专访ChatExcel逄大嵬，完成千万级天使轮融资背后做对了什么？

ChatExcel 团队刚完成一轮近千万元的天使轮融资，投资方是上海常垒资本和武汉东湖天使基金。

按官方的说法，这笔钱主要花在产品研发迭代和全球化运营上，继续往“AI数据智能体（DataAgent）”这个方向扎，把想法真正落到实处。

这支 AI Native 团队过去两年累计服务用户超过千万次，还曾在央视《赢在AI+》创业大赛里拿下智能办公组的全国第一。

现在的 ChatExcel 不光能处理 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，把一整套数据闭环搭了起来。

在创始人逄大嵬看来，这仅仅是个开头：“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

下面这段，是我们和 ChatExcel 创始人 Davis 的对谈：

K姐研究社

Hi~Davis，先聊聊你们最近都在忙些什么？

🧑🏻‍💻 Davis

最近基本都围着 AI DataAgent（AI 数据智能体）这个方向转，一边迭代产品，一边推商业化。

 K姐研究社

我看到你们最近的访问量，比上个月翻了好几倍，怎么做到的？

🧑🏻‍💻 Davis

核心还是产品一直在迭代。访问量涨了大约 175%，在非凡的排行榜里进了增速前五，国内流量排名大概在 58 名——这个结果超出了我们的预期。

我们几乎没做什么商业化投放，增长主要来自产品自己的迭代。再加上一些大平台、大渠道的曝光带了一部分流量。总的来说，推动增长的就是产品和自然曝光这两件事。

 

做 Excel 不是为了蹭 AI，是 Excel 本身值得做

 

 K姐研究社

官网上写着你们拿了央视《赢在AI+》智能办公组第一名，这个第一名是怎么拿下的？

🧑🏻‍💻 Davis

《赢在AI+》其实是当年央视做《赢在中国》的那批人，在 AI 时代重启的创业节目。我们最早在去年阿里云的云栖大会打初赛，现场还有直播，之后连过三轮比赛，一路打进决赛拿了第一。

比赛形式跟大家在电视上看到的差不多：创始人用两三分钟讲清楚产品和商业模式，评委和观众打分。

对我们团队来说这是个很难得的机会，不光拿到了曝光，还逼着我们重新想明白几件事：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？有点像“电梯演讲”，得在极短的时间里把产品和愿景讲清楚。

更关键的是，央视这样的平台给了我们大量流量和传播，同时也得直面评委和投资人的尖锐点评。那些一针见血的问题推着我们反思：哪些地方还要改进，下次该怎么准备。整体来说，这个节目对我们的帮助非常大。

 

K姐研究社

最开始是基于什么想法做 ChatExcel 这款产品的？

🧑🏻‍💻 Davis

团队核心成员都是北大的，两位博士合伙人在读研时就已经在做数据处理和 Excel 相关的研究。那时我们用的还是 BERT 这一代 AI 技术，真不是等 GPT 出来了才动手的。

后来读博期间，两位博士在导师指导下试着用 Transformer 架构重新做数据处理。到 2022 年下半年，我们逐步切到这个新架构。赶巧 2023 年 GPT 起来了，我们顺势把产品定位为 ChatExcel，推给了用户。

所以我们的出发点是真想解决 Excel 的问题，而不是因为 AI 火才选了这个方向。

 

问题越难，价值越大

 

 K姐研究社

你们团队现在不到 10 个人，都是些什么人？

🧑🏻‍💻 Davis

其实只有 8 个人，基本上清一色产品和技术背景。我们是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

这规模确实够小的了。

🧑🏻‍💻 Davis

AI 产品拼到底还是产品技术能力，是 PFG 的模式。所以我们认定，增长必须靠产品力迭代。其他运营手段只是锦上添花，在技术迭代的速度面前很可能扛不住。

所以哪怕只有 8 个人，我们也照样按产品技术迭代的节奏来做迭代。

 K姐研究社

新架构和 AI 技术处理 Excel，跟传统方式最大的区别在哪？

🧑🏻‍💻 Davis

最大区别是用户的习惯和预期变了。过去要背函数、记公式，甚至写代码；现在用户只关心结果，不在乎过程——把表格和数据交给系统，就希望马上拿到反馈。

这样反而更贴近人真实的预期和使用过程，就像用 ChatGPT：把需求说清楚，拿到结果就行。

 K姐研究社

刚才你说团队几乎都是工程师，但国内用户体量已经很大了。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。我们没有太多钱去投流、找大号带货，增长靠的就是产品本身的价值。

另外我们入场早，多少有点先发优势。严格说，算是国内最早一批做 AI 应用的。中间虽然停滞过一阵，但两年下来，在这个赛道里我们仍然排在第一位。原因在于 AI + Excel、AI 数据处理这个方向门槛很高，市面上几乎找不到旗鼓相当的产品。

大家常说“难而正确”，我觉得这话很对。AI 时代真正该做的恰恰是这些难题：准确性怎么保证？多种数据类型怎么支持？大型数据库怎么处理？数据安全怎么守住？这些全是技术壁垒。

我们能积累下这么多用户，靠的就是不停迭代，一点点把用户的预期喂饱。

我们也是从 10 个用户，到 1000 个、1 0000个一点点攒起来的。用户用完给反馈，我们接着迭代，需求被满足得越多，他们就越愿意留下来，还顺带帮着传口碑。

说到底，我们的增长本质上还是靠产品力。

 

用户凭什么相信结果是准的？

 

 K姐研究社

现在很多用户已经把 AI 当日常办公工具用了，写文案、做 PPT 都行。可一到数据场景，AI 的幻觉还是躲不开，用户往往得反复核对结果。“结果是否准确”这个问题，你们是怎么解决的？

🧑🏻‍💻 Davis

这个问题问得好。我们做的是数据智能体，Excel 只是其中一种文件类型。

那准确性怎么解决？两方面：

第一，我们背后走的是 AI 编程的路子。我们相信 AI Coding 的能力和处理规则是准的。

第二，把过程做得可信、可视。文件和数据处理的整条链路都摊开给用户看，还能随时介入，整个过程是透明的。

比如我们现在服务四大审计公司，对方就要求 Coding 的过程必须可见，这样才能证明逻辑没问题。

怎么证明可信？前提是结果必须能被验证。

另外，数据准不准还跟数据源挂钩：源头质量差，结果一定差，所以绕不开数据质量和数据治理的问题。

所以这件事不是光靠模型能力就能解决的，得从模型、产品交互、可视化、数据源好几头一起使劲。整个 DataAgent 的链路其实非常长。

 

商业化怎么走——形态产品化、能力产品化

 

 K姐研究社

现在的营收情况怎么样？开始赚钱了吗？

🧑🏻‍💻 Davis

赚到了，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、一体机私有化部署版，还开放了 MCP 和 API 接口。对外的产品形态这么多，那商业化的重点方向是哪个？

🧑🏻‍💻 Davis

我们的重点其实就一件事：产品化，用 Product 的方式来交付，最终面对的是 C 端用户。

这个 C，可以是个人用户上网访问我们的网站，可以下载客户端，也可以通过 MCP 在别的产品里体验——包括我们做的 APP 版、企业版，全都围绕这一点。

同时我们也在啃另一个关键问题：安全。数据智能体的使用场景里，大家最在意的就是安全和敏感性，最直接的解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，支持部署进 AIPC、一体机，或者局域网内部。

归结起来，商业化就是这两个方向：

• 形态的产品化；
• 能力的产品化——能把模型部署到单台电脑里。

 K姐研究社

从你们的视角看，以后 C 端和 B 端的营收大概是什么比例？

🧑🏻‍💻 Davis

我们还是以 C 端用户为主，目前的营收主要来自 C 端。B 端虽然也有一些客户在合作，但整体重心还是帮 C 端用户解决数据处理的问题。我们不是做传统 BI 产品的，所以现阶段 C 端占比会更高。

 

和WPS、Office不是一回事，谈不上可比

 

 K姐研究社

市面上能给 C 端用户做表格、处理数据的应用挺多的，WPS、Office 都集成了 AI，还有一些新冒出来的，比如爱图表。你们怎么跟这些工具竞争？差异在哪里？

🧑🏻‍💻 Davis

差异就在定位不一样。我们不只是做表格处理，本身的定位是 DataAgent（数据智能体）。

WPS、Office 本质还是表格编辑器，只是往编辑器里加了 AI，或者只解决某个单点问题，比如生成个图表。

ChatExcel 做的是围绕数据全链路（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）搭一个 AI DataAgent，让数据流通起来，形成商业闭环。

每个节点都有各自的场景，而每个真实用户在不同工作场景里，对数据的需求点也各不相同。

我们和 WPS、Office 干的不是同一件事。我们是新事物，没什么可比性，对吧？

解决的问题虽然有重叠，但技术路线和定位不一样。竞争肯定存在，不过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 原生应用，没有传统产品那些包袱？

🧑🏻‍💻 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。我们看问题的角度是跟着模型能力提升来做产品，随着模型的成熟度不断演进，这跟老产品完全不同。

老产品自然有它的优势和壁垒，但我们今天最大的机会在于——新的 AI 产品到底能解决哪些问题。

像我们这样不到 10 个人的团队，能跑出这样的数据和商业化成绩，背后的逻辑还是因为我们是 AI Native 团队。

AI 给我们带来的加持非常明显。不管是对事情的看法、团队构成，还是技术演进路线，你会发现 AI 在我们团队身上的烙印是实打实看得见的。

 

最大的机会在海外

 

 K姐研究社

海外市场的进展怎么样了？

🧑🏻‍💻 Davis

我们的海外产品（英文版）已经上线，正在做海外推广。不过在海外，我们还算个“新生”

 K姐研究社

海外版和国内版是完全隔离的吗？

🧑🏻‍💻 Davis

对，完全隔离。用的全新域名，交互上有些共通，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。

我们非常笃定，未来最大的机会还是在海外。本质上我们是一款效率工具，而海外用户为效率工具付费的意愿和能力都更强，这就是我们很大的机会。

我们也在加大投入，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

国内用户和海外用户的差异，你们怎么看？

🧑🏻‍💻 Davis

整体来说，面对的都是 C 端用户，但差异还是不小。

头一个是使用习惯和付费习惯。国内用户内部本来就有差别，东南沿海一线城市和其他地区、不同行业之间都不一样。

海外还能再细分：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距。

目前还在推进，估计再过几个月会有更多结论。但就眼下的体感，不同国家在使用习惯和支付能力上确实有区别。

好在我们这边还好，处理的数据本质都是表格——Excel、Sheet 或 Data，这些全球通用，本土化的难度相对没那么大。

 

8 个人的小团队，刚拿了近千万融资

 

 K姐研究社

能透露下最近的融资进展吗？打算开启新一轮吗？

🧑🏻‍💻 Davis

上半年我们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的融资公告，也算为下一轮做准备

 

K姐研究社

这轮融资主要想解决什么？

🧑🏻‍💻 Davis

还是主要花在产品迭代和海外市场上。虽然团队本身已经在赚钱，但做海外要投入的成本更多。

另外，现在这个阶段拼的就是速度，团队厚度、技术迭代、用户增长策略，哪样都离不开资金支持。

 K姐研究社

你们更倾向什么样的投资？会对投资方做筛选吗？

🧑🏻‍💻 Davis

我们没有特别明确的倾向，毕竟还在比较早期的阶段。

上一轮已经完成，接下来希望投资人认同数据智能体这个方向，看得懂我们在做什么，还能带来资源上的帮助。尤其在海外，投资方要是有这方面的积累，对我们会更有价值。

 

高频迭代，帮我们更快摸对方向

 

 K姐研究社

你们更新的频率特别高，迭代方向是怎么选的？怎么撑得住这么高的频率？

🧑🏻‍💻 Davis

这跟我们对 AI 时代产品的理解有关。本质是靠产品力的成长来吸引用户，而 AI 时代的用户愿意陪创业团队一起成长，所以我们就跟着用户的需求不断迭代。

第二，频繁更新能帮我们更快找到对的方向。迭代越频繁，试错周期越短、成本越低，我们就能不停地拿到正反馈。

正反馈的周期越短，说明方向越对路。

半年才更新一次的话，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。

 K姐研究社

我大概 2022 年底就开始关注你们了，但产品化一直到 2025 年才逐渐完善，有没有人评价过你们进展比较慢？

🧑🏻‍💻 Davis

确实有这样的评价。不过原因是客观的：我们团队来自北大，两位博士合伙人当时还在读博，学业排第一位。去年他们正好读博一，那段时间几乎没怎么迭代，主要精力还是放在念书上。

 

AI 创业者得承认自己有边界

 

 K姐研究社

怎么看待你们当前的生态位？比如你们已经和阿里、华为这样的头部公司在合作了。

🧑🏻‍💻 Davis

我觉得生态位本身就是一种竞争力和壁垒。但核心还是看产品在行业里有没有独特性，能不能解决一个细分、垂直的问题——而且那个点上，大厂短时间内还不会把资源砸进来。

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，团队自己的能力和资源也有边界，所以开放合作才是最好的成长策略，关起门来重复做一件事不可取。

对 AI 时代这一批创业者和产品来说，现在是个很好的时代。大厂愿意开放资源、平台和流量，来帮衬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 的逻辑也一样：把细分方向做扎实就已经很有挑战了，要承认自己的团队是有边界的，别觉得人多就什么都能做，这一点很重要。

 K姐研究社

华为、阿里云、腾讯云、字节火山这些国内厂商，本身就提供服务器和数据库服务。你们会不会担心他们直接复制你们的产品，然后卖给他们自己的客户？

🧑🏻‍💻 Davis

我们从来不担心这个。竞争不是 AI 时代才有，所有软件产品都会面临，这是常态。我们诞生之前就有不少团队在做类似方向，竞争从来是全方位的竞争。

但 AI 时代迭代速度非常快，我们不认为大厂做这件事就一定有优势。尤其在国内，大厂有自己优先级更高的事，不一定会把资源投到这个细分领域。

对我们来说，更重要的是专注把自己的事做好。我们是 AI Native 的新产品，用户预期也很高，还没覆盖的客户群体已经非常庞大。与其担心别人会不会做，不如琢磨用什么方式、什么样的速度去满足用户需求。

 

最终定位是 AI Decision（AI 决策智能体）

 

 K姐研究社

我在官网上看到你们有两个快上线的产品，叫 ChatData 和 ChatPanel，能分别介绍一下吗？

🧑🏻‍💻 Davis

这两个产品会在两周内上线，其实都是我们产品迭代路线的一部分。我们的定位是做 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，把数据和使用习惯积累起来。

我们认为数据分好几种类型。第一个 Source 是文件类型，第二个是数据库类型。

马上要上线的 ChatData，处理的就是数据库类型的数据。不管是 MySQL 数据库、SQL Server 还是 Spark 等各种数据库，都支持直接用 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），以及公开数据，比如网页上的数据、第三方互联网数据。它会自动抓取网页数据，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，我们从 Excel 扩展到数据库，再到三方公开数据，还支持三方 API 对接和 MCP 协议。只要是数据，不管来自哪里，我们都希望覆盖从获取、处理、加工到应用分析的全链路。

官网上提到的那两个新产品，其实就是在把这条路线落地。

 

AI 时代刚开场，ChatExcel 是起点，不是终点

 

 K姐研究社

我了解到 Davis 之前也是创业者，是吗？

🧑🏻‍💻 Davis

对。

 K姐研究社

你之前做营销方向的 ToB SaaS，现在做 ChatExcel。这会是你的最后一个创业项目吗？

🧑🏻‍💻 Davis

我算是连续创业者，之前主要做营销类的企业服务 SaaS。至于 ChatExcel 是不是最后一个项目？我觉得不是。

ChatExcel 只是这个时间点上的一个项目名称。AI 时代才刚开场，我更愿意把它看作我们团队、也是我个人进入这个时代的门票。

它只能说明我们刚刚跟上了这个时代的脚步。未来几十年、几百年，还有太多事情可以做，具体会走到哪里，现在没法判断。

所以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，坚持做下去，保持开放的心态不断迭代。

原文链接：专访ChatExcel逄大嵬，完成千万级天使轮融资背后做对了什么？