很多客户交流后，我认为，美国不一样的地方是它先有管理（再有软件），已经过了我们（现在经历的）草莽阶段了。从德鲁克开始建立了现代公司治理的方法论，各种商学院、大公司已经沉淀出他们那个社会通用的最佳实践、或者理论基础，符合西方文化、哲学的方式方法。所以每个公司的管理逻辑和东西是一致的。

但是在中国不一样，中国用了 40 年的改革开放，干了人家 200 年的事情，所以在这个过程当中，成功企业有各自的方法，没有一样的。

第二，中国公司的老板都是拼出来的，很有狼性，同时有一个特点——谁也不服谁，「你跑过来跟我讲这个公司怎么管？你懂不懂？」不好意思，稍微有点成就的老板 EGO 都很大。但同时，你发现所有的老板都在学习管理学。因为大家都知道都没管好，需要更好的东西。于是，大家都急于求成，买各种各样的方法论，买各种各样的软件，最后变成「差生文具多，搞了一堆，然后发现没啥用。

极客公园：如果中国在形成一套通用的管理方法上，时机还未成熟，你却这么做产品，会不会走弯路？

韩卿：在这种情况下，我认为，中国的软件可以有一个不同的，符合当下中国企业现状的方式——底层维护一套以数据驱动的标准化能力，上层像搭乐高一样，拼出不同的管理能力。

也就是说，如果把整个体系和系统底层做得足够灵活，让每个老板能够把他的管理方法论和管理哲学用这个平台承载起来，这是可行的。这个平台不需要变成一个非常复杂的系统，「来教你干什么事情」，而是一个很好的工具，「你」一定有自己的管理方法论，用这套工具来承载，它帮你想要的东西推下去，因为指标平台本质是一个指挥系统。

Kyligence 整个底层平台非常灵活，既能够适应不同的管理方法论，但是底层的数据、指标，又吸纳了西方数据治理，用数据做决策的核心逻辑。这样，是有机会闯出一条有特色的路，既能保证 Kyligence 底层产品的标准化，又能够适应不同公司管理方法论的差异化。

极客公园：怎么做到这么灵活？PaaS 化要集纳的共性需求也非常多。

韩卿：抓核心。一般来说，一家公司应该有三套系统。第一套系统是以 ERP 为核心的生产制造系统，解决「生产」的问题。第二个系统是以 CRM 为核心的营销系统，解决「卖出去」的问题。

第三套系统，以指标平台为核心的指挥决策系统。今天业务进展情况到底如何？管理意志和意图是不是被有效贯彻落地？如何更早地干预过程，来确保最终绩效能够达成。也就是说，管理指挥系统，是以指标平台为核心的。

因为每个公司最终都是为财务指标服务，从财务层面，都能被拆解到原子指标的程度。只要抓住这些不变量，在系统里沉淀好底层数据指标，保持数据定义的标准口径一致。至于上层怎么组合，更关心营销还是成本，其实是不同管理思路、方法的串联。这样一来，可以解决灵活性的问题。

并且，AI 能够让指挥管理系统运行得更好。AI 通过强大的计算、推理能力，及时告知最新的整体状况，甚至是一些平时不会留意的指标洞察。这个时候，我认为 AI 会对整个管理能力、管理决策、指挥决策，带来巨大的帮助。

AI+指标平台，让管理方法论走向成熟

极客公园：AI 可能会加速管理方法论的成熟。

韩卿：AI 绝对可以加速。中国企业发展飞快，但缺少善于管理的人才。

不同于美国的职业经理人，中国企业发展太快了，大部分管理者都是临时被提拔起来的，怎么管人、怎么开人、怎么管成本都没做过，找不到经验丰富的，包括我自己也一样。这种情况下，讲什么管理方法论，讲学院派的东西，根本没有用。说得难听一点，有时候「管理」就变成了各种「斗争」。

我在公司讲，最需要被管理的是管理者本身。不可能把每个管理者送去读 MBA，没这个钱也没这个时间。但我突然发现，AI 好像可以做这个事情，助力每位管理者具备更好的管理经验。

比如，我们公司把所有高管的指标都做成了一个指标树，每周一 AI 都会帮着把这个指标树跑一个总结报告，给到整个管理层，但是内容加在一起又很多。我可以让 AI 给我总结成不超过 500 字的东西，它可以直接告诉我风险指标在哪里，应该在什么地方加强管理。所以 AI 能够赋能管理层。

极客公园：像指标平台融合 Copilot，听起来对管理者特别友好，通过 AI，管理者可以有更强的掌控感。对员工呢？

韩卿：员工赋能才是我看重的，我们设计的指标平台和 Copilot 不是卖给专业用户的。对于公司而言，能使用数据能力的人不超过 10%-15% 是特权，通过 Kyligence Zen 指标平台加 Copilot 让其他所有人有机会通过自然语言获取数据，这样员工就被赋能了。

公司的业绩一定是靠一线员工，他们是真正需要用数据的人，老板看数据从来不是问题。今天 AI +指标平台，能够提供人人可用的数据服务和能力，你会发现整个公司的数据素养就起来了。

另外，赋能员工还体现在，AI 可以不知疲倦，并且 AI 具有海量的知识推理能力，他的知识面宽度远远大于单个人类，给到你的参考远远大于你所能看到的。例如，我们产品里有一个叫归因分析的功能，甚至数据分析师可能都不一定掌握很好这种分析函数，但今天可以通过问 AI，它马上会帮忙归因，做总结，这就是赋能。

极客公园：未来公司会给每个人都配一个 Copilot 吗？

韩卿：我相信未来公司肯定会给每个人都配一个指标的 Copilot 或数据的 Copilot，尤其中国一线的企业或民企。公司的管理总是需要一些数据或指标来体现，如果我不是给你一个工具来监控你，而是给你一个真正的助理赋能你，不管对于公司管理层还是业务人员，这都是价值。

05 大模型时代的合作与竞争

极客公园：上个月，飞书 7 的发布会上，Kyligence 作为独家北极星指标的合作伙伴出现，这个决策是怎么推动的？

韩卿：我们首先是飞书的重度用户，因为我们内部一直推崇管理的可观测性，也将飞书应用得很极致。这次与飞书智能伙伴的合作，也是借飞书的超级流量入口，把 Kyligence 的产品推向更多人使用。

与飞书的合作可以说一拍即合，飞书让大家更多集中在平台、办公协同等方面，而我们在做数据指标、北极星管理等方面更有优势。

极客公园：在你看来，大模型的到来会让生态之间的合作会变得更加频繁吗？

韩卿：我觉得会。这些东西带来的变化在于，世界发展太快。大模型进来之后，每个公司更加焦虑了，要么用 AI 重塑自己，要么被 AI 替换掉，这件事情很明显。这个时候大家聊下来发现，以前没什么东西的时候，你做我的我做你的，现在不如合作。

极客公园：年底大家都在定战略，Kyligence 在 AI 方面，整体的产品布局规划是什么样的？

韩卿：第一个是聚焦，聚焦以指标平台为核心，把 AI 的东西更深入地放进去。其实有一些客户跟我说能不能做一些类似知识问答的大模型能力或者相关的，但这不是我们想要做的。

第二个是技术的迭代，我最近一直在问技术团队一个话题，「你们觉得 AI 时代的数据仓库应该是什么样，AI 时代的数据分析应该是什么样的」，希望大家不断思考根本性的问题，这个地方很可能是一些颠覆性的东西，一定要深入思考，因为 AI 带来的变化实在太快了。

第三个是更加快速地拓展我们的商业，我们产品的成熟度非常高，现在已有多家客户已经付费上线了，明年是一个可以做快速增长的年份，能够更快速地跑马圈地、占领用户心智。

极客公园：今年创业和往年是不是有一些不一样？感受以及市场，有什么样的不一样？

韩卿：兴奋是很兴奋，但是很难。最近看了一个分析，「剩者为王」，剩下的剩。

我认为，整个中国企业服务进入了非常低的低谷期。但是我坚信中国未来会进入一个中国软件的黄金时代，可能这就是黎明前的黑暗，一般来说天亮前总是更暗，但是熬过去，接下来就是一个非常巨大的的爆发机会，这也是我们冲在第一线的感触，就看怎么布局，希望大家一起在春天绽放。