未来不一定有SaaS
“ AI行业发展的桎梏很多不是技术问题，也不是产品问题，而是人性的纠结 ”
口述｜宜博
整理 | 王娴
出品｜极新
随着AI行业技术的更新迭代，AI大模型在各行业的垂直细分领域都呈现出越来越繁荣的需求。在未来，AI会不会完全取代SaaS行业，亦或是二者会在一段时间内并驾齐驱探索新的融合发展机遇？带着这个问题，极新对话了宜创科技创始人宜博。
很多创业者在AI新技术浪潮来临的时候总是会面临转型的抉择，转还是不转，转要怎么转，什么时候转？针对这三个核心问题，作为刚从低代码行业成功转型GPT赛道的创业者宜博给出了非常笃定的答案：
“AI first ——没有大模型就不成立的应用”“未来不一定有SaaS”“不要等，不要靠，不要观望”“我喜欢用新技术在新场景解决新领域的挑战”
宜博，宜创科技创始人。TGO鲲鹏会北京董事，清华大学经管学院MBA，西安电子科技大学计算机系本科。2014年创办宜创科技，2016年推出的低代码平台VPL，已服务国内上百家各行业公司和项目。公司2023年开始专注在LLM大语言模型领域创新，已推出Chat-BI、Chat2Excel、Chat2PDF等多个产品。目前，宜创科技正在构建全新的大模型中间层基座LLMFarm大模型农场，帮助企业打通私有数据与各类大语言模型，致力于帮助企业解决大模型不能用、不会用、不好用的实际痛点，让中国企业都能通过利用大模型落地各类应用场景。
01
AI first ——没有大模型就不成立的应用
Prompt OPS的价值是帮客户用好提示词工程，快速积累更多的行业数据，形成AI数据飞轮。
极新：宜创目前的业务板块主要有哪些？
宜博：我们是做中间层的，海外叫做LLM OPS，可以分为两层，与大语言模型微调比的下半部分叫做Fine Tuning OPS（Open Programmability System，开放可编程系统缩写），上半部分是与AI应用开发比较近的，叫做 Prompt OPS。我们现有的业务板块就是通过中间层可视化的 Prompt OPS 框架帮客户快速低成本开发出各种各样的AI应用，这是我们的核心价值。具体内容，我举个例子，前端应用每天都会产生很多对话数据，我们每个公司都需要将这些数据收集起来训练成一个模型，它反过来为前端应用服务，形成一个数据闭环。Prompt OPS 就需要跟原有的整个数据对接，包括结构化数据 SQL、NOSQL 的数据和向量化的数据 VectorDB ；还需要要跟企业所有的接口对接，内部的、外部的，云端的、公开的；还要跟各类大语言模型对比，各家的基础大语言模型、开源大语言模型以及自己的专业语言大模型，最后跟各类应用层对接比如AI APP，ChatUI ，Copilot，各类API，IM等等，都可以对接。我们LLMFarm可以不仅帮助大家完成Prompt OPS的各类能力，而且利用可视化比传统编程的各类框架降低20倍的开发成本，这就是我们的LLMFarm的价值。
LLMFarm具体的价值就是帮客户去积累和处理更多的对话数据。大模型时代所需要的这些数据跟传统大数据是两码事。传统大数据一般讲的是结构化数据，比如1亿人访问的日志，或者6亿个订单，因此产生的数据叫大数据。但这跟大语言模型数据不一样，大语言模型数据高质量数据是自然语言问答数据，如果没有问答，这个数据对大语言模型是没有太多价值的。所以市面上最有价值的数据是客服系统、知乎、微博、 Twitter 这样的数据，为什么呢？因为它都是自然语言数据，自然语言数据里面包含了各类用户的需求，他的回答评论里包含着各类需求的答案，所以这个叫高质量的大语言模型数据。有了这个数据之后，大语言模型所产生的结果才会越准确；越准确了才会有越多人愿意用；越多人愿意用，就可以收获更多的问答数据，支撑你把它（模型）调得更准确。
在特殊的场景里，大家未来会倾向于用垂直大语言模型，像我们做了一个 NL2SQL（Natural Language to SQL自然语言转化为SQL） 的模型，客户在这个 NL2SQL 模型里面问答的准确率比问 GPT 还高，就肯定愿意用。而且我这还是个小参数的模型，客户可以低成本私有部署，反馈速度更快，保证数据安全。那越用这个模型，数据就越多，模型就会越准确，客户也就逐渐不会用GPT接口去生成 SQL 了，这就形成了一个数据飞轮的闭环。
极新：在中间层这一块，我看到不同细分领域都有自己的专业模型，这些场景差异还蛮大的，如何用一句话概括宜创目前的整个业务？
宜博：我们的业务就是在做 AI first应用的开发。
极新：怎么理解AI first？
宜博：李开复先生的话说，AI First 是没有大模型就不成立的应用。理解 AI First 要从第一性原理出发，也就是首先要搞懂AI 跟移动互联网、 PC 互联网本质有什么区别？就像Mobile Fisrt的特性是GPS、移动网络、陀螺仪、电容屏、摄像头等等。AI First的特性我总结了五点供大家参考：泛化文本对话的能力，非监督的处理文本，非监督的处理数据，涌现推理能力，和全自动化AI Agents（自动递归的规划能力）。现在我总结得不一定对，但是可以提供一个参考。
02
进入深水区，会有更多机会
未来不一定有SaaS
极新：今年下半年，AI行业的竞争我认为比上半年更惨烈，但总体向好。我们有了越来越多成功的案例，像盘古、百度、智谱、MiniMax等等这些大模型。您怎么看？
宜博：我的看法刚好跟你有点差异，我认为，进入深水区之后反倒是有很多新的机会。
客户已经开始接受了LLM，所以明年会有一些真实场景的真金白银的投入。上半年的投入几乎都是面子工程，下半年大家就比较实际，因为大家也都清楚了大语言模型具体能干什么，以及它的边界在哪里。所以实际上，下半年反倒是涌现出了很多真正落地的机会。因为有一些客户开始用它来解决实际问题了，一旦客户用他来解决问题，相关的投入就会开始增加。现在是一个很重要的时候，大家都在为明年做准备，很多公司无论大小都将AI纳入了预算，听说一些大中型企业基本上会拿出可能明年研发费用的百分之四五十来放到AI这一块，从算力到模型到中间到应用，匹配全套的解决方案。
极新：如果未来软件一定要被替代，会从Prompt Ops 去实现吗，还是会有其他路径？未来的SaaS一定基于中间层来实现吗？
宜博：未来不一定有SaaS。
我原来讲过一句话，叫做 software as a service，未来可能只有service，没有software。这件事情现在已经悄然成真了，只是大部分人看不见或者不愿意去看。举个例子，我们现在做了很多场景。第一步通常都是做数据采集，就是把对话的内容转化成所需要的数据。原来我们是通过一个SaaS的页面表单去输入数据，但如果它变成了一个对话记录，就不再需要SaaS的这个页面表单了。管理软件核心底层就四样东西：对数据的增、删、改、查。数据的增加已经可以从自然语言通过大模型转化成SQL直接储存数据库，就不再需要传统软件的表单界面录入了。查询要看表格报表，可以用大语言模型直接去问它，它就能直接给我汇总成一个表格报表；我要删除，我直接发一个语音指令，它就能删除；我要走流程，我直接发一个语音指令，具体走什么流程，它会来帮我完成。为什么需要一个SaaS？为什么需要一个software？客户需要的只是SaaS背后那个service，可能是一个数据的service，也有可能是一个流程的service，根本不需要software，而现在这件事情正在发生。
所以，未来的 SaaS不一定基于 AI 的中间层来实现，但是一定是基于大语言模型来实现。在没有 GPT-5 之前， AI 中间层现在取代不掉，因为GPT 的token长度不够，也没有long memory，还要连接各种企业私有数据库，要连接各种向量数据库，要链接各种接口工作流。我不知道明年的 GPT-5 出来之后会不会把中间层很多的能力替代掉，如果是，那有可能真的就不需要了。
我个人观点比较激进一些：SaaS，是一定会不存在的，未来没有SaaS。
03
船小好调头，没有历史包袱
不要等，不要靠，不要观望
极新：现在大部分公司可能都还没意识到“我将来一定是要被替代掉的”，大家都还停留在觉得GPT挺好，但它也只是好在AI圈层而已的阶段。然后到了特定场景下，还是得依靠BI来实现，您怎么思考这个问题？
宜博：还是那句话，是早和晚的问题，不是会不会的问题，这是第一点。第二点就是你愿不愿意相信。第三点从长期来看这生意你还做不做。很多的公司现在是被投资人或者客户或者现有商业模式裹挟的，他没有办法掉头，或者说被既得者利益裹挟，他不愿意去做这种事。即使愿意做尝试，也不能自己把自己颠覆掉。
就像我们今年3月上线的Chat-BI，当时做到了一个还不错的水平，现在国内也很少有人能做的很好，我很纳闷为什么呢？我猜因为传统的BI公司如果做这件事，就意味着他原有的BI卖不出去了，自己革命自己；而一些新的想做公司又觉得ChatBI在短时间内看不到赚钱的机会。所以，虽然我们的ChatBI项目因为某些原因早已经被下架了，但是现在依然有客户问我们要这个产品。这就意味着客户是有需求的。这很有意思，背后其实更多是人性的博弈，并不是一个技术的问题，也不是产品的问题，而是选择的问题。
极新：虽然现在我们看到很多的 SaaS、PaaS以及APaaS企业都在重构，但是能够真正拥抱GPT的企业并不多，而且反应也没有那么灵敏，宜创算是一个比较早地拥抱GPT的企业。从时间上来看，宜创从低代码转到GPT上也才差不多10个月的时间，宜创是如何在那么短的时间内迅速做出决定的？
宜博：这个第一跟个人的判断有关系，第二跟个人的利益取舍有关系。
现在很多厂商不愿意拥抱GPT技术是为什么呢？因为一旦客户明白了现在80%的业务都可以用AI跑出来，就会相应地裁掉这80%的预算，也就相应减少厂商80%的收入，这可能是厂商和客户都不愿意看到的。所以我认为这是人性的一部分，他不愿意AI来把原有的既得利益干掉。同样的，在我个人观点看来，去年谷歌为什么犯了一个重大的战略失误？谷歌最大的收入来自于搜索引擎，如果谷歌自己做大语言模型，相当于用大语言模型干掉了自己的搜索引擎，一个选择是自己全力搞大模型，那搜索引擎收入可能就会被自己快速干掉，一种是自己不着急搞大模型，又会被 OpenAI 等各类新的大模型慢慢侵蚀掉，就是慢慢等死。只不过就是一个快死一个慢死的，它自己很难选。其实在我看来，现在我们所有的软件行业都面临这个问题。
但对我们这种创业公司来说，第一，我个人是愿意从第一性去思考的：我今年做了一年的事情，明年低代码还有没有价值？如果不这么思考，可能我今年还能赚钱，明年突然这钱就赚不了，我一点反应机会都没有，就倒闭了。这样的话，我不如快速地转型，给自己一年的缓冲时间，去迎接下一个时代。在今年 1 月份的时候，我个人是看到低代码行业在不远的1到2年内就不存在了；而我现在更看到明年GPT-5的诞生可能会让整个软件行业被颠覆。它不是一个能和不能，应不应该的问题，它是一定会发生的问题。特别是对于一个创业公司的好处就是船小好调头，我们没有历史包袱。
极新：现在很多SaaS公司面临的问题是，没有实力去做 AGI 和 AI first，也没有接入大模型的能力，甚至他是在一个新的荒岛上重新构建生意。面对这样的变革，SaaS公司现在应该怎么做？
宜博：首先要解放思想，不变通事情就无法做下去。最大的问题在于人性，在于自己的执念和贪念，在于各种各样的焦虑或者内耗，并不在于他看不到这个事情的变化，而是在于他愿不愿意相信。思想不变，可能动作都是变形的，决策可能都是错的。
对于我来说，我首先要想清楚这未来到底是怎么样的？GPT-3,GPT-4,GPT-5,GPT-6?甚至未来5年、10 年，人类社会会变成什么样子？其实所有的事情在过去都有迹可循，对照着我们过去 10 年、20 年来看,过去 20 年的时候，我们看到了 PC 互联网；过去 10 年，我们看到了移动互联网。以史为鉴,你就知道现在做的决策对不对了，太阳底下没有新鲜事儿，只不过是你愿意不愿意去相信。
第二是找到适合自己的实践路径——怎么学习，怎么验证，怎么切换，怎么开辟第二曲线。所以我老说一句话，叫活在当下，不要等，不要靠，不要观望，不要内耗，赶紧做自己能做的。
第三，SaaS公司一定要想清楚自己的价值是什么？一定不是software。SaaS公司的价值是在服务客户中得到了 know how ，积累了行业的专业知识，以及能拿到的行业数据。现在很多公司最值钱的数据恰恰是客服聊天数据，因为客户在客服那里问的问题才是最有价值的大语言模型数据，而不是产生的订单、产生多少日志，CRM 里边写了多少条记录。所以在这个时候，大家要想清楚未来在大模型时代自己的定位点是什么，自己的优势是什么？自己未来要做什么服务？AI与客户的需求结合点到底是什么？
04
如何突破不确定性
我喜欢用新技术在新场景里面解决新领域的挑战
极新：如您所说，到明年这时可能会有一大批软件转型到 AI First 上面，这时间对国内企业来说会不会存在变量？影响它的因素是什么？
宜博：国内现在最大的变量，第一是自己企业能不能用GPT。现在基本上在 To B 是可以用的， 但 To C 不能用。第二个就是客户能不能用GPT，有些客户是国企央企，可能用不了，所以在给客户部署的时候可能要用私有小参数模型的方式替换，这个跟国外相比会浪费大量的时间。但是国内有一个很大的优势，就是每个工程师都在找方向。所以一旦某个方向被一家公司验证完了之后，很快的在 3- 6 个月里边，所有公司都会上，这个是我绝对相信的事情。
极新：现在能够形成裂变的，或者未来您比较看好的是哪些领域，为什么是它？
宜博：这个事情很多时候需要去综合看。我们现在之所以愿意低成本地、或者免费地做一些客户POC，其实也是在帮我们做验证，验证这些诸多的场景里面哪些是好场景。这些场景背后存在一个第一性原理的结合点，就会是一个好场景，这些要点结合了之后要提供给行业一个完整的解决方案，它不是某一个点，而是一个更综合的东西，能让整个行业发生很大的变化。所以最终落地的时候一定是落到一个行业里边、落到一个比较大的场景里面去，去满足钉子（的需求），或者说有一个新的钉子，然后去用到我们这些锤子。因为人类 TOB ,TOC的需求其实是没有变的，只不过你要用另外新的技术方式去更好解决原来的问题。
极新：金刚经里有一句话：应无所住，而生其心。创业过程当中挑战还是蛮大的，尤其是做抉择的时候。从创业到现在，您连续做了很多项目，在我看来都是一个非常坚决、非常果断的状态，您为什么能够做到持续创新？
宜博：就是你刚讲的几个字，应无所住，而生其心。
我今年一直给大家的建议是活在当下。就是，你当下能做什么就去做，不要内耗。人最大的内耗就是自己限制自己，这个叫自我局限。很多 SaaS 公司在面向 AI 的转型时，可以拿出非常多的理由不去做这件事，但是如果他能把一些自我局限抛掉再来想这个事情应不应该做，答案是很明显的。
我个人的经验可以总结为三句话，第一句是诚心正意。也就是做这件事应该解决的是什么？我认为解决的是问题，解决的是客户价值，解决的是社会价值。如果是秉着赚大钱的初心来做这件事，就完全背离了正确的路径。我们应该去考虑做这些事能不能为人类提供价值，为别人带来福祉？能不能给客户创造全新领域？客户享受了价值，自然会给你价格；没有价值，你去谈价格，那就是忽悠，是不会长久的。做AI，创业做公司，甚至是去迎接这一次新的技术浪潮，我的初心是：我喜欢干这件事，我喜欢研究新技术，喜欢用新技术在新场景里解决新的领域挑战。我可以帮客户把成本降低 10 倍、 20 倍，可以为客户提供一个崭新的解决方案、做以前做不到的事，这是我的喜欢的的东西。
第二句是无为当为，也可以叫应为当为。就是该你做的你就去做，想方设法克服困难去做；不该你做的，也别贪慕这个事情的利益，就算资源不匹配也要去做，那样会摔得很惨。
第三句是活在当下。AI行业每天都在变化，人间一天，AI一年。我们能做的事情是每天要想清楚这个新的变化是什么，我们当下能够做什么，尽力去做自己能做的，做到最好，不用去规划一年后能够怎么样，赚到多少钱，增长多少客户，这些可能是没有用的，变化太快了。
极新：再帮我们回顾一下宜创科技的客户价值。
宜博：客户价值在我们AI产品介绍里叫做"渡天下，达AI"。不论个人也好、公司也好，我们想帮助他快速进入到一个新的时代，而不是被这个时代碾压，折叠。大家可以有准备、有预判地在这个新的时代里边用新的技术产生更多的价值。
这次的时代，如果在 AI 领域如果落后太多，对我们国家和民族的打击可能是毁灭性的。我们希望技术从业者，行业的从业者，都能够用新技术快速地赶上这波浪潮。
期待更多优秀的企业大放异彩！人工智能的未来，由你我共同见证！
可以加入技术琐话读者群，请后台回复：读者群
往期推荐：
技术琐话
以分布式设计、架构、体系思想为基础，兼论研发相关的点点滴滴，不限于代码、质量体系和研发管理。