如果在軟件行業發展的坐標軸上劃出一個分野點，華創資本管理合伙人吳海燕認為是2021年。因為這一年，不僅是軟件行業估值的高點，也是行業最受資本追捧的一年。因此，她把軟件公司分為兩類：一類是 2021 年融到了很多錢的公司，一類則是 2021 年沒有融到錢的公司。這之后，兩類公司都不可避免地遭遇挑戰，但困難的程度和路徑選擇卻截然不同。

華創派企業 PingCAP 就屬于 2021 年融資成功的陣營。那個時候他們對未來的宏觀形勢有所預判，得以抓住機會加速了全球化的布局。作為一家企業級開源分布式數據庫廠商，PingCAP服務的客戶如今已超過20個國家和地區，創立的分布式關系型數據庫 TiDB，能持續幫助企業最大化發揮數據價值。

隨著 AI 浪潮的來臨，數據價值也得到了前所未有的提升。但這股大潮的影響遠不止于此，AI 將如何深刻改變企業軟件的交互方式與產品形態？基礎軟件在 AI 時代又該實現哪些自我革新和進化？近日，PingCAP 聯合創始人兼 CTO 黃東旭做客「牛白丁」，與吳海燕一起探討了AI大潮沖擊下，軟件公司該如何順流而上，發揮出自己獨特的行業價值。

嘉賓介紹：

黃東旭， PingCAP 聯合創始人兼 CTO

本期主播：

吳海燕，華創資本管理合伙人

以下為節目內容，經過 CGCVC 編輯——

海燕：大家好，這里是華創資本的播客節目「牛白丁」，我是吳海燕。這期我們請到了 PingCAP 的聯合創始人兼 CTO 黃東旭。

我其實現在回想咱們的第一次見面還印象深刻，你們出過一本書《與開源同行》，我當時在作的序里也寫了這個場景。我記得是2017年3月的一個早晨，我和你約在 PingCAP 當時辦公的東升科技園，因為約的時間太早，會議室里只有你一個人在等我。后來我才知道，程序員因為工作習慣，早晨一般都不在公司。

東旭：那次我印象也特別深刻，和你聊完以后我就去趕飛機了。一下飛機就收到你的信息，說PingCAP是家好公司。

海燕：我當時也是下了飛機就告訴劉奇（PingCAP 創始人兼CEO）華創決定領投，他還說這是“云上”的決定。2017年3月我們見面，年中完成了投資，10 月份剛好咱倆都分別去北美出差，我們在硅谷還一起見了些朋友。所以那時候你們已經正式開始在北美設辦公室、招人了吧？

東旭：沒錯，PingCAP 2015年創立，從第一天起，我們就想著去做一個 global company，公司成立前兩年基本都在寫代碼，你說的2017年10月的那個時間點，是我們真正決定要在硅谷設點，開始正式運營在海外的業務。其實在那之前，我從來沒有在海外工作、留學過，在當地也沒有什么 connection ，只是覺得這對于PingCAP的戰略來說是一定要做的事情，哪怕沒有條件，創造條件也要去做，所以我當時都沒買回程機票，事情沒辦完我就不打算回來。

海燕：咱們那輪融資算是當時相對比較大的一筆美元，你們融資后的第一件事就是立馬去北美開辦公室。2017 年咱倆在硅谷碰面時，我介紹你認識了硅谷當地一些做投資的朋友。后來到了 2020 年，一位朋友還跟我說后悔在硅谷介紹你們認識時沒有投資PingCAP。

東旭：未來還有機會的。我們開始國際化的時間比較早，中間也踩了好多坑，以后有機會我們再分享。

海燕：說起 2017 年，感覺像是昨天，但實際上過去八年里已經發生了非常多的事件和變化。站在投資人的角度，說一下我感覺到的咱們這個行業的變化。

2021 年實際上是軟件行業估值的高點，應該也是行業最受追捧的一年。 2021 年我們軟件 portfolio 所獲得的融資，比歷史上華創其余九年里軟件 portfolio 的融資額加起來還要多。后面的幾年，再也回不到 2021年的盛況了。

東旭：那個時候應該是美國印了很多錢，整個資本市場有點被催熟。

海燕：當年（2020年）標志性的事件就是 Snowflake 上市，超高估值上市激起了大家對軟件行業非常大的熱情，所以行業融了很多錢。到了 2022 年初，世界一下又變化了，按下了暫停鍵。之后的三年里，直到今天，企業軟件公司融資就變得不太容易了。

我們每次年底做行業回顧的時候，我就會把軟件的 portfolio 分成兩類：一類是 2021 年融到了很多錢的公司，一類是 2021 年沒有融到錢的公司。這兩類公司在 2022 年之后，可能就是一個很大的分野，他們或許都經歷了不同程度的困難。注意，我沒覺得 2021 年融到很多錢的公司就特別了不起或者順利，其實大家都經歷了不一樣的困難。 2021 年沒有融到錢的公司，就是錯過了那個融資最高峰的時候，所以他們每一年都在過苦日子，每一年都在降本增效。

東旭：非常 tough。

海燕：活下來的可能都是“打不死的小強”了。而 2021 年融到很多錢的公司，他們經歷的困難大部分是涉及到心態調整和管理上的巨大挑戰。因為 2021 年你融到很多錢，就意味著你當時一心想要做高增長，會招很多很多人，會開新的辦公室，花很多時間精力做銷售，不顧一切地去拿訂單。這是 2021 年融到很多錢的公司一定會去做的事，然后在 2022 年，啪，一個巨大的終止符下來了。所以在 2021 年融到很多錢的公司，無一例外地經歷了團隊從很小規模到很大，又縮回很小的這樣一個陣痛的過程。

東旭：PingCAP 也屬于 21 年拿到錢的那個陣營。但我們拿錢的心路歷程我可能沒跟海燕聊過。其實我們在 20、21 年已經非常明確地知道 22 年一定會有大的經濟危機，因為美聯儲持續地加息、印鈔，我們覺得風險非常非常大。 21 年正好在市場比較好的時候，尤其在 Snowflake 上市以后，我們知道未來馬上會有苦日子，所以必須在那個時候先把過冬的糧食給準備好，而且當時拿那筆錢，我們的一個思路并不是要去追求更高的增長，而是在那個時間點之后，如果你只做單一市場是不夠的，我們一定要在那個時間點讓自己變成一個 global company，這樣才能有更多抵御風險的能力。包括到現在我們對于 spending 的控制，我覺得還可以，沒有說突然有錢了以后就瘋狂擴張。

當時確實擴了一點，但很快在 2022 年時，我們又往回縮了一些。倒不是因為業務的原因，而是我們需要像跑馬拉松一樣，根據最終的目標來去分配精力和能量。因為當時是我們做全球化最好的時機，由于疫情的緣故，物理世界的數字化在加速，包括 cloud 的 infrastructure 變得越來越成熟，當然 mindset 也接近成熟。所以我覺得我們還是比較幸運，大多數人沒有辦法預測未來，只是正好在那個時候有一個很好的時機，就活到了現在。

海燕：我其實在 2021 年的時候，問過幾個我們拿了大錢的 portfolio，他們在 21 年融了不止一輪，且融了非常多的錢。每次他們融到大錢時，我都會打電話問創始人：“根據咱的業務狀態和進展，似乎沒有必要一定要拿這筆錢，你是怎么考慮的？”

我不是建議他們拿或者不拿，只是問詢一下他們的考慮。這幾個創始人都給了類似的答案。首先就是你剛才說的，他們預判了現在是一個資本膨脹的時代，而且資本是有周期的，可能不久的將來就會是一個 downtime，我們也不知道什么時候是 downtime，但既然現在是 high time ，就應該多儲備一些現金；第二，他們不介意所謂的股權稀釋，萬一哪天到了 downtime，公司有足夠多的現金，可能會比別人有更多的競爭優勢，可能還能收購一些錢不夠了但是產品和技術很好的團隊。我從幾個創始人那里都得到了同樣的答案，所以大家當時是看得很準的。

到了 23 年，大家從疫情中剛剛回過神來，又一個大的時代到來了—— ChatGPT 3.5 發布了。

東旭：其實 Open AI 在 GPT-2 出來的時候我就開始在玩，后來 ChatGPT 迭代大家都知道了。

海燕：我覺得一方面印證了 21 年大家說的一些話，可能后面的 downtime 你不一定能拿到很多錢。而 AI 大潮的來臨，其實搶奪了軟件公司在資本化方面很稀缺的資源。因為從 22 年之后，不管是美股、 A股、港股這些比較大的二級市場，還是一級市場，都變得非常緊縮，流動性不足，就導致股權融資變得很困難。即便是上市公司，你要做增發，要在二級市場再融資也不太容易。一級市場的各種統計數據都顯示，從 22 年以后，融資的公司數量、總的融資金額都在不斷地下降。我覺得這個情況在硅谷和在北京都是一樣的，不是說硅谷的情況就比咱們好很多，大家都處于一個緊縮的時代。

東旭：或者說市場的注意力都轉到了 AI 這邊。

海燕：對，在融資總規模變小的情況下，AI 的占比還提升了，唯一特別活躍的投融資就發生在 AI 領域。尤其是最近一年特別明顯，市場上一些投資人甚至非 AI 項目不看。

東旭： 這是非常明顯的 “The Head Effect”。

海燕：這就導致很多其他行業優秀的公司，在過去一兩年要不融不到錢，要不融到錢估值也沒法看，對吧？不是 down round 就不錯了，很多都是 flat round。

軟件公司在過去兩年也 kind of 被大家有點遺忘了，給人感覺是軟件公司跟 AI 到底能發生什么強關聯呢？AI 時代會不會有一些完全不同的公司出來，做面向企業客戶的數字化、智能化？你在硅谷看到的變化是什么呢？

東旭：我覺得現在我們真正站在一個非常大的時代的門口。一直到 DeepSeek 今年春節爆火之前，整個行業大概都是在 build prototype。今天有個很好的 idea，我就試一試。前兩天更加夸張，大模型動輒投個幾千美金訓練了一個新的模型出來，打個榜三天以后就 hype，而且 AI 的勢能過大，導致 hype 時間非常短，因為所有的注意力和資源都砸在這個方向上，而且 Transformer 跟過去的科技創新，或者軟件行業的技術創新還有點不一樣。

過去軟件的護城河或者價值，其實在于業務 Know-how 還是系統復雜，比如像我們的數據庫，過去的門檻其實在于工程復雜性。就是你可能要寫 100 萬行代碼，才能表現得很好。像 Salesforce 或者 ERP 軟件，得有很深厚的技術和業務的 Know-how，才能做這樣的 system software。包括各種 SaaS，在過去都是這樣的邏輯。

但 AI 這波，尤其是大語言模型，它本身的注意力機制，我覺得大學本科畢業的人看 Transformer 的論文看兩個禮拜，第一能看懂，第二能自己實現出來一個。我當時就想著也要學習一下，看論文花了兩個禮拜，真的就寫了一個出來。只是到最后還需要很多算力、數據，但它的機制本身是不復雜的。

所以，創業者投身AI，尤其是大語言模型的門檻其實比以前是低很多的。加上全世界的資本全都集中在這，大家其實一直在經歷各種各樣的三天一遍的一個hype。

海燕：Hype 之下一個很重要的心態，就是 FOMO。不管是個人用戶、企業客戶還是投資人、創業者，大家都有不同的FOMO 情緒。比如過去兩年，我們軟件 portfolio 說現在大部分企業日子不好過，數字化預算都降低了。但這個背景之下，各個企業還都有部分預算是特意留給 AI 的。就是無論如何我都得先試試 AI，萬一我被時代拋下怎么辦？

東旭：這是為什么我覺得現在是一個很重要的時間點，但我們還站在門口，沒有進去。我覺得到今年 AI 的基礎能力，不管是 DeepSeek 還是現在的 Tier1 的 model，已經能做一些 actually something useful，這是非常非常重要的。

我先說一個結論：未來所有的軟件，尤其是企業軟件都會被 AI 徹底改造，軟件的形態會發生很大的改變，但一些更深層次的內核是不會變的。比如 CRM 作為銷售的輔助對于本身的行業 Know-how ，在未來也會變成這個軟件的護城河，只是 AI 會改變它的整個產品形態。

海燕：你話里面的第一重邏輯，至少給了我們軟件行業的創業者一個 comfort，專業的企業軟件公司還是需要的，不是基礎的大模型就能顛覆和替代了的。

為啥有這樣的疑問？舉個例子，我們之前有一個 portfolio 公司要被收購了，被收購的過程中，收購方的業務層大老，他們可能不是特別理解技術，所以一直在問：都 AI 時代了，還買個軟件公司干嘛？以后理論上客戶不就用 AI 能替代了，還要軟件干嘛？

東旭：就好像 AI 是萬能藥。

海燕：對，有個 AI 就不需要專業的軟件公司了。這兩年我也琢磨了一下，到底 AI 對于軟件公司意味著什么？類比自動駕駛時代到來后，車變得不一樣了，變得更強大了，但還是需要專業的造車公司去把車給造出來，你還是需要一輛車的，對吧？

東旭：舉個很簡單的例子，比如像會計，我父母都是會計師，他們是互聯網時代之前的會計?，F在所有的會計電商化都完成數字化了以后，這個行業不存在了嗎？它還是一直存在的。從古代有交易開始，一直到現在，記賬這件事情從來沒變過，只是不同的時代我們用不同的工具，它的產品形態會發生改變，就像 CRM ，還是銷售過程管理。難道在 AI 普及的時代，就不需要銷售嗎？就不需要過程管理嗎？我覺得一定需要的。只是未來軟件的形態一定會比現在更加好、更加智能。

以前我們有些事情是沒有辦法做到的。比如我們公司在海外用的 Salesforce，現在 PingCAP 內部大概有三個同事全職在幫我去做各種各樣的 Salesforce 的報表。比如我提個需求，想看一下今年哪些客戶買哪些 SKU，哪些漲得特別好？重要的客戶是誰？哪些銷售排名更靠前？

海燕：你需要基于 Salesforce 做數據統計或者 BI。

東旭：以前都得靠人，而且我提一個需求可能兩天以后才能做好。我非常 respect 這些同事的工作，因為企業軟件一個很重要的護城河，是對于這些企業的 Know-how，以及這些數據在什么地方，怎么把它組織起來，變成一個能夠被提取的 insight，這些其實很重要的。

現在我自己做了一個 Agent，但還是太慢了，還需要一些更加個性化的能力。我是怎么做的呢？我直接把我所有的Salesforce 數據全都同步到我自己的 database 上。然后我自己寫了一個 Agent 用 NCP 去讀取我的 database，它自己寫 SQL，我在上面就用自然語言去看，比如最近 10 天最好的銷售排名。

海燕：你已經實現了傳說中的 ABI。

東旭：雖然還不成熟，但我覺得體驗比以前自己打開 Salesforce，然后在各處找數據做報表要好。這里涉及到一個核心的邏輯——過去我們的軟件都是靜態的。靜態是什么意思呢？就是程序員把這個業務邏輯寫好，變成報表也好，或者變成業務邏輯也好，就在那，它沒有任何機會去變化。

但是今天大語言模型在所有的用戶接口層給每一個人提供了一種靈活性，相當于以前一個公司，比如只有高管才有助理幫他訂機票， 現在你可以認為每一個企業軟件服務的用戶，他自己在他的軟件里面有能夠提供靈活性的一層。有點像過去產品底下是一個大的數據庫，這個數據庫你是看不見的，比如 Salesforce 底下會有各種各樣的 data Infra，而且這些數據是被分割在不同的地方。但是未來可能在產品和數據之間，會有一層叫 Agent，或者 AI。

海燕：云計算時代，是把傳統軟件所謂的煙囪狀給打破了，可能 AI 時代進一步把 SaaS 的藩籬給打破了。

東旭：是的，而且我覺得 AI 還打破了一個事情，就是人的思維局限，有的時候煙囪不是在技術層面，其實是在用戶和產品經理的腦子里。

海燕：我說一個我的觀察。我們投了相當多的軟件公司，各類都有。我過去看到的，不管是國內還是國外，軟件有一個核心的指標叫做 Customer Retention，就是客戶的 retention rate，而 Customer Retention 的一個最大障礙就是客戶買了軟件之后，有沒有真正把軟件用起來？但凡真正用起來，不需要是多么牛逼的軟件，客戶的 retention 一定是好的。

如果客戶都沒用起來，他一定不會續費。那么客戶用軟件的障礙又在哪里？細究一下會發現所有的軟件都是有使用門檻的，用戶要學習怎么去使用。相當于一輛車，這個車已經代表了現代制造業，但問題是開車這個事情，包括把日常開車出門以車代步這個事情變成一個習慣，它是有門檻的，是需要去學習的。你要了解車的基本架構是什么？每個按鍵是什么功能？開上之后還要掌握一定的手感，你要慢慢地熟悉它，習慣它的速度，還要遵守交通規則。

東旭：門檻太高了。

海燕：對，這些門檻導致了很多用戶會縮回來。哪怕這個企業客戶買了，組織買了，讓每個同事去用，很多人還是在自己的老習慣里，記在小本上，再把小本上的內容找一個集中的時間上傳到軟件里去。這就說明他其實并沒有掌握開車的習慣，也就很難理解，以車代步會大大地提升效率、拓展能力。

東旭：這種情況他真正需要什么？需要一個司機。

海燕：但就像你剛才說的，不可能每個人都給配個司機。

東旭：你看這個截圖，這是我們公司的一個銷售。我想知道他最近在負責什么樣的項目？所有這些數據都是動態的。我也可以問他最近一次跟某某客戶開會是什么時候？聊了什么內容？就是剛才你說的每個人的司機。

就像我剛才說到一個非常重要的點，長期來看軟件的門檻，是一直在降低的。我覺得未來軟件最易用的形式其實就是對話。

海燕：不需要用戶做任何學習，非常非常低的門檻就能用起來，但凡讓他還要學點啥，比如要了解這個軟件的整個結構、功能按鍵等涉及到了學習成本和過去工作習慣的改變，就會導致很多軟件用不起來。

東旭：沒錯，我先描述一下我想象的未來企業軟件的樣子，下一代的 Salesforce 可能會長什么樣？第一，它是一個對話框；第二，你可以想象現在把所有的 Salesforce 的功能全都切成一個個碎塊，這個碎塊就是一張張小卡片，在你的對話中 AI 或 LLM 有點像一個 Copilot，這個 Copilot 會根據你的上下文和你現在的需求，把相應的碎片拿出來放到對話框里。比如我現在要審批一個東西，他直接在 LLM 把這個審批的按鍵調出來。

海燕：不需要讓你在一堆列表里找。

東旭：這會很深刻地改變軟件的產品形態，它不再是一個網站或者 APP，你可以認為它是一堆散落在各地的小的 tools。

海燕：改變主要是交互層面，還是別的地方？

東旭：交互層面就是最重要、最大的創新，這種創新遠比我們想象中帶來的意義要大。

海燕：還是用車來打個比方：應用軟件日后就得變成自動的了，就別讓用戶學開車了，人從不會開車到會開車是要專業培訓，要考駕照才能上路，而且還不一定能開得好，說不定還要吃罰單。車也是一步一步進化到全自動駕駛的。到了L2 時代，可能已經解決了一些問題，比如自動泊車，不用每次停車的時候都為難倒不進去怎么辦？自動泊車功能就幫你倒進去了。這可能只是先幫你解決一些開車不自信的問題。等有一天達到 L3 甚至 L4 級別了，使用車更多地變成了人和機器的一些基于人的自然習慣的交互，比如用語言去命令它：我今天就要去哪到哪，根本不用再碰方向盤了，很可能那時候車都不一定再有方向盤這個東西，對吧？

東旭：這一點上我大方向認可，但是有一個小小的 comment。還是用車來作一個例子，我不覺得完全自動好，除非全世界所有的車都被強制規定自動駕駛。

海燕：不僅得規范車，還得規范人。

東旭：沒錯，如果 human 還 in the Loop，對于產品設計有一個很重要卻被很多公司容易忽略掉的要求，很多時候不是越自動越好，而是你給我的結果要具備一個人能理解的可解釋性。什么意思呢？比如自動泊車，對于人來說，如果你在車里，你其實更希望看到方向盤是怎么動的，以及給我個 plan，我去確認，就是 human 一定要有一個 under control 的結果。

海燕：這讓我想起 DeepSeek R-1 的巨大創新就在這里。

東旭：把思維鏈展開給你看。

海燕：讓 AI 告訴你，它是怎么分析和解決問題的，它把思維鏈展開給你看了，這個交互本身就是非常非常破圈的一點。

東旭：對，所以為什么我覺得交互的改變意義深遠，現在不管怎么樣， AI 還是為人服務的，而且大語言模型有一個非常大的問題，就是可解釋性。為什么我說 Deepseek 是一個特別重要的時間點，就是因為在那個時間點之前，你所有用 LLM 做的東西，可能最后的結果還是不具備可解釋性的，是個黑匣子，大語言模型拍腦袋說啥就是啥。但其實在 Reasoning model 普及以后，你對于 AI 輸出的結果，是可以去做審核和判斷的，而且就算發現有問題，你也可以隨時接管。所以現在包括 Cursor 等比較成功的 Agent 應用，都是會把人當成整個軟件的一部分。

海燕：所以挺有意思。換句話說，其實 L3 級別的自動駕駛，反而是相當長時期 stay 在那里的一個形態， L3 其實就是 Copilot 方式的存在，它在絕大部分情況下，都是不需要去接管的，但在必要的時候用戶可以隨時接管?；剡^頭來說，Agent 也不是用來替代軟件的，而是會變成軟件機制的一部分，這是我們對應用軟件的一些暢想或者期待。

我覺得 Infra 軟件和 PingCAP 做的事就更接近了，因為應用軟件是面向用戶的，所以可能 AI 時代一個重要的革新，其實就是在交互層面，怎么把這種可解釋性、自然語言的交互習慣，包括怎么讓用戶能更容易上手，降低使用的門檻？在這方面，你作為從業者，對于基礎軟件在 AI 時代有哪些觀察和心得？

東旭：基礎軟件里面我覺得最重要的幾個東西，我先說數據庫，因為我們自己就是做數據庫的。第一個結論是我們越來越重要了，我們最近這兩年的增長，還是比較 promising 的，這里邊一部分的原因，尤其在一些新的 workload 里，大多數都是跟 AI 相關的。我覺得從客戶的角度來看，第一個心態就是以前很多數據，用戶因為不知道怎么利用、分析，像用 Snowflake 跑跑報表，最后給 CEO 看一看大圖就完了。

以前像 OLAP 數據倉庫（Online Analytical Processing，聯機分析處理）的很多應用場景，其實就是給數據分析師或者領導寫報告。但是仔細想一想，就是因為我們沒有辦法對這種海量碎片化的數據去提取、利用，我才有了做 ETL （編者注：ETL屬于數據集成的增強能力，代表Extract(提取)、Transform(轉換)、Load(加載)，涵蓋了將數據從一個數據源提取出來，經過各種處理和轉換，最后加載到另一個數據源的全過程。）做這種大數據的動機，因為我需要從數據的整體去看。

但今天我覺得 AI 提供了一個 possibility，就是我對每個人的所有的數據，都可以很好地利用起來。所以第一點，很多企業對數據的心態就是先甭管這些數據存儲成本怎么樣，我先把它存下來，因為所有數據都會有用。

海燕：就是數據的價值提升了，或者說開發這些數據成為可能，導致數據的價值提升了。

東旭：對于數據的存儲需求，是在提升的。我們也有預判，在云上如何給用戶提供一個低成本、無限拓展性的版本，這是一個很重要的 topic。第二，對于數據我覺得很重要，也是我最近的一個思考：過去我們做數據庫或者做數據的接口，目標人群是開發者、DBA 或者數據分析師，他們有個共同點，都是人。但在 AI 尤其 LLM 或者 Agent 的時代，我作為一個數據軟件接口的設計者，我要考慮我的用戶可能不一定是人，我的用戶可能是 LLM，可能是大語言模型。

海燕：就是訪問數據庫的，不是開發者。

東旭：對，是 Agent，在這種情況下，如果按照傳統思維去設計系統，會非常非常奇怪。舉個例子，像 Snowflake 或者數據倉庫的公司，很強調自己的數據 ETL 能力，要把數據來回掰扯，變成一個報表，或者一些抽象數據的 insight，好讓大家去做分析。

但試想一下， AI 在訪問你的數據時，如果你給它的是一些被處理過的數據，或者是一些你自己通過大腦想出來的，我覺得 AI 應該用我的 open 數據的 API 去封裝，其實反而是不好的。相當于你給 AI 一個報告，它只能回答這個報告相關的上下文的東西，一旦你問的問題超出了報告的邊界，它就沒辦法回答了，因為你沒有給它足夠的數據。所以對于 AI 來說，我自己實踐過最好的辦法，就是直接給它開放原始的數據訪問權限，同時再給它一個足夠 flexible 的訪問數據的方式。

SQL，我最近做的思想實驗是想象我自己是一個 AI Agent，為了回答我的“老板”——我的人類主人的一個問題，比如他問：最近 Top10 的銷售是誰？因為我只是拿到了這個需求，同時底下是一個類似 Salesforce 的拜訪記錄，一個原始數據，最方便的辦法就是我通過把“主人”給我的需求，變成一個對原始數據庫的 SQL 的訪問，這樣我就可以得到一些實時的數據，然后再根據這些數據去做總結，有點像過去人類數據分析師干的事情。比如老板提了一個要求，數據分析師回去搞報表，只是現在用 AI 來實現剛才的場景，變得每個人都可以做，而且非常輕量。所以，最后我得到的結論就是：SQL is still the best thing we have，SQL 現在仍然是我們跟 AI 以及數據之間最好的橋梁。

第二，以前其實有各種各樣的 database 或者 data infrastructure，這些 data infrastructure 如果是站在 Agent 視角，它對于數據的煙囪和孤島是很討厭的。如果這些數據都在一起，我用一條 SQL 就能關聯起來。但如果是在孤島，這邊一個向量數據庫、一個文檔數據庫，那邊一個 SQL 數據庫。

海燕：相當于我要翻很多墻才能完成工作。

東旭：所以我覺得 Infra 的歸一化也是一個特別大的趨勢。

海燕：我嘗試以用戶語言或者業務語言理解下你剛才說的內容，過去應用軟件服務人，它是直接面向用戶的，用戶使用應用軟件，應用軟件調下面 Infra 這一層，應用軟件是以開發者為中心去做的，對吧？

東旭：對，開發者寫“死”了。

海燕：剛才咱們提到其實應用軟件更像 L3 的智能駕駛，把過去很多的用戶操作變成了智能化的自動操作。本質上是把很多 Agent embed 到它的應用軟件里面了，代替了用戶人手一條一條去點開、執行、找界面、找對應的空去填。換句話說，現在應用軟件很大一部分是由各種各樣的 Agents 構成的，所以過去的用戶訪問數據庫或者開發者訪問數據庫，就變成了大量的 Agents 在訪問數據庫。

有點像過去非智能駕駛時代，它是油車，支撐車的是內燃機發動機。但現在完全不一樣了，因為現在車要獲取很多傳感器數據去做實時的智能判斷，然后再把指令給到發動機電機去驅動車往前走或者停。換句話說，Infra 的用戶變了，不是開發者，不是人，是 Agents。因此 Infra 也要面向新的用戶層去設計、改變。剛才你提到的有一條很對，就是統一數據庫更重要，而不是分散的、小的、各種各樣的數據庫拼湊的整個 Infra 底層。

東旭：對，另外一個就是接口。接口一定要用一個統一、通用，以及 AI 跟人都能理解的語言去訪問數據?，F在最好的語言就是 SQL，因為第一，SQL 是一個標準的語言，AI 訓練了這么多年，用的就是它；第二，SQL 又是一個精準的語言，SQL 寫對了，一定能夠撈出數據可解釋。第三， SQL 也是可以被人類讀的，比如剛才我給你看的那個例子，我想看公司最近前 10 名的銷售，它給了我一個列表，告訴我這個列表是根據 5 條 SQL 跑出來的。

總之，最重要的就是記住一條：AI 時代要面向 Agent 或者面向 LLM 去設計軟件，而不是面向人和開發者設計軟件，這可能是未來要面臨的一個課題。

第二個方面，我覺得基礎軟件里很重要的一個 category，就是操作系統。雖然我不是做操作系統的，但我覺得它會發生很大的改變。

操作系統以前是一個在硬件和用戶中間的東西，相當于它把硬件的抽象給隱藏起來，對上面的應用軟件提供標準的接口，程序員再利用這些 System API 去做應用。比如我畫一個窗口，其實跟我剛剛說數據庫是一樣的邏輯，未來System API 硬件封裝這層肯定要做，但是再往上去提供操作系統本身能力的時候，一定要考慮到它的消費者或者用戶不再是應用開發的程序員了，而是 AI agent。

所以剛才我提到像 CRM 軟件，未來是能夠把它所有功能拆成一個一個小塊，然后在對話框里通過對話跟 LLM 的交互，讓 LLM 能夠把相應的能力變成一個對話中的小block。類比到操作系統里，其實這個工作在硅谷已經有一些創業公司在做了，最近這兩天有個融資的項目，他們的 vision 就是做一個面向 AI Agent 或者 LLM 的瀏覽器。未來，瀏覽器可能會是一個很重要的操作系統。

海燕：我也聽到我們有一些 portfolio 在提這個想法。換句話說，云計算的時代也給 AI 打了個基礎。AI 讓軟件的形態發生變化，其實是把過去自動化時代的一些事情推向了更加智能化、更加小顆粒、更加簡單、更加 flexible。是這樣一個趨勢，但并不是就拋棄了軟件這個形態。

東旭：不會拋棄的。我覺得軟件尤其企業軟件，真正的護城河有兩個：第一，就是我剛才說的這些企業里的 Know-how，比如懂企業客戶、懂場景，這些是 AI 很難理解的。就像賣東西，你不可能讓 AI 來幫你賣東西，至少現在還很難。

第二，還是工程復雜性，就是 LLM 作為單獨的模塊，它的復雜性是沒有的。比如現在千問3剛出來，Deepseek 剛出來，你只要搭上個 Ollama ，之后暴露的 API 都一樣，實際上沒有什么差異。

海燕：某種意義上，工程的復雜性反而更高了。

東旭：有點像企業軟件或 SaaS 軟件一樣。到最后我覺得 AI 真正有用的場景或者有用的東西，一定是不簡單的。哪怕就想做一個 AI 自動幫你訂機票的事。

海燕：只是面向用戶更簡單了，但反而把復雜的東西都留給了開發者，或者說留給了專業建造者。

東旭：是的，所以我覺得還是有門檻。就像海燕剛才說的，AI 就像整道菜的一把鹽，能夠把這個菜變得更好吃，但它還是那道菜。

海燕：那你覺得日后企業客戶的獨有數據這個事還重要嗎？

東旭：當然重要。

海燕：以后一定會有越來越多的獨有數據，還是反而會打破數據的藩籬，有更多的公海數據呢？

東旭：這點我稍微有點悲觀。因為大家現在都知道，包括所有的大廠其實都已經知道數據的價值。老實講，以前做一個很好用的軟件，反正用戶的交互數據如果沒用就扔掉了。但現在所有的大企業，只要在有用戶交互的點上，那都是兵家必爭之地了。數據才是未來企業最高的護城河。

海燕：換句話說，面向企業的軟件工具，本質上還是有三個原因，導致它不會被通用的所謂的 Agents 或者大模型給吃掉：一是對它所在場景的一些獨有的理解，就是行業 Know-how 或者客戶 Know-how；第二是工程復雜性，在 AI 時代面向用戶越簡單，后面對工程復雜性的要求越高，所以需要一些專業服務；第三是如何幫助企業客戶用好他自身的數據，因為數據反而更大了。

東旭：數據的價值更高了。

海燕：所以每個企業都想保護好自己的獨有數據。

東旭：我用大白話來打個比喻：如果你不給大模型任何數據，它只是像一個哲學家一樣跟你講點大道理，怎么能跟“你”產生關系？只有數據。我覺得大模型要變得有用，有兩點必不可少：一個是模型本身的智力，就是通識；第二是 context，你的 context 越精準，這個東西就越有用。所以在這點上，我覺得企業之間的壁壘會越來越大，但是在企業內部，數據打通會越來越通。

海燕：我覺得你剛才提出來的關于數據庫的那一條，有可能成為新的下一代數據庫，很快人人都會說，但這個獨有觀點是咱們提出來的。

東旭：我三年前就這么說了，大家還不信。

海燕：2019 年你們提 HTAP，后來提 Serverless，包括 2017 年就說要做全球化。希望像東旭這樣一直擁有獨立思考的人，能不斷地去引領這個行業。

感謝東旭來「牛白丁」做客，那我們今天就聊到這里。

東旭：謝謝海燕，很開心來聊天。