回看2025「Agent元年」这一年，市场感受到一种“AI产品没有Agent元素”就会被用户抛弃的紧迫感——
传统互联网产品火速融合Agent的能力，通用型、Vibe Coding、视频生成、设计等原生Agent产品打得火热。
Agent产品络绎不绝，但到底哪款产品，能够切中用户最核心且真实存在的痛点？这些痛点究竟有没有被AI Agent更好地解决？
最具有发言权的，莫过于打工人了。
数据处理显然就是打工人最核心的痛点之一，哪个职场“牛马”没有被工作中几百到上万条繁杂的Excel数据为难过呢？过程中不仅要从多种数据源粘贴数据，还要处理图片、文字等非结构化内容……
更重要的是，数据处理要求的精确度是百分百，而这与大模型现存幻觉问题天然相悖。
那到底如何用AI逻辑解决数据处理和分析的痛点呢？
来自北大的ChatExcel团队给出了一个模范答案。
在ChatGPT刚进入公众视野，大模型准确性还相对有限的时候，他们就切入AI数据处理赛道，用「对话式交互处理数据」的创新模式，快速积累首批上万用户。
Excel里小数点差一位，用户就不会再信任产品，也无法核查100万行数据中是否有某一行出错，这就是数据类产品的核心门槛。”
“AI的价值是平权。我们做的是平民化的数据产品，不是为精英数分团队服务的。”
如今，这个不到10个人的团队，已将产品定位升级为「首个生成式AI Excel与数据分析智能体」，要定义AI DataAgent，重构数据全链路，打造商业闭环平台。
如何用AI实现数据处理的全链路交付，进阶版Agent产品在产品设计、技术逻辑等维度又有什么差异，产品的用户群体和商业化路径又是如何？
带着这些问题，量子位智库邀请到了ChatExcel创始人及CEO逄大嵬，深入拆解ChatExcel如何将Agent与数据处理场景结合、产品的核心定位和迭代路径、开放生态的选择、差异化的竞争门槛等问题。
关于ChatExcel
作为国内首款原生的AI DataAgent，ChatExcel专注于通过自然语言对话处理和分析数据，其核心定位为“仅通过聊天AI就可处理Excel”，并已从表格文件延伸至数据库、网页等，致力于为用户提供覆盖数据处理全链路的智能服务。
产品核心能力如下：
- 智能对话交互与多模态数据输入输出：用户无需学习函数公式可上传多模态数据文件，如PDF、Word、PPT、图片等，通过自然语言与数据进行交互。提供系统支持对话式完成数据清洗、运算、分析到图表生成的全过程，并支持抠图、制表、多种模板选择功能，可将最终结果一键导出为Excel或直接生成数据PPT。
- 全链路、白盒化服务能力：产品具备处理复杂表格（多表头、多Sheet、合并单元格）与多源数据（多文件、数据库）的强大泛化能力。通过Chain-of-Thought模式清晰展示AI的任务拆解逻辑与处理链路，实现“白盒化”操作。
- 企业级数据源对接：通过ChatDB模块，可直接连接并操作企业内部数据库（如MySQL）。用户使用自然语言即可查询和分析数据库内容，将AI数据能力从文件扩展至更核心的企业数据仓库。
- 分层产品与服务架构：针对不同场景需求，提供轻量级、Pro（处理5M-10M文件）、Max（处理百兆级大文件）和ChatDB（处理数据库）等多种产品规格，形成从文件数据到数据库数据的完整产品矩阵。
ChatExcel不仅直接服务C端用户，还与华为、联想、惠普等多家大厂达成生态合作。今年8月，ChatExcel完成近千万的天使轮融资。
key takeaways
1、创始人是公司1号产品经理，也是1号客服， 会随时随地回复用户信息。对ChatExcel来说，用户使用率、活跃度和NPS用户口碑比单纯的用户数更重要。
2、ChatExcel是平民化的数据产品，不是为精英数分团队服务的。解决大多数人的问题是产品的核心定位，这个市场空间很大，可做的事情非常多。PMF阶段已经过了，现在处于1到10的阶段。
3、产品的背后逻辑是多个模型的有机结合，包含了常见的语言大模型，理解表格结构的视觉大模型以及表格预处理垂直小模型。
4、产品迭代路径是“点-线-面”：从单点的Excel处理，到复杂图表生成、数据分析、ChatDB数据库处理、PPT生成，再到找数、看板功能，把单点串联成线，再拓展成覆盖全数据需求场景的面。
5、文本类、图片生成类场景，用户容忍度很高，但数据类场景的用户容忍度为0。Excel里小数点差一位，用户就不会再信任产品，也无法核查100万行数据中是否有某一行出错，这就是数据类产品的核心门槛。
6、挖掘用户需求走B2B2C的路线，合作伙伴能带来“乘以N次方”的需求触达，他们会筛选出有价值的数据需求反馈给ChatExcel。
7、希望未来很多AI产品处理数据时都能调用ChatExcel。相比拥有1000万用户，更希望拥有1000万个合作伙伴，通过合作伙伴覆盖更多用户。
访谈实录
1、用户近百万的「工作日产品」
量子位智库：ChatExcel的C端用户画像是怎样的？是之前不会使用Excel的小白，还是用来替代部分原有工作流程的专业用户？
ChatExcel：Excel的场景非常长尾。
原本以为财务人员Excel用得最溜，会看不上AI产品，但我们后台也有很多财务人员。做报表分析、月底银行回单处理、批量数据文件处理生成图表时，他们也有需求。
普通小白用户基本的函数都不会，也需要用。我们的示例涵盖人力资源、营销、学生、订单、物流、经销存等场景，很难说哪个功能模块或哪类人员使用最多。
微软发明的最伟大的产品就是Excel，所有硅谷的SaaS产品都是基于Excel发展出来的。因为Excel不好用，大家才想做SaaS产品，比如CRM、ERP，还有很多订单、人力资源产品，都源于Excel。
Excel的伟大之处在于它把数据结构化，变成二维结构化数据，这是目前数据呈现的最优方式。
我们正在做的ChatDB数据库，核心呈现方式还是这种，因为这是大多数用户最易接受的数据阅读方式。
很多普通用户自己做不出专业的图表和分析结论。有的用户不会用整个PPT，只会把好用的图表页面单独拿出来放到自己的PPT里，超出老板预期，还能给出结论和建议。这是很多用户自己做不到的，所以用户很喜欢我们的产品。
量子位智库：截至目前，ChatExcel的用户数据如何？
ChatExcel：我们用户接近百万，有一定先发优势，且在行业内非常专注。
2023年量子位发的一篇文章让我们爆火，当天最高日活达到15万，当时产品还比较粗糙，但创新力足，没做商业化，甚至没有注册登录，是黑色界面。
去年年底我们才正式商业化，目前日活将近一两万，这个数据在百度、谷歌以及第三方排行榜上都能查到，非常客观。
我们的产品是典型的工作日产品，周一早上8点后用量上升，中午下降，下午5点半后又下降，周五4点半后基本没量，周六周日几乎没有，周日晚上用量又开始回升。
我们没做投流，流量都是自然增长的“自来水”。在B站、小红书、知乎、微信上，有很多我们的教学视频，还有很多博主自发分享我们的内容。
我们认为AI浪潮的核心是产品技术能力，产品要踏踏实实帮用户解决问题，用户愿意为有价值的产品付费，也会主动推荐。下个阶段我们可能会做大量运营推广，但PMF阶段要扎实做产品、服务用户。
我是公司1号产品经理，也是1号客服，用户加企业微信客服会直接加到我微信，我会随时随地回复信息。对我们来说，用户使用率、活跃度和NPS用户口碑比单纯的用户数更重要，老用户带来的传播至关重要。
量子位智库：最受用户好评的点是什么？
ChatExcel：简单易用。
只要用户能把问题描述清楚，逻辑连贯，基本都能处理。哪怕是新人，或者给领导汇报时，把需求说清楚，我们就能帮着解决问题。
像ChatGPT、Kimi、豆包这类AI产品，核心优势就是简单易上手，能快速解决用户问题，让用户觉得“爽”。传统BI产品也能解决问题，但门槛太高，需要很强的工程能力，大多数用户不具备。
量子位智库：团队目前还在PMF阶段吗？
ChatExcel：PMF阶段已经过了，现在处于1到10的阶段。我们也在拓展海外市场。但我们从不声称能100%处理所有复杂表格，数据处理的复杂度客观存在，我们会正视这一点。
2、ChatExcel不会取代数据分析师
量子位智库：ChatExcel现在能直接生成BI报告吗？自带语义层吗？
ChatExcel：看对BI报告的定义。
我们生成的PPT、各类分析结果，本质上就是BI报告。BI的核心是从二维数据到三维、多维数据的处理并生成结果，我们正在做这件事。
我们还依赖大模型，没有单独做语义层。第三方厂商单独做语义层没有意义。
模型本身已经很强大。我们自己在做针对表格解析的小模型，因为表格本质上是Graph图结构，处理难度很大。
中国人用表格不只是当格子用，更像当画布用，会在里面左拖小表格、插文字，右插表格、放图片，导致Excel处理难度大幅增加，这也是表格类产品难做的核心原因。
量子位智库：ChatDB功能会取代基于SQL的数据分析师吗？
ChatExcel：不会，两者做的事情方向相近，但我们对数据这件事越来越敬畏。
数据链路很长，从找原始数据、数据清洗，到数据分析、生成报表，每个环节都是独立整体，我们正把每个环节定义为独立模块。
数据分析师背后有深厚的业务知识，不只是单纯的技术能力。比如描述如何才算清楚，这里面有老师傅的经验在，AI无法替代。
我们的产品定位是平民化的数据产品，不是为精英数分团队服务的。
AI的价值是平权，压低专业产品的门槛，释放专业能力，让更多普通用户能享受数据、使用数据。哪怕是合并单元格，本质上也是在使用数据。我们的定位就是“聊天就处理数据”，帮普通人轻松搞定数据相关工作。
AI才刚刚开始，解决大多数人的问题是我们的核心定位，这个市场空间很大，可做的事情非常多。
3、数据处理背后的核心是「多个模型的有机结合」
量子位智库：输入Excel处理需求时只需要用自然语言，那么描述不精确时，模型能理解意图吗？
ChatExcel：大部分能理解。数据侧难做的核心就是如何量化描述，比如一句话100字清楚还是两行字清楚。
这需要精准的意图理解，还要合理拆解任务边界，我们在产品实践中一直在优化这件事。现在，我们已经上线了AI润色功能，可以润色用户的提示词，使得AI更加能够理解。
量子位智库：数据分析或处理时如何避免出现错误？是大模型还是小模型在发挥作用？
ChatExcel：产品的背后逻辑是多个模型的有机结合，包含了常见的语言大模型，理解表格结构的视觉大模型以及表格预处理垂直小模型。
模型处理数据天然存在“幻觉”。模型的架构从一开始就是为生成Token、文本设计的，核心逻辑是预测下一个Token，不是回溯计算数据，所以不适合精准处理数据，这也是为什么很多模型评测会用数学题考验它。
Agent出现后，很多产品都在用Agent处理链路优化数据处理。我们从工程层面、自身解析模型、模型量化和处理技术等多个维度，做了大量工作来保障准确性。
产品交互上，右侧的CoT功能会展示处理的列数据、单元格数据以及运算过程，就像监督实习生工作一样，确保需求理解准确后再执行。
△ChatExcel CoT展示
量子位智库：这里的Vibe Coding指的是处理链路吗？
ChatExcel：Vibe Coding的核心是意图理解。
用户输入一句话后，Vibe Coding会完成意图理解、处理链路规划、处理过程执行、意图总结等一系列工作。处理链路准确是核心，否则会出现问题。
量子位智库：ChatExcel的白盒化是怎么做的？
ChatExcel：通常黑盒是内部处理，用户不知道100行数据是如何被处理的。我们的底层用沙箱处理代码执行，右侧的CoT功能会做代码解释，把处理过程拆开，让用户看到具体使用了哪一列、哪一格数据，以及运算过程。
这样做是为了打消用户的顾虑，让用户清楚数据处理的逻辑，避免用户质疑“100万行数据如何保证处理准确”这类问题。
4、为数据处理所有场景提供Agent
量子位智库：国内很多办公类产品的AI数据功能，多是基于自然语言生成公式，而非直接出结果或图表，为什么会卡在函数层面？
ChatExcel：核心差别在是否是AI Native，即原生团队和原生产品。我们不是传统软件厂商，没有海量用户包袱，更关注模型擅长做什么。
我们的思路是用模型解析需求，而非生成函数。生成函数离不开Excel、WPS、飞书等工具，这是大厂的赛道，不是我们的方向。
我们坚信要跟着模型走。现在模型基于单个Token处理，在处理数据、长流程、多任务时效果不算特别好，但模型会越来越强大，智能体的开发范式和模型范式也会持续优化，这些问题会逐步解决。
传统软件厂商和老SaaS厂商的思路是“替换”，在原有产品基础上加AI。我们从2023年两位同学创业时就坚持“模型能做什么就做什么”。
这是不同团队的视角和路线，没有对错，会平行发展，但在不同时间节点会呈现差异。模型处理能力会随技术进步不断增强，现在处理不好的场景，交给时间会逐步解决。
我们本质上在做“从非结构化数据到结构化数据”的转化，比如用户经常把手机截图、微信截图丢进来，生成图表或图片，这类需求频次很高。
△ChatExcel「图片转Excel」
量子位智库：自动生成图表、简单数据分析等功能，竞品也在做，如何看出彼此水平差异？
ChatExcel：核心指标是处理准确性，这是最基本的要求。
其次是产品的泛化能力，表格结构复杂多样，能否处理多表、多Sheet、多表头的情况，是重要考验。
还有方案能力和长链路处理能力，我们从文件类型数据、数据库类型数据到生成图表的全流程处理，每个单点都有竞争力。
不同团队的基因不同，关注点也不一样，有的侧重分析，有的侧重数据处理，有的侧重图表生成。我们目前处于1到10的打磨阶段，每个环节都有很多工程和模型优化的空间。
量子位智库：竞品自带文档编辑器，工作流更顺畅，会对ChatExcel造成冲击吗？是否担心？有什么准备？
ChatExcel：过去我们做不了编辑器，因为没人没钱。
编辑器本质上是大量工程的堆砌，核心问题不是“做不做”，而是“什么时间做”和“做到什么程度”。
我们肯定会做编辑器，但不会为了做编辑器而做，核心是为了解决用户问题。
做编辑器不难，做好才是门槛，我们不会去挑战WPS这类成熟的编辑器产品，而是聚焦数据处理核心需求，打造适配的数据编辑功能。
量子位智库：ChatExcel多是单点或单线程任务，没有用户上下文和记忆带来的粘性，而其他办公产品强调用户上下文，你怎么看？
ChatExcel：现在AI用户追新意愿强，即使是付费用户也可能因为更好的产品而流失。上一波国内软件产品是“内部内卷”，但现在AI产品是全球竞争，用户能快速接触到全球的优秀产品，没有“先入为主”的逻辑。
用户的沉默成本很低，国内AI产品定价不高，用户不会因为已经付费而放弃更好的选择。
核心还是靠产品力，持续迭代、持续交付价值，才能留住用户。
量子位智库：从2023年非Agent形态到现在的Agent形态，最大变化是什么？用户能感知到的差异和提升是什么？
ChatExcel：用户能感知到的核心是数据处理场景的全面覆盖。
用户处理数据的场景主要有：找数据、数据清洗（转化为结构化数据）、数据分析、生成图表、制作PPT、搭建看板。我们为每个场景都提供了对应的智能体，供用户使用。
△ChatExcel数据处理场景覆盖
我们的产品迭代路径是“点线面”：从单点的Excel处理，到复杂图表生成、数据分析、ChatDB数据库处理、PPT生成，再到找数、看板功能，把单点串联成线，再拓展成覆盖全数据需求场景的面，这也是产品迭代的核心逻辑。
量子位智库：效率类Agent的评判标准是什么？如何判定是否给用户创造了好价值？
ChatExcel：核心评判标准就是“效率”本身，是否真的帮用户节省时间、降低成本。
有些产品为了炫技而做Agent，没有实际价值。不管是插件、智能体还是平台，只要把AI融入进去，解决用户问题，让用户用得爽，就是有价值的。
5、数据处理领域“All in One”不可行
量子位智库：AI写作、AI做PPT等赛道面临被效仿和被一站式大产品挤压的困境，ChatExcel如何看待和应对？
ChatExcel：做AI产品、软件产品，每天都会面对竞争，畏惧竞争就不用创业、做产品了。
竞争本身就是产品和创业的核心部分。
我们的应对思路：
- 第一，靠速度，快速迭代；
- 第二，打磨产品细节，提升产品体验；
- 第三，数据处理领域有天然的技术壁垒，“All in One”在技术路线和实现上存在障碍，不具备可行性。
大厂比我们有技术、有资源，他们现在没做可能是战略方向不同或“大象难转身”，这是客观现实。我们不能回避，只能想办法跑得更快，做有门槛的事情。
量子位智库：能否举一个ChatExcel打磨过的、影响用户体验的细节功能例子？
ChatExcel：我们的产品从Lite版（处理单表），到Pro版（3-5个Sheet），再到Max版（10个Sheet），就是不断打磨的过程。
用户刚开始用单表处理功能时，很快就提出“有三张表该怎么办”的需求。更核心的打磨是数据处理能力的升级，比如处理1兆、10兆、100兆的文件，处理10行、10万行的数据，对Infra层和模型层的技术要求完全不同。
这才是真正的产品打磨，能大幅提升场景覆盖度。单纯调整按钮位置这类交互优化，只要产品经理上心都能做到，但数据处理能力的升级，需要底层技术的支撑，是核心竞争力。
△ChatExcel工作台产品入口
量子位智库：数据类场景的复杂度是否远高于文本类场景？
ChatExcel：任何产品从0分到60分容易，60分到80分难度增加，有些场景甚至达不到100分。判断场景复杂度，还要结合技术成熟度和用户容忍度两个维度。
文本类、图片生成类场景，用户容忍度很高，但数据类场景的用户容忍度为0。
Excel里小数点差一位，用户就不会再信任产品，也无法核查100万行数据中是否有某一行出错，这就是数据类产品的核心门槛。
量子位智库：技术方面的门槛能否举例展开？
ChatExcel：比如复杂表格的解析能力，能否识别单表、多Sheet表格，能否处理20个文件、10兆到100兆的文件，这本身就是门槛。
还有处理速度，我们处理四五个Excel文件基本能做到10秒内秒出，但生成PPT时速度会有差异，用户能直观感知到。
交付结果的准确度、完整度，以及长链路处理能力，都是技术上的重要挑战。
量子位智库：Vibe Coding面临自然语言操纵代码生成粒度不足的困境，数据领域是否也会有类似问题？用户可能无法精准让产品修改表格或分析数据？
ChatExcel：技术有边界，不存在能搞定所有事情的技术，我们要敬畏这一点。Vibe Coding也有适用场景，不是万能的。
Vibe Coding对用户仍有使用门槛，需要一定的代码编程思维，否则无法核查生成的代码是否准确。不同专业能力的用户，用Vibe Coding的效果差异很大。
用户对AI产品的认知需要一个教育过程。很多用户注册后不知道怎么用，我们在产品上提供了很多示例，但长尾C端用户的背景多样，有的不会编程，有的不懂函数，需要通过使用和学习逐步熟悉。
很多大学用我们的产品上数据分析课，学生刚开始不会用，用一段时间后就能掌握通过提示词做分析的方法，甚至能迁移到其他AI产品上。
我们倡导开放生态，就是希望和行业伙伴一起教育用户、服务用户，让用户学会合理使用AI产品，挖掘自身效能。用户用不好不会怪自己，会觉得产品不好用，所以用户教育至关重要。
6、不会去挑战传统BI厂商
量子位智库：ChatExcel的业务边界是什么？哪些功能会做，哪些绝对不做？
ChatExcel：会做的功能围绕数据场景链路迭代，目前已有明确的迭代规划，还会拓展行业侧的衍生数据场景。每个行业都有自己的数据模型，这些模型存在于业务分析师的脑海中，是隐性知识，挖掘和实现的过程很长。
绝对不做的是To B的定制化交付。从功能上，我们希望把每个数据相关功能都做好，只是时间节奏不同，但策略上不会做重定制化交付。
量子位智库：ChatDB针对企业内部数据库，未来可能对接外部数据或监测数据，这是传统To B逻辑，还是先To C再间接To B？
ChatExcel：是间接To B的逻辑。我们团队有丰富的BI产品经验，国内像帆软等BI厂商已经做得非常优秀，团队规模大、收入高，我们没必要去挑战他们。
我们要承认自身能力和技术的边界，踏踏实实做自己擅长的事情，通过服务企业内部的工作人员，间接满足企业的数据处理需求。
△ChatDB分析数据库生成报告
量子位智库：哪些技术指标或技术点变化，能给ChatExcel这类产品带来效果跃升？
ChatExcel：核心还是模型。现在的模型范式不太适合智能体，比如生成PPT这种简单任务，用户都能感觉到速度慢。如果要查询10GB的数据库生成数据报告，或者跨数据库、PDF做汇总报告，现有模型很难高效完成。
我们认为突破点一定在模型侧，而且这个时间不会太久，可能半年到一年就会看到显著变化。
量子位智库：有观点认为模型到用户体验的距离可通过产品工程解决，无需自研模型或过多优化模型，这对ChatExcel和数据领域成立吗？
ChatExcel：不成立。
AI赛道才刚开始，长周期来看，工程优化有价值，但完全靠工程无法解决所有问题。
我们必须具备自己的模型能力，否则无法应对海量用户的复杂需求。
判断是否需要自研模型，核心标尺是“能否解决用户问题”。如果现有模型能满足需求，就无需额外投入；如果不能，就必须自主优化模型。
量子位智库：AI+数据领域，技术、商业、客户需求等方面有什么共同的瓶颈？
ChatExcel：这个赛道大家都刚起步，我们的用户量和大厂相比还有很大差距。
目前行业整体都在跑PMF，只是进度不同，我们刚完成0到1的阶段，还不敢说进入1到2的阶段。
AI+数据这件事，大家才刚刚摸到门槛，知道AI能在数据领域做些什么，但具体还能做什么、能做到什么程度，答案还没完全跑出来。
像WPS、Power BI等成熟产品有庞大的用户基数，我们的用户量还很小，整个行业还处于探索期。
7、合作伙伴带来“N次方”的需求触达
量子位智库：最开始的1000个或1万个用户是通过什么渠道获取的？从1万到百万用户，有什么惊喜的渠道或方法？
ChatExcel：最开始的用户主要靠量子位等媒体报道。我们上线较早，当时国内相关AI产品还没普及，大家连GPT账号都还没玩明白，我们作为率先推出的产品，凭借创新点引爆市场，很快就积累了上万用户。
从1万到百万用户，没有花钱投放的渠道，都是自然增长。很多云厂商、硬件厂商、自媒体博主、媒体老师会主动推荐我们，核心还是产品做得好。
之前创业时花了很多运营费用，效果不佳，但这次产品出众后，很多人会深度测评并自发分享，B站、抖音上有很多博主自发发布我们的内容，这给了我们很大鼓励。这种口碑推荐比付费推广更有价值，也说明我们的产品方向做对了。
量子位智库：用户需求很多，如何平衡迭代速度和需求量，排定功能优先级？如何监测功能效果？
ChatExcel：优先级排序的核心是需求频次、覆盖广度和需求复杂度，不看付费多少。
优先做覆盖用户广、频次高、复杂度适中的功能，还要考虑功能的延伸空间。比如格式转化功能延伸空间小，而数据分析相关功能能延伸出更多场景。
监测功能效果的指标很简单，因为团队人不多，数据埋点没那么细致，主要看新功能上线后的使用频次。如果做了引导和用户教育，用户还是不用，就说明功能有问题。
我们的产品是Agent形态，没有复杂的GUI模式，监测核心就是BOT使用率。
量子位智库：除了直接接触用户，还有哪些挖掘用户需求的渠道？
ChatExcel：核心渠道是和各类渠道伙伴合作，走B2B2C（Business-to-Business-to-Customer）的路线。伙伴能带来“乘以N次方”的需求触达，他们会筛选出有价值的数据需求反馈给我们。
△ChatExcel进驻华为「小艺智能体广场」
我们的大脑输入输出有限，而很多伙伴团队有优秀的产品经理，他们懂产品、懂用户，能提供更全面、更客观的需求建议。通过和三方团队碰撞，我们能挖掘到更多自己看不到的场景需求。
8、相比1000万用户，更希望拥有1000万合作伙伴
量子位智库：过去两年，对AI+数据这件事的理解和看法有什么变化？
ChatExcel：越来越敬畏这件事。刚开始做的时候，觉得AI什么都能做，越做越发现挑战很大。数据处理的准确性难以100%保障，不同行业、不同岗位对数据的定义和需求差异极大。
比如同样分析销售报表，增长率、利润率的解读，销售主管、销售总监、全国销售VP的定义完全不同，甚至每个月的定义都可能变化。
这说明数据处理不只是数字问题，更是长链路的复杂任务，涉及业务理解和经验判断。
量子位智库：对用户或产品的理解，有什么出乎意料的变化？
ChatExcel：用户对AI产品的认知程度和拥抱意愿远超预期。
去年底正式商业化、开始收费时，我们很担心，怕用户因为“之前免费现在收费”而吐槽。
但实际情况是，用户非常支持我们，他们说“只要做出新功能，就愿意付费”。这让我们改变了“中国C端用户不愿意付费”的认知。
人类的天然本性是“偷懒”，只要产品能帮用户轻松解决问题，用户愿意付出合理成本。用户会用实际行动投票，好的产品会获得用户的付费和推荐，这是过去一两年最大的认知变化。
量子位智库：AI+数据市场目前处于什么阶段？有哪些市场门槛因素？
ChatExcel：这个赛道才刚刚开始。文本、PPT、视频生成、Vibe Coding等领域已经很成熟，但数据侧因为难度高，进展相对缓慢，属于“慢工出细活”的赛道。
数据产业链非常成熟，有很多优秀的BI厂商、数据基础设施厂商，我们是新进入者，核心目标是先生存，再慢慢长大。
市场门槛的三个因素：
- 第一是用户量渗透率，用户使用量是客观核心指标；
- 第二是产品完整度，匹配用户处理任务的复杂度；
- 第三是商业化水平，产品必须有持续的收入能力。
量子位智库：未来三年，ChatExcel最大的信心来源是什么？
ChatExcel：第一是相信模型会持续进步。
不同厂商的螺旋式竞争会推动模型能力不断增强，我们自己的产品迭代也能直观感受到这一点。比如生成数据报告PPT，去年模型能力不够根本做不到，现在已经可以实现。
第二是用户的活跃度。
我们产品的每个模块都源于用户需求，海量用户的反馈形成飞轮效应。用户用得越多，提出的需求越多样，我亲自回复用户信息、用户群消息，能拿到最真实的需求，让产品迭代方向更清晰。
目前我们只是刚完成从0到1的阶段，还没到1到10，这个赛道未来非常可期，周期也很长。
量子位智库：一年到两年内，ChatExcel的理想产品形态是什么样的？
ChatExcel：现在的口号是“聊天就处理Excel”，未来要实现“聊天帮我处理发票”“聊天帮我生成数据系统”“聊天帮我汇总数据并发到邮箱”等场景，覆盖所有数据处理周边相关需求。
我们的定位是数据能力提供商，希望未来很多AI产品处理数据时，都能调用我们的能力。
相比拥有1000万用户，我们更希望拥有1000万个合作伙伴，通过合作伙伴覆盖更多用户，让更多人用上我们的技术。
量子位智库：数据类产品全球化时，会有文化、工作习惯带来的迁移成本吗？还是可以直接标准化全球化？
ChatExcel：其他产品出海面临的本土化挑战，我们相对较少，换个皮肤就能适配部分市场。
国内有抖音、微博、京东、天猫，海外有Ins、TikTok，数据环境不同，但从技术处理层面，我们的适配难度较低。不过要做好全球化，还是需要本土化运营，不能完全标准化。
量子位智库：大模型厂商、DI工具厂商、文档编辑器厂商等都可能进入AI+数据领域，会聚焦同一批用户竞争，还是各自分散竞争？
ChatExcel：大厂有技术和资源，只是战略方向不同或“大象难转身”，他们进入这个领域是必然的，竞争已经是进行时。
不同团队的技术路线、场景覆盖度有差异，而且市场足够大，不存在绝对的“同一批用户”竞争。
新技术革命的魅力在于给新团队机会，我们的核心是抓住机会，提升产品深度和ARPU值，在生态中找到自己的位置。
量子位智库：开源大模型盛行后，是否会出现同质化竞争？什么时间节点可能出现？
ChatExcel：不会出现同质化竞争。不同模型厂商的模型能力参差不齐，国内国外模型差异很大，即使是同一厂商的不同版本模型，能力也有区别。
模型只是基础，产品差异的核心在于团队的技术落地能力、产品打磨和场景适配。
社会是生态化的，天然存在多样性，竞合关系会一直存在，我们会在差异化竞争中找到自己的空间。
量子位智库：是否存在“用户用得越多，模型越好，产品水平越高”的迭代飞轮？
ChatExcel：我们的飞轮不是针对大模型迭代，而是用户需求驱动产品迭代。
用户会通过微信给我反馈问题、投诉、抱怨甚至建议，这些都是最珍贵的需求来源。
有用户会吐槽“这个功能为什么做不掉”，也会推荐新场景，比如做工程报价的用户说“工程报价全是表，你们能不能处理”。我们会根据这些反馈优化产品，形成正反馈循环。
好的产品是用户共同打造的，用户最清楚自己的需求，我们只是把这些需求落地成产品功能。
9、用户使用能力与模型能力在共同提升
量子位智库：ChatExcel的收费方式和商业化情况是怎样的？定价考虑了哪些因素？推出月卡时是否担心用户使用越多成本越高？
ChatExcel：收费方式很简单，官网可查：每天免费10次体验机会；月卡25.9元，年卡99元，还有终身卡，采用账号授权的标准订阅制。
开放平台采用MCP商业模式，其他AI Agent产品、SaaS产品可以通过API调用我们的能力，按积分消耗计费。
定价时主要考虑了大环境、其他AI产品的定价情况，以及用户从免费到付费的接受度，不敢定高价，尽量找中位数范围，没有复杂的科学定价逻辑。
推出月卡时不担心成本问题，反而担心用户不用。非专业用户使用频次没那么高，办公场景中不会天天做Excel、写PPT，用量相对可控。
后续随着产品场景模块增多，用户覆盖度扩大，使用频次可能上升，成本问题会成为需要解决的重点。
量子位智库：有人质疑AI无法深度适配复杂业务场景，价值上限有限，市场规模会受影响，你怎么看？
ChatExcel：关键在于如何定义“业务”和“复杂”。
把两个表抽取、合并并生成图表，对数分团队来说不复杂，但对90%的普通用户来说已经很复杂。
SMB客户、医生、机动人员等不同用户，对“复杂”的定义完全不同。AI已经形成生产力，再复杂的场景和业务，AI都能发挥作用，只是能做到10%还是30%的区别。
没有必要纠结于“复杂任务做不了”，能做到90%就先用起来，边用边学边总结，找出AI的边界。模型在成熟，用户使用能力也在提升，这是一个共同进步的过程。
