用AI解构场景，阿里瓴羊拾级而上

本文字数：3292｜预计5分钟读完

乘AI东风，落地应用。

记者丨何己派

编辑丨鄢子为

搬到杭州高桥云港一年多时间，阿里巴巴集团副总裁、瓴羊CEO朋新宇直言，沟通变方便了。

朋新宇说，以前在总部园区，四散在各楼层的小伙伴，经常找不着空会议室，现在楼上楼下，吼一嗓子就能开会。

一栋由两个旧厂房“缝合”成的两层小楼，托着这家年轻公司飞奔，已服务超5万家企业，与它云栖大会上新发布的产品战略恰巧呼应——左手Data，右手AI，中间加个“×”。

敏捷轻巧的瓴羊，脚步变快，结合大模型，加速打造企业级智能应用。

朋新宇向《21CBR》记者表示，瓴羊手握的客服、营销、BI（Business Intelligence）等产品，天然就是大模型落地的最佳场景，现在全系产品的“含模量”，是100%。

“瓴羊是一家产品公司，定位明确，我们不做基础模型的研发，专注做大模型应用。”朋新宇说。

朋新宇

重构产品的同时，组织进化。

2024年，步入成立的第三年，瓴羊正式组建销售团队，全面释放向市场冲刺的信号。

花名“小”的朋新宇，在阿里工作了20年，一手创建集团数据中台方法体系，是用生意参谋等数据产品，支撑淘宝、天猫等业务快速发展的关键人物。

在下属眼里，他脾气温和、情绪稳定。

从集团跳出来，担任独立子公司的CEO，对于如何打好阿里To B这张王牌，他也有焦虑。“当家庭成员和大家长，心态不一样。”

“最大的挑战是未知，AI这一轮发展，才刚刚开始。”朋新宇说。

以下是他的自述（经编辑整理）。

1

独当一面

高举“Not SaaS, But DaaS”旗号，瓴羊于2021年成立，从阿里“动物园”分拆出来，主营企业数智服务。

整合数据中台、业务中台等多个技术团队，瓴羊以子公司身份面向市场，独当一面。

第一天出发的时候，我们头顶“fu二代”创业标签。

大众眼里，瓴羊从阿里体系孵化出来，承袭其电商基因、数据基因，有个“富爸爸”，能获得大量支持。我们眼里的“fu”，则是“负责”。

起步期，大大小小48款产品，集合到瓴羊这里。

对一家创业公司而言，要以新面孔面对市场，这么多产品不可能同时做，需要厘清哪些是不该做、做错了的。

三年来，瓴羊重新梳理和收敛产品线，化繁为简，形成三大产品矩阵。

一是企业数据加工，由两大王牌产品组成，帮企业进行数据治理的Dataphin，以及做智能商业分析的Quick BI；

二是企业数据消费，主要有帮企业做智能用户运营的Quick Audience，以及智能客服Quick Service；

三是行业数据流通，代表产品是数据服务枢纽瓴羊港。

在此基础上，从去年开始，瓴羊将市面上的大模型，不论开源、闭源，全都嫁接进三大产品线中，测试场景应用效果。

产品进化，组织也在升级。

很长一段时间里，公司没有销售团队。由于背靠阿里，加上原有产品本就有客户积累，瓴羊服务的大量客户，是自发性的。

头两年，团队的精力，聚焦在做好产品上，销售不作为重点。

等到产品打磨到位，乘着AI这一轮浪潮，我们决定组建销售队伍，于2024年初成立“客户成功部”。

这个团队集合的“兵种”多，有负责解决方案、产品运营、业务架构等的各种专家，可谓“海陆空”全有。

传统软件基于AI升级后，大部分企业看完产品演示，心里想用，觉得跟自家场景接近，但知道完全贴合不太可能，落地的最后一公里，需要有人帮一把。

客户成功部，就致力于解决最后一公里的问题，帮客户搞清楚如何用，用得上，用得好。

当然，我们的焦点，始终在提升产品能力上，部署侧重订阅和调用。服务大客户，则由服务商主导集成和实施。

我们和阿里云，产品、生态互不重叠，形成补位，聚焦各自的主战场。

市场拓展上，零售、汽车新能源、互联网和金融等几大行业，目标客户较多。

从区域来看，基于企业密集程度，瓴羊侧重发展北上广深、西安、武汉以及沿海城市。

2

聚焦应用

大模型一来，我们嗅到了“颠覆”的味道。

ChatGPT刚发布时，震惊业界，团队花了两三个月时间理解、消化，形成共识——不做通用大模型，而是聚焦大模型的应用。

瓴羊是一家产品公司，不是大模型公司。守住边界，我们不会一窝蜂式地跟风，市面上缺的，不是大模型，而是大模型应用。

企业家关注的，不是“大模型要怎么做”，而是“能不能赶紧应用”。相应地，老板们的期待值变高。

事实上，把垂直模型应用到场景里，这个过程比做一款模型更复杂，投入的精力和对技术的要求，是更高的。

瓴羊产品的“含模量”，已达到100%，尤其在数据分析、客服等几个特定场景，大模型的改造做得比较好。

以客服为例，之前的智能客服产品，用传统算法实现机器人对话，用户体验差，要么答非所问，要么缺乏情感连接，一直没有好的解法。

有了大模型后，一切迎刃而解。

公司8月底发布的智能客服Quick Service 2.0，耗时近一年时间试跑，瞄准三大痛点，智障客服多、人工客服效率低以及知识运营配置难，推出AI问答、AI辅助和AI知识库三大核心能力。

其将解答准确率提升至93%，人工客服处理问题用时缩短至最快5秒，知识库部署用时从7天缩短至5分钟。

用AI解构场景，企业的收获是实打实的。

瓴羊有个做女士内衣的客户，去年大促前需要拍一批产品图，请模特一天的成本，就是五六十万元，总共得花600多万元。

AI辅助拍摄，该公司只需请一个模特拍一天，有时甚至只拍一个小时，总成本压减到60万元以下。

依此类推，很多看起来小而单一的场景，AI一进去，效果天翻地覆。

做To B业务跟做To C不一样，讲究一分钱一分货，看重ROI（投入产出比）。现在，一众大模型已经走入企业生产的方方面面，一切变化很快。

站在厂商角度，看一个To B产品投放市场后的健康度，我关注的重点指标，是投诉量。

有投诉不是坏事，这说明产品有人在用，客户对厂商有诉求，否则直接替换更简单。

瓴羊的每个产品经理，包括我在内，都会看每个产品和服务每天、每月的咨询量，要求一线人员以最高关注度给予客户反馈。

金杯银杯，不如客户的口碑，做产品，最终要客户“认”。

3

数据驱动

今年云栖大会，瓴羊发布的年度产品战略，落点是“Data×AI”。

这个“×”，是质变而非量变。

过去做软件，是由规则定义的，基于业务逻辑，做一套软件系统。从IT时代走向DT时代，从规则走向算法，未来，我认为会走向数据驱动，即数据定义软件。

企业的软件能力，不由软件工具决定，而是取决于是否拥有强大、优质的数据，是否有将数据转化成AI的能力。

这也是瓴羊做DaaS（Data as a Service，数据即服务）的终极意义，从企业业务发展的角度出发，将数据流、商业流、工作流合而为一。

帮企业用好数据资源，前提是数据要流通。

第一层是内部流通。

一位董事长曾跟我抱怨，他下面六七个业务总裁，全都把自己板块的数据保护得好好的，但彼此没有关联。

数据只锁在保险柜里，就毫无价值。

他必须从组织架构入手，把不同的山头推平，让彼此可以对话，形成协作机制，才能打通堵点。

第二层是外部流通。如同车辆运输，制定路线和时间表，得结合天气来定。

去年11月，瓴羊推出了“瓴羊港”，旨在提供数据的“寻、买、管、用”一站式服务，已与30多家头部数据方达成合作，平台上流通的应用场景和行业标签，达3000多种。

今年以来，大家提智能BI变多了，这个传统领域，有AI加持后，吸引更多玩家拥入。

这一趋势背后，基础设施变了，企业决策者也变了。老一代的企业CEO，有的看报表，还要看纸质版。

今天，传统企业里，新一代年轻人上来了，管理思维更新换代。

AI和数据的发展尚处早期，全国注册经营主体共有1.8亿户，家家都得分析数据，瓴羊有巨大机会。

团队观察到，积极拥抱这轮AI应用浪潮的，分布在两头：

一头是有较强技术能力的，比如互联网、金融企业，人才、技术和数据早早到位，AI一来，非常容易接入，渗透速度快。

另一头是极其传统的，比如传统制造业。

我接待过一家能源光伏企业负责人，库房需要靠人来清点。

这类传统企业，非常缺乏数字化能力，有强烈的变革需求。

过去一年来，这两类企业表现积极，行动快。反而是卡在中间的企业，AI的推进不上不下，需要在解构场景、重构业务上，下更大功夫。

站在企业的角度，我认为，权衡大模型的效果，生产效率得提升至少10倍。

提升1倍、2倍，用传统方式“大力出奇迹”，也能搞定，大模型要称得上时代变革，将效率提升10倍性价比才够格。

AI对企业的改造，可扩展的空间巨大。市场的推进，非渐进式，会越来越快。

像竹子的生长一样，前4年仅长3厘米，第5年破土而出后，以每天30厘米的速度疯长。

这一轮追赶，时间比黄金宝贵。

办公电话：020 87399753

海量资讯、精准解读，尽在新浪财经APP