Kyligence 聯合創始人 & CEO 韓卿做了一次非常真誠的分享。
大模型出現的時候，韓卿思考了很多。團隊比他更加興奮，在他前往美國考察時，已經做好了大模型能力加持的第一版産品。
但冷靜後，他意識到那并不是 Kyligence 想要的東西。他和團隊推倒重來，不斷摸索出适合 Kyligence 自己的 AI Copilot 應用——對企業服務的數據産品而言，大模型意味着客群的變化，從高層決策者到全體員工，都可以使用智能的數據工具，通過對話的 UI 輕松上手。
7 月 Kyligence 率先結合大模型，發布了 Kyligence Copilot，AI 數智助理，幫助快速降低一線業務人員用數的門檻，提升組織運營和管理效率。現在已經受到了不少客戶的認可。
面對大模型浪潮，他到底做了哪些思考？大模型的能力相比上一波 AI 有怎樣的不同？帶來了哪些變化？
爲什麽 Snowflake、Databricks 等數據公司在今天成爲了最受資本認可的企業？他如何看待中國的 SaaS 企業面對的問題？作爲大數據和開源老炮，他對今天大模型行業不斷湧現的開源創業公司又有怎樣的建議？
以下是韓卿與極客公園創始人 & 總裁張鵬在 Founder Park 直播間的對談，經編輯整理。
01
讓聽到「炮火」的人能做決策
張鵬：
先給大家介紹一下，Kyligence Copilot 是一款怎樣的産品？解決了哪些問題？
韓卿：
感謝鵬總，我先來介紹一下，我叫韓卿，是 Kyligence 的聯合創始人和 CEO。我們公司在 2016 年成立，由 Apache Kylin 的創始團隊創建，我們是中國貢獻到 Apache 軟件基金會的第一個頂級項目。
過去六七年的時間，主要爲客戶提供基于 OLAP 的大數據平台，所以我們的客戶群更多聚焦在金融、制造、零售等行業，主要像中國的一些大型銀行、保險、零售品牌公司等等。
過去這段時間，我們把 AI 引入到整個産品體系中，起了個名字叫 Kyligence Copilot，AI 數智助理，數字化和智能化。
（這個産品）一方面可以非常方便地用對話與機器交流，使用數據的方式也大大簡化了，基本上，隻要會說話，就能看數據了。另一方面，智能化能力，不僅僅是用戶自己問問題，我們的 Copilot 現在已經可以開始推送一些問題給用戶了。
我們的叠代速度非常快，幾乎每周都會有（新）版本，最近的版本甚至可以幫你寫周報了，能夠基于指标，幫你把上周的周報總結好，甚至推薦、告訴你哪些是風險指标，推薦你去做歸因分析，推薦你一步一步找到相應的問題，甚至可以把指标相關的提示都準備好。
所以可以說，确實 AI 在大數據和整個未來的企業經營方向上，都帶來了一些巨大的變化。這是我們最近的一些進展。
基于數據，分析公司狀況，甚至做出更好的決策，這對于（企業）數字化來說肯定有非常重要的價值。但我很好奇，在 AI Copilot 之前，你們是怎麽做的？要單獨爲公司老闆做一個「駕駛艙」嗎？
差不多。你叫它數據分析也好，所謂的 BI、數據倉庫等等，這個領域在過去幾十年裏有一個分類叫做「決策支持系統」（Decision Support Systems）。
在過去，我們的認知是，決策是人做的，機器可以提供一些支持的能力，給一些數字。所以最早的時候是非常簡單的，就是把你的數據算好算精準。那個時候的業務形态，怎麽說，也沒有現在這麽卷對吧？所以可以有一個比較穩步的過程。當然也受限于計算機發展的限制。
過去幾年，我們看到像儀表盤、self-serving 的自助式分析能力，甚至基于搜索的展現等等逐漸出現。
回答你剛才的問題，蠻有意思的一點，過去我們認爲，決策都是老闆們做的，但最近你可以看到，所謂的全民分析師、數據民主化等等方向（出現），所以說，因爲商業形式不一樣了，我們會說，「一定要讓聽到炮火的人能做決策」。
所以過去決策都是高層，需要組建分析團隊，幫着把數據彙聚起來，組成數據模型，做儀表盤等等。
但今天，全民用數的情況下，這個速度太慢、成本太高，不太可能給每個員工做這件事。所以我們在過去幾年裏一直在探索，有什麽方式，能支撐我們更好、更低成本地支撐每個人把數據用起來。
AI（大模型）出來以後，我們發現，很多事情發生了變化。過去半年左右的實踐，我們認爲是找到了一個非常不錯的方式。
02
大模型帶來了哪些實際價值？
聽說 Copilot 産品出來之後，得到了一些客戶比較真實的反饋。我們非常關心（基于）大模型的産品推出之後，客戶爲什麽願意買單，怎樣增加了産品的競争力。來說說客戶是怎麽反饋的。
對，好消息是我們最近已經開始和客戶簽單了，不管是中國還是美國都有。我們發現，Copilot 不管在産品層面還是商業層面上，确實帶來了很多變化。
分享幾點。
第一點，我有一次約了我們的客戶，一位銀行副行長，給他介紹了整體的情況，他當時就把分管的下屬叫來，就一句話，我們趕緊上，再不上就落後了。因爲你會發現，客戶比我們更加焦慮，因爲所有人都知道 AI 今天帶來的變化是非常大的。如果不把這個能力快速吸收成爲自己的，那在行業的競争上就會落後，不管在獲客還是效率、成本上，一定會出現問題。
我追問一句，他擔心什麽落後了？
兩個方面。
一方面是業務作業。他們說過一個例子，比如我們兩個人去 BD 一個客戶，如果我有一個 AI 助理，問一句就能把數字拿出來，比如面對一個大客戶，我要看一下他的經營報告等等，隻需要幾秒鍾就能回答一些問題，甚至 AI 能幫我解釋很多東西，而你（沒有 AI 助理），可能還要打開電腦，跑一個報表，甚至可能還要後台幫你準備。那麽我們兩人作業的效率和方式方法是完全不一樣的。
另一個方面，你可以理解是成本。一個客戶經理，以前要看 10 個客戶，要做非常多的事前準備，數據收集。現在通過 AI 的方式，一個人就能作業 30 個、50 個，這樣我的整個成本就完全節約和可控了。
所以你看，不是我們在競争，是客戶自己的行業本來就在競争。尤其銀行，錢存你這裏就不會存别人那了，他們得趕緊把業務給搶了。
最近我也跟零售行業的客戶去聊，他們也是一樣。業務能力都比較強，業務上厲害的，可能技術上就不會花那麽大的力氣。所以這時候使用數據存在挺大的阻力。
但是當我們給你配一個 AI 助理，相比業務人員理解技術等複雜的東西比較困難，有個 AI 助理陪你聊，給你信息，而且不知疲倦地跟着你做，我們發現業務人員是願意使用數據的。
這個事情非常重要。以前我們不是沒有工具，有工具，但是他們不願意用。這是第二個很重要的變化。
第三點，我們自己的實踐。我們公司内部也有指标體系，目前基于指标體系做了 AI 報告、周報。每周一，我都能根據每個管理者基于指标的分析報告，總結成飛書文檔，我隻需要一點點時間，早上開會之前，就能把全盤浏覽一遍，我的所有副董事都能看到。
這比以前的效率高很多，因爲開會前所有的信息都有了。以前可能要麽我自己花力氣去分析，要麽找人去分析，但不太可能有一個特别合适的人，有精力、能力，和足夠的行業背景來做這件事。這是我們自己觀察到的一個有價值的變化。
說得特别好。我真的很羨慕現在的年輕人，做個預言，再過 5 年，員工會挑公司，我去不去這家公司，取決于它給不給我配一個 AI 助理，就像以前說公司給不給我配電腦。不知道你們認不認同？
我非常贊同，甚至我覺得不需要 5 年，因爲現在（AI 發展）的速度實在太快了。
第二點，我覺得，嗯，我們這些，中年人，也可以被利好到。（笑）确實太累了，如果有個 AI 能幫到我們，也許我們就不用拼體力了。
03
大模型和上一波 AI 的區别
你們應該在大模型之前，就已經在使用 AI 了。我很好奇，之前你們是怎麽思考的？怎麽用 AI 解決問題的？
你看我們的名字，Kyligence，Kylin + Intelligence。我們剛開始創業的時候，就一定要做智能化的部分。但坦率地說，那時候我們的智能化，重心其實在平台層面，更多在做自動化工程方面。
2019 年，我們推出 AI 增強引擎，當時解決的第一個痛點，就是客戶在建模、優化模型、底層數據治理等方面，非常耗時耗力，所以我們想通過算法能力做自動化。
這是 Kyligence 4.0 最重要的特性，到現在來說反饋都非常不錯，但還是局限在專業的數據領域。
所以今年大模型出來，我們往前走了不止一步，從用戶使用習慣的角度上解決問題，對整個産品思路、戰略都帶來了一些變化。
以前的 AI 還是解決産品效能問題，但今天真正的大勢是，像 Kyligence 這樣的産品有更大的空間，更大的市場需求，這個需求的核心驅動力，是數據的民主化，一線員工能夠被加強。
04
面對大模型，怎樣才能不焦慮？
大模型這波變化很快，你是用什麽方法跟進技術潮流變化的？你還要作出判斷，公司内部要做産品立項，團隊要改變，要觀察市場變化。給我們分享一下你的學習機制、決策機制，你有沒有 Copilot？
（笑）這方面還真沒有 Copilot。
團隊很重要。我可以分享一下我們的 Copilot 怎麽做出來的，給大家一些參考。
去年 ChatGPT 火了之後，我們内部也是一樣，大家興奮、焦慮，也有懷疑。管理層當時的認知是，這個未來一定是一個很大的變化，但我們還看不清楚。所以當時的第一個決策是：看不清楚之前不要動。
如果所有人都基于 OpenAI 的 API 做東西，那所有人都能做，如果做的東西對我們的行業真的有變化，未來我們再去做，我不擔心。
更重要的，我們當時内部已經有非常多的興趣小組，研發、産品，甚至客服，各個部門都有，大家會自發去研究、試用，然後後做分享會，團隊會思考，AI 可以用在什麽地方？
我去美國的時候，當時團隊已經把今天 Copilot 的原型做出來了，美國回來以後，市場宣發的文案都寫好了。但那不是一個我們想要的東西。
我在内部寫了一篇文章分享，重點三句話：
第一，it is not our game，大模型本身不是我們的遊戲。
第二，be part of the game，必須參與其中，不能被淘汰掉。
最後，build our own game。
這是當時給到整個團隊的原則。把原則定好，告訴大家不要焦慮。
5 月 12 日，是個重要的節點，我們把所有銷售人員叫到上海做培訓。當時銷售會 challenge 管理層，外面 AI 這麽火，我們自己有沒有東西，行不行啊？所以我就給他們看了東西，當時的雛形産品，用了以後大家發現還行，這種對話的方式和能力挺不錯的，那時候一下展開了很多讨論。從那時起，我們開始快速往前推進，我們發現 AI 确實能在我們行業裏帶來蠻多變化。
我們自己知道，接下來要去做什麽了。
然後吭哧吭哧去叠代，6 月底，我們認識到，如果隻是做個 NLP 的 toC，或者做個 ChatBI，所有人也都能做，這不夠。我們就一直在思考，自己的競争優勢在哪裏？讨論了很多之後，我們把指标和決策串起來，AI 能幫我們做很多東西，以前都是人在做事，現在 AI 能幫人做很多事情，甚至很多事都能自動化掉，人隻要做決策就好。它可以幫助變革一個組織的運營和管理。
到今天，産品已經做出來，行業的客戶也出來了，我們開始思考下一個版本在哪裏？因爲 AI 變化太快了，如果再不努力，可能要被追上。這是整個心路曆程。坦率地講，從立項到發布，到客戶付費采購，整個速度非常快。
05
人爲什麽需要 Copilot？
聽說你三月去了趟美國，你們也在那邊有業務，三四月份正是大模型最熱的時候，當時有什麽收獲？有了什麽思維的轉變？
我們是三月底去，四月初回來的。當時主要是參加 Gartner 大會，介紹我們指标平台（Metrics Store）的最新成果。
那時候大模型是如火如荼，第一個感受就是，所有參展商，絕大部分都跟 AI 有關系。而且各家都會有不同的嘗試，每家借 AI 發力的方式都不一樣。
當時聽了一場報告，說怎麽重新思考數字和決策相關的，分析師講了一個故事。一個人每天要做 35000 次決策，他說，你的精力浪費在了很多決策上，「我隻穿黑色的襪子，這樣我就比别人少做一次決策，這樣我競争力就強一些」。這個故事蠻有趣的，但他通過這個故事展開，是未來數據和分析的方向。
我們人類最擅長的其實是做決策，而不是常規的計算等工作。如果我們把時間浪費在後者上，價值不夠大，人也會更累。如果 AI 能夠幫你把分析、洞察做完，人需要做的決策數量更少，也可以有精力做更關鍵的決策，甚至 AI 還能給你一些決策的參考輔助。
Copilot 确實在起到作用，把繁瑣的變成簡單的，甚至給用戶更多更好更全面的選擇。
舉個例子，我比較胖，我想減肥。這是我比較直接的想法，但我并不知道身體其他的指标。要做一件事，有各種不同的方式方法，以前我隻知道運動，但單純的運動不一定真的能減好肥，這跟企業是一樣的。
我們最近跟另一個客戶交流，客戶老闆說現在這個階段我隻關心成本。但是他下面的副總說，「老闆你還有其他的得看一看啊」。
人都是會有 bias（偏見）的，但 AI 能在這個時候給你一個全面、理性的數據。如果副總這時候說話，人家可能會有些脾氣，但 AI 告訴他，你發脾氣 AI 也不理你對吧？（笑）
（笑）這點特别重要！之前大家開玩笑說，人不會被 AI 替代，因爲得有人「背鍋」。
但我後來發現，AI 也很重要，因爲 AI 不怕你發脾氣，也不會嫌你煩，甚至不嫌你笨，會一遍一遍地回複你。這跟人的組織有很大的區别，這是 AI 進入人的生産力組織裏能夠發揮的作用。
同樣是提問，當你問同事工作問題的時候，你會發現「人性」很快會體現出來。
舉個例子，我現在越過一層，去問下面銷售或研發，「這個事兒怎麽樣了？」很多時候人的第一反應是：「老闆爲什麽問我這個問題？」
于是，于是！我得到的第一個回答是：老闆我剛剛拜訪過這個客戶 blahblah，他要先解釋一圈。因爲他不知道你想要啥，其實我隻是想要一個數字，相比之下 AI 這點就好很多，問啥就答啥。
06
所有公司都是數據公司和 AI 公司
回到矽谷的話題，今年 Databricks、Snowflake 都非常活躍，數據巨頭在大模型浪潮中這麽活躍的原因是什麽？你作爲行業裏的專家怎麽看？
我們确實一直在行業裏摸索。我們認爲，大部分的數據公司、AI 公司，未來一定會變成 Data+AI 的公司。甚至從用戶角度來說，不管甲方還是乙方，最後都會變成 Data+AI 的公司。
過去幾年我們提過很多次，每個公司都是一個數據公司，因爲都會産生數據。現在是每個公司都會需要 AI，這兩者天然是一樣的。
回過頭來看，想要 AI 用得好，前提要有大量的數據，而 AI 用得好的公司，又會大量地産生數據。這個循環會越滾越大。
這個時候，作爲基礎軟件的提供商，不管是 Snowflake、Databricks，他們這時候布局 AI 是非常自然的。Databricks 剛剛完成一輪融資，英偉達、Capital One 投進去，這非常能表明市場的認知：要有數據的能力，也要有 AI 的能力。
以前使用數據的方式，導緻（數據使用的）頻率、能力并沒有很好地釋放，今天有了 AI 之後，會更快、更深地将數據的價值釋放出來。
07
大模型時代的壁壘：技術、數據和用戶體驗
在大模型時代，不管數據行業還是 SaaS 産品，想要建立壁壘和競争力，跟以前相比有什麽根本性的變化？
第一，原來的技術壁壘，是基礎。如果把新的壁壘依賴于大模型本身——你又不是做大模型的。這其實會有一些誤導，可能未來你就直接被通用模型替代掉了。要認知到自己公司的競争優勢。
第二，所謂的競争壁壘，最重要的是用戶體驗。AI 帶來的變化是，可以将一個非常複雜的技術，平民化成一個人人都能用的東西。舉個例子，畫圖，以前很難，現在 Midjourney 分分鍾畫的很好看。
所以在這個過程中，普通人的用戶體驗是非常重要的，它形成的壁壘比技術壁壘還要高。
因爲在這個時代，大家的耐心都不夠，如果不在幾分鍾内讓用戶「wow」，可能你就失去這個用戶了。
我們是個 toB 軟件，但也花了很多力氣在這裏（用戶體驗），這就是原因。
還有第三點，建立在數據本身上的壁壘。AI 算法已經變成通用的，人人都能用上的現狀，這時候數據才是不一樣的東西。
現在看微軟這麽厲害，它也有别人沒有的東西，Github、LinkedIn 等等，這些也形成了不同領域的壁壘。
比如銀行，有自己私有的數據，我們這樣的公司也會有自己私有的數據。這些數據未來會形成你真正的壁壘，那麽問題就是，怎麽用 AI 把它變成一個能力？這也許是挑戰每個公司的地方。
08
談 SaaS：先不要看 SaaS
SaaS 前幾年特别熱，你也做了 7 年了。我一度很吃驚，你們客戶都是大的銀行這樣的客戶，這種一般都是按項目做，後來我才知道你把這些大客戶都做成了 SaaS。
但是今年中國 SaaS 有很大的争議，很多人感到絕望，認爲中國沒有做 SaaS 的土壤，不知道你怎麽看？
先說一些背景，我們做的是大數據平台，過去 6、7 年裏，拿下的客戶真的是一些大型客戶，六大行我們有 3 個，十二個股份制銀行我們有 7 個，前十的保險公司我們占 6、7 個等等。
第一，我們是标準化産品，标準化很重要。第二，我們收年費，按 SaaS 模型收訂閱費，這是兩個事實。導緻是我們公司的收入主要來自訂閱收入，我們整體毛利也非常高，NDR（收入留存）超過 100%。
所以我覺得我們能證明幾點。第一，在中國，即使是大客戶，也能做 SaaS 這種業務模式。前兩天某個銀行機構的客戶過來聊，過去 6、7 年，每年幾百萬的訂閱費，付了這麽多年，這是能做到的，是我們走出的一條路。
另外一點，最近 SaaS 确實有各種各樣讨論。回過來說，大家先不要看 SaaS 本身，首先是生意，你要提供價值，讓客戶認可你的價值，願意爲你的價值付費，這才是核心。
很多朋友問我，怎麽讓銀行、保險公司接受我們訂閱制的服務？我覺得最重要的一點，你的産品要強。不隻是性能好，那是功能，功能之外要有差異的能力。當你有差異的能力後，客戶就會爲你的差異能力跟你聊。這樣你才有議價空間，你才能夠跟客戶區商讨采購模式。
所以最終，所謂 SaaS，隻是客戶采購的一種消費模式。
就像音樂，你可以訂閱，也可以買碟，說白了這也是一種 SaaS 模式對吧？這裏本質的問題，用戶買的不是訂閱，而是你的産品。
我是從這個角度看這個問題。
不用在 SaaS 不 SaaS 的模式上糾結，現在也有成功過的案例。我很好奇你爲什麽能做到大客戶、大金額還能收年費訂閱，這背後有什麽特殊的原因嗎？
我們從創業的時候就決定了要走訂閱制的模式，原因很簡單，在中國做一個項目的公司，也許能賺錢，但不一定能像美國那些創業公司做成那樣。
第二點，我們認爲訂閱制應該是未來，是更先進的經濟模式。所以我們就決定堅持選擇這樣的模式。
後來回頭看，最重要的，就是堅持。我們堅持這樣的模式，才會決定我們的行爲。
舉個例子，早年的時候，客戶說給你一個大單子，但非常定制化，要我最好的程序員放到現場去。那個時候拒絕過的單子，能占到當年一半的收入，真的。
可能是有點初生牛犢不怕虎，選擇了這麽一條比較難的路，但堅持下來的結果還不錯。因爲當你堅持的時候，你就會逼着自己，去做差異化，做壁壘。
第三點，早期客戶決定了未來的方向。我們非常感謝早期的客戶，像招行等等，最早期接受了我們的訂閱制。早期的先鋒客戶，它在模式上會采取比較開放的态度，一旦積累下來，一段時間後你就發現，「我在行業裏就是這麽賣的」，底氣就起來了。
蠻讓我有感觸的。我身邊好多做 SaaS 的朋友，很多時候做一件事，抱着一個把它做成産品的想法，但中間公司要發展，你要生存，有各種誘惑，可能就會把你引向去定制一個東西。我身邊很多做 SaaS 的公司都經曆過這樣的過程。
剛剛韓卿也說到遇到這種誘惑，這種關鍵時刻，他的決定就是堅持，「我不要做項目公司，要做産品公司」。最後金融領域大銀行客戶可能也會接受，但就是需要更長的時間。
剛剛你說的特别好，其實早期的堅持之後，回過頭來最感謝的就是客戶。早期的客戶認可了你的模式之後，他們會不斷地支持你，你也會把産品做得更好，形成一個良性的生态。
但确實，這條路會非常長，也比較難。
09
不要爲了開源而開源
Kyligence 是從開源走出來的，開源對 Kyligence 到底意味着什麽？現在大模型很多開源項目，作爲一個開源老炮，你有什麽建議嗎？
2016 年我們拿了第一輪投資，紅點中國。紅點在美國很出名，安卓創始人是駐場企業家，Snowflake 也是他們投的。我們當時去拜訪他們的合夥人，給我的第一個問題，「你們是做開源的，你們有什麽東西是不開源的嗎？」
這個問題我覺得挺有意思的，他也是開源和企業服務的老兵了，創業成功，然後轉做投資。我就請教他，爲什麽問這個問題？我們剛出來，其實所有東西都是開源的。
他說，最終你的客戶需要你的，一定是你不開源的東西。你得找個理由讓他們爲你付錢。
我們當時做了很多這方面的交流，然後才有了我們的産品模式、商業模式。
我們第一個商業化産品叫 Kyligence Analytics Platform，2016 年 8 月發布。我們開源的時候，存儲用了 Apache HBase，但它的穩定性并不夠好，性能也一般。我們做的第一個決策，就是重寫了底層的存儲，這個存儲，我們當時并沒有開源（現在已經開源了），還有一些高級的企業級特性（也沒有開源）。
這些都是企業客戶要付費的。
今天也是，我們在開源引擎之外，做了非常多不開源的能力。你可以理解爲，最初 Apache Kylin 是發動機，每個人都能用，不要錢。很多互聯網公司或者技術大拿，都可以拿去手工打造一台機器，沒有問題。
但大量的消費者，其實需要的是一輛量産的轎車，它不止需要一輛車，還需要配套的金融服務、保險服務、4S 店、救援服務等等。這些肯定要付錢。做企業服務軟件也是一樣，我們需要構建這些增值的東西。
所以大家不要爲了開源而開源。你看 Snowflake 就完全沒開源，市值那麽高，對吧？做一個創業公司，是商業實體，其實要回到生意的本質，模式不同，帶來的價值也不同。
很有共鳴，之前我也聽 Databricks 核心團隊說，他們内部也反思過，如果再來一遍，未必還會從開源出發去做這件事。反過來，我們客觀看，對很多公司而言，開源是早期的第一步，經過這一級台階才能去構建商業的東西。剛剛韓卿說的很重要的一點：你可以第一步是開源，但在那一步的時候，你一定要想好沒有開源的價值是什麽，然後再拿開源作爲台階，作爲第一步。
對，這是個商業模式，第一天就要想清楚，爲什麽靠開源。開源本質可能是個獲客工具，是個構建社區的工具、市場營銷的工具等等，但也許就是要去轉換成商業的。這個過程中，大家沒必要避免談錢。我的很多朋友會說，做了開源，不好意思跟客戶談錢。
那我都好意思去問投資人要了那麽多錢，怎麽能不好意思問客戶要錢呢？大家要突破這個心理障礙。這對 founder 團隊很重要，每個人認知不一樣，理想不一樣，這時候需要協調認知，拉齊共識。
10
給點陽光就滿血複活
Kyligence 創業 7 年了，心态怎麽樣？你怎麽看這 7 年？分成幾個階段？
現在回想起剛創業的時候，有點初生牛犢不怕虎。
哈哈，創業早期容易飄是吧？
我其實蠻感謝我的合夥人，CTO 李揚。他非常理性，我記得 16 還是 17 年，他拉着我，說你有點飄了。
早期的時候是這樣。那時候覺得幹個幾年就能全球大賣了，完全不知道商業化的痛苦，或者即将經曆如何漫長的過程。這是第一階段。
後面的時間，有幾年挑戰特别大，我們早期做商業化驗證的時候非常辛苦，又要證明自己行，還要堅持商業模式。這個時候經曆的各種挑戰，不管是客戶的，還是團隊内部的。這個階段是比較痛苦的，給我帶來的認知是，怎麽做生意，怎麽建立客戶關系，怎麽服務好客戶。
慢慢的，心态就放下來了，把心放在地闆上，從底下做起。這是第二個階段。
還有疫情前，18、19 年，有一種雄心壯志。當時美國業務做起來後，有一些不錯的客戶，美國有瑞銀集團 (UBS），全球最大的銀行之一、MetLife，全球最大的保險公司之一等。當時覺得好像做外國生意也挺容易做的。但疫情三年，也會遇到一些壓力。整個行業環境變了，那時候确實有些焦慮。
今年，又回來了。尤其是 AI 帶來的變革，有種豁然開朗的感覺。現在心态慢慢平下來了，更加淡定了，準備好面對接下來的變化和挑戰。
特别真實。我身邊很多朋友都是這樣，特别感同身受。
創業者好像就是這樣，不管中間遇到多大的障礙，給點陽光，就能複活。這波技術浪潮，能看到又點亮了很多創業者，至少在心态，在追求上，又滿血複活了。
Founder Park 特别能理解創業者的這種能力。其實這也是創業者的使命吧，在所有人都悲觀的時候，堅守到最後。在所有人還沒樂觀的時候，做第一批樂觀的人。這就是真創業者。
謝謝韓卿特别走心的分享。
11
「要有信心」
最後，分享一下最近刷新你認知的東西，讀過的書，跟别人的交流，聽到了怎樣的觀點？可以跟我們分享下。
推薦兩本書。
一本《大創業家》，麥當勞創始人 Raymond Kroc 的故事。麥當勞也是我們的客戶。52 歲才開始創業。也有部改編的電影 The Founder。
他也經曆過巨大的起伏，房子賣了，差點破産了，還被人坑了。但他最後成功了，創建了麥當勞，一家讓人尊重的企業。
爲什麽會有麥當勞這樣的快餐文化？其實是來自美國當時的工業化進程，吃飯要半小時 vs 吃飯隻要一分鍾，競争力完全不一樣。他在大蕭條前後創業，當時美國非常卷，在最短時間裏把飯吃完，這件事非常重要。這個背景帶來了整個麥當勞乃至快餐文化的變化。
第二本，《一路向前》，星巴克 CEO Howard Schultz。星巴克也是我們的客戶。2008 年，星巴克面臨倒閉的風險，已經退休的舒爾茨又回歸，撥亂反正從底部拉回來。
這兩本書給了我巨大的勇氣。
還有一段對話。去年我跟顧問，許良傑先生，之前網易的 CTO，新浪 CTO，eBay 中國的 founder。
他就跟我說了一句話，：「要有信心。」
在什麽時代都可以做生意，有什麽好焦慮的？這是我希望可以分享給各位的。
非常感謝韓卿的分享。
創業者的書裏，很少有一帆風順的傳奇，經曆構築了一個個經典。這樣的書也才更有養分，它對創業者最大的意義就是，你今天經曆的所有艱難，都不是獨特的，别人經曆的可能比你難得多，你隻要想清楚怎麽跨越這些。
其實有信心，不斷向前思考，才能夠在每一次技術變革、行業變化中掌握先機。
