LOADING載入中
专访ChatExcel逄大嵬，完成千万级天使轮融资背后做对了什么？
ChatExcel 团队近日完成近千万元天使轮融资，由上海常垒资本、武汉东湖天使基金投资。
官方透露，这笔资金将主要用于产品研发迭代和全球化运营，进一步推进其在“AI数据智能体（DataAgent）”方向的探索与落地。
ChatExcel 作为 AI Native 团队，在过去两年累计服务用户超千万次，曾在央视《赢在AI+》创业大赛中拿下智能办公组全国第一的成绩。
如今，它不仅能处理 Excel、数据库、网页等多种格式的数据，还推出了全球首款适配AIPC本地部署的垂类模型，构建出一套完整的数据闭环。
在创始人逄大嵬看来，这只是开始：“ChatExcel 不只是一个工具，也是团队跟上 AI 时代的第一张门票。希望通过全链路的数据能力，把数据从获取到价值变现串起来，让普通人也能拥有自己的数据智能体。”
产品名称：ChatExcel
Slogan：仅通过聊天，AI即可处理Excel和数据分析
主要功能：一句话，处理Excel表格和数据库数据，无需函数，10秒钟即可获得数据洞察
官网：ChatExcel
以下是我们和 ChatExcel 创始人 Davis 的访谈：
K姐研究社
Hi~Davis，可以介绍一下你们最近在忙些什么吗？
🧑🏻💻 Davis
最近主要在围绕 AI DataAgent（AI 数据智能体）这个方向迭代产品，同时也在推进商业化。
K姐研究社
我看到你们最近的访问量数据，相比上个月涨了好几倍，可以分享一下是怎么实现的吗？
🧑🏻💻 Davis
我觉得核心点是产品迭代了。我们的访问量增长了大约 175%，在非凡的排行榜里进入了增速前五。国内流量排名大概在 58 名。这个结果超出了我们的预期。
我们几乎没有进行商业化投放，所以增长主要来自产品本身的迭代。同时，一些大平台和大渠道的曝光也带来了一部分流量提升。总体来看，是产品和自然曝光推动了增长。
不是因为 AI 而做 Excel，是因为 Excel 本身值得做
K姐研究社
我在官网上看到你们在央视《赢在AI+》智能办公组获得了第一名，可以分享一下你们是怎么拿到这个第一名的吗？
🧑🏻💻 Davis
《赢在AI+》是当年央视《赢在中国》的节目组在 AI 时代重新举办的创业类节目。我们最早是在去年阿里云的云栖大会上参加初赛，当时有现场直播。之后经过三轮比赛，最终进入决赛并拿到第一名。
比赛形式和大家在电视上看到的差不多：创始人需要在两三分钟内介绍产品和商业模式，由评委和观众打分。
对我们团队来说，这是一个很好的机会，不仅获得了曝光，也让我们重新思考：我们的核心竞争力是什么？目标和壁垒在哪里？未来要走的方向是什么？这有点像“电梯演讲”，要求在极短的时间里把产品和愿景讲清楚。
更重要的是，在央视这样的平台上，我们得到了大量流量和传播，同时也面对了评委和投资人的尖锐点评。这些一针见血的问题促使我们反思：哪些地方还需要改进，未来该如何准备。整体来说，这个节目对我们帮助非常大。
K姐研究社
你最初是出于什么样的初衷去做 ChatExcel 这款产品？
🧑🏻💻 Davis
我们团队核心成员来自北大，有两位博士合伙人在读研究生时就已经在做数据处理和 Excel 相关研究。那时我们用的还是 BERT 这一代的 AI 技术，并不是因为 GPT 出现才开始做的。
后来，两位博士读博期间在导师的指导下，尝试用 Transformer 架构重新做数据处理。到 2022 年下半年，我们逐渐切换到这一新架构。恰好在 2023 年 GPT 崛起，于是我们顺势将产品定位为 ChatExcel，并推出给用户使用。
所以，我们的出发点是真的为了解决 Excel 问题，并不是因为有 AI 出现才定这个方向的。
越难的问题，越有价值
K姐研究社
你们现在团队不到 10 个人，大概是什么样的构成？
🧑🏻💻 Davis
我们团队其实只有 8 个人，基本上全部是产品和技术背景。可以说我们是一个高度技术型的团队，也非常笃定地相信 AI 时代。
K姐研究社
这确实算很少的团队规模了。
🧑🏻💻 Davis
AI 产品靠的是产品技术能力，是 PFG 的模式。所以我们认为增长一定要依赖产品力的迭代。其他的应用手段只是锦上添花，但在技术迭代周期面前，很可能无法对抗。
所以即便我们只有 8 个人，我们也是按照产品技术迭代的方式来做起产品迭代。
K姐研究社
新的架构和 AI 技术在处理 Excel 时，与传统方式最大的区别是什么？
🧑🏻💻 Davis
最大的区别在于用户的使用习惯和预期发生了变化。过去用户需要记忆函数、公式，甚至写代码；而现在用户只关心结果，不在乎过程。只要把表格和数据交给系统，就希望立即得到反馈。
这种方式反而更符合人的真实预期和使用过程，就像使用 ChatGPT 一样，把需求说清楚，得到结果就行了。
K姐研究社
您刚刚提到团队几乎都是工程师，但在国内已经拥有了很大的用户体量。你们是怎么触达到这么多用户的？
🧑🏻💻 Davis
主要还是靠产品力和用户自传播。我们没有太多资金去投流或找大号带货，增长靠的是产品本身的价值。
另外，我们做得比较早，算是有一些先发优势。严格来说，我们是国内最早一批做 AI 应用的。虽然中间有一段时间停滞过，但两年下来，在这个赛道里我们仍然排在第一位。背后原因在于，AI + Excel、AI 数据处理这个方向门槛很高，市场上几乎找不到旗鼓相当的产品。
大家常说“难而正确”，我觉得很有道理。比如在 AI 时代，真正应该做的是那些难题：如何保证准确性？如何支持多种数据类型？如何处理大型数据库？如何保证数据安全？这些都是技术壁垒。
我们之所以能积累这么多用户，靠的就是不断迭代，逐步满足用户的预期。
我们也是从 10 个用户，然后 1000 个、1 0000个慢慢攒起来的。用户用过之后有反馈，我们再迭代，满足他们更多需求，他们就会继续使用，并带来口碑传播。
所以，本质上我们的增长还是靠产品力。
怎么让用户相信结果是准确的？
K姐研究社
现在很多用户已经把 AI 当作日常办公工具，比如写文案、做 PPT 等。但在数据场景里，AI 依然会出现幻觉问题，用户往往需要反复核对结果。你们是怎么解决“结果是否准确”这个问题的呢？
🧑🏻💻 Davis
这是个好问题。我们做的是数据智能体，Excel 只是其中一种文件类型。
那准确怎么解决？有两个方面：
第一，我们背后是 AI 编程的方式来做。我们相信 AI Coding 的能力和处理规则是准确的。
第二，是过程可信化、可视化。我把文件和数据处理的整个链路都让用户看到，并且可以介入。过程是透明的。
比如我们现在给四大审计公司做服务，他们就要求 Coding 的过程必须能看到，这样才能证明逻辑没有问题。
怎么证明可信呢？是你的结果必须能够验证。
另外，数据的准确还和数据源有关。如果数据源质量差，结果肯定差，所以还涉及到数据质量、数据治理的问题。
所以，这件事并不是单靠模型能力解决的，而是从模型、产品交互、可视化、数据源等多个维度共同去解决。整个 DataAgent 的链路其实非常长。
商业化方向——形态产品化、能力产品化
K姐研究社
你们现在的营收情况怎么样？已经开始赚钱了吗？
🧑🏻💻 Davis
赚钱，我们是赚钱的。
K姐研究社
我看到你们上线了 SaaS 企业版、AIPC 版、一体机版的私有化部署版本，还开放了 MCP 和 API 接口。对外的产品形态很多，那你们商业化的重点方向是什么？
🧑🏻💻 Davis
我们重点其实就一件事：产品化。以 Product 的方式来交付。最终面对的是 C 端用户。
这个 C，可以是个人用户通过互联网访问我们的网站，也可以是下载客户端，或者通过 MCP 的方式在其他产品上体验，包括我们做的 APP 版、企业版，都是围绕这一点。
同时，我们也在解决另一个关键问题：安全。数据智能体的使用场景里，大家最关注的就是安全和敏感性。最简单的办法就是让文件不出笔记本、不出局域网、不出公司的范围。
我们做了模型的量化训练，单独做了一个数据模型，可以支持部署在 AIPC、一体机里，或者局域网内部。
这就是我们商业化的两个方向：
- 把形态的产品化；
- 能力的产品化——能把模型部署到单个的电脑里。
K姐研究社
从你们的视角来看，未来 C 端和 B 端的营收贡献大概是什么比例？
🧑🏻💻 Davis
我们还是以 C 端用户为主，目前营收主要来自 C 端。虽然也有一些 B 端客户在合作，但整体上我们的重点还是解决 C 端用户的数据处理问题。我们不是做传统的 BI 产品，所以现阶段 C 端占比会更多。
和WPS、Office定位不同，没有可比性
K姐研究社
目前 C 端用户可以用于做表格和数据处理的应用，市面上还挺多的，比如 WPS、Office，里面也集成了 AI 的能力，还有一些新出现的像爱图表。你们怎么和这些工具竞争？你们的差异在哪里？
🧑🏻💻 Davis
差异点在于定位不一样。我们不只是做表格处理，我们本身定位是 DataAgent（数据智能体）。
像 WPS、Office，本质还是表格编辑器，只是在编辑器上加了 AI，或者只解决某个单点问题，比如生成图表。
ChatExcel 围绕数据全链路（数据获取、数据准备、分析洞察、数据可视化、决策应用、价值交换）构建AI DataAgent，让数据流通起来，打造商业闭环。
不同节点都有不同的场景，而且每一个真实的用户，在不同的工作场景上，对数据的需求点是不一样的。
我们和 WPS、Office 干的是不一样的事情。我们认为我们是新事物，没什么可比性，对吧？
虽然解决的问题有一些重叠，但技术路线和定位不一样。竞争肯定存在，但我认为真正有效的竞争，一定是 AI 时代新事物之间的竞争，而不是“老产品加 AI”这种模式。
K姐研究社
相当于你们是 AI 原生的应用，没有传统产品的那些阻碍？
🧑🏻💻 Davis
对。我们最大的竞争力就在于，我们是一个 AI Native 团队，做的是 AI Native 产品。我们的视角是随着模型能力的提升来做产品，跟着模型的成熟度不断演进，这和老产品完全不同。
老产品当然有它的优势和壁垒，但我们今天最大的机会在于——新的 AI 产品能解决哪些问题。
像我们团队不到 10 个人，却能跑出这样的数据和商业化成绩，背后的逻辑也是因为我们是 AI Native 团队。
AI 给我们带来的加持非常明显，不论是对事情的看法、团队构成或者是我们技术的演进，其实你会发现，AI 在我们团队身上，整个模型能力的体现是非常明显的。
未来最大的机会是在海外
K姐研究社
你们在海外市场的进展怎么样？
🧑🏻💻 Davis
我们海外产品（英文版）已经上线了，正在做海外推广。但是在海外我们还是一个“新生”
K姐研究社
那海外版和国内版是完全隔离的吗？
🧑🏻💻 Davis
是的，完全隔离。我们用了全新的域名，在交互上有些相同，但在海外是全新的名字和载体，重新去做 PMF、市场测试和商业化测试。
我们非常相信，未来最大的机会还是在海外。本质上我们是一款效率工具，而海外用户在为效率工具付费方面的意愿和能力更强，所以这是我们很大的机会。
我们也正在加大投入，下半年会把大量资源和精力放在海外产品的迭代上。
K姐研究社
你们怎么看国内用户和海外用户的差异？
🧑🏻💻 Davis
整体来说，我们面对的都是 C 端用户，但差异还是很大。
首先是使用习惯和付费习惯的不同。国内用户本身就有差别，比如东南沿海一线城市和其他地区，或者不同行业的差异。
而海外又可以细分：欧美、日本、日韩、南美、中东，使用习惯完全不同，背后是信息化程度和支付水平的差异。
目前我们还在推进，可能再过几个月会有更多结论。但从现在的体感来看，不同国家在使用习惯和支付能力上确实有区别。
不过对我们来说还好，因为处理的数据本质都是表格：Excel、Sheet 或 Data，这些是全球通用的。所以在本土化上难度相对没那么大。
8人小团队，已完成近千万融资
K姐研究社
可以透露一下最近的融资进展吗？有考虑开启新一轮吗？
🧑🏻💻 Davis
我们在上半年已经完成了一轮融资，近期可能会开启新一轮。本周会正式发布上一轮融资的公告，这也会为下一轮融资做准备
K姐研究社
这次融资的目标主要是什么？
🧑🏻💻 Davis
主要还是用于产品迭代和海外市场。虽然我们团队本身已经在赚钱，但做海外需要投入更多成本。
另外，现在这个阶段拼的是速度，无论是团队厚度、技术迭代，还是用户增长策略，都需要资金支持。
K姐研究社
你们更倾向于什么样的投资？对投资会有筛选吗？
🧑🏻💻 Davis
我们没有特别明确的倾向，毕竟还在比较早期。
上一轮融资已经完成，接下来我们希望投资人能够认同我们做数据智能体这个方向，有认知，也能带来资源上的帮助。尤其是在海外，如果投资方在这方面有积累，对我们会更有价值。
频繁迭代能帮助我们快速找到正确的方向
K姐研究社
你们更新的频率特别高，是怎么选择迭代方向的？为什么能保持这么高的更新频率？
🧑🏻💻 Davis
这和我们对 AI 时代产品的理解有关。本质上，靠的是产品力的成长来吸引用户。AI 时代的用户愿意和创业团队一起成长，所以我们会跟着用户的需求不断迭代。
第二点，频繁更新能帮助我们快速找到正确的方向。迭代频率高，试错周期就短，试错成本也更低，我们能不断地获取正反馈。
正反馈周期越短，说明方向越对。
如果半年才更新一次，试错周期太长，在 AI 时代根本跟不上。现在一个月就已经天翻地覆了，所以更新频率是非常重要的一件事情。
K姐研究社
我大概在 2022 年底就关注到你们了，但一直到 2025 年你们的产品化才逐渐完善，也有人评价你们进展比较慢吗？
🧑🏻💻 Davis
确实会有这样的评价。但背后原因很客观：我们团队来自北大，两位博士合伙人当时还在读博，学业是第一位的。比如去年他们正好在读博一，所以那段时间几乎没有太多迭代，主要精力还是放在读书上。
AI 创业者要承认自己有边界
K姐研究社
你们怎么看待当前的生态位？比如你们已经和阿里、华为这样的头部公司有合作。
🧑🏻💻 Davis
我觉得生态位本身就是一种竞争力和壁垒。但核心还是看你的产品在行业内是否具备独特性，能否解决一个细分、垂直的问题，而这个点可能是大厂在短时间内还没有把资源放进来的。
另外，我一直认为在 AI 时代，尤其在中国，创业团队一定要非常开放地去做生态合作。AI 技术有模型，有边界，团队自身的能力和资源也有边界，所以合作开放才是最好的成长策略，而不是封闭地各自重叠去做一件事。
我觉得今天对于 AI 时代的这一批创业者和产品来说是一个很好的时代。大厂愿意开放资源、平台和流量，来帮助和接纳像我们这样的第三方小团队。
我们要拥抱这个节奏，保持开放心态。其实大家现在做 MCP 逻辑也是一样的。我们在细分方向做好做扎实就已经很有挑战了，要相信自己的团队是有边界的，不要认为自己团队多，什么都能做，这个很重要。
K姐研究社
国内像华为、阿里云、腾讯云、字节火山等厂商，本身就提供服务器和数据库服务。你们会担心他们直接复制你们的产品，然后提供给他们的客户吗？
🧑🏻💻 Davis
我们从来不担心这个问题。其实不止是 AI 时代，所有软件产品都会面临竞争，这是常态。我们诞生之前，已经有很多团队在做类似方向，竞争永远是全方面的竞争。
但在 AI 时代，迭代速度非常快，我们并不认为大厂做这件事就一定有优势。尤其在国内，大厂有自己更高优先级的事情，不一定会把资源投入到这个细分领域。
对我们来说，更重要的是专注把自己的事情做好。我们是做 AI Native 的新产品，用户预期也很高。我们还没覆盖的客户群体已经非常庞大，所以与其担心别人会不会做，不如关注用什么方式、用什么样的速度满足用户需求。
定位是做 AI Decision（AI 决策智能体）
K姐研究社
我在官网上看到你们最近有两个即将上线的产品，叫 ChatData 和 ChatPanel，可以分别介绍一下吗？
🧑🏻💻 Davis
这两个产品会在两周内上线。其实它们是我们产品迭代路线的一部分。我们定位是做 AI Decision（AI 决策智能体），最早从 Excel 这种高频通用场景切入，先服务 C 端用户，积累数据和使用习惯。
我们认为数据有多种类型。第一个 Source 是文件类型，第二个是数据库类型。
我们马上要上线的 ChatData，就是在处理数据库类型数据。比如你有 MySQL 数据库、SQL Server 还是 Spark 等各种数据库，我们支持直接通过 AI 来处理。
ChatPanel 面向外部数据。数据大致分三类：文件型数据（如 Excel）、数据库型数据（多为企业内部数据），以及公开的数据，比如网页版的数据、第三方互联网数据。我们会自动获取网页的数据，生成表格和分析报告。
举个例子，我想知道 618 全网手机销量最高的是哪些品牌，新能源汽车排名如何，我们的智能体可以直接抓取并生成可视化结果。
从产品路线看，我们是从 Excel，扩展到数据库，再到三方公开数据，甚至支持三方 API 的对接，以及 MCP 协议。只要是数据，不管来源，我们都希望能覆盖从获取、处理、加工到应用分析的全链路。
官网上提到的新产品，其实就是在实现这一方向。
AI 时代刚刚开始，ChatExcel 是起点，不是终点
K姐研究社
我了解 David 之前是也是创业者，是吗？
🧑🏻💻 Davis
对。
K姐研究社
之前你是做营销方向的 ToB SaaS，现在在做 ChatExcel。这会是你最后一个创业项目吗？
🧑🏻💻 Davis
我算是连续创业者，之前主要是在做营销类的企业服务 SaaS。至于 ChatExcel 会不会是最后一个项目？我觉得不会。
ChatExcel 只是这个时间点的一个项目名称。AI 时代才刚刚开始，我更把它看作是我们团队、也是我个人进入这个时代的一个门票。
它只能代表我们刚刚跟上了这个时代的脚步，而未来几十年、几百年，还有非常多事情可以去做，具体会走到哪里，现在也没法判断。
所以，这是不是第一个或最后一个项目并不重要。真正重要的是：在这个时代选对方向，坚持去做，并且保持开放的心态不断迭代。
評論
0