帆軟首次披露AI轉型全貌，不做風口上的“豬”

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，同樣存在于企業軟件賽道。

市場上不乏“AI重構一切”的吶喊，無數軟件廠商倉促跟風，發布會PPT上的“AI功能”眼花繚亂，卻鮮少能落地生根。

“剛開始決定做AI的時候，我們也差點跟風?！狈浉笨偛脧堮Y在回憶轉型初期時坦言，“看到很多公司做的AI產品，覺得我們也能做。但真的跟客戶共創時，每做一個就倒吸一口涼氣，原來很多看似美好的功能，在企業真實場景里根本行不通。”

那么，企業落地AI真實情況，到底什么樣？傳統軟件企業想要轉型做AI，又面臨著哪些困境？

帆軟的思考可能是一個很務實的參考。

因為帆軟可以說是中國企業軟件中的異類。在SaaS模式在中國遭遇慘敗，很多公司只能靠融資續命時，帆軟堅持不融資、不上市，年度營收卻預計高達17.4億元，比現在一些上市的大模型公司還高。

日前，光錐智能與張馳展開了一次深度對話，我們試圖通過帆軟這家BI（Business Intelligence，商業智能）廠商的AI轉型之路，窺見AI大模型的真實進程。

事實上，帆軟的AI轉型之路并不“快”，甚至相比于其他企業來說，還有點“慢”。

“我也比較著急，很想把能夠真正解決客戶問題的產品盡快做出來”，張馳說道，“但不著急的點，我們很清楚當前整個行業中產品落地情況?！?/p>

總體來說，帆軟AI轉型這一年，并沒有追求“大干快上”，而是遵循“愿景要激進、計劃要穩妥、動作要敏捷”的原則，走出了一條“從內到外、從試錯到落地”的路。

AI轉型第一步：先搞定自己，再服務客戶

帆軟的AI轉型，始于一場“向內開刀”。

“過去帆軟的產品是各自獨立研發的，數據治理、數據分析、數據收集三條線涇渭分明，用戶體系和數據都不互通，簡道云和數據分析產品之間傳數據還要用API?！睆堮Y回憶道。

為了給AI落地鋪路，帆軟啟動了成立以來最大的組織架構調整。

從原來的產品化管理，轉變為職能化管理，并成立了產研委員會，其核心任務只有一個：“砍掉各個模塊的重復部分，把獨立的功能重新設計成大產品架構，打造一個一體化平臺?！?/strong>

這個一體化平臺就像帆軟的“AI底座”，將用戶體系、數據處理、數據基建等核心能力全部整合，所有產品共用一套底層邏輯。

組織架構的調整，為帆軟的AI轉型奠定了底座。但想要讓AI真正落地，必須要先找到場景。

那么，要怎么找場景？

這個問題，帆軟并沒有靠產品經理閉門造車，而是交給了全體員工來回答。

張馳在帆軟內部共發起了三場活動，一場是“提需求兌奶茶”的活動，讓2000多名員工填表單，描述自己日常工作中“重復性高、耗時久”的任務，以及是否能被AI替代、該怎么替代。

一場是“你買AI產品我報銷”，不管是基礎大模型，還是C端的AI美顏軟件，只要員工買了、用了，就能報銷費用。此基礎上，又舉辦了AI黑客馬拉松，明確規則：“只要能做出滿足業務需求、準確率和落地率達標的AI項目，就給2萬到10萬塊錢獎金。”

通過三場員工活動，帆軟也進行了一次自下而上的需求挖掘，摸清了內部場景的核心痛點。

基于這些挖掘出來的需求，“我們做了很多AI Agent，覆蓋了差旅提報、財務報銷、人事流程、會議室預約、數據查詢等場景。如員工想查某個部門的月度業績，不用再登錄專門的系統，直接跟Agent對話就能得到答案。”張馳說，這些內部場景的改造，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”。

事實上，帆軟的AI轉型，一開始也想走“客戶共創”的捷徑。

“看到很多公司發布AI子產品，PPT做得特別棒，我們也想跟客戶一起做，但真的落地時才發現，客戶的需求比我們想象的更復雜。”張馳回憶道，有客戶買了一體機和大模型，卻不知道怎么用；有客戶想了解AI，但連基本的技術原理都不清楚。

這些“意外發現”讓帆軟調整了共創策略：“先從內部交貨，等我們自己覺得產品‘能用、好用’了，再讓銷售對外推銷?！?/strong>帆軟的產品經理也被派往各個業務部門駐場，幫財務、行政、人事等部門做AI升級改造，直到這些內部場景跑通，才啟動外部共創。

據張馳表示，目前帆軟內部每一個團隊都在做AI相關的探索，同時還專門成立了AI實驗室，但這個實驗室并不向所有企業開放，而是聯合幾百家共創企業，快速迭代試錯各種功能，效果好的保留，效果不好的直接下掉換新場景。

通過跟客戶共創，帆軟也找到了一些真實的AI業務場景。“一般來說，客戶自己能做到70%-80%的效果，但要從80%提升到95%，就需要我們專業團隊介入。”張馳說道。

比如ChatBI這個產品，就是在跟客戶共創過程中發現的機會點，“客戶反映，傳統BI的拖拉拽雖然降低了門檻，但還是需要理解指標邏輯，他們希望能像聊天一樣做數據分析?！?/p>

正是這個需求，最終催生了ChatBI的誕生。

企業AI落地，三重架構與避坑之路

修煉完內功，就需要對外輸出。

在組織調整之時，帆軟也對技術架構進行了重構。在此過程中，帆軟也逐漸摸清了AI在企業落地的底層邏輯：“AI要在企業里發揮作用，離不開三個東西，少一個都不行?！?/strong>

第一個是“最強大腦”，來自通用大模型。

帆軟沒有選擇做行業大模型，而是兼容了市面上十幾個最強的通用大模型，產品可以無縫對接?！拔覀兊暮诵牟皇窃齑竽X，而是讓大腦更懂企業、更懂我們的工具?！睆堮Y說道。

第二個是“行業心法”，即領域知識和私有數據，也就是一套完善的上下文工程。

張馳發現，大模型用公網數據訓練，能理解“我餓了”這種C端場景，但很難搞懂企業里的“臺前毛利率”、“區域營收貢獻率”等專業術語。

“這就是上下文工程的價值，我們要把企業的私有數據、業務邏輯、指標體系都梳理清楚，讓大模型進入企業后，能快速‘聽懂行話’。”

第三個是“手腳”，即系統權限和工具鏈。

就像新員工入職需要開通各種系統賬號才能工作，大模型要落地也離不開工具支持，“我們的產品在重構時，就專門做了適配，讓各種大模型Agent接入后，能輕松調用我們的數據分析引擎、公式算法和分析節點，不用再額外搭建工具鏈?！睆堮Y表示。

這套技術架構核心，是不跟大模型廠商搶賽道，而是做大模型和企業間的“翻譯官”和“連接器”。

張馳強調：“很多創業公司以為有了大模型就能顛覆一切，但實際上，處理10億條數據時，大模型的上下文限制根本扛不住，還是需要專業的數據分析工具?！?/p>

帆軟要做的，就是把專業工具和大模型的優勢結合起來，基于這套產品理念，在AI大模型帶來的數據3.0時代，帆軟找了三大核心場景：

戰略洞察：很多企業老板學華為做5-10年戰略，但目標制定往往是“拍腦子”。帆軟的AI產品能結合外部市場數據和企業內部經營數據，用有邏輯的方式測算出未來能達成的營收目標，而不是盲目定數。

商機推薦：定完戰略目標后，AI會通過分析歷史客戶畫像和公網數據，找到企業“應該做但還沒做”的客戶，幫中層管理者做戰略拆解和落地。

經營分析會：傳統經營分析會需要管理員處理幾百個指標，做一套復雜的看板，耗時耗力。而AI能直接生成經營分析報告，指出季度經營問題，還能支持對話式交互，讓不懂經營分析的中層管理者，也能快速定位到區域、產品線甚至個人的問題。

不過，這三個場景在張馳看來，是對AI在企業中落地的價值延長線，是屬于長期主義的未來。而放到當下，其AI產品已在多個大客戶落地。

“國內某頭部科技企業已經實現了ChatBI的全覆蓋，尤其是移動端場景?！睆堮Y說。

該企業有很多一線門店的店長，很少有機會用電腦看數據，“以前他們想了解門店經營狀況，要登錄專門的系統，面對復雜的儀表板，體驗很差；現在通過IM軟件，直接語音提問，AI就能告訴他銷售額、客單價、需要改進的地方，真正實現了‘送數下基層’?！?/p>

除此之外，志邦家居等很多大企業也已經成為帆軟AI產品的客戶。這些客戶的共同特點是“有復雜的數據分析需求，且愿意接受AI的‘不完美’”。

據張馳介紹，這些客戶的反饋集中在兩個方面：一是數據觸達更便捷，“以前只有管理層能看到的核心數據，現在一線員工也能輕松獲取”；二是效率提升明顯，“數據分析師原來要花幾天做的報表，現在AI幾分鐘就能完成，他們可以把精力放在更有價值的洞察分析上”。

值得注意的是，帆軟的AI產品交付，并不是“一賣了之”。

“我們會跟客戶一起搭建上下文工程，把企業的指標體系、業務邏輯、私有數據梳理清楚，讓大模型更好地適配客戶場景?！睆堮Y說，對于經營分析會這類復雜場景，客戶會安排專人復核AI給出的數據和報告，“就像招了一批助理做基礎工作，專家只需要做最終校驗，效率提升的同時，也保證了準確性”。

盡管產品已落地多個大客戶，但張馳坦言，AI在企業場景的落地，依然面臨很多難題，核心就是“準確率”，“沒有一家公司能保證AI的結果100%準確，這是我們跟客戶達成的第一個共識。”

這個共識的達成，經歷了不少波折。

“以前我們做工具，交付的東西都是100%準確的，客戶也習慣了‘零誤差’。但AI就像人，接受數據訓練后依然會出錯，客戶一開始很難接受?！?strong>張馳說，帆軟踩的第一個坑，就是客戶預期管理：“后來我們找到了解決方案——不是杜絕錯誤，而是用流程和機制兜底錯誤。比如AI給出的經營建議，會有專門的審核環節，確保不會因為AI的失誤影響決策?！?/p>

第二個坑是技術選型。為了提升準確率，帆軟一開始嘗試自己喂數據、精調模型，但后來發現，作為應用層廠商，這條路“投入巨大且沒有好結果”，甚至可能讓模型越調越亂?！白詈笪覀儧Q定，專注于做上下文工程，讓大模型進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。”

第三個坑是標準化。Agent的開發有兩種路線：workflow式（幾百個節點編排每一步動作）和自主決策式。帆軟一開始押注workflow式，但發現它的泛化能力太弱，切換客戶時很難低成本適配。“后來我們采用了混編架構，把自主決策式和workflow編排式結合起來，既保證了準確率，又提升了復用性?！?/p>

張馳坦言，這些難題的存在，導致AI產品的落地速度“比我們預期的慢”。

“我們當然想盡快把好產品交給客戶，但現在市面上的AI產品，真正能落地、能給客戶帶來價值的并不多。與其倉促發布，不如穩扎穩打，把每個場景都跑通?！睆堮Y說道。

商業模式探索，不掙錢現狀與10倍增長野心

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

“AI帶來的增量營收目前還很小，除了模型廠商，應用層沒有多少公司賺到大錢。”張馳的這句話，道出了AIToB行業的真實現狀。

帆軟的AI商業化之路，起步并不算晚，但營收增長卻很“克制”?！叭ツ闍I增量營收占比很小，今年能達到千萬級別?！睆堮Y解釋說，這背后有兩個核心原因：

一是AI產品的定制化需求強。

“目前不存在真正的AI標準化產品，每個企業的業務、knowhow、管理模式都是獨一無二的。我們能做到60%的標準化，但至少40%以上需要定制化實施?！睆堮Y說道。

但定制化，就意味著投入大、周期長，很難快速規?；儸F。

二是客戶的付費意愿仍在培養中。

張馳表示：“客戶愿意為能解決實際問題的產品付費，但AI產品的價值需要時間驗證。比如ChatBI，客戶需要用幾個月才能感受到效率提升，而傳統工具的價值是立竿見影的?！?/p>

盡管營收規模不大，但帆軟并沒有減少對AI的投入。

“我們把更多的精力放在產品打磨和場景落地，而不是追求短期營收。”張馳說，目前的一些大客戶案例，比營收更有價值：“這些案例證明，我們的AI產品能在大型企業的復雜場景中落地，這是比賺錢更重要的積累。”

對于2026年的商業化目標，張馳給出了明確的預期：“希望AI增量營收能翻10倍，達到億元級別。”要實現這個目標，帆軟的商業化探索主要圍繞兩條路徑展開：

第一條路徑是“原有工具的智能化升級”。將AI能力融入數據分析的全鏈路，包括數據源接入、數據治理、數據分析、儀表板生成等環節，讓客戶能通過對話式交互使用所有產品?！斑@條路徑不會給產品帶來太多溢價，但能讓用戶使用產品的方式更簡單，提升用戶粘性，擴大市場份額?！?/p>

第二條路徑是“價值延長線的商業化”。這也是帆軟未來溢價的核心來源——從“交付工具”到“交付效果”?！氨热缥覀冏龅膽鹇远床?、商機推薦、經營分析會場景，能直接幫客戶定戰略、找客戶、解問題，這種價值是傳統BI產品無法比擬的?！?/p>

為了實現這條路徑的商業化，帆軟正在探索“按效果付費”的模式。

“如果我們幫客戶通過戰略洞察找到了10個潛在大客戶，帶來了千萬級的營收，客戶自然愿意為這種效果付費。”張馳舉例說，他們正在跟頂級咨詢團隊合作，“咨詢團隊只能深度服務10家左右的企業，但我們可以幫他們訓練Agent，服務更多下一級別的客戶，既能放大咨詢團隊的價值，也能讓我們的AI產品觸達更多客戶”。

面對飛書等廠商的跨界競爭，以及眾多創業公司的沖擊，張馳顯得很從容?！案偁幰恢贝嬖?，但AI并沒有顛覆現有的競爭格局?！彼J為，帆軟的核心優勢的是20年積累的“工具+經驗”：

一方面是專業的數據分析工具?！按竽Ｐ驮購?，處理海量數據時也需要依賴專業引擎。我們投入大量研發做的數據引擎，能實現‘一級數據秒出’，這是很多創業公司無法短期超越的?！?/p>

另一方面是深度的行業knowhow。“我們服務了幾萬家客戶，積累了大量的用戶案例、解決方案和業務經驗，這些知識沉淀在我們的內部知識庫，公網上找不到。在AI的加持下，這些經驗能被放大，實現‘模型越強我越強’?！睆堮Y說道。

而對于AI對中國軟件行業的影響，張馳的觀點更是清醒：“AI本身不會改變中國軟件行業，真正的改變來自信息化進程、人口結構、經濟發展等綜合因素。AI只是一個放大器，能讓好的軟件變得更好，但不能讓沒有價值的軟件突然有價值?！?/strong>

當然，對于做好軟件的秘訣，張馳認為從來沒有變過，“就是給客戶創造價值，并且長期堅持?！边@是張馳給出的“做好軟件的秘訣”，也是帆軟AI轉型的核心邏輯。

張馳說，AI時代企業軟件行業，最容易犯的錯誤就是高估短期影響，低估長期價值，“現在很多人覺得AI能顛覆一切，但實際上企業需要的還是能解決問題的產品。AI只是手段，不是目的?！?/p>