不足10人的团队如何撬开华为生态？

发布日期： 2025-07-26 阅读量： 作者： 小编

　　Kaiyun官网登录入口开云网站“AI原生100”是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第「08」篇文章。

　　“如果要学会游泳，人先跳到水里，先成为其中一个选手。因为不进去，永远不知道水的冷热。”

　　逄大嵬，这位在SaaS行业干了10年的连续创业者，有着脱口秀演员般的口才——他擅长将行业的深度积累（Know-how），化为一个个通俗易懂的包袱。

　　他带领的这个由 95 后和 00 后组成的团队，其产品 ChatExcel—— 一款能通过文字聊天实现 Excel处理和数据分析的 AI 办公辅助工具，不久前成功进入了华为、联想和惠普的生态。ChatExcel也成为首批和唯一一款登陆华为鸿蒙的数据智能体。

　　这款名为ChatExcel的AI办公辅助工具。该工具可以通过文字聊天，实现Excel的交互控制和数据分析。无需记函数、无需手动设置公式，只要在表格下的对话框内以文字输入要求ChatExcel就能完成自运行，并可一键导出Excel表格。

　　2023年2月28日ChatExcel的测试版发布。仅仅半个月，公测网页的日活用户峰值达到15万，独立IP累计访问量逾千万人次。

　　因为商业上竞争的激烈，学术+产业的结合很多情况下是最优解，在SaaS数字营销上有丰富经验的逄大嵬填补了产业经验这一空缺，成为了这家年轻公司的CEO。

　　对于ChatExcel这款产品，他们产品策略从C端起飞，完成“冷启动”，之后进入B端，逄大嵬更愿意将其视为一个“数据智能体”。他说，这一波AI的机会，一定是先做ToC再做ToB，不论是从业者还是投资人，逄大嵬面临最多的质疑就是——如果大厂做了，你们怎么办？“大厂做了两年了，还没给我们打死，反而越来越好了。”

　　在与虎嗅接近两个小时的对话中，逄大嵬回溯了他对于创业的想法，一款AI办公产品如何实现第一波”冷启动”，积累第一波客户以及产品迭代的逻辑；他告诉虎嗅，创业以来永远在做选择题，要不要付费？如何做定价？什么时候要做企业客户？深耕哪个垂直赛道？要不要做端侧模型？什么时候出海？这些选择背后，是一个 AI 数据智能体在大厂环伺下的突围路径。

　　我是中科院软件工程硕士毕业，是个技术创业者，中欧国际EMBA。我做了十年的技术开发，然后再做产品。一直到2013年，开始创业，做数字营销。

　　五年基本上是产业的一个周期，也是个人的周期。2013年到2016年的时候，我从一个技术人员转做品牌市场。那个节点就是从一个纯技术人转向面对客户直接谈业务，谈需求，这其实是一个突破。

　　2016年，我开始新的创业，做B2B市场营销的MarTech产品，基本上头部的B2B企业，比如施耐德，它们里面的数字化体系很多都是我带团队做的。

　　2021年的时候，我判断SaaS赛道基本做到一定阶段了，新的投资人进场，作为联合创始人COO，把自己的股权卖掉，开始出来做新的事情。算是一波SaaS里，为数不多成功跑路的。

　　2021、2022年的时候，GPT慢慢开始出现。计算机领域的人本身对新事物就很关注，我自己也是做技术产品，在2010年左右我就在用NLP技术做智能问答机器人产品，并且之前那十年又都是做的创新的事情，从0到1去拥抱新事物。

　　所有创业一定要把握新事物，新事物是有红利的。红利在于，对于新事物、新技术，不管C端用户，还是B端用户，愿意为新技术试错，愿意付费，这个其实是很重要的点。

　　新技术出现之后，你一定要第一批去拥抱它，才能踩上这个红利期，获得窗口期。窗口期过了之后，后面难度就相对变大了，特别是对创业公司来说。

　　第二个体感，付费意愿这件事情解决了，这是很大的一个区别。之前，中国的C端付费意愿很低，但经过这几年，我觉得市场的支付人群和企业决策结构发生变化了，习惯也产生变化。

　　今天你看C端用户，比如学生群体，他们玩游戏要买皮肤，听QQ要QQ会员。上腾讯会议有腾讯会员在交钱，买WPS也要交钱。用户已经被教育了，这是不一样的。

　　企业侧也一样，所有公司里面真正的购买层，比如企业里面IT部门的业务负责人，很多是70后、80后了，这批人十年前也经受过SaaS的洗礼，接受在这件事情上付费，只是花多少钱的问题。

　　我现在去见用户，不需要从0到1挖需求，只需要回答产品能做到什么程度，适不适合用，什么时候能做得更好。这是时代的机会，所有的C端用户、B端用户都接受现在是个成长期，愿意给团队时间。

　　逄大嵬：我认为倒并不是说一定是看到需求量大就挖出来，这个还是有难度。AI的需求怎么挖呢？需求量大就敢做吗？这个很难。

　　我们是北京大学的技术团队，最早这个产品是宁博士和姚博士（宁鲲鹏、姚佳雨）两位同学发起的。在ChatGPT爆火之前，他们就在做AI处理excel和数据方向的产品研发。后来，导师袁粒教授指导两位博士用Transformer来升级。ChatGPT出现之后，正好借势把这个产品推出来，也就命名为ChatExcel。

　　人永远在做选择题——什么时候满足什么需求？什么时候做哪个细分方向？先满足哪一部分用户的需求？这些背后并不只是一个简单的需求问题。在AI时代把一个产品做到真正让用户认可，很有挑战，其实今天不缺需求，全部都值得再做一遍，但是把一个需求做到产品化、规模化使用、商业化，这对团队的要求还是蛮高的。

　　逄大嵬：产品每个月都在迭代大版本，每周小版本。严格意义上，我们这个产品商业化刚刚半年左右，现在日活能到两万五。

　　逄大嵬：我们受到的质疑点主要在赛道空间，但是最近几个月，跟我聊的投资人已经完全改变这个想法，因为没有跟我深聊过的人都认为，这产品不过就是Excel或者插件，但真正深聊之后发现，我们是一个AI数据智能体，我们对这件事情是有思考深度的，产品和赛道非常大，并且我们的执行力和思考是一致的，知行合一。

　　逄大嵬：从第一天开始的时候就已经思考的很清楚，我们是一个AI数据智能体，并不只是一个工具层面的产品，我们是从数据全链路视角来做我们产品迭代，数据的全链路是几个环节:数据获取、数据加工清洗、数据应用分析、决策分析的全链路，比如这里数据获取类型上就有文件类型、数据库类型、API数据、网盘数据，Excel只是数据的一个文件类别。

　　数据加工清洗，数据质量的提高，到商业分析，行业数据分析，都有非常多的需求和机会重新通过AI智能体去做。

　　这里还有数据领域里最核心的一个需求：数据安全，用户使用数据产品，底线就是数据安全问题，在AI时代就更凸显这个问题，很多数据不能进入公域的模型产品里，比如财务数据，是不能外发，不能出电脑，不能出公司网络，我们团队是具备端侧模型加速技术，已经实现把大模型经过量化加速等处理，把7B、14B模型部署到PC 笔记本里，AIPC里，让数据不出用户的本机，不出公司的网络，做到数据安全，就是我们说的可信，多源，安全，这三个关键词，就是我们的壁垒和厚度。

　　虎嗅：ChatExcel首先是一款面向消费者（ToC）的产品，在逐渐转向ToB？

　　逄大嵬：对，首先是ToC产品。第一，数据处理是一个通用的产品。第二，类比微软的产品office，它有个人用户购买，也有企业采购，我们的产品和它是一个性质。

　　其实这很典型，我最近越来越感觉到我们的产品路径与PC时代的软件产品路径非常像。其他的产品，比如AI陪伴，也属于to C产品。相比之下，我们属于生产力效率工具，类似当年的PC产品，但是AI时代它演变成一个Agent智能体了，来代替人类来进行生产，不只是一个工具铲子。

　　逄大嵬：2023年推出来瞬间就火了，有了大量用户，UV上就有十几万，接下来就是逐步渐进做迭代了。

　　逄大嵬：我们一直是C端用户比较多，从今年五、六月份之后，企业客户就开始明显变多了，一些企业基本都开始有采购的需求和接入需求。开始有些像华为、联想这种渠道的客户。

　　虎嗅：从核心技术来拆解的话，这个产品其实属于文本处理或者文本识别这一领域。这其实属于Office或者WPS会做的范畴，对他们来说也有现成的产品可以嵌入，这样一来，用户可能不需要再专门到一个网站上面去做文档处理。

　　逄大嵬：从我们第一天做的时候到现在，一直有人问这个问题。我们不会担心，这是两个产品方向的事情：

　　第一，大厂的老产品+AI是必选项，而且他们一定能做出来，但是我们团队实现的方式会不一样。我们看待这个需求的解决思路和视角不一样，我们是一个原生AI团队和产品思路，我们是从大模型底层技术发展路线的视角去思考和看产品的迭代的方向和节奏。如果总是考虑大厂团队做了这件事，或者大模型做了这件事，我们怎么办？那就不用做了，转行去卖包子去吧，AI相关的事情就不要碰了，大厂理论上能做一切事。

　　大厂即便做了，也不代表这里面没有空间，也不代表大厂做的就一定比我们好。AI出现之后，一个七八个人的团队可以跟微软、WPS竞争，这才是机会。创业永远看到的是机会。

　　第二，各类大厂也已经做两年了，到现在为止也没把我们淘汰，而且我们越做越好。因为至少在我们这个方向，大厂不具备很强的优势，当然大厂团队并非不具备相关能力，但他们有更多的更高优先级的事情。从技术角度，他们并不一定更强，但我们有先发优势。

　　同时AI coding越来越成熟，为什么小团队可以有机会去做大团队的事情，因为可以通过AI编程去实现很多过去堆砌人力的开发量，过去大厂堆砌的历史壁垒，在AI编程前是有机会被挑战。

　　还有一个最大的机会点，这个时代的用户都想用AI，所以他们会给新产品机会。我们刚开始做的时候肯定不成熟，但是用户却会主动来用。

　　当海外办公应用Notion出现的时候，微软Office已经出现很多年了，Notion依然越做越好。需求有、人群基数够大、用户愿意用，这就足够了，而且我们是从数据处理视角来做我们产品方向，Excel只是数据的一个文件类别，还有DB数据库，数据获取，数据加工，数据应用全链路，都是我们智能体去实现，这里的每个点都值得深度的研发。

　　逄大嵬：产品需要不断更新，永远要做产品技术迭代，做好服务体系，做好交付体系，每一个环节都少不了，用户是挑剔的。

　　技术团队要不断追新，在过程中做试错，选择合适的模型，这对团队要求是非常高的。我们的优势在于我们有北京大学的研发团队非常优秀，会持续的从学术研究到商业落地探索结合，我们会用最好的模型或者最适合的模型，去干最合适的事。

　　逄大嵬：去年12月份开始尝试收费。我们之前一直免费，也担心是不是收费了，用户就不用了。后来发现小范围访谈，用户是鼓励我们的，用户会投入更大的热情到产品需求收集中，会不断留言来鼓励我们。我是属于做To B转做To C，我很喜欢现在这种状态。

　　因为做To c之后，客户很认可，他会给你反馈。客户认可你，而且指出你的问题。客户会找到这些边界。C端用户需求人群只要足够大，就会有不同阶段的适合的人群。你会发现用户愿意为结果付费，而不是为过程付费，而SaaS实际是为过程付费。

　　逄大嵬：背后逻辑是To B永远追求的是成熟和准确，关键词是稳定的交付、可控。但这两年的AI快速迭代，比如说有幻觉，不稳定。这些属性放在一起，基本就对比出来了。做To B只有个别场景赛道适合，所以很多To B的企业在做图片视频生成，知识库、客服，造成了同质化的竞争。但是To c的产品出现很多，包括美国也是To c的产品涌现，海外针对普通个人和针对专业人群的产品特别成熟，中国其实还没到这个阶段。

　　虎嗅：按我的理解，其实现在这个产品是属于水平AI业务的东西，可以通用到各个不同的行业，但现在的趋势更倾向于做更垂直细分领域的AI应用。你们如何把产品做“厚”让链条和环节足够多以此形成壁垒？

　　逄大嵬：我们是一个AI数据智能体，并不只是一个工具层面的产品，我们是从数据全链路视角来做我们产品迭代。

　　数据的全链路是几个环节：数据获取，数据加工清洗，数据应用分析，决策分析的全链路。比如这里数据获取类型上就就有文件类型，数据库类型，API数据，网盘数据，网页数据，Excel只是数据的一个文件类别，数据加工清洗，数据质量的提高，到商业分析，行业数据分析，都有非常多的需求和机会重新通过AI智能体去做。

　　这里还有数据领域里最核心的一个需求：数据安全，用户使用数据产品，一个底线就是数据安全问题，在AI时代就更凸显这个问题，数据不能进入公域的模型产品里，比如财务数据，是不能外发，不能出电脑，不能出公司网络，我们团队是具备端侧模型加速技术，已经实现把大模型经过量化加速等处理，把7B，14B模型部署到PC 笔记本里，AIPC里，让数据不出用户的本机，不出公司的网络，做到数据安全，就是我们说的可信，多源，安全，这三个关键词，这样才是我们定义的AI数据智能体应该具备的能力。

　　逄大嵬：第一，可信。数据应用第一个要素是要准确、可信，不能出问题，不然用户就离开你，第二，多源。数据源是多样的，在我们眼里，Excel只是一种数据源而已。

　　在AI的时代，excel文件、数据库文件、外部的网页数据都可以抽取成表格，都可以抽取成分析。在实践落地的时候，自然就会再分行业。

　　金融行业或者快消行业背后实际是源数据不一样，处理数据的业务逻辑和知业务也是不同的。比如说现在的BI公司的价值不只是因为工具灵活配置，实际上是因为他们的业务知识迭代到产品上和交付上。

　　虎嗅：现在很多垂直AI agent团队的创始人就是行业里面的人，所以他们深知其中的痛点，这是产品可以真正达到用户心智目标的关键。你们要怎么样去证明自己很懂得如何去积累行业的数据以及了解它的痛点？

　　逄大嵬：这个也有一个需求产品路径，第一步做灯塔客户。产品经理要承认自己有能力边界，要虚心求教收集迭代需求。比如金融领域最头部的公司一定是领域里面Know how是最好的或者说体系相对完整的，服务它就可以完成第一步。把领域里面前五家公司全聊完，需求方案就出来了。

　　逄大嵬：交付物是结果，给用户交付一份数据，一个excel文件，一个报表，一个清洗后的数据包，都是结果，衡量是交付的速度和质量。

　　逄大嵬：就像华为需要有一个很好的组织文件和组织建设能力，队伍要不断打胜仗，团队的凝聚力就出现了。在新的时代，如果企业文化不能只靠讲故事。创业永远是沉淀筛选的过程，队伍不断前进，不断打胜仗，自然就会打造出来一个优秀的团队。

　　同时新的团队与上一时代的创业团队有区别，团队构成和工作形式都不一样，像我们团队大部分都远程工作。这种情况下，首先，选人很重要。第一批进入队伍的人决定了这件事是不是相对可预测，能不能走得更远。像我们团队的几个研发和市场工作人员都不在同一个办公室里，我们是分散在北京，深圳，杭州，马来西亚，美国，我一年都没见过一次，这就是新时代的组织模式。

　　逄大嵬：最近的一个选择题是做端侧模型，包括做企业侧。因为我一直在做企业侧，所以对于这种产品属不属于企业服务，我有疑虑。我知道做企业服务的企业特别多，里面有非常多问题。我们团队规模，是否能保证交付成本。如果陷入企业交付，这就影响我们主产品的开发。后来我发现，其实用户需求很大，而且通过技术方式能规避这件事情。

　　第二个选择是出海的节奏和资源。做全球化是必选题，但是什么时候去做，这是个问题，因为我们没有那么多人，没有那么多资源。

　　逄大嵬：推理加速，这是一个细分赛道。我们觉得这个事情是一个机会，包括现在大企业在中国要做出本地化，这都是需求。这对团队要求很高，而我们团队是北大团队，能做模型训练，这件事情相当于也就好做一点。如果团队没有这样的素质积累，这事根本做不了。我们现在已经适配从英伟达，AMD，intel，到华为昇腾多种版本，上线发布多个AIPC和一体机版本产品。

　　虎嗅：关于出海的时间点和目标国家，怎么样规划？现在这样的产品形态在北美还是挺卷的。

　　逄大嵬：我们现在已经在出海，产品的海外英文版已经上线，目前刚刚开始，正在第一个阶段PMF。我们肯定先做英文版，去欧美试水。

　　欧美的AI产品是最强的，但竞争也最激烈。我们的产品在国内已经相对成熟，那么出海也是必选题。我们团队相对来讲在海外的运营经验不多，但这也只是个时间问题。

　　第一步一定是做欧美，之后再去打开不同的市场，这个背后也是选择。因为我们产品本土化性质不强，是效率工具属性的产品，复用性强。运营是数据驱动，分析各种的竞品在各个国家的数据如何，比如销售额、流量等。通过对TikTok、ins各种机构平台的数群进行综合的分析，决定海外市场的先后顺序。同样的产品在不同国家的反响不一样，不同的竞品在不同国家的受欢迎程度也会不一样。这些对我们来讲是下半年重点要做的一件事情。

　　逄大嵬：现在就是把我们的产品推出去。我的观点是如果要学会游泳，人先跳到水里，先成为其中一个选手。因为你不进去，你永远不知道水的冷热。中国有非常多的优秀团队，不管投资人，还是海外的运营团队和产品团队，都是我们的老师。

　　创业永远要找老师，现在那么多非常优秀的团队都是我们的老师，我们就要虚心学习。对我们来讲，国内做得很扎实，肯定先把国内做好，再同步海外。能做出来结果的永远是少数人。

　　逄大嵬：希望我们产品能做得更快一点。当时商业化做的有点迟了，我觉得这是一个失误，但是这个问题我们也讨论过，做早了可能也不是一件好事，很容易把我们节奏带偏。我们的公司名字叫“元空”，实际上是道家的名字，我相信“存在即合理”。

　　逄大嵬：用户拥抱AI，更明确的技术驱动，只靠运营是没有壁垒的，这是时代的红利和反常识。

　　本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系

上一篇: 15家机构密集调研智能体商业化逻辑推动价值重估

下一篇: 创业者想拜拜梁文锋 DS爆火100天

Kaiyun(中国大陆) - 官方认证的数字化服务平台

不足10人的团队如何撬开华为生态？

随便看看