文｜白 鴿

編｜王一粟

“如果不做AI，是不是就落伍了？”

在2025年AI大模型落地的元年，這樣的觀點(diǎn)，同樣存在于企業(yè)軟件賽道。

市場(chǎng)上不乏“AI重構(gòu)一切”的吶喊，無(wú)數(shù)軟件廠商倉(cāng)促跟風(fēng)，發(fā)布會(huì)PPT上的“AI功能”眼花繚亂，卻鮮少能落地生根。

“剛開(kāi)始決定做AI的時(shí)候，我們也差點(diǎn)跟風(fēng)?！狈浉笨偛脧堮Y在回憶轉(zhuǎn)型初期時(shí)坦言，“看到很多公司做的AI產(chǎn)品，覺(jué)得我們也能做。但真的跟客戶(hù)共創(chuàng)時(shí)，每做一個(gè)就倒吸一口涼氣，原來(lái)很多看似美好的功能，在企業(yè)真實(shí)場(chǎng)景里根本行不通?！?/strong>

那么，企業(yè)落地AI真實(shí)情況，到底什么樣？傳統(tǒng)軟件企業(yè)想要轉(zhuǎn)型做AI，又面臨著哪些困境？

帆軟的思考可能是一個(gè)很務(wù)實(shí)的參考。

因?yàn)榉浛梢哉f(shuō)是中國(guó)企業(yè)軟件中的異類(lèi)。在SaaS模式在中國(guó)遭遇慘敗，很多公司只能靠融資續(xù)命時(shí)，帆軟堅(jiān)持不融資、不上市，年度營(yíng)收卻預(yù)計(jì)高達(dá)17.4億元，比現(xiàn)在一些上市的大模型公司還高。

日前，光錐智能與張馳展開(kāi)了一次深度對(duì)話，我們?cè)噲D通過(guò)帆軟這家BI（Business Intelligence，商業(yè)智能）廠商的AI轉(zhuǎn)型之路，窺見(jiàn)AI大模型的真實(shí)進(jìn)程。

事實(shí)上，帆軟的AI轉(zhuǎn)型之路并不“快”，甚至相比于其他企業(yè)來(lái)說(shuō)，還有點(diǎn)“慢”。

“我也比較著急，很想把能夠真正解決客戶(hù)問(wèn)題的產(chǎn)品盡快做出來(lái)”，張馳說(shuō)道，“但不著急的點(diǎn)，我們很清楚當(dāng)前整個(gè)行業(yè)中產(chǎn)品落地情況?！?/p>

總體來(lái)說(shuō)，帆軟AI轉(zhuǎn)型這一年，并沒(méi)有追求“大干快上”，而是遵循“愿景要激進(jìn)、計(jì)劃要穩(wěn)妥、動(dòng)作要敏捷”的原則，走出了一條“從內(nèi)到外、從試錯(cuò)到落地”的路。

AI轉(zhuǎn)型第一步：先搞定自己，再服務(wù)客戶(hù)

帆軟的AI轉(zhuǎn)型，始于一場(chǎng)“向內(nèi)開(kāi)刀”。

“過(guò)去帆軟的產(chǎn)品是各自獨(dú)立研發(fā)的，數(shù)據(jù)治理、數(shù)據(jù)分析、數(shù)據(jù)收集三條線涇渭分明，用戶(hù)體系和數(shù)據(jù)都不互通，簡(jiǎn)道云和數(shù)據(jù)分析產(chǎn)品之間傳數(shù)據(jù)還要用API?！睆堮Y回憶道。

為了給AI落地鋪路，帆軟啟動(dòng)了成立以來(lái)最大的組織架構(gòu)調(diào)整。

從原來(lái)的產(chǎn)品化管理，轉(zhuǎn)變?yōu)槁毮芑芾恚⒊闪⒘水a(chǎn)研委員會(huì)，其核心任務(wù)只有一個(gè)：“砍掉各個(gè)模塊的重復(fù)部分，把獨(dú)立的功能重新設(shè)計(jì)成大產(chǎn)品架構(gòu)，打造一個(gè)一體化平臺(tái)?！?/strong>

這個(gè)一體化平臺(tái)就像帆軟的“AI底座”，將用戶(hù)體系、數(shù)據(jù)處理、數(shù)據(jù)基建等核心能力全部整合，所有產(chǎn)品共用一套底層邏輯。

組織架構(gòu)的調(diào)整，為帆軟的AI轉(zhuǎn)型奠定了底座。但想要讓AI真正落地，必須要先找到場(chǎng)景。

那么，要怎么找場(chǎng)景？

這個(gè)問(wèn)題，帆軟并沒(méi)有靠產(chǎn)品經(jīng)理閉門(mén)造車(chē)，而是交給了全體員工來(lái)回答。

張馳在帆軟內(nèi)部共發(fā)起了三場(chǎng)活動(dòng)，一場(chǎng)是“提需求兌奶茶”的活動(dòng)，讓2000多名員工填表單，描述自己日常工作中“重復(fù)性高、耗時(shí)久”的任務(wù)，以及是否能被AI替代、該怎么替代。

一場(chǎng)是“你買(mǎi)AI產(chǎn)品我報(bào)銷(xiāo)”，不管是基礎(chǔ)大模型，還是C端的AI美顏軟件，只要員工買(mǎi)了、用了，就能報(bào)銷(xiāo)費(fèi)用。此基礎(chǔ)上，又舉辦了AI黑客馬拉松，明確規(guī)則：“只要能做出滿(mǎn)足業(yè)務(wù)需求、準(zhǔn)確率和落地率達(dá)標(biāo)的AI項(xiàng)目，就給2萬(wàn)到10萬(wàn)塊錢(qián)獎(jiǎng)金?！?/p>

通過(guò)三場(chǎng)員工活動(dòng)，帆軟也進(jìn)行了一次自下而上的需求挖掘，摸清了內(nèi)部場(chǎng)景的核心痛點(diǎn)。

基于這些挖掘出來(lái)的需求，“我們做了很多AI Agent，覆蓋了差旅提報(bào)、財(cái)務(wù)報(bào)銷(xiāo)、人事流程、會(huì)議室預(yù)約、數(shù)據(jù)查詢(xún)等場(chǎng)景。如員工想查某個(gè)部門(mén)的月度業(yè)績(jī)，不用再登錄專(zhuān)門(mén)的系統(tǒng)，直接跟Agent對(duì)話就能得到答案?！睆堮Y說(shuō)，這些內(nèi)部場(chǎng)景的改造，不僅提升了效率，更重要的是“讓我們自己先成為AI的使用者，而不是旁觀者”。

事實(shí)上，帆軟的AI轉(zhuǎn)型，一開(kāi)始也想走“客戶(hù)共創(chuàng)”的捷徑。

“看到很多公司發(fā)布AI子產(chǎn)品，PPT做得特別棒，我們也想跟客戶(hù)一起做，但真的落地時(shí)才發(fā)現(xiàn)，客戶(hù)的需求比我們想象的更復(fù)雜?！睆堮Y回憶道，有客戶(hù)買(mǎi)了一體機(jī)和大模型，卻不知道怎么用；有客戶(hù)想了解AI，但連基本的技術(shù)原理都不清楚。

這些“意外發(fā)現(xiàn)”讓帆軟調(diào)整了共創(chuàng)策略：“先從內(nèi)部交貨，等我們自己覺(jué)得產(chǎn)品‘能用、好用’了，再讓銷(xiāo)售對(duì)外推銷(xiāo)?！?/strong>帆軟的產(chǎn)品經(jīng)理也被派往各個(gè)業(yè)務(wù)部門(mén)駐場(chǎng)，幫財(cái)務(wù)、行政、人事等部門(mén)做AI升級(jí)改造，直到這些內(nèi)部場(chǎng)景跑通，才啟動(dòng)外部共創(chuàng)。

據(jù)張馳表示，目前帆軟內(nèi)部每一個(gè)團(tuán)隊(duì)都在做AI相關(guān)的探索，同時(shí)還專(zhuān)門(mén)成立了AI實(shí)驗(yàn)室，但這個(gè)實(shí)驗(yàn)室并不向所有企業(yè)開(kāi)放，而是聯(lián)合幾百家共創(chuàng)企業(yè)，快速迭代試錯(cuò)各種功能，效果好的保留，效果不好的直接下掉換新場(chǎng)景。

通過(guò)跟客戶(hù)共創(chuàng)，帆軟也找到了一些真實(shí)的AI業(yè)務(wù)場(chǎng)景。“一般來(lái)說(shuō)，客戶(hù)自己能做到70%-80%的效果，但要從80%提升到95%，就需要我們專(zhuān)業(yè)團(tuán)隊(duì)介入?！睆堮Y說(shuō)道。

比如ChatBI這個(gè)產(chǎn)品，就是在跟客戶(hù)共創(chuàng)過(guò)程中發(fā)現(xiàn)的機(jī)會(huì)點(diǎn)，“客戶(hù)反映，傳統(tǒng)BI的拖拉拽雖然降低了門(mén)檻，但還是需要理解指標(biāo)邏輯，他們希望能像聊天一樣做數(shù)據(jù)分析。”

正是這個(gè)需求，最終催生了ChatBI的誕生。

企業(yè)AI落地，三重架構(gòu)與避坑之路

修煉完內(nèi)功，就需要對(duì)外輸出。

在組織調(diào)整之時(shí)，帆軟也對(duì)技術(shù)架構(gòu)進(jìn)行了重構(gòu)。在此過(guò)程中，帆軟也逐漸摸清了AI在企業(yè)落地的底層邏輯：“AI要在企業(yè)里發(fā)揮作用，離不開(kāi)三個(gè)東西，少一個(gè)都不行?！?/strong>

第一個(gè)是“最強(qiáng)大腦”，來(lái)自通用大模型。

帆軟沒(méi)有選擇做行業(yè)大模型，而是兼容了市面上十幾個(gè)最強(qiáng)的通用大模型，產(chǎn)品可以無(wú)縫對(duì)接?！拔覀兊暮诵牟皇窃齑竽X，而是讓大腦更懂企業(yè)、更懂我們的工具?！睆堮Y說(shuō)道。

第二個(gè)是“行業(yè)心法”，即領(lǐng)域知識(shí)和私有數(shù)據(jù)，也就是一套完善的上下文工程。

張馳發(fā)現(xiàn)，大模型用公網(wǎng)數(shù)據(jù)訓(xùn)練，能理解“我餓了”這種C端場(chǎng)景，但很難搞懂企業(yè)里的“臺(tái)前毛利率”、“區(qū)域營(yíng)收貢獻(xiàn)率”等專(zhuān)業(yè)術(shù)語(yǔ)。

“這就是上下文工程的價(jià)值，我們要把企業(yè)的私有數(shù)據(jù)、業(yè)務(wù)邏輯、指標(biāo)體系都梳理清楚，讓大模型進(jìn)入企業(yè)后，能快速‘聽(tīng)懂行話’?！?/p>

第三個(gè)是“手腳”，即系統(tǒng)權(quán)限和工具鏈。

就像新員工入職需要開(kāi)通各種系統(tǒng)賬號(hào)才能工作，大模型要落地也離不開(kāi)工具支持，“我們的產(chǎn)品在重構(gòu)時(shí)，就專(zhuān)門(mén)做了適配，讓各種大模型Agent接入后，能輕松調(diào)用我們的數(shù)據(jù)分析引擎、公式算法和分析節(jié)點(diǎn)，不用再額外搭建工具鏈?！睆堮Y表示。

這套技術(shù)架構(gòu)核心，是不跟大模型廠商搶賽道，而是做大模型和企業(yè)間的“翻譯官”和“連接器”。

張馳強(qiáng)調(diào)：“很多創(chuàng)業(yè)公司以為有了大模型就能顛覆一切，但實(shí)際上，處理10億條數(shù)據(jù)時(shí)，大模型的上下文限制根本扛不住，還是需要專(zhuān)業(yè)的數(shù)據(jù)分析工具。”

帆軟要做的，就是把專(zhuān)業(yè)工具和大模型的優(yōu)勢(shì)結(jié)合起來(lái)，基于這套產(chǎn)品理念，在AI大模型帶來(lái)的數(shù)據(jù)3.0時(shí)代，帆軟找了三大核心場(chǎng)景：

戰(zhàn)略洞察：很多企業(yè)老板學(xué)華為做5-10年戰(zhàn)略，但目標(biāo)制定往往是“拍腦子”。帆軟的AI產(chǎn)品能結(jié)合外部市場(chǎng)數(shù)據(jù)和企業(yè)內(nèi)部經(jīng)營(yíng)數(shù)據(jù)，用有邏輯的方式測(cè)算出未來(lái)能達(dá)成的營(yíng)收目標(biāo)，而不是盲目定數(shù)。

商機(jī)推薦：定完戰(zhàn)略目標(biāo)后，AI會(huì)通過(guò)分析歷史客戶(hù)畫(huà)像和公網(wǎng)數(shù)據(jù)，找到企業(yè)“應(yīng)該做但還沒(méi)做”的客戶(hù)，幫中層管理者做戰(zhàn)略拆解和落地。

經(jīng)營(yíng)分析會(huì)：傳統(tǒng)經(jīng)營(yíng)分析會(huì)需要管理員處理幾百個(gè)指標(biāo)，做一套復(fù)雜的看板，耗時(shí)耗力。而AI能直接生成經(jīng)營(yíng)分析報(bào)告，指出季度經(jīng)營(yíng)問(wèn)題，還能支持對(duì)話式交互，讓不懂經(jīng)營(yíng)分析的中層管理者，也能快速定位到區(qū)域、產(chǎn)品線甚至個(gè)人的問(wèn)題。

不過(guò)，這三個(gè)場(chǎng)景在張馳看來(lái)，是對(duì)AI在企業(yè)中落地的價(jià)值延長(zhǎng)線，是屬于長(zhǎng)期主義的未來(lái)。而放到當(dāng)下，其AI產(chǎn)品已在多個(gè)大客戶(hù)落地。

“國(guó)內(nèi)某頭部科技企業(yè)已經(jīng)實(shí)現(xiàn)了ChatBI的全覆蓋，尤其是移動(dòng)端場(chǎng)景?！睆堮Y說(shuō)。

該企業(yè)有很多一線門(mén)店的店長(zhǎng)，很少有機(jī)會(huì)用電腦看數(shù)據(jù)，“以前他們想了解門(mén)店經(jīng)營(yíng)狀況，要登錄專(zhuān)門(mén)的系統(tǒng)，面對(duì)復(fù)雜的儀表板，體驗(yàn)很差；現(xiàn)在通過(guò)IM軟件，直接語(yǔ)音提問(wèn)，AI就能告訴他銷(xiāo)售額、客單價(jià)、需要改進(jìn)的地方，真正實(shí)現(xiàn)了‘送數(shù)下基層’?！?/p>

除此之外，志邦家居等很多大企業(yè)也已經(jīng)成為帆軟AI產(chǎn)品的客戶(hù)。這些客戶(hù)的共同特點(diǎn)是“有復(fù)雜的數(shù)據(jù)分析需求，且愿意接受AI的‘不完美’”。

據(jù)張馳介紹，這些客戶(hù)的反饋集中在兩個(gè)方面：一是數(shù)據(jù)觸達(dá)更便捷，“以前只有管理層能看到的核心數(shù)據(jù)，現(xiàn)在一線員工也能輕松獲取”；二是效率提升明顯，“數(shù)據(jù)分析師原來(lái)要花幾天做的報(bào)表，現(xiàn)在AI幾分鐘就能完成，他們可以把精力放在更有價(jià)值的洞察分析上”。

值得注意的是，帆軟的AI產(chǎn)品交付，并不是“一賣(mài)了之”。

“我們會(huì)跟客戶(hù)一起搭建上下文工程，把企業(yè)的指標(biāo)體系、業(yè)務(wù)邏輯、私有數(shù)據(jù)梳理清楚，讓大模型更好地適配客戶(hù)場(chǎng)景?！睆堮Y說(shuō)，對(duì)于經(jīng)營(yíng)分析會(huì)這類(lèi)復(fù)雜場(chǎng)景，客戶(hù)會(huì)安排專(zhuān)人復(fù)核AI給出的數(shù)據(jù)和報(bào)告，“就像招了一批助理做基礎(chǔ)工作，專(zhuān)家只需要做最終校驗(yàn)，效率提升的同時(shí)，也保證了準(zhǔn)確性”。

盡管產(chǎn)品已落地多個(gè)大客戶(hù)，但張馳坦言，AI在企業(yè)場(chǎng)景的落地，依然面臨很多難題，核心就是“準(zhǔn)確率”，“沒(méi)有一家公司能保證AI的結(jié)果100%準(zhǔn)確，這是我們跟客戶(hù)達(dá)成的第一個(gè)共識(shí)?！?/strong>

這個(gè)共識(shí)的達(dá)成，經(jīng)歷了不少波折。

“以前我們做工具，交付的東西都是100%準(zhǔn)確的，客戶(hù)也習(xí)慣了‘零誤差’。但AI就像人，接受數(shù)據(jù)訓(xùn)練后依然會(huì)出錯(cuò)，客戶(hù)一開(kāi)始很難接受?！?strong>張馳說(shuō)，帆軟踩的第一個(gè)坑，就是客戶(hù)預(yù)期管理：“后來(lái)我們找到了解決方案——不是杜絕錯(cuò)誤，而是用流程和機(jī)制兜底錯(cuò)誤。比如AI給出的經(jīng)營(yíng)建議，會(huì)有專(zhuān)門(mén)的審核環(huán)節(jié)，確保不會(huì)因?yàn)锳I的失誤影響決策?！?/p>

第二個(gè)坑是技術(shù)選型。為了提升準(zhǔn)確率，帆軟一開(kāi)始嘗試自己喂數(shù)據(jù)、精調(diào)模型，但后來(lái)發(fā)現(xiàn)，作為應(yīng)用層廠商，這條路“投入巨大且沒(méi)有好結(jié)果”，甚至可能讓模型越調(diào)越亂。“最后我們決定，專(zhuān)注于做上下文工程，讓大模型進(jìn)入我們的工具體系后，能擁有最好的上下文支持，從而減少謬誤?！?/p>

第三個(gè)坑是標(biāo)準(zhǔn)化。Agent的開(kāi)發(fā)有兩種路線：workflow式（幾百個(gè)節(jié)點(diǎn)編排每一步動(dòng)作）和自主決策式。帆軟一開(kāi)始押注workflow式，但發(fā)現(xiàn)它的泛化能力太弱，切換客戶(hù)時(shí)很難低成本適配。“后來(lái)我們采用了混編架構(gòu)，把自主決策式和workflow編排式結(jié)合起來(lái)，既保證了準(zhǔn)確率，又提升了復(fù)用性。”

張馳坦言，這些難題的存在，導(dǎo)致AI產(chǎn)品的落地速度“比我們預(yù)期的慢”。

“我們當(dāng)然想盡快把好產(chǎn)品交給客戶(hù)，但現(xiàn)在市面上的AI產(chǎn)品，真正能落地、能給客戶(hù)帶來(lái)價(jià)值的并不多。與其倉(cāng)促發(fā)布，不如穩(wěn)扎穩(wěn)打，把每個(gè)場(chǎng)景都跑通?！睆堮Y說(shuō)道。

商業(yè)模式探索，不掙錢(qián)現(xiàn)狀與10倍增長(zhǎng)野心

AI浪潮下，很多廠商都在喊“顛覆行業(yè)”“重塑格局”，但帆軟商業(yè)化探索，卻保持著難得清醒。

“AI帶來(lái)的增量營(yíng)收目前還很小，除了模型廠商，應(yīng)用層沒(méi)有多少公司賺到大錢(qián)?！?/strong>張馳的這句話，道出了AIToB行業(yè)的真實(shí)現(xiàn)狀。

帆軟的AI商業(yè)化之路，起步并不算晚，但營(yíng)收增長(zhǎng)卻很“克制”。“去年AI增量營(yíng)收占比很小，今年能達(dá)到千萬(wàn)級(jí)別?！睆堮Y解釋說(shuō)，這背后有兩個(gè)核心原因：

一是AI產(chǎn)品的定制化需求強(qiáng)。

“目前不存在真正的AI標(biāo)準(zhǔn)化產(chǎn)品，每個(gè)企業(yè)的業(yè)務(wù)、knowhow、管理模式都是獨(dú)一無(wú)二的。我們能做到60%的標(biāo)準(zhǔn)化，但至少40%以上需要定制化實(shí)施?！睆堮Y說(shuō)道。

但定制化，就意味著投入大、周期長(zhǎng)，很難快速規(guī)模化變現(xiàn)。

二是客戶(hù)的付費(fèi)意愿仍在培養(yǎng)中。

張馳表示：“客戶(hù)愿意為能解決實(shí)際問(wèn)題的產(chǎn)品付費(fèi)，但AI產(chǎn)品的價(jià)值需要時(shí)間驗(yàn)證。比如ChatBI，客戶(hù)需要用幾個(gè)月才能感受到效率提升，而傳統(tǒng)工具的價(jià)值是立竿見(jiàn)影的。”

盡管營(yíng)收規(guī)模不大，但帆軟并沒(méi)有減少對(duì)AI的投入。

“我們把更多的精力放在產(chǎn)品打磨和場(chǎng)景落地，而不是追求短期營(yíng)收。”張馳說(shuō)，目前的一些大客戶(hù)案例，比營(yíng)收更有價(jià)值：“這些案例證明，我們的AI產(chǎn)品能在大型企業(yè)的復(fù)雜場(chǎng)景中落地，這是比賺錢(qián)更重要的積累。”

對(duì)于2026年的商業(yè)化目標(biāo)，張馳給出了明確的預(yù)期：“希望AI增量營(yíng)收能翻10倍，達(dá)到億元級(jí)別?！币獙?shí)現(xiàn)這個(gè)目標(biāo)，帆軟的商業(yè)化探索主要圍繞兩條路徑展開(kāi)：

第一條路徑是“原有工具的智能化升級(jí)”。將AI能力融入數(shù)據(jù)分析的全鏈路，包括數(shù)據(jù)源接入、數(shù)據(jù)治理、數(shù)據(jù)分析、儀表板生成等環(huán)節(jié)，讓客戶(hù)能通過(guò)對(duì)話式交互使用所有產(chǎn)品?！斑@條路徑不會(huì)給產(chǎn)品帶來(lái)太多溢價(jià)，但能讓用戶(hù)使用產(chǎn)品的方式更簡(jiǎn)單，提升用戶(hù)粘性，擴(kuò)大市場(chǎng)份額。”

第二條路徑是“價(jià)值延長(zhǎng)線的商業(yè)化”。這也是帆軟未來(lái)溢價(jià)的核心來(lái)源——從“交付工具”到“交付效果”?！氨热缥覀冏龅膽?zhàn)略洞察、商機(jī)推薦、經(jīng)營(yíng)分析會(huì)場(chǎng)景，能直接幫客戶(hù)定戰(zhàn)略、找客戶(hù)、解問(wèn)題，這種價(jià)值是傳統(tǒng)BI產(chǎn)品無(wú)法比擬的?！?/p>

為了實(shí)現(xiàn)這條路徑的商業(yè)化，帆軟正在探索“按效果付費(fèi)”的模式。

“如果我們幫客戶(hù)通過(guò)戰(zhàn)略洞察找到了10個(gè)潛在大客戶(hù)，帶來(lái)了千萬(wàn)級(jí)的營(yíng)收，客戶(hù)自然愿意為這種效果付費(fèi)。”張馳舉例說(shuō)，他們正在跟頂級(jí)咨詢(xún)團(tuán)隊(duì)合作，“咨詢(xún)團(tuán)隊(duì)只能深度服務(wù)10家左右的企業(yè)，但我們可以幫他們訓(xùn)練Agent，服務(wù)更多下一級(jí)別的客戶(hù)，既能放大咨詢(xún)團(tuán)隊(duì)的價(jià)值，也能讓我們的AI產(chǎn)品觸達(dá)更多客戶(hù)”。

面對(duì)飛書(shū)等廠商的跨界競(jìng)爭(zhēng)，以及眾多創(chuàng)業(yè)公司的沖擊，張馳顯得很從容?！案?jìng)爭(zhēng)一直存在，但AI并沒(méi)有顛覆現(xiàn)有的競(jìng)爭(zhēng)格局?！彼J(rèn)為，帆軟的核心優(yōu)勢(shì)的是20年積累的“工具+經(jīng)驗(yàn)”：

一方面是專(zhuān)業(yè)的數(shù)據(jù)分析工具。“大模型再?gòu)?qiáng)，處理海量數(shù)據(jù)時(shí)也需要依賴(lài)專(zhuān)業(yè)引擎。我們投入大量研發(fā)做的數(shù)據(jù)引擎，能實(shí)現(xiàn)‘一級(jí)數(shù)據(jù)秒出’，這是很多創(chuàng)業(yè)公司無(wú)法短期超越的?！?/p>

另一方面是深度的行業(yè)knowhow?！拔覀兎?wù)了幾萬(wàn)家客戶(hù)，積累了大量的用戶(hù)案例、解決方案和業(yè)務(wù)經(jīng)驗(yàn)，這些知識(shí)沉淀在我們的內(nèi)部知識(shí)庫(kù)，公網(wǎng)上找不到。在AI的加持下，這些經(jīng)驗(yàn)?zāi)鼙环糯?，?shí)現(xiàn)‘模型越強(qiáng)我越強(qiáng)’。”張馳說(shuō)道。

而對(duì)于AI對(duì)中國(guó)軟件行業(yè)的影響，張馳的觀點(diǎn)更是清醒：“AI本身不會(huì)改變中國(guó)軟件行業(yè)，真正的改變來(lái)自信息化進(jìn)程、人口結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展等綜合因素。AI只是一個(gè)放大器，能讓好的軟件變得更好，但不能讓沒(méi)有價(jià)值的軟件突然有價(jià)值。”

當(dāng)然，對(duì)于做好軟件的秘訣，張馳認(rèn)為從來(lái)沒(méi)有變過(guò)，“就是給客戶(hù)創(chuàng)造價(jià)值，并且長(zhǎng)期堅(jiān)持。”這是張馳給出的“做好軟件的秘訣”，也是帆軟AI轉(zhuǎn)型的核心邏輯。

張馳說(shuō)，AI時(shí)代企業(yè)軟件行業(yè)，最容易犯的錯(cuò)誤就是高估短期影響，低估長(zhǎng)期價(jià)值，“現(xiàn)在很多人覺(jué)得AI能顛覆一切，但實(shí)際上企業(yè)需要的還是能解決問(wèn)題的產(chǎn)品。AI只是手段，不是目的?！?/p>