帮 10000 家企业 AI 转型落地，我们找到了 4 大场景 | 对谈 BISHENG.ai 创始人覃睿

01:35AI炼金术老粉丝了。对。所以说这个非常开心能够上，呃。因为我们是这个毕昇，是一个我们叫企业级的开源Agent平台。简单理解来讲，大家如果知道Dify，那我们其实是一个更加企业级的Dify。

01:49然后这个是我们大家好理解的一种方法，然后后面呢我们可以再展开去讲一些细节，因为里面其实区别还挺多的。我们其实正在在定义我们下一代，因为也是跟我们整个在落地的过程当中的一些感受和实践经验有关系。我们下一代可能大概的定位会叫做企业的一个开源的Agent Workspace。

02:08它所以它就不那么的偏工程化的这个构建那个角度了，更多会偏应用那个角度。然后因为我们本身团队的这个使命是叫Work Smart，也就是希望能够帮组织把AI用好，让它真正能够产生价值，让它企业跟用户真的喜欢，这是我们的一个愿景和使命。

02:27因为企业用户跟个人用户是不一样的，所以说我们这边其实除了产品以外，有一个跟我们其实同类产品差异比较大的地方就在于，其实我们比较坚定的，并且非常关注的是给客户提供咨询和实施服务，就除了产品以外的。对，这个是大概我们的一个情况。

02:40然后我自己之前其实就是一直在整个AI和在企业的这个圈子里边，最开始在依图，然后后来去了第四范式，都是这种上代的和上上代的这种AI的独角兽。所以

03:23吗？比较粗暴。但是大方向是是的，对。后面可以展开一些细节，对。

03:54开源？首先，就是我们不仅仅只是上门安装，对吧？我补充一点，就是它其实里面核心的是，装不难，可能一两个小时装就装好了，如果它的环境ready的话。核心是它的一些要该怎么干，一些咨询和实施的服务。然后关于开源这件事情，我们其实认知也是一个阶段性的变化的过程。

04:14我们最开始在23年刚刚发布出来的时候，其实也是让技术界内部有非常多的争论和讨论，觉得国内的这个开源环境其实是比较差的。我们开源出来可能也不会有太多人去贡献，因为跟时代嘛。对。然后所以最开始，呃，只是一个比较朴实的想法，叫做我们作为一个小公司，光脚的不怕穿鞋的，我们做这个玩意儿做出来自己捂着，

04:35好像也没什么价值。那不如把它开放出去，说不定还能帮到别人。我觉得真的是比较朴素的，觉得这个事儿能帮别人有点用，我觉得其实也是对我们来讲是个正向的反馈。当时最早期大概就是这么想的，然后当然也也会有一点点的期待说，哎，会不会能够激起一些水花也好，

04:51或者给得到一些更快速的反馈也好。那事实证明，其实那个时候，呃，发出去之后，在那个市场节点上，呃。市场是非常非常需要这样的东西的，特别是我们当时面向这种企业的客户。他们因为你直接去用OneChain，直接去写代码还是有门槛的。

05:06那企业里边的很多IT团队不大的，他没有那么专业，他需要一个这样的形态的产品来帮助他们来落地一些很前期的一些这种探索。对。所以到那个时，呃，大概九十月份二三年，会有非常多的客户在进我们的群，然后完了，很多的这种反馈，我们催着我们发新版本什么巴拉巴拉之类的，所以给我们带来了非常多的团队研发团队，有很多的正向的激励，

05:31对吧？你以前做To B，你做一个事，新功能发了之后或者交付一个项目，你可能得半年一年之后才知道这个用户用得咋样。那你做一个开源产品，其实非常快速能拿到反馈，不需要你涨工资，对吧？你可能直接，团队就很有很有干劲，这是一个很重要的一个点。

05:47然后所以其实大家会感觉不太像是在做To B，它的工作的杠杆其实是比较高的，对吧？我做这个事不是给某一个客户用的，我是给很多客户在等着用，这是一个很重要的点。再往后其实就会越来越发现了它的商业价值，就是由于你用你的多了，呃。

06:04虽然它开源用着，但是我们会发现中国的这个To B市场，我们翻译过来叫企业服务市场。它落脚在了服务上面，所以说你真正它比较serious的去做一些应用的时候，它一定是需要你的服务的。所以这就到了第二个好处，就是它知名度提升之后，你的获客，所有真正想要去严肃的去看待这件事情的企业都会去找我们来支持他们。

06:27所以这个在我们的前期的宣传，以及我们去筛选我们目标客户，都都有非常大的价值。那再往后其实就是，它不太是非常传统那种我们去做一个标准的，呃，去做很多定制化的东西。我们其实是有一个以可以自己产研为主导的一个标品，对吧？因为开源的，我这东西我不收你钱的，我完全可以以我们产品团队来去定义它该是什么样，我又没收你钱，

06:51对吧？我不需要听你的，把它做成什么样子。所以其实对我们人才来讲，其实是，对吧，我们有能够发挥大家的自主性，这样子你会更容易吸引到一些更优秀的人才来去做这件事情。要不然你所有的精力都在去听某一个客户在怎么讲，然后你必须不得不满足他的需求来做这件事情，其实对于一些比较相对来讲比较有想法的人，

07:09是是是比较打击的。所以就还挺综合的这个事。

08:24能够get。开源这件事情时机确实非常重要。然后，呃，在那个时间点呢，呃，我们看到的是，呃，我们在服务我们的企业客户的时候，因为当然那当然那个时候对跟Dify跟SaaS GPT这种都不太熟，所以看到他们这些功能，但是我们也发现到一些企业里边，他们没有满足的需求，其实也就比较直接，就是因为他们有的需求其实没有满足，

08:45所以我们去做，觉得这个事情可以差异化。而且他们的团队我们早期去去分析去看，其实就能感觉到他们是一个更To C的团队，他们不太具备从长期竞争力来讲，我们是可以去持续建立我们在企业服务这个市场上的差异化的。大概是这个原因，

09:19对。而且这个市场其实那个时间点的最核心的底层的痛点叫做大模型这个事必须得干，我们擅长干的事情就是就是就是这个方向，呃我。我们看到那些功能里边，就比如举个例子啊，就比如说，其实在企业里边，比如说随便讲，我的这些AI用得怎么样，

09:35我需要有个统计的大屏。然后这个大屏里边甚至我还希望，我除了token数以外，我还希望知道我具体某个应用调了多少次，然后这个这个应用它节省两个小时，那个应用节省五分钟，那个问答问一次节省一分钟。我为了给领导汇报，我必须得把这个东西算出来。

09:50然后一个很好的大屏把它展示出来。

10:02对，所以其实这就是很多会像这样的功能会非常非常多，然后这其实是Dify可能他们不会去特别关注的。这个方向。

10:33的。在给客户一般去在前期咨询的时候，就是会有一个列表，呃。大概其实是希望把它分类之后，让他自己去选几大类哈。一个是这种大家都知道的问答类的，我先讲讲大类，然后再举例子。第二个是这种审核，然后第三个是写报告。

10:51第四个是这种，呃，大家都在说的智能问数，呃，然后还有一些叫我都分到其他里边吧，就它不太好归类的，呃。这个其实最好归类就前面四大类。问答呢，比如说最基础的那些大家都在做的，其实就是把企业内的这些非结构化的文档数据，呃。把它要么是汇聚在一个平台里边去，因为这个事情在传统的这个IT的转型里边就没做，有些企业，所以说其实他们就顺着这一波把这个事也给干了。

11:19所以就把所有的其他的各个业务系统里边沉淀的各种合同啦、审批啦、巴拉巴拉一堆的科研啊或者是情报啊等等这些东西全都汇聚在一个文档平台上去，然后同时在这个基础上去做问答。啊，这是很典型的项目。然后在这个基础上呢，会有一些特色的，就比如说像做的一个做芯片制造的，呃。

11:40他其实就是去有很多的芯片的SDK的文档，然后他要去给他的这个客户，他不原来都是人去服务的，现在希望能够有AI去做第一道。然后里边他的一个很特殊的点就是他有非常多的代码，这个SDK该怎么调，他其实这个知识里边可能那个代码就得有几千行。那你这个东西拿大模型直接去，不能说直接写，那肯定肯定大概率会会会换，就会错。

12:04所以我们其实在这个里边会做一些小的优化，比如说那个整个大块代码，我们把它类似于一个图片对象一样，它其实对应的是一个ID。我最后去解析入库的时候，它是只有一个ID，我并不会把那个代码本身给到模型，我只告诉模型模型它有一个代码，

12:17示例代码，它返回的时候就返返回这个ID。然后我们就从库里把这个代码给贴出来，这样就能保证这个代码的部分是百分百准确的。对，这是它的这种场景的特殊性。然后像一些这种偏客服的场景，我们做的一个，呃，民航领域的，呃，就是国家级的一个客户，然后他们是服务全国的这个机场跟，

12:37呃，航空公司的。所以，呃，他们来讲的话，就是非常关注确定性这件事情，特别是不管是所有的这个这个客服场景，如果但凡是面客的，他都会需要去保障他的准确性。那么他们提给我们提出要求就是，我可能不太需要你让大模型帮我生成，你首先必须得以我的QA库为准，

12:57然后你可能大模型更多帮我干的是啥事呢？就是去帮我去做前期的多轮引导，就是用户提问题一定是很简略的，很不清楚的。所以你得先理解他在讲什么，然后从我们库里边找到一些跟这个事相关的，然后再反问他一些问题，然后最终确认他的问题是不是某一个问题。

13:16大概是通过这种方式，然后我们当时，呃，做到大概是百分之八九十的问题能够到他的QA库那个环节，然后还有百分之十十几的就是QA里面没有的，原来就原来就没有的，这个时候可能会让他们去转人工，然后再慢慢去积累那个QA库。啊这是，呃，面向客户的这种客服。

13:36然后还有一个我觉得比较有特色的就是，我觉得也是最近新出来的，就是他不会那么的业务化。他更多强调的其实是一种体验和理念。我们过去做这种知识库的，其实上线周期还挺长的。我去帮他收集数据，然后做向量入库，然后有些严比较严谨的，甚至还要每个每一篇文章的人去一篇篇看，

13:57看他切的好不好。所以所以这个东西也去推动我们说我们那个文档识别切分的那个功能，现在做的还挺挺好的，它左右对照着，然后非常便捷的去做一些这种点击定位、原文件定位，然后去划线、去做切割，巴拉巴拉之类的。这套东西就是都是因为他们有这种对高精度的一些这种切分的要求的时候，你就必须得把它做的体验做得很好，

14:19因为他都是一线的这个业务人员在干这个事儿。所以说他们就对这个体验关注度很高。所以这是之前的这种范式，呃。然后现在的范式，我觉得一个在冒头就在于我们如何去降低这个知识库的构建的一个周期。所以其实我们一个客户就提说，你能不能帮我把那个腾讯的ima超越过来。

14:39他说我们现在日常工作要用那个，觉得还挺好用的。它的核心价值就在于它没有在一个大模型的视角来做做做这个事情，做做这个产品，而是一个就传统的文档的产品，对吧？我就是建个知识库，甩一些文档进去，然后我还可以邀请别人来共享，然后来共建。

14:55这其实是一个很C端的一个逻辑。所以说他们在内部，他们有非常大量的，一个是有很多外部的文章，公众号什么的，他就很好的就把它放进去。还有一些他内部的文件，他他就没法放到ima里面了，他希望一个有一个内部的东西，这样他方便去管理。

15:10甚至于他们有很多部门之间的信息，老是要找别人去问，等着别人部门给他回邮件，巴拉巴拉之类的。那其实他完全可以把这些他可以共享的资料放在那个库里边，然后别人就可以去去去里面查或者去问。对，所以这个是一个更加更加去强调这种用户体验的一种方向。

15:26这个是我们可能看到的比较知识库问答部分的。

15:59就是刚才讲的，他最后，呃，测下来大概他能够真正命中的也就百分之八十几。所以说这也不是说他的百分之百的这个能解决用户的问题，是他有百分之八十多能命中他的QA库，然后他的QA库全是人审核过的，然后用户看到这个答案的时候，他是能看到他这个答案对应的他的那个问题是什么的，所以他其实还是依赖这个最后的这个人去check这个问题是不是他问的问题。

16:21这里核心其实大模型干的事就是帮他去补全他的意图，就是因为他问问的不准嘛。

16:37他的逻辑是比如说他有他给他的客户提供了很多系统，他们经常会说这个系统就报这个错，是什么原因。然后用户问的时候，会说我进了某个页面报错了，这个时候我们去后台搜那个QA里面有关于报各种这个这个页面报各种错的，把原因和解法。然后他就问他，那你到底报什么错，这是这种最简单的。

16:58所以其实搞清楚他干啥，这个是大模型干的，然后最后回答其实就是命中那个QA，就是让这个QA原来的那种QA匹配更加的人性化。

17:14对吗？呃。也不是，呃，这个也达不到百分之百，就是他还是得需要那个人去确认，但这个事情我们现在目前还没收到，没有收到他完全准确的数据，只能是通过用户使用的反馈。他们觉得可用，不错，大概是这样的。

17:26因为他你要有一个比如点大拇指啊，点下点点那啥，他也不一定点，所以这个事情很难收集。是。

18:08我觉得显然是的，就是在做垂直方向的，就我们其实像像我们这种逻辑肯定不是服务这个叫做某个垂直的深入的方向，也不是说放希望某个方案它能够复制特别多。就我们可能会更更加类似Palantir一样，它其实构建的是一些更加底层的一些通用能力，然后再针对每个大客户，

18:30因为最后你要定制化的都是这种非常大的客户，你要找到那些，呃，对于那些做标品的，他其实想要去服务大客户基本都亏钱的这种方式。所以说我们其实是这个是不不一样的市场。啊，

19:09所以我们其实我们的产品说白了，核心是我们自己的交付工具，提高我们自己交付效率。那

19:17了。但也许要魔幻吧，我们觉得。这正在学习中。好帅

19:28个是审核，比较典型的一般其实都审的都是文件，就是他上传一个文件，然后呢，这个文件本身，比如说这个合同是最典型的，他本来人审大概有多少个审核维度，他脑子放在脑子里的，然后当然也有一些业界的规范，呃，大概就这些东西，他所以他其实是个预制的审核逻辑，可能不同的场景有个几十项上百项的这样的审核逻辑，那他文档进来之后，

19:50当然每个审核逻辑，每具体到每一条，他又会有一些先后顺序，就随便再讲最简单的，这个我的这个合同的首页和尾页的那个加一行的名字。是不是一样的，对吧？你不首首页是A公司，尾页又签个B公司，这肯定不行，这种非常基本的这种审核要求，所以就会一项一项地去过。

20:07然后这个有合同审核，然后还有像我们做的这种偏金融企业都会做消费者保护的审核，就是它所有的内部往外发的营销材料、产品介绍资料都要做，不能什么第一啦、最啦，或者是什么违反一些广告法呀，或者是关于一些呃政治人物的名字一定不能出现啊，巴拉巴拉之类，就非常不同维度的一些审核逻辑。

20:29但我觉得其实它这个这个场景还是比较有挑战的，就我们呃后面可以讨论，就是关于落地过程当中，其实用户业务的人员他第一波给你讲的那个需求，往往是很很不全的。但是呢，他要么是他自己内部根本就没没梳理过这玩意儿，可能就纯靠人的经验。

20:45另外一种是说他梳理他有这个东西，他也不太愿意，或者不太想花很多精力帮你把这个搞清楚，因为他对大模型这个事他也自己将信将疑。所以说这里边就是会发现我们做第一版，然后可能到一直到迭代到最后那个版本，感觉他回回看他第一版，感觉他只讲了20%的信息给我们。

21:05所以这边其实会非常多的迭代的这个事情在里边，要去取得这个业务部门的信任，然后我们到可能做到第五版之后得重构一下，把之前的这些，对吧，一些历史的包袱再甩掉，然后再重新根据根据他的这个最新的最全完整完整的这个业务逻辑，再重新梳理它整个整个实现。

21:23所以这里边其实为什么说其实也有很多在说低代码呀或者workflow这种东西，它的价值如何去看待。就这里边其实有很多就在于它甚至可能在这种业务需求不明确的情况下，你拿它先去做做实现，然后就去跟业务一起去打磨这个事情。在这个里边其实也是很有很有价值的，虽然它不一定，比如说在最后我们迭代到第十版了，觉得这个玩意儿哇已经完全满足所有情况，

21:44因为他们的问题往往出在我给了第一版，然后他后来再拿新的文件测，又出来新的问题，然后这个新的问题他之前也没想到，忘了忘了哦，对。还有还有还有这种情况，我也不好意思之前没说，就会很很有可能是这样的。所以这个东西就是我们觉得它其实在一个非常长的迭代周期，然后在里边搞完了之后，最后可能你可以搞一个定制化代码。

22:04如果它业务价值已经足够清晰了。呃，我再补一个点，就是这个这种场景它的好处比呃问答类的好一点在于它可以植入到它的业务流程里面去。那这样子它不需要人去提交，它自动就会过。过完了之后你看不看，反正如果我有些风险我就提出来，你可以去参考。

22:22对。所以我觉得这个是一个提高使用率的一个很好的方式，然后但当然这里面其实比较重要就关于这个业务部门的配合程度的问题。

22:48呢？一会儿我们可以专门探讨这个关于如何呃让业务人员参与进来这件事情，因为我觉得这个是我们做这么多项目下来，其实最大的挑战，不是技术，不是一些呃别的东西，其实就是这个。从我们目前过去的经验来讲，笨的办法陪着他们一点一点磨，这也其实为什么说企业服务很重要。

23:09如果你没有这些东西，你根本就怎么讲进不去，你的很多东西，除非啊除非你是一个刚才讲的，他就是一个某个行业资深的人，他真的能做出一个呃上来就是八九十分的东西，那可能可以做做一些复制。那对于我们这种模式，他就想做定制化的，你其实一定得跟他去一一起去

23:43吗？对，我知道你你想你讲的这个。呃，刚才我说后面要讨论其实一个一个方向就是这个，就是我们现在正在呃，这其实就是在技术方向上来讲叫所谓叫呃Agent RL，就是让这个agent在这个环境里边，他可能没有动那个模型，因为你最后学完这些东西之后，学完的可能是一堆规则，

24:00或者是一堆提示词。所以这个其实是我们正在研究的技术方向，因为我们现在做了一个产品的形态叫灵思嘛，然后它里边其实就是写了一些SOP的指导给到的模型，比如一份合同该怎么审，有哪些审核维度。那这个事情如果我们现在这个SOP需要人来写，那未来我们完全可以给它一个审核的结论，让它自己去呃

24:47prompt。会相对容易能达到一个七八十分的效果，他们的业务能耗里面其实挺多的了。

25:15第三个是写报告，特别是在国央企里边，对吧？规划要写报告，然后中期、一季度、半年，然后年度，对吧？会有各种各样的这种汇报，这是一类。另外还有一类是他们向外输出的一些报告，比如一些金融机构他们要发一些研报，然后要发一些关于什么债券啊、证券啊、巴拉巴拉这种的一些报告。

25:38像这个银行里边要写很多尽调报告，交通规划领域要写交通规划报告，然后还有一些这种事故报告，所以会有企业里边的这个报告是非常多的，而且它相对来讲比较可控和发挥要融合的地方，因为一般来讲写这东西有点套路，过往这个文档它大概什么格式，然后完了每个块大概数据来自于哪里，怎么分析。

26:00什么思路都是有的。那其实这个是一个给模型搭一个大框架。然后另外一方面就是所有的这些内容里边，呃有但凡是需要需要比如把某个数据变成一个段落描述形式的，对吧？很多这样东西其实就很适合大模型来干。

26:15其实做这个功能我们应该是二三年底就做了，但这个到目前为止我还没有看到Defi和FastGPT有。就是我们同类产品都没有这个功能，就是我们去做的，它其实就是一个在线的Word模板，它可以去上传它的报告的模板，然后里边每个空该怎么填，它就把它作为一个变量的形式引用进来，然后每个变量的生成逻辑就在我们的workflow里边去各种的去去拖拉拖拉拽。

26:36这样子的话，呃，所以我这这回到回回应最开始那个问题，为什么我们会做这段产品，我们认为我们有差异化。就是我们看接测的这个需求就是这样的。这里边其实比较困难的一个点是，我们目前也其实我们知道该怎么做，但是我们由于产品排期的原因还没做出来，

26:51就是我这个报告生成完了，现在我们只是支持他直接把它下载下来，他再打开这个Word报告。那如果他想看你这边某一个段落内容，它是来自于哪个系统的哪个查询，他看不到。所以其实这个事情是我们会未来会去会去做的一个地方，因为他这样子你写完之后，因为他不不是很百分之百呃准确嘛，

27:10所以必须得有人去核验。这里边我们想要去做一个在线的，然后它不仅是说我们能做那种RAG的溯源，然后我还可以去溯源到你从某个系统查出来的，以及比如说能不能去把不同的这个，比如说他查出来的，因为很多的这个最终的结果它其实是有中间过程的，

27:28对吧？你可能中间过程你还也得让支持他来看，往这个方向去做可以非常深，然后他就而且工作量非常大。对，所以其实我们先把它ROI最高的部分我们先做好了。

28:20这个？我们现在能做到出来了，然后还还现在还没法，哦，老师也可以，就他在执行的过程当中，如果他认为这个字段有什么疑问，因为我们是支持在，呃，还又又又可以提一个区别就是，呃，目前像我们同类产品，他们是不支持说一个工作流在中间让用户打断去做一些输入和反馈的，

28:39他基本都是从头开始执行到结尾，再从头开始执行，呃。然后当然我听说他们内部也在呃研究要不要做这个东西。我们所以其实在我您的那个场景下，我们在里边的某个地方，如果他判断这个时候需要去需要去问你，他会弹出个弹框来让你去输入这个东西。

28:55然后一直到最后能够帮你生成那个报告，我认为这个场景是可以做的。

29:41对，我觉得这就是从两个角度看，一个是对于它的版式固定，分析逻辑固定的，相对来讲是简单的。但是呢，同时它也会导致一类问题，就是你这个地方我其实就希望你复制粘贴，你不要帮我发挥之类的这种，它可能就反而会低于用户的预期。那像刚才memo这个场景，它像刚才讲的，它当它去分析风险，可能还真能分析出一些你没想到的东西出来。

30:07但这里面的挑战就在于，它其实跟刚才讲那个叫做消保审核有点类似，它也忘了，哦，还可以从这个角度分析。就在我们最开始前期沟通需求的时候也没说，嗯。所以这个东西就可能又会回到刚才的，我们是不是有可以通过历史的文档分析的方式。这个其实就从我们落地方法论里边来讲，我们在讲具体的场景啊，从我们呃正在设计落地方法论里边，其实有一部分就在于，

30:30呃如何让用户在用的时候，我们分两大块，一大块是让业务人员真的很感兴趣，真的很喜欢这个产品，真的很想用，这是第一第一阶段要解决的问题。第二阶段就是让他在用的时候，能把他这些他呃突然想起来的东西能记下来。在我们那个，我们那个灵思里面其实就有一段SOP嘛，那个SOP其实就是专家的业务know-how，

30:50所以希望在他在用的时候把它沉淀下来，而不是在前期咨询你肯定想不全的。

31:00第四个是问数，这个是我们相对来讲最谨慎的一个场景。然后目前为止我们认为可能相对最成功的也就那么一两个客户吧。其他的也不是我们做不成功，而是都没做。基本上都是客户提这需求，然后我们就，你说你想好啊，巴拉巴拉巴拉，这有这些风险，你你你觉得行不行？

31:19他说那不行，那那我们就不做了。基本上都是，我们基本都是劝退。举个例子。举

31:24我先讲失败的，再讲成功的，就是，呃，也不叫失败的，就是我们劝退的，就是基本上大部分来来说让我们做，呃，首先这个东西其实我们大概从二三年底二四年初我们就一直是这个观点。但那个时候其实有很多人在做NL2SQL，然后我们基本上不做。

31:39原因其实是我们还是从业务去反推的。

31:43做吗？这个技术是明确的，但问题是你解决不了用户的那个问题啊。它比那个RAG更更不好做的点在于哪里呢？因为一般做NL2SQL的，特别特别特别是关注这件事情的，基本都是老板。那老板要的东西都是非常关键的一些指标，数数字或者经营数据，你是不能错的。

32:04这个东西挑战非常大。所以我们其实在前期做了一些呃咨询和这个尝试POC之后，我们就基本上比较放弃这个场景了。原因就是刚才讲这个，它的准确率都不是说你我，因为我们做我们做RAG，做到九十五，做到九十六，九十七，就已经觉得很好用了。

32:21但你这个NL2SQL，你做到九十八，嗯。他也不知道到底哪20%是错的，而那那两个那个错那个这个关于这个指标性东西是很重要的。我们其实是在去跟客户聊的时候，一方面因为这个东西从技术角度来讲，跟他的这个数据智力水平有很很有关，

32:36所以我们唯一做成功的那些，就是我们发现客户他有这个决心做这件事情，我们就去做这个项目。然后所以第一个是关于他的这个数据智力水平。第二个是关于他整个对于这个事的认知，他是比较科幻的那种感觉，还是他对事是有认知，他他同意某些东西是达不到百分之百准确率的，

32:54然后完了他接受你通过一种一种交互的方式来补偿这个准确率的缺失。我觉得这主要是这两个因素。那如果呃能够满足这两个条件，比如说我们做的相对比较成功的是一个国内应该是在在大宗贸易这个领域最顶级的也是国国家级的单位。其实是因为我们更早地帮他做了他的商情的数字化。

33:15原来的这个所有的这些领导会在每周的时候开周会，来去review各个业务线，因为他们大宗贸易其实他们本整个集团里面会有非常多的子业务线，然后听汇报，每周一次更新这个商情数据，然后来去帮他做这周的决策。那这件事情，呃他说能不能更快一点，对吧？

33:32底下的人看到这个一手数据，我们能不能看到？我不要看这个汇报的结果，要看到最终最真实的数据。所以就做了这么一套系统，把它的大量的非结构化数据转成结构化的，然后再变成图表。整个里边的所有的这些数据的逻辑本身其实全是面向业务导向的，全是面向应用决策导向的。

33:52所以这些数据本身是，并不是说我从某个比如说SAP或者什么OA系统里边，我直接接那个数据库，不是的，我是全是面向他的业务，他他可能会问什么数，他可能感兴感兴趣什么数，我们就往那个方向去治理。所以最后的那个表全是业务表，全是他的指标的表。

34:08在这个条件的基础上，我们我举个具体的细节，就是他们在做那个某个指标，他会做两个角度的扩展。一个角度叫做变频，就是这个指标每日、每月、呃每周、每月、每季、每年，因为他们做这种大宗贸易，不不搞期货啊什么之类，他会看这个趋势，然后还要看不同力度的趋势。

34:33所以你某一个指标你帮他，我们会自动帮他把这个变频给做了，把它每个每，比如每每月的平均，对吧，每年的平均都算全算出来。这样子你就不需要大模型去查的时候，在现算。我先提前帮你算好，因为这个就是他们所有查这种指标的常见需求。然后第二个，叫做去呃扩他的一些计算的维度，就比如说他的同比环比这种这种是最好理解的，

34:57还有一些叫做过去十年最高，过去十年最低，过去十年平均等等这些，其实都是做搞金融搞期货的这种他们都会常关注的这种呃分析逻辑。所以其实同一个指标，你把所有的这种索引全全扩展，全建好了。这样子带来的好处就是我最终模型去需要去它查接口的时候，全是我们叫做一阶查询，它不需要去连表，

35:20然后也不需要去做各种各样的公式计算。所以这种方式你会能够相对比较大的提高它的准确率。啊，这是关于数据治理的部分。哎，数

35:42我们比如说在POC的时候做了一些项目，有有一个是做那种项目管理的，就是他们的搞工程的，盖房子呀修路啊什么的，他会去看这些项目都在什么阶段了，然后呃因为他还有一些什么材料啊，比如他如果这个事还在早期的叫做比如说打地基啊什么的，他会购买材料，然后这个材料供应商的什么情况巴拉巴拉之类的。

36:02他所以所以他的业务链路条其实还挺长的，然后他本身那个数据就是直接让我们去接他那个项目管理系统，然后再接他的那个采购系统，所以他底层这个数据都是很原始的，原生的，那个业务软件本身的那个表。所以这个其实为什么像那个腾讯音乐开源的那个Supersonic，他们在推的那个逻辑叫做语义层嘛，

36:26就是说把这些原始的表里边每个字段的语义，然后包括呃一些这个指标的这个建立等等这些东西，他在那个原始的表上去做这些事情。我们其实在某个项目上试过他们的效果，因为当时我们让SQL赌，觉得我们会认为那个方案应该是一个听起来很科学的方案，

36:44然后就用用用他那个玩意儿去搞。然后就一个两个困难，第一个困难就是整个那个系统变得非常非常复杂，已经完全不会用了。就是你动不知道动这个地方会不会影响它的效果。然后所以这个第一个。第二个呢就是我们会发现，呃，也是后来我们去做刚才讲那个大宗贸易那个场景会发现，那你做这么一通操作，

37:05你为啥不直接干脆建个新表得了？我最终要问啥的东西，我直接把它把它把数据弄出来，存在那个新表里面不行吗？就是所以其实最后我们是会有这样的一个体感。

37:36这里边有两个事情，第一个事情是最浅的那一层，叫做我单表查询和多表查询，从对模型能力要求上来讲，肯定多表查询更高一点，呃但确实它不是模型不可解的问题，对。第二个维度叫做可能做软件开发的同学知道，具体开发那个软件的时候，像我们对吧，大家去做刚才讲到的项目交付的时候，

37:55最开始的需求和最终完成那个需求是不一样的。所以你最开始在做整个产品的架构设计、数据库设计的时候是这么做的，到后面发现需求变了，那你老数据也不能退了不要了，那就得会各种各样的不得不的一些设计，就导致你这个东西就不是那么天然的觉得应该这么干干的这个这个逻辑，

38:13就就就就想，为什么当时这么设计啊，对吧？会有一些很奇怪的设计在里面，然后以及这个开发的人都已经不在了，没人能说清楚那个字段是啥意思了。这种事情也非常常见。

39:02景？现在可能大家稍微好点，我觉得相对前一两年就最典型就是这个问数吧，就大家都在都在做，因为为什么大家都要做，就是因为领导关心，领导觉得这个东西，对吧，因为他不会看某个具体的文档，某个具体的细节，他就看整个公司大盘运行的怎么样。

39:16所以领导很关心，所以这种这种项目容易立立下来，像容易有预算，所以大家都在做这个事。呃但这个事其实我刚刚讲的这个东西其实还挺难的。

39:34以及认知吧，就是领导，我们比如说IT的领导和最终那个业务领导或者大领导都认可这个事，有一定的认知，他不是百分之百的。那我们呃其实从我们交互层面会有一些方案，就是比如说他其实已经有一些企业内是建好了那个BI系统的。那我的这个问数其实也不一定一定要在一个对话框里边来做，我可以选中某张某个表，因为这个表比如说就拿一些金融场景来讲好了，

39:59它比如当前它只是一个今年的按月度为单位的一个折线图，那我能不能选中那个表，我跟他说，我说你能不能帮我把它过去十年的，然后跟另外一个指标对比的，然后按年度的图给我画出来。那其实就是一个，你可能得以前就得新帮他开发一个表放那儿，那现在其实可以帮他直接把这个变化给他做了。

40:21那这其实就是相对来讲可控性很高的，因为他的这个请求在他的那个界面上那个筛选产生作用，看得到的，他知道他他有没有选对。

40:44从频率上来讲，最高的肯定还是两个，主要问问答肯定是最高频率的。然后以及我们现在，呃刚才讲到的那种，从用户视角出发的那种知识库问答，就是类似于艾玛那样的问答，其实是使用率会非常高的。呃，另外一类是叫做情报类的，其实所谓像，呃，就是其实就是ChatGPT的Plus那个功能，对吧？

41:08只不过是我们在企业内可能会做得更加的精准一点，就比如说，一个作为一个央国企，他们的各个部门每天关注的就是这个我对口的这个部委，又发了什么新的要求，有什么新的指示，我需要去相应的我们内部该怎么调整，我要内部去做什么样的教育工作，对吧？

41:26你上面说了，我下边对应的我要去出我们内部的规范，我们内部的这个宣宣贯的一些材料。啊，这个就是我们他们可能每天第一天要打开的那个网站去看。啊，那现在我们希望说你直接自动爬下来，然后里边哪些跟你这个部门是有关的，自动帮你过滤出来。

41:41啊，然后包括除了部委以外，还有公众号，呃，还有一些比如他们做科研的，会把这些论文库也接进来。这个事是他们因为自己现在日常就在拿手动在干，然后也拿人眼去在筛选。我觉得这个是也是一个非常典型的场景，频率非常高。但看起来其实技术不难。

42:26也不是。就是这个实际上就是我们踩过的坑，就我们过去问题的本质在那，问问题的关键在那，但是我们过去我们过去的工作来讲，其实踩了坑的就是觉得这个业务讲的那个东西好像就够了，然后其实就是低估了这个业务的复杂性和真实世界的复杂性。

42:43比如合同审核好像就那个好像挺全的，我看到几十条规则了，难道还不全吗？然后包括那个消保审核，他都那么多规则了，还不全吗？但是你但是规则多了就会有问题，规则规则规则之间的冲突。然后所以，这个事情就是，业务的参与一定是那个事的本质，呃，关键。

43:00但我们现在过去反正大部分的工作是在填这个坑，走一步然后发现不够，再再再填。我们会，呃，内部正在讨论一个叫做大模型在企业里边落地的四个阶段。过去我们认为，呃所谓的到了Agent落地的元年元年了，对吧？都元了好几年了，对吧？

43:16从二三年就开始元，一直元到二五年，还可能二六年还得元。我觉得觉得就是那个那个有一个话讲得很好，我们人可能总是喜欢去高估，对吧？短期的变化，低估长期的变化。一直到了元年，就是因为高估短期的变化，觉得这个事应该马上就要颠覆了，马上就很有用了。

43:35但其实这个事情，技术我觉得可能是有突变的这个特性的，但是你作为去把它产品落地，涉及到用户的认知，人去使用，它一定是一个非常长期的事情。所以我觉得整个事对我们甲乙方来讲，可能都不能太着急。我觉得这个事，一把梭哈，一次性把子弹打完，其实是很危险的。

43:55然后也会去透支一些信用。然后对于我们认为，过去的这两年，我们认为它在第一阶段叫做玩具阶段，也就是在企业内的技术人员，我们叫做发烧友，在去拥抱这项技术。然后这个发烧友觉得，哇，这东西太厉害了，我一定要帮帮我觉得我好像终于我能站起站起身来了，我能帮我们的这个对吧业务，

44:18能能赋能了，会有这样的一个感觉，但其实业务还是不太有感的。业务还是比较被动的一个状态。然后第二个阶段呢，我们会认为是可能今年是是有这个趋势的，就是明显大家感觉到今年大家用DeepSeek、用豆包、用Manus的，它的这个频率以及这个token的消耗量，大家是比去年要高很多的。

44:40这就证明它已经渗透了，甚至于可能这个几十岁的大几十岁的人都会用豆包。所以其实大家真的在开始感受模型的这个能力。然后在企业内部来讲，呃我们在想的是如何让企业内的业务人员在他的日常工作里边，哪怕你不要搞那些复杂的场景，你就帮我，你你你就去跟大模型对话，来去解决一下你的一些工作的问题。

45:03其实只要做到这件事情，就能够帮助他们真正的去感受这个模型在他们的业务场景下给他带来的价值。这个事情是非常重要，他必须得有这个体感，得有这个热情，想要来，真的他是他来找你说我们能不能一起来，能帮我干下这个干干干下这个事，而不是说被推着去干这个事。

45:21我觉得这个是第二阶段非常关键的，叫做在一些通用场景下取得了业务人员的喜爱。但是这里有些细节就是因为，在我们这个企业内它也不是完全断断脉脉网的，完完全隔绝，所以它有些场景，它不涉密的事情，它就直接去问公网的这些东西了，公网的这些模型。

45:38所以只有那些他涉密的资料，他才会去在企业内的这些系统里面去用。那么所以这边其实很关键，就是说我们看到了大量的这种做To B的这些平台，包括我们自己，对于业务用户的使用体验是关注很不够的。他的体验相对于外边C端产品的差异，我觉得十万八千里，我觉得可以这么说。

45:58就是它里边会有很多的细节，用户的感受。所以这个东西是我们下一步会去加强，来去获得业务用户的喜爱。那最后其实还有一个三阶段四阶段，三阶段其实是真正意义上的我们所谓叫垂类Agent的落地。为什么之前不是垂类Agent，是玩具，就是因为之前业务压根就没有进来。

46:16只有当业务人员真正进来了，一起去做这个场景，一起去做这个场景，一起去做这个场景，一起去做这个场景，才有可能把那个真的垂直场景做好。这个是第三阶段，然后当第四阶段可能就是我们所谓的数字员工啊，然后他作为一个Agent，你不需要让业务人员来跟IT人员一起来构建那些垂直场景了。

46:32那个Agent它作为一个自主的智能体，它去进到微信群里边问，哎谁，我们公司HR是谁呀？啊，找HR。我们公司谁负责研发呀？我们公司规范是啥呀？巴拉巴拉之类的。

46:44他就作为一个很自然的一个一个人，就在公司内就游刃有余了，对吧？就把这事他该干的事都干好了。

47:52两类都有，这个其实取决于我觉得甲乙方的认知都是都有关系。然后就像我刚才讲到的，如果你这个业务人员不太愿意进来，我们光我们做做做AI的，然后企业内的IT，我们去有点叫做求着业务人员来帮我们去聊这个事情，其实是很困难的。这里边相对来讲，有耐心一些的，或者是我们双方共同愿意投入的，会去迭代的更更久一点，能够把这些东西给挖出来。

48:19然后包括其实这里面过程当中，为什么说这个业务人员对于这个在呃这个大模型对他们业务场景的体感很重要，就是他必须得知道他用用过之后他知道他的反应就是哪里不行，他会从他的角度来讲。他会有一个判断，然后来去说哪个，我有我有哪些类型的审核逻辑，然后哪些可能是行的，哪些可能不行的，

48:38为什么不行，对吧？他其实可能帮你判断到一些东西，其实也很重要，能够提高双方的效率。确实存在很多，呃它建起来可能它调用量不是很大的，然后有一些呃我们去能够帮他把它相对做的比较顺，让大家能够投入更多的精力去迭代的，能够把它推到尽量推到第三阶段，能能够真的把它业务能够挖出来的这种。

48:57嗯，这个是是这样。然后所以为什么我们说回来，刚讲到我们如何能够把这些企业内的业务，把他们从ChatGPT那边能吸引过来，因为他还是有一些吸引过来的原生动力的，因为他们还是有点担心我这个东西扔出去了，万一出了啥事，咋办？你如果说很就就是一个query，一个很简单的问题，其实没问题的，我们我们你你反正你不做外网，

49:18你肯定不会鼓励你用。但你如果就是很很涉密的东西，你就肯定是不能外传的。那我们就是说我们在内部，如果说能有一个跟那个ChatGPT一样的体验，或者我们就对比DeepSeek吧，因为DeepSeek现在也开始开源了，我把它的模型可以在本区部署起来，它整个交互体验，整个的推理速度巴拉巴拉的，

49:36呃，能有一样的体验。那其实它为啥不用内部的呢？如果它比较比较涉密的话。看了你

49:59都有。比如我们从我们的客户群的数量来讲，那肯定是自己拖拉的多，因为呃让我们拖拉都是付费的，然后不是就还有大量的没有让我们拖拉的，对，然后都是自己在在用。因为这个后面，包括我们看到我们群里面会有老师会有这个问题反馈，包括提一些需求。

50:18所以我们看到有些会把他们这个打好的工作的节点那个文件发给我们，然后我们一打开都惊了，几百个节点，呃。这里边其实核心我觉得是这个技术本身，它是一个天花板很高的技术。所以其实不管从甲方的领导来讲，还是一线干活的人来讲，其实他们都愿意投入自己的注意力去做这件事情，

50:38对吧？你比如说以前我做过OCR，那我作为企业内的一个IT人员，我说我去学习OCR的底层原理是啥？我是一个OCR模型，那这个事儿它的这个天花板很低，对它业务价值来讲很少。那如果说我对大模型很理解，那那我就掌握了未来的择偶权，对吧？

50:55对对对，这加工资择偶权，对吧？我就是，呃，他讲掌握下一代生生产力，所以这个东西其实大家是愿意去学学习它的。嗯。所以在这个里边来讲，对，它是真的会有很多人再去去用它。就

51:44因为那个时候我们在二三年到二四年一整年都没有投过营销的钱，好像还真没有什么特别的做什么事情。因为呃在那个时间点发了之后，我们当时是我说偶然间看到了一个做这种开源项目评测的一个up主，然后我就跟他聊，但他也是免费帮我们发了一个介绍。

52:04然后从那个时候开始就进群进了蛮多人的，然后进了之后再往后，是不是人传人啊，还是什么样的方式，反正也就看到群里面就持续在进人。我们自己也会去发布一些，就比如我们我们因为我们很早二三年底就支持那个报告生成嘛。包括我我到到现在为止还有好多是看那个视频来找我的，因为这其实就是企业里边的刚需，所以在相对比较早那个时间点，

52:28其实就是你做了一些真的大家需要的东西。

52:54赚钱，我们去年大概有小几百万，小几百万的利润，然后今年应该还会再涨一

53:02我们现在群大概加起来将近一万吧。人

53:15而且还是企业，因为我们一直都是

53:32首先，中国的to B市场，我忘了好像是个很大的数，应该是几万亿还是多少万亿的一个一个一个市场。所以肯定是收得上钱来的，它这个市场就这么大。核心在于，我就总结一下，就是做正确的，一方面叫做筛选正确的客户。从我们的角度来讲，因为在做大呃毕昇之前，上一个时代我们还是有自己去找客户的销售的。

53:56做了毕昇之后，这些销售呃一部分砍了，还有一部分就接直接过来咨询的客户就已经接不过来了，所以都不需要去跑客户。那这就是一第一波做筛选。那些你本来不认可你，你还得去说服的那客户，你就不用花精力了。然后呃这是第一个，第二个叫做做正确的项目。

54:15你要做问数，然后你你又没数据治理，你又又对它有妖魔化的希望，那我们就不做了。这个是做正确的项目，你做错误的项目一定是让你亏钱的。你肯定达不成用户的预期，然后你最后投了一堆人进去，然后反而还收不到钱来。第三个其实叫做看看能不能跟客户达成一个共识。

54:34就是我们最终目标是希望让客户成功，那让那客户成功是建立在他跟我们有相同的预期之上的。就是他呃对这个事情我们他能够理解我们在讲的事情，然后他也认可我们讲的事情，然后我们以一个相对来。讲，不是对付事儿的心态，而是以一个即使这个事儿我们算云天已经算不过来了，就这个事儿，对吧？

54:57你最开始预期的需求不长这样，然后未来变成这样变成这个样子了，那我们是不是得再谈钱再再再说？如果是碰到这种情况下，我们会去看他那个场景是不是真的能帮他产生业务价值，这个需求是一个伪需求还是个真实需求？如果是真实需求，我们不会去说过于计较说你要不要再给我们补点钱什么的，我们会希望把它给做好。

55:15然后你如果做好了，他内部一定是会有二三期的，一定会有更多的收入。所以这个我觉得其实是就是做正确的事情吧。然后我觉得也不要过于的去妖魔化这个市场。就是我觉得，至少我们做的大部分项目还是蛮正常的。就是你真正有一些，因为我可能听传闻也是有一些软件公司做得比较，

55:41对，做得太拉胯了，你这个让让别人没法交差怎么办呢？那肯定没法拿到钱。所以就是你真的一个负责任的态度去做事情，我觉得是没问题的。当然，我觉得这个事情账期是一个很关键的关于经营的一个需要考虑的问题，对吧？因为在国内基本上零点五到三年不等，不同的行业。

56:02可能当然你他的账期越长，你可能可以考虑它的利润率更高，你可以报报价报更高。所以这就是作为经营者角度，你要做好选择，你到底做哪个行业，你现有经营的现金流情况能不能cover得了这个账期。

58:08但我们反正也还是有危机意识的，就这个东西，就我们刚才讲到的，在上一个阶段，一阶段其实是一个发烧友市场。然后到现在这个阶段，其实我们面临的是新的挑战，我们更多是如果要去保持这个良性循环，我们一定要去观察到当前到什么阶段了，当前的客户真实，我们不能睡在原来那个上面，觉得这东西一定能长期满足用户需求。

58:31因为从我的视角来讲，整个低代码拖拉拽，它其实跟传统企业，传统这种业务软件的低代码没有区别。它到最后还是会被挤压，很多东西该专业人干就干成个专业系统了，你这个低代码就会变成一个服务一些比较小众的需求。或者是一些很实验性的需求，所以一定不是一个最后最后的终局，我们要去看下一步是什么。

59:41对，我觉得这其实首先这是我们每天在面对的这个问题和情况，然后也是当前，也不叫当前吧，其实一直以来，其实最最难解决的问题。说实在的，这个技术它本身肯定不是一项确定性技术，并不是说谁已经掌握了它最最优的落地实践方案了，呃。其实我认为他还是在一个。

1:00:03呃，探索的阶段，只不过我会认为它正在从第一阶段转到第二阶段。我刚讲的那个四阶段里边，这个第二阶段叫做，就是因为原来大家是为了想要叫做拔苗助长，或者是望子成龙，希望我能够搞点东西出来，能够看起来真的改变，改改变世界之类，改变改变什么东西。

1:00:23但实际上是，实际上发现它是还没有的。那在这个背景下，还有没有办法坦诚地坐下来，去诚恳地去认识模型的能力？我觉得这个是一个心理上的挑战。第一个，不管是对于甲方来讲，还是对我们乙方来讲，都是这样的。从我的视角来讲，为什么我刚才讲说我们现在在二阶段当中的时候，我们会去更关注我们在，因为我们本身毕昇平台里边，

1:00:47比如刚才讲了跟友商的差别，就是我们会知道企业里边有像叫工作台这样的需求，它是要有一个相对来讲企业的统一的AI入口，在上面会有，比如说我用毕昇大的各种workflow，就可以在上面去选择，然后我还可以有一个类似于DeepSeek那样的一个对话界面。那个其实也是他们的刚需。

1:01:07那像这样的东西，我们过去把这个东西就只是作为一个某些客户提了，我们就觉得有人提了我们就做，然后确实都都都好多人提，没有去很深入思考它的原因。然后我们其实现在的观点就是认为说，你把这个东西的体感和用户交互体验效果做好，可能比你把那些workflow做好要重要很多，

1:01:30它的杠杆要大很多。因为原因在于我们当前落地卡在了业务人员没感觉。所以我们希望通过刚刚讲的工作台的这种日常对话模式，包括我们刚刚在做那个灵思模式，也就是企业版的Manus这样的东西，能够让整个交付项目周期极大的缩短。我们未来就建议客户，你也先别买我什么交付服务，你也别跟我咨询场景，你先把我们这个开源模型布进去，

1:01:58免费的。然后完了呢稍微让我们给你做点咨询服务，然后呢，能办比赛最好办个比赛，让你们的这些业务人员都用起来，用对话也好，用我们，包括有这种通用的知识库，然后有这个商情订阅，对吧？这都是跟他们日常工作相关的，然后完了包括那个灵思，他可以去用它来做一些相对复杂一些的，呃其实就是更加agentic的方式，

1:02:19他不用去拖拉拽workflow了，他不用去给IT讲需求了，他自己上手就能干。那即使干得不好，他也就一下午嘛，那浪费就浪费一下午不要紧，对吧？你要说浪费了好几个星期跟你聊聊聊聊聊半天，你最后给给我个这，然后他就没信心了。所以我觉得这其实是一个从心态上来讲，从方法论上来讲的一个差异。

1:02:37所以当他的内部的大部分的认知没有达到刚才讲到的，他如果说对这种通用的大模型能力有认知的这个阶段的时候，我们会建议他先干这个事儿。当然，如果他已经很明确是一个已经干过这些事情的人，他所有相关方都对这个事儿很很理解，那我们其实可以直接到第三阶段去做个垂直应用。

1:02:56那个事情，我觉得更多它不太是一个产品化的故事，它是一个偏Palantir的故事。就是它的核心其实是你的底层的数据要足够的好，然后以及你的对于我们乙方来讲，你的交付工具的效率足够高。其实它就是原来现在很成熟的那些Apass低代码平台他们干的事情，然后当然它不会那么的这个这个这个可视化具象化。

1:03:23其实说白了就是我要客户提了一个定制化需求，我们能很快速的很低成本的去给你搞定，而不会说有各种推脱。所以这个可以进入到第三阶段，呃。所以就根据企业不同的阶段不一样，我会去做这样的一些建议。

1:03:58首先我觉得比较明显的，大家其实也都在，有很多自媒体甚至也在谈的一个问题，其实就是视频号什么或者各种媒体上面宣传，都为了抓眼球讲那些东西。然后呢，在企业内部迅速落地的时候，为了像刚刚才讲的，为了要拿下这个标，用户可能有一个不合理的描述，

1:04:19你也不得不，虽然竞品说不行，你说我为了拿这个单子，我不得不说能行。因为真的有这样情况，我们现在就是最近就有一个项目，那个客户需求说完了，然后我们去投标的时候，我们投了个相对还比较中等的价格，也不高也不低，但有一个服务商。

1:04:37就是报了一个很低的价格，然后就他们低价中标了。然后最后过了两个星期，然后那个供应商弃标了，就是觉得这事儿实在想去还是做不了，这个钱太太少了。然后那个客户又又反过来找我们。这这又说回刚才那个话题，就是，这是一个大家都知道的现象，就是市面上在吹，然后实际上在落地的时候不是那个样子。

1:04:57第二个点就在于，希望说在没有业务人员参与的情况下，模型它足够，由于它足够聪明，它就自然而然能把这事干好。这个事我觉得是第二大不切实际的期望。就是你，它其实现在模型很强的是叫做它的指令遵循能力，它的通用智慧很强。但是你们那个公司的那个弯弯绕，你的那些小技巧小九九，它是不知道的。

1:05:23那你不告诉它你的偏好是什么，它怎么可能能够，对吧，做到你的心坎上。所以其实这个东西就是我们在做灵思的那个功能的时候，我刚提到SOP，就是我们会认为在下一个阶段，为什么一定要把业务拉进来，就是他的专家的知识，专家的品位，是让这个agent真正能够达到他的想法需求的最关键的地方。

1:06:33非常非常准确，而且这里边其实除了他去带他以外啊，然后就是他所谓的我们觉得再往下一个阶段，我们自己产品上会比较关注的，就在于企业的内部的上下文这件事情。当然有两个路线，一个路线是刚才讲到的第四阶段终局，这个AI它自己是一个人，它自己可以登各种系统去看看这种东西，

1:06:55也可以去问人。另外，但我觉得可能短期内还得在第三阶段，你更多还是得类，为什么帕兰提尔现在这么火，就是他们那个CEO不是对内说嘛，说这个我们终于等到了，我们之前这么多年做这么多事情就是为了等到大模型的到来。就他其实就是说是让业务人员和工程师可以共享的一个智能的、干净的、统一的语义层，

1:07:21数据语义层。啊，他这个东西我其实那天我还在跟ChatGPT探讨，我说这个玩意儿，这个这个ontology到底跟低代码有什么区别，因为它其实它的ontology把数据聚好。到

1:07:35不是，就到这里有两个事，一个是它的ontology跟graph什么区别，再一个上ontology之上的，ontology之上的一些这种，它有很多的低代码，全代码。然后

1:07:47还不是那个，它还有一套东西叫做，不是，它的光跟那个ontology结合的，还有一套软件叫做，一个叫object review，一个object explorer，一个是什么Quiver，workshop，slate，map。

1:08:02这坨东西是干嘛的呢？它其实就是一套低代码的工具，就把下边的那个本体用起来的。

1:08:12还不是，本体构建好之后，因为它里边其实核心几个概念，一个叫对象，一个叫连接，然后一个叫action。然后它的对象，它的object review就是专门去看这个对象的360度，是吧？所有跟这个对象相关的所有的关联关系和它的属性。

1:08:28然后还有object explorer，就是去搜，就是个搜索，object的搜索。然后还有一些这种做BI的，搭BI的，然后搭工作流的，然后还有一个slate，是全代码的一个中间层。还有一个叫什么carbon，是去把以上所有东西全拼在一个workspace里边，它可以自己自定义这块放什么，

1:08:48那块放什么。特别特别作为企业交付的，你看这玩意儿就觉得很熟悉。我就觉得他们确实是真的是在美国做企业定制化交付的。就这个东西一定是做了大量的项目之后抽象积累下来的东西。然后，这坨其实都是用比较工程化的方法，比较人工的方法来去把它下边那套本体用起来。

1:09:09那他们叫做，对吧？大模型来了，我这下边这个本体的这套东西描述得足够好，那模型按道理能够直接把这些数据用起来，不需要通过刚才中间这些低代码的这一层来编排它。然后，这个其实就是说，未来可能我们也比较认可。应该是说未来的这些业务软件可能会被所谓的被折叠掉的原因是说，你未来因为我们所有人安排工作之后我就看结果，

1:09:36我其实也不太care你到底调用哪个软件，点了什么操作，我不care。那这个时候可能这个智能体它就直接去跟底层数据交互就好了，没有必要去跟那个软件交互。所以说其实未来可能就是一个大的数据湖，然后上面有一个agent，非常强的agent或者某些agent，

1:09:54然后来最后交付结果。所以我觉得这可能能从技术上解释一部分他们这个为什么这么夸张估值的原因吧。

1:10:29正在搞一个飞书的知识库，就是我在把那些Palantir他们的全套产品的文档，全都翻成相对来讲比较简简单单的人话的一个文档。然后我也是因为在做那个事儿，所以对它也会有非常多细节的一些了解。

1:11:20那就是大几千啊。企业，最

1:11:41一个是我们的目标画像相对比较其实比较精准，就首先它不是那种特别大的国央企的集团。那我们虽然有这样的客户，但其实也是机缘巧合，做得还不错，服务比较好就进去了，然后也一直在做。但是真正的更大规模的是那些我们叫，呃，应该叫细分领域的头部，呃。

1:11:59就比如说保险是个大行业，但保险里面还有再保险，然后还有信保，就是国内的这些企业去国外海外的一些这种做做项目，会有会用到国家信保。然后比如说这个证券是个大行业，但证券里面的这个交易所，它是一个对吧，相对比较小的一个方向。然后包括还有一些，呃，可能大的，比如说能源的集团，那下面会有一些子子公司，然后可能专门做某一个方向，

1:12:25比如专门做建筑设计的、建筑规划的之类这种的，包括一些像这种交通规划，这些它其实都是一个相对来讲不那么大的行业，然后但这些行业里面的头部，基本上都是我们目前来讲合作最顺畅的。然后除此之外，当然其他的也可以都来讨论看看。对，我觉得像有一些比较比较大的客户呢，说白了，呃，因为那个项目规模比较大，我们这种小公司其实承接起来也不太合适。

1:12:52不管是从审计角度来讲，还是从，呃，这个公司实力来讲，可能都还是大厂去服务更好一点。

1:14:19自己的呀。我们第一天把名字想好之后，就把这个域名注册了。哇。

1:14:34我建议大家就去那个官网，然后可以一个是给我们GitHub点个star，然后完了那个上面，呃，有文档，点击文档之后呢，我们上面会有我们的二维码可以进我们的群，然后群里边就很好联系到我们，所有的核心成员都在里边。

1:15:01那不会。必须的，必须的，很有影响力。都是这个行业精英在听。

1:15:19模式其实挺多的啊，我我觉得我觉得我还得再补充补充，就是，呃，首先，我们最小的单件儿多少钱嘛？

1:15:28最最小的单是五百，这五百是哪里来的呢？就是会有很多，呃，可能比较小的公司或者甚至个人，然后他就是很感兴趣，很想用，然后呢他自己技术能力不行，然后我们会有个叫必生达人，呃。所以他其实就是想付几百块钱，然后帮他部署一下，帮他所有该配的全配好。

1:15:44啊，那所以这其实是一套，呃，相对来讲在我们体系外的一套服务。那个钱也不经过我们，其实就是我们相当于撮合一下，然后通过这样一个体系来服务大家一些更加多元化的需求。

1:16:14且，嗯，另外还还有一块就是一些这种，呃，软件厂商，一些服务厂商。就我们在做一些，呃，客户的时候，如果他相对有一些需求是我们产品里边，呃，不会做的，我们会找一些服务伙伴来一起做，嗯。所以像这样的各个城市的也可以也可以来找我们来合作。

1:16:32我们现在目前其实已经有好几个城市已经在合作项目。

1:16:48而且还有我们也会给大家转商机。因为更多的其实是我们自己在在一些我们没有人的城市，我们做不了，我们会把它分给当地的，我们去经过考核的这些伙伴。对。一般一般我们会让，呃，先在某个项目上带着他们，可能是没有钱的，他们先去了解了解，就是该怎么干。

1:17:07然后完了他们我们觉得他OK了，然后会让他的下一个项目再指导他们干。这是一

1:17:13从从量上来讲还是还是还是希望的，有更多可能更多更好嘛。然后，呃，但是就是还是回到那个点，就是你得找到正确的客户。