一：一种观点
「大模型时代的来临，真正的价值在于原生应用，而原生应用无论对于大厂来说，对于中小企业来说，对于创业者来说，都是很大的机会，希望大家及早的去把握，尽量多的去尝试，我认为一定能够找到一条符合自己发展的道路。」—-李彦宏
二：观点有交集
在大模型背景下，基于我们团队有丰富的BI ,人工智能沉淀 也迅速的搭建了ChatBI解决方案。
三：市面上的产品
我们团队初步对类似产品做了分析 ，市面上很多是做了技术预研和可行性分析，我们整理了几家方案 如下
（1）Sqltranslate（开源）
输入
输出
优点：
(1): 自然语言转化为SQL语言
缺点：
(1): 依赖chatgpt大模型接口 。
(2):尚不能提供非SQL外的支撑能力。
(3):当前的版本只是看到技术路径 没有商业化落地的入口
（2）Data-Copilot（浙江大学团队）
输入
输出
优点：
(1): 用一句话描述就可以看到自己想看的数据（当前看到是预处理好的模型供选择交互）。
(2):无需编码可计算 可预测等复杂任务。
缺点：
(1): 依赖chatgpt大模型接口 。
(2):当前的版本只是看到技术路径 没有商业化落地的入口
（3）智乎增强分析 运营商团队
优点：
(1): 复用了传统bi的指标体系。
缺点：
(1): 目前识别仅仅是指标的匹配 。
(2): 受限于高质量的语料和基本的微调能力 。
(3):缺少对复杂SQL的支持
(4):尚没有看到基于语义的挖掘分析能力。
我们的方案
满足李彦宏说的AI原生应用特征：
（1）自然语言交互
(2) 能充分理解推理 生成等。
我们通过这一个入口 可以覆盖大部分传统BI的功能。
优点 不依赖相对成熟的数据治理体系 如中台，数据仓库等
中小型企业只要有业务库表就可以轻松对接而且我们还可以对接互联网的数据。
优点 多模态的输出 不仅仅是文字输出 还可以是图表，报表，挖掘结论，分析报告，可视化仪表盘等。
建设路径
自研的AIGC引擎
案例
（1）对比分析
（2）报表生成
（3）数据挖掘结论
相关性
