大模型时代，未来所有公司都是 Data+AI 公司

Kyligence 联合创始人 & CEO 韩卿做了一次非常真诚的分享。

大模型出现的时候，韩卿思考了很多。团队比他更加兴奋，在他前往美国考察时，已经做好了大模型能力加持的第一版产品。

但冷静后，他意识到那并不是 Kyligence 想要的东西。他和团队推倒重来，不断摸索出适合 Kyligence 自己的 AI Copilot 应用——对企业服务的数据产品而言，大模型意味着客群的变化，从高层决策者到全体员工，都可以使用智能的数据工具，通过对话的 UI 轻松上手。

7 月 Kyligence 率先结合大模型，发布了 Kyligence Copilot，AI 数智助理，帮助快速降低一线业务人员用数的门槛，提升组织运营和管理效率。现在已经受到了不少客户的认可。

面对大模型浪潮，他到底做了哪些思考？大模型的能力相比上一波 AI 有怎样的不同？带来了哪些变化？

为什么 Snowflake、Databricks 等数据公司在今天成为了最受资本认可的企业？他如何看待中国的 SaaS 企业面对的问题？作为大数据和开源老炮，他对今天大模型行业不断涌现的开源创业公司又有怎样的建议？

以下是韩卿与极客公园创始人 & 总裁张鹏在 Founder Park 直播间的对谈，经编辑整理。

让听到「炮火」的人能做决策

先给大家介绍一下，Kyligence Copilot 是一款怎样的产品？解决了哪些问题？

感谢鹏总，我先来介绍一下，我叫韩卿，是 Kyligence 的联合创始人和 CEO。我们公司在 2016 年成立，由 Apache Kylin 的创始团队创建，我们是中国贡献到 Apache 软件基金会的第一个顶级项目。

过去六七年的时间，主要为客户提供基于 OLAP 的大数据平台，所以我们的客户群更多聚焦在金融、制造、零售等行业，主要像中国的一些大型银行、保险、零售品牌公司等等。

过去这段时间，我们把 AI 引入到整个产品体系中，起了个名字叫 Kyligence Copilot，AI 数智助理，数字化和智能化。

（这个产品）一方面可以非常方便地用对话与机器交流，使用数据的方式也大大简化了，基本上，只要会说话，就能看数据了。另一方面，智能化能力，不仅仅是用户自己问问题，我们的 Copilot 现在已经可以开始推送一些问题给用户了。

我们的迭代速度非常快，几乎每周都会有（新）版本，最近的版本甚至可以帮你写周报了，能够基于指标，帮你把上周的周报总结好，甚至推荐、告诉你哪些是风险指标，推荐你去做归因分析，推荐你一步一步找到相应的问题，甚至可以把指标相关的提示都准备好。

所以可以说，确实 AI 在大数据和整个未来的企业经营方向上，都带来了一些巨大的变化。这是我们最近的一些进展。

基于数据，分析公司状况，甚至做出更好的决策，这对于（企业）数字化来说肯定有非常重要的价值。但我很好奇，在 AI Copilot 之前，你们是怎么做的？要单独为公司老板做一个「驾驶舱」吗？

差不多。你叫它数据分析也好，所谓的 BI、数据仓库等等，这个领域在过去几十年里有一个分类叫做「决策支持系统」（Decision Support Systems）。

在过去，我们的认知是，决策是人做的，机器可以提供一些支持的能力，给一些数字。所以最早的时候是非常简单的，就是把你的数据算好算精准。那个时候的业务形态，怎么说，也没有现在这么卷对吧？所以可以有一个比较稳步的过程。当然也受限于计算机发展的限制。

过去几年，我们看到像仪表盘、self-serving 的自助式分析能力，甚至基于搜索的展现等等逐渐出现。

回答你刚才的问题，蛮有意思的一点，过去我们认为，决策都是老板们做的，但最近你可以看到，所谓的全民分析师、数据民主化等等方向（出现），所以说，因为商业形式不一样了，我们会说，「一定要让听到炮火的人能做决策」。

所以过去决策都是高层，需要组建分析团队，帮着把数据汇聚起来，组成数据模型，做仪表盘等等。

但今天，全民用数的情况下，这个速度太慢、成本太高，不太可能给每个员工做这件事。所以我们在过去几年里一直在探索，有什么方式，能支撑我们更好、更低成本地支撑每个人把数据用起来。

AI（大模型）出来以后，我们发现，很多事情发生了变化。过去半年左右的实践，我们认为是找到了一个非常不错的方式。

大模型带来了哪些实际价值？

听说 Copilot 产品出来之后，得到了一些客户比较真实的反馈。我们非常关心（基于）大模型的产品推出之后，客户为什么愿意买单，怎样增加了产品的竞争力。来说说客户是怎么反馈的。

对，好消息是我们最近已经开始和客户签单了，不管是中国还是美国都有。我们发现，Copilot 不管在产品层面还是商业层面上，确实带来了很多变化。

分享几点。

第一点，我有一次约了我们的客户，一位银行副行长，给他介绍了整体的情况，他当时就把分管的下属叫来，就一句话，我们赶紧上，再不上就落后了。因为你会发现，客户比我们更加焦虑，因为所有人都知道 AI 今天带来的变化是非常大的。如果不把这个能力快速吸收成为自己的，那在行业的竞争上就会落后，不管在获客还是效率、成本上，一定会出现问题。

我追问一句，他担心什么落后了？

两个方面。

一方面是业务作业。他们说过一个例子，比如我们两个人去 BD 一个客户，如果我有一个 AI 助理，问一句就能把数字拿出来，比如面对一个大客户，我要看一下他的经营报告等等，只需要几秒钟就能回答一些问题，甚至 AI 能帮我解释很多东西，而你（没有 AI 助理），可能还要打开电脑，跑一个报表，甚至可能还要后台帮你准备。那么我们两人作业的效率和方式方法是完全不一样的。

另一个方面，你可以理解是成本。一个客户经理，以前要看 10 个客户，要做非常多的事前准备，数据收集。现在通过 AI 的方式，一个人就能作业 30 个、50 个，这样我的整个成本就完全节约和可控了。

所以你看，不是我们在竞争，是客户自己的行业本来就在竞争。尤其银行，钱存你这里就不会存别人那了，他们得赶紧把业务给抢了。

最近我也跟零售行业的客户去聊，他们也是一样。业务能力都比较强，业务上厉害的，可能技术上就不会花那么大的力气。所以这时候使用数据存在挺大的阻力。

但是当我们给你配一个 AI 助理，相比业务人员理解技术等复杂的东西比较困难，有个 AI 助理陪你聊，给你信息，而且不知疲倦地跟着你做，我们发现业务人员是愿意使用数据的。

这个事情非常重要。以前我们不是没有工具，有工具，但是他们不愿意用。这是第二个很重要的变化。

第三点，我们自己的实践。我们公司内部也有指标体系，目前基于指标体系做了 AI 报告、周报。每周一，我都能根据每个管理者基于指标的分析报告，总结成飞书文档，我只需要一点点时间，早上开会之前，就能把全盘浏览一遍，我的所有副董事都能看到。

这比以前的效率高很多，因为开会前所有的信息都有了。以前可能要么我自己花力气去分析，要么找人去分析，但不太可能有一个特别合适的人，有精力、能力，和足够的行业背景来做这件事。这是我们自己观察到的一个有价值的变化。

说得特别好。我真的很羡慕现在的年轻人，做个预言，再过 5 年，员工会挑公司，我去不去这家公司，取决于它给不给我配一个 AI 助理，就像以前说公司给不给我配电脑。不知道你们认不认同？

我非常赞同，甚至我觉得不需要 5 年，因为现在（AI 发展）的速度实在太快了。

第二点，我觉得，嗯，我们这些，中年人，也可以被利好到。（笑）确实太累了，如果有个 AI 能帮到我们，也许我们就不用拼体力了。

大模型和上一波 AI 的区别

你们应该在大模型之前，就已经在使用 AI 了。我很好奇，之前你们是怎么思考的？怎么用 AI 解决问题的？

你看我们的名字，Kyligence，Kylin + Intelligence。我们刚开始创业的时候，就一定要做智能化的部分。但坦率地说，那时候我们的智能化，重心其实在平台层面，更多在做自动化工程方面。

2019 年，我们推出 AI 增强引擎，当时解决的第一个痛点，就是客户在建模、优化模型、底层数据治理等方面，非常耗时耗力，所以我们想通过算法能力做自动化。

这是 Kyligence 4.0 最重要的特性，到现在来说反馈都非常不错，但还是局限在专业的数据领域。

所以今年大模型出来，我们往前走了不止一步，从用户使用习惯的角度上解决问题，对整个产品思路、战略都带来了一些变化。

以前的 AI 还是解决产品效能问题，但今天真正的大势是，像 Kyligence 这样的产品有更大的空间，更大的市场需求，这个需求的核心驱动力，是数据的民主化，一线员工能够被加强。

面对大模型，怎样才能不焦虑？

大模型这波变化很快，你是用什么方法跟进技术潮流变化的？你还要作出判断，公司内部要做产品立项，团队要改变，要观察市场变化。给我们分享一下你的学习机制、决策机制，你有没有 Copilot？

（笑）这方面还真没有 Copilot。

团队很重要。我可以分享一下我们的 Copilot 怎么做出来的，给大家一些参考。

去年 ChatGPT 火了之后，我们内部也是一样，大家兴奋、焦虑，也有怀疑。管理层当时的认知是，这个未来一定是一个很大的变化，但我们还看不清楚。所以当时的第一个决策是：看不清楚之前不要动。

如果所有人都基于 OpenAI 的 API 做东西，那所有人都能做，如果做的东西对我们的行业真的有变化，未来我们再去做，我不担心。

更重要的，我们当时内部已经有非常多的兴趣小组，研发、产品，甚至客服，各个部门都有，大家会自发去研究、试用，然后后做分享会，团队会思考，AI 可以用在什么地方？

我去美国的时候，当时团队已经把今天 Copilot 的原型做出来了，美国回来以后，市场宣发的文案都写好了。但那不是一个我们想要的东西。

我在内部写了一篇文章分享，重点三句话：

第一，it is not our game，大模型本身不是我们的游戏。

第二，be part of the game，必须参与其中，不能被淘汰掉。

最后，build our own game。

这是当时给到整个团队的原则。把原则定好，告诉大家不要焦虑。

5 月 12 日，是个重要的节点，我们把所有销售人员叫到上海做培训。当时销售会 challenge 管理层，外面 AI 这么火，我们自己有没有东西，行不行啊？所以我就给他们看了东西，当时的雏形产品，用了以后大家发现还行，这种对话的方式和能力挺不错的，那时候一下展开了很多讨论。从那时起，我们开始快速往前推进，我们发现 AI 确实能在我们行业里带来蛮多变化。

我们自己知道，接下来要去做什么了。

然后吭哧吭哧去迭代，6 月底，我们认识到，如果只是做个 NLP 的 toC，或者做个 ChatBI，所有人也都能做，这不够。我们就一直在思考，自己的竞争优势在哪里？讨论了很多之后，我们把指标和决策串起来，AI 能帮我们做很多东西，以前都是人在做事，现在 AI 能帮人做很多事情，甚至很多事都能自动化掉，人只要做决策就好。它可以帮助变革一个组织的运营和管理。

到今天，产品已经做出来，行业的客户也出来了，我们开始思考下一个版本在哪里？因为 AI 变化太快了，如果再不努力，可能要被追上。这是整个心路历程。坦率地讲，从立项到发布，到客户付费采购，整个速度非常快。

人为什么需要 Copilot？

听说你三月去了趟美国，你们也在那边有业务，三四月份正是大模型最热的时候，当时有什么收获？有了什么思维的转变？

我们是三月底去，四月初回来的。当时主要是参加 Gartner 大会，介绍我们指标平台（Metrics Store）的最新成果。

那时候大模型是如火如荼，第一个感受就是，所有参展商，绝大部分都跟 AI 有关系。而且各家都会有不同的尝试，每家借 AI 发力的方式都不一样。

当时听了一场报告，说怎么重新思考数字和决策相关的，分析师讲了一个故事。一个人每天要做 35000 次决策，他说，你的精力浪费在了很多决策上，「我只穿黑色的袜子，这样我就比别人少做一次决策，这样我竞争力就强一些」。这个故事蛮有趣的，但他通过这个故事展开，是未来数据和分析的方向。

我们人类最擅长的其实是做决策，而不是常规的计算等工作。如果我们把时间浪费在后者上，价值不够大，人也会更累。如果 AI 能够帮你把分析、洞察做完，人需要做的决策数量更少，也可以有精力做更关键的决策，甚至 AI 还能给你一些决策的参考辅助。

Copilot 确实在起到作用，把繁琐的变成简单的，甚至给用户更多更好更全面的选择。

举个例子，我比较胖，我想减肥。这是我比较直接的想法，但我并不知道身体其他的指标。要做一件事，有各种不同的方式方法，以前我只知道运动，但单纯的运动不一定真的能减好肥，这跟企业是一样的。

我们最近跟另一个客户交流，客户老板说现在这个阶段我只关心成本。但是他下面的副总说，「老板你还有其他的得看一看啊」。

人都是会有 bias（偏见）的，但 AI 能在这个时候给你一个全面、理性的数据。如果副总这时候说话，人家可能会有些脾气，但 AI 告诉他，你发脾气 AI 也不理你对吧？（笑）

（笑）这点特别重要！之前大家开玩笑说，人不会被 AI 替代，因为得有人「背锅」。

但我后来发现，AI 也很重要，因为 AI 不怕你发脾气，也不会嫌你烦，甚至不嫌你笨，会一遍一遍地回复你。这跟人的组织有很大的区别，这是 AI 进入人的生产力组织里能够发挥的作用。

同样是提问，当你问同事工作问题的时候，你会发现「人性」很快会体现出来。

举个例子，我现在越过一层，去问下面销售或研发，「这个事儿怎么样了？」很多时候人的第一反应是：「老板为什么问我这个问题？」

于是，于是！我得到的第一个回答是：老板我刚刚拜访过这个客户 blahblah，他要先解释一圈。因为他不知道你想要啥，其实我只是想要一个数字，相比之下 AI 这点就好很多，问啥就答啥。

所有公司都是数据公司和 AI 公司

回到硅谷的话题，今年 Databricks、Snowflake 都非常活跃，数据巨头在大模型浪潮中这么活跃的原因是什么？你作为行业里的专家怎么看？

我们确实一直在行业里摸索。我们认为，大部分的数据公司、AI 公司，未来一定会变成 Data+AI 的公司。甚至从用户角度来说，不管甲方还是乙方，最后都会变成 Data+AI 的公司。

过去几年我们提过很多次，每个公司都是一个数据公司，因为都会产生数据。现在是每个公司都会需要 AI，这两者天然是一样的。

回过头来看，想要 AI 用得好，前提要有大量的数据，而 AI 用得好的公司，又会大量地产生数据。这个循环会越滚越大。

这个时候，作为基础软件的提供商，不管是 Snowflake、Databricks，他们这时候布局 AI 是非常自然的。Databricks 刚刚完成一轮融资，英伟达、Capital One 投进去，这非常能表明市场的认知：要有数据的能力，也要有 AI 的能力。

以前使用数据的方式，导致（数据使用的）频率、能力并没有很好地释放，今天有了 AI 之后，会更快、更深地将数据的价值释放出来。

大模型时代的壁垒：技术、数据和用户体验

在大模型时代，不管数据行业还是 SaaS 产品，想要建立壁垒和竞争力，跟以前相比有什么根本性的变化？

第一，原来的技术壁垒，是基础。如果把新的壁垒依赖于大模型本身——你又不是做大模型的。这其实会有一些误导，可能未来你就直接被通用模型替代掉了。要认知到自己公司的竞争优势。

第二，所谓的竞争壁垒，最重要的是用户体验。AI 带来的变化是，可以将一个非常复杂的技术，平民化成一个人人都能用的东西。举个例子，画图，以前很难，现在 Midjourney 分分钟画的很好看。

所以在这个过程中，普通人的用户体验是非常重要的，它形成的壁垒比技术壁垒还要高。

因为在这个时代，大家的耐心都不够，如果不在几分钟内让用户「wow」，可能你就失去这个用户了。

我们是个 toB 软件，但也花了很多力气在这里（用户体验），这就是原因。

还有第三点，建立在数据本身上的壁垒。AI 算法已经变成通用的，人人都能用上的现状，这时候数据才是不一样的东西。

现在看微软这么厉害，它也有别人没有的东西，Github、LinkedIn 等等，这些也形成了不同领域的壁垒。

比如银行，有自己私有的数据，我们这样的公司也会有自己私有的数据。这些数据未来会形成你真正的壁垒，那么问题就是，怎么用 AI 把它变成一个能力？这也许是挑战每个公司的地方。

谈 SaaS：先不要看 SaaS

SaaS 前几年特别热，你也做了 7 年了。我一度很吃惊，你们客户都是大的银行这样的客户，这种一般都是按项目做，后来我才知道你把这些大客户都做成了 SaaS。

但是今年中国 SaaS 有很大的争议，很多人感到绝望，认为中国没有做 SaaS 的土壤，不知道你怎么看？

先说一些背景，我们做的是大数据平台，过去 6、7 年里，拿下的客户真的是一些大型客户，六大行我们有 3 个，十二个股份制银行我们有 7 个，前十的保险公司我们占 6、7 个等等。

第一，我们是标准化产品，标准化很重要。第二，我们收年费，按 SaaS 模型收订阅费，这是两个事实。导致是我们公司的收入主要来自订阅收入，我们整体毛利也非常高，NDR（收入留存）超过 100%。

所以我觉得我们能证明几点。第一，在中国，即使是大客户，也能做 SaaS 这种业务模式。前两天某个银行机构的客户过来聊，过去 6、7 年，每年几百万的订阅费，付了这么多年，这是能做到的，是我们走出的一条路。

另外一点，最近 SaaS 确实有各种各样讨论。回过来说，大家先不要看 SaaS 本身，首先是生意，你要提供价值，让客户认可你的价值，愿意为你的价值付费，这才是核心。

很多朋友问我，怎么让银行、保险公司接受我们订阅制的服务？我觉得最重要的一点，你的产品要强。不只是性能好，那是功能，功能之外要有差异的能力。当你有差异的能力后，客户就会为你的差异能力跟你聊。这样你才有议价空间，你才能够跟客户区商讨采购模式。

所以最终，所谓 SaaS，只是客户采购的一种消费模式。

就像音乐，你可以订阅，也可以买碟，说白了这也是一种 SaaS 模式对吧？这里本质的问题，用户买的不是订阅，而是你的产品。

我是从这个角度看这个问题。

不用在 SaaS 不 SaaS 的模式上纠结，现在也有成功过的案例。我很好奇你为什么能做到大客户、大金额还能收年费订阅，这背后有什么特殊的原因吗？

我们从创业的时候就决定了要走订阅制的模式，原因很简单，在中国做一个项目的公司，也许能赚钱，但不一定能像美国那些创业公司做成那样。

第二点，我们认为订阅制应该是未来，是更先进的经济模式。所以我们就决定坚持选择这样的模式。

后来回头看，最重要的，就是坚持。我们坚持这样的模式，才会决定我们的行为。

举个例子，早年的时候，客户说给你一个大单子，但非常定制化，要我最好的程序员放到现场去。那个时候拒绝过的单子，能占到当年一半的收入，真的。

可能是有点初生牛犊不怕虎，选择了这么一条比较难的路，但坚持下来的结果还不错。因为当你坚持的时候，你就会逼着自己，去做差异化，做壁垒。

第三点，早期客户决定了未来的方向。我们非常感谢早期的客户，像招行等等，最早期接受了我们的订阅制。早期的先锋客户，它在模式上会采取比较开放的态度，一旦积累下来，一段时间后你就发现，「我在行业里就是这么卖的」，底气就起来了。

蛮让我有感触的。我身边好多做 SaaS 的朋友，很多时候做一件事，抱着一个把它做成产品的想法，但中间公司要发展，你要生存，有各种诱惑，可能就会把你引向去定制一个东西。我身边很多做 SaaS 的公司都经历过这样的过程。

刚刚韩卿也说到遇到这种诱惑，这种关键时刻，他的决定就是坚持，「我不要做项目公司，要做产品公司」。最后金融领域大银行客户可能也会接受，但就是需要更长的时间。

刚刚你说的特别好，其实早期的坚持之后，回过头来最感谢的就是客户。早期的客户认可了你的模式之后，他们会不断地支持你，你也会把产品做得更好，形成一个良性的生态。

但确实，这条路会非常长，也比较难。

不要为了开源而开源

Kyligence 是从开源走出来的，开源对 Kyligence 到底意味着什么？现在大模型很多开源项目，作为一个开源老炮，你有什么建议吗？

2016 年我们拿了第一轮投资，红点中国。红点在美国很出名，安卓创始人是驻场企业家，Snowflake 也是他们投的。我们当时去拜访他们的合伙人，给我的第一个问题，「你们是做开源的，你们有什么东西是不开源的吗？」

这个问题我觉得挺有意思的，他也是开源和企业服务的老兵了，创业成功，然后转做投资。我就请教他，为什么问这个问题？我们刚出来，其实所有东西都是开源的。

他说，最终你的客户需要你的，一定是你不开源的东西。你得找个理由让他们为你付钱。

我们当时做了很多这方面的交流，然后才有了我们的产品模式、商业模式。

我们第一个商业化产品叫 Kyligence Analytics Platform，2016 年 8 月发布。我们开源的时候，存储用了 Apache HBase，但它的稳定性并不够好，性能也一般。我们做的第一个决策，就是重写了底层的存储，这个存储，我们当时并没有开源（现在已经开源了），还有一些高级的企业级特性（也没有开源）。

这些都是企业客户要付费的。

今天也是，我们在开源引擎之外，做了非常多不开源的能力。你可以理解为，最初 Apache Kylin 是发动机，每个人都能用，不要钱。很多互联网公司或者技术大拿，都可以拿去手工打造一台机器，没有问题。

但大量的消费者，其实需要的是一辆量产的轿车，它不止需要一辆车，还需要配套的金融服务、保险服务、4S 店、救援服务等等。这些肯定要付钱。做企业服务软件也是一样，我们需要构建这些增值的东西。

所以大家不要为了开源而开源。你看 Snowflake 就完全没开源，市值那么高，对吧？做一个创业公司，是商业实体，其实要回到生意的本质，模式不同，带来的价值也不同。

很有共鸣，之前我也听 Databricks 核心团队说，他们内部也反思过，如果再来一遍，未必还会从开源出发去做这件事。反过来，我们客观看，对很多公司而言，开源是早期的第一步，经过这一级台阶才能去构建商业的东西。刚刚韩卿说的很重要的一点：你可以第一步是开源，但在那一步的时候，你一定要想好没有开源的价值是什么，然后再拿开源作为台阶，作为第一步。

对，这是个商业模式，第一天就要想清楚，为什么靠开源。开源本质可能是个获客工具，是个构建社区的工具、市场营销的工具等等，但也许就是要去转换成商业的。这个过程中，大家没必要避免谈钱。我的很多朋友会说，做了开源，不好意思跟客户谈钱。

那我都好意思去问投资人要了那么多钱，怎么能不好意思问客户要钱呢？大家要突破这个心理障碍。这对 founder 团队很重要，每个人认知不一样，理想不一样，这时候需要协调认知，拉齐共识。

给点阳光就满血复活

Kyligence 创业 7 年了，心态怎么样？你怎么看这 7 年？分成几个阶段？

现在回想起刚创业的时候，有点初生牛犊不怕虎。

哈哈，创业早期容易飘是吧？

我其实蛮感谢我的合伙人，CTO 李扬。他非常理性，我记得 16 还是 17 年，他拉着我，说你有点飘了。

早期的时候是这样。那时候觉得干个几年就能全球大卖了，完全不知道商业化的痛苦，或者即将经历如何漫长的过程。这是第一阶段。

后面的时间，有几年挑战特别大，我们早期做商业化验证的时候非常辛苦，又要证明自己行，还要坚持商业模式。这个时候经历的各种挑战，不管是客户的，还是团队内部的。这个阶段是比较痛苦的，给我带来的认知是，怎么做生意，怎么建立客户关系，怎么服务好客户。

慢慢的，心态就放下来了，把心放在地板上，从底下做起。这是第二个阶段。

还有疫情前，18、19 年，有一种雄心壮志。当时美国业务做起来后，有一些不错的客户，美国有瑞银集团 (UBS），全球最大的银行之一、MetLife，全球最大的保险公司之一等。当时觉得好像做外国生意也挺容易做的。但疫情三年，也会遇到一些压力。整个行业环境变了，那时候确实有些焦虑。

今年，又回来了。尤其是 AI 带来的变革，有种豁然开朗的感觉。现在心态慢慢平下来了，更加淡定了，准备好面对接下来的变化和挑战。

特别真实。我身边很多朋友都是这样，特别感同身受。

创业者好像就是这样，不管中间遇到多大的障碍，给点阳光，就能复活。这波技术浪潮，能看到又点亮了很多创业者，至少在心态，在追求上，又满血复活了。

Founder Park 特别能理解创业者的这种能力。其实这也是创业者的使命吧，在所有人都悲观的时候，坚守到最后。在所有人还没乐观的时候，做第一批乐观的人。这就是真创业者。

谢谢韩卿特别走心的分享。

「要有信心」

最后，分享一下最近刷新你认知的东西，读过的书，跟别人的交流，听到了怎样的观点？可以跟我们分享下。

推荐两本书。

一本《大创业家》，麦当劳创始人 Raymond Kroc 的故事。麦当劳也是我们的客户。52 岁才开始创业。也有部改编的电影 The Founder。

他也经历过巨大的起伏，房子卖了，差点破产了，还被人坑了。但他最后成功了，创建了麦当劳，一家让人尊重的企业。

为什么会有麦当劳这样的快餐文化？其实是来自美国当时的工业化进程，吃饭要半小时 vs 吃饭只要一分钟，竞争力完全不一样。他在大萧条前后创业，当时美国非常卷，在最短时间里把饭吃完，这件事非常重要。这个背景带来了整个麦当劳乃至快餐文化的变化。

第二本，《一路向前》，星巴克 CEO Howard Schultz。星巴克也是我们的客户。2008 年，星巴克面临倒闭的风险，已经退休的舒尔茨又回归，拨乱反正从底部拉回来。

这两本书给了我巨大的勇气。

还有一段对话。去年我跟顾问，许良杰先生，之前网易的 CTO，新浪 CTO，eBay 中国的 founder。

他就跟我说了一句话，：「要有信心。」

在什么时代都可以做生意，有什么好焦虑的？这是我希望可以分享给各位的。

非常感谢韩卿的分享。

创业者的书里，很少有一帆风顺的传奇，经历构筑了一个个经典。这样的书也才更有养分，它对创业者最大的意义就是，你今天经历的所有艰难，都不是独特的，别人经历的可能比你难得多，你只要想清楚怎么跨越这些。

其实有信心，不断向前思考，才能够在每一次技术变革、行业变化中掌握先机。