李彦宏的判断值得细品。他在谈及大模型时代时，给出了一个核心判断：“真正的价值在于原生应用”，并强调无论大厂、中小企业还是创业者，这都是一次巨大的结构性机会，尽早尝试并找到自己的路，至关重要。

我们团队对这个方向的观点是高度一致的。在大模型浪潮初期，基于我们在BI和人工智能领域的多年积累，我们迅速搭建了一套ChatBI解决方案。这并非技术储备，而是一个直奔应用去的实际落地项目。

市面上的同类产品，走到哪了？

我们对手头能接触到的同类方案做了一个快速扫描。老实说，很多停留在技术预研和可行性验证阶段，真正能拿出来直接用的少之又少。下面挑几个典型的来说说。

1. Sqltranslate（开源）

输入：自然语言提问。
输出：SQL语句。

优点：准确实现了自然语言到SQL的转化，门槛低，思路清晰。

缺点：

• 对ChatGPT接口有强依赖，自主可控性不足。
• 除了生成SQL，还不能提供SQL以外的支撑能力，比如数据解释或图表生成。
• 目前看仍停留在技术路径验证层面，没有商业化落地的入口。

2. Data-Copilot（浙江大学团队）

输入：一句话描述需求。
输出：预处理好的数据模型供选择交互。

优点：一句话就能看到想要的数据，不需要写代码就能完成计算、预测等复杂任务。

缺点：

• 同样依赖ChatGPT接口。
• 版本也不成熟，尚未看到商业化的路径。

3. 智乎增强分析（运营商团队）

输入：自然语言分析请求。
输出：基于指标体系的匹配结果。

优点：复用了传统BI中的指标体系，在已有框架下做增强，思路务实。

缺点：

• 当前能力尚停留在指标匹配阶段，不能真正理解复杂的语义需求。
• 高度依赖高质量的语料和基础的微调能力。
• 对复杂SQL的支持是短板。
• 没有展示出基于语义的数据挖掘和分析能力。

我们的方案：直奔AI原生应用

回到李彦宏所说的“AI原生应用”特征，我们认为是两个关键点：自然语言交互，以及能够充分理解、推理和生成。沿着这个方向，我们设计了一个入口，就能覆盖传统BI的大部分功能。

第一个优势：我们不需要成体系的数据治理基础设施（比如数据中台、数据仓库）。中小企业只要有业务库表，就能轻松对接。甚至我们还能对接互联网上的公开数据。这意味着即使是数据治理水平不高的企业，也能用起来。

第二个优势：多模态输出。不只是文字回答，你看到的可以是图表、报表、数据挖掘结论、分析报告，甚至是一个完整的可视化仪表盘。这让分析结果真正“看得到、用得上”。

我们的建设路径

这套系统完全基于自研的AIGC引擎，不依赖外部大模型的API。这意味着在安全、合规、性能和数据隐私上，我们能做得更可控。

几个案例展示

（1）对比分析

用户只需要描述想要对比的维度，系统自动完成数据提取、对比计算，并以可视化方式呈现。

（2）报表生成

一句话或一段话就能生成一张完整的报表。过程不需要拖拽，不需要写SQL。报表格式、图表类型都可自动适配。

（3）数据挖掘结论

比如发现变量之间的相关性，系统会直接给出挖掘结论并附带置信度说明，而不是只给你一堆数字。

相关性

系统能够基于用户输入的上下文，自动推荐关联数据维度，帮助用户从“问问题”升级为“发现新问题”。

回到开头那句话：大模型时代的真正价值在于原生应用。我们选择从BI这个最传统、最刚需的场景切入，用大模型的能力做一次彻底的重新设计。效果如何，我们拭目以待。