TorchV创业一年半复盘：我们在努力定义AI企业知识库

昨天（2025.05.29）是TorchV创业一年半的日子，本来不想写什么的，因为最近被业务推进的速度摧残的都没有好好休息。但是突然看到红薯老师的文章里面引用了Srinivas Rao的《99% 的 AI 初创公司将在 2026 年前消亡》，让我突然有想写一篇创业感想的冲动。在这个时候看到这篇文章，应该说也算是一种警醒，至少会让我去好好总结和思考。AI有很多方向，我们到底应该聚焦在什么方向上。

Srinivas Rao的《99% 的 AI 初创公司将在 2026 年前消亡》观点带有一些悲观色彩，他分析99%AI初创公司消亡的主要原因缺乏真正的技术护城河，仅仅是依赖类似openai、anthropic等公司的大模型提供的API来进行包壳。这其实也是我们一开始创业就考虑的问题，不是因为我们多么有先见之明，而是实力不允许。所以我们一路走来，不自觉地就往更落地的方向走去了，去做AI企业知识库，而不是高举高打那些非常性感的技术和应用。就像《投名状》里面的台词：有希望打赢的仗，绝对轮不到我们上，让我们上的，肯定是没希望打赢的。把没有希望打赢的仗打赢，我们才有机会，但仅仅是个机会。你说很难？但不难根本轮不到你。当然，我们的处境还不至于如此凶险，但是低头看路是我们生存之道。

下面是我们创业的一些历程，以及一些思考。

图：TorchV团队

一、SaaS——愣头青阶段

在创业的最初期，我们3个人的小团队也是愣头青一样“坚定不移”要做AI的SaaS服务，于是在23年12月就推出了TorchV AI，一种可以快速将非结构化数据上传然后提供知识问答的服务，3.6万元/年。应该说比较幸运的是当月就有成交的客户，到了1月份甚至有了非熟人关系的获客成交。虽然春节回来之后沉寂了一段时间，到了3月底又开始复苏。SaaS服务一直持续到8月份，中间也有好几家大型企业找过来询问是否可以私有化服务，我们都拒绝了，其中包括后来成为我们客户的浪潮信息。

SaaS服务的好处当然也很明显：

• 产研侧：任何客户反馈和特性升级都在一条主线上，研发排期、发展路线规划都非常清晰。应该说，那是程序员“向往的生活”；
• 销售侧：我们只需要将好产品的故事，以及客户案例，更多是客户来适应我们，而不是我们去适应客户，感觉销售效率也还是很高的。

但也许是我们自己不太懂如果做SaaS的原因，渐渐地缺点也就显现了，主要是以下三点让我感觉要转型：

• 需求的路越来越窄：因为不主动适配客户，我们其实忽略了很多市场需求的变化，或者对于市场上的客户需求没有深入理解，造成产品升级缓慢。虽然那段时间技术上的提升还是显著的，但可悲的是你在技术上5%-10%的领先，无法抵御人家的低价甚至免费。
• 小型客户存续问题：一直到我们24年8月不再推SaaS服务为止，所有的客户里面其实没有大型客户，客户基本上都以创业公司为主。这本身不是问题，问题就在于在25年我们再回头看时，这些客户的存续率不足20%。那些团队都已经散伙或者转行了，我们的续费自然也就无从谈起了。
• 技术瓶颈已然到来：在24年上半年，我们自认为自己完全凭技术是有优势的，但24年下半年给我的感知这个差距越来越不值得一提，反而有时候更好的交互体验比技术优势更能打动人。当热，随着早期采用者过度到早期大众，客户的需求也变得越来越具体，这时候可以贴近客户需求交付变得更吸引人。

考虑到这三点，加上收入下滑，我们觉得要改变了。

二、KB和私有化——走出舒适圈

在24年6月，我们密集拜访了一些较大的企业，可以说基本上都是在某一领域赫赫有名的，如“全球最大的.....”或者“国内最大的.....”。发现他们都有一个相似的需求，就是知识安全。这个安全，包括了两层意思：

• 对外安全：企业内的知识包含了企业领先的秘密，如生产工艺、成本、产品售后问题集、合同和内部决策规则等，以及积累了多年的各类制度。企业用户不想这些知识外泄，哪怕是调用外网的大模型都不允许。所以这类企业是一定需要采购硬件部署在本地的，而且基本上都是内网使用；
• 对内安全：这类企业往往规模较大，内部员工数量动辄上千上万，知识的可访问权限、防泄露水印等尤为重要。

经过这一轮的拜访，我们一方面觉得私有化确实是很多大型企业的刚需，另一方面也确实很想和这些企业合作，因为他们有非常丰富的使用场景，可以极大拓展我们对AI在企业落地的理解，丰富产品能力。于是，首先和我们开展合作的是之前已经两个月没联系的浪潮信息，这次我的态度就非常认真了，也确实能更进一步去体会他们的需求。

和浪潮信息合作，我们开启了TorchV KB这款产品的研发。那时候AI Agent已经开始在市场上热度很高，我们经过一段时间的内部讨论，最终决定先往RAG的下方走（知识和数据处理、权限等），暂时放弃往上走（应用、AI Agent），原因也很简单，当时产研侧就6个人，我们不能什么都想要。

那时候还有一种情绪也很奇怪，就是大家都不想被叫成一家AI知识库产品的公司，因为那时候知识库似乎烂大街了，只要能上传文件然后问答的，都叫知识库（似乎现在的智能体、AI Agent也是一样的烂大街，不说自己做智能体，你连PPT都不好意思打开）。

经过一段时间的挣扎，我们自己对AI企业知识库做了一些定义：基于AI能力构建的可以汇聚、管理、生产和消费企业知识的知识库系统。这样的系统就必须有以下这些功能（可能不全）：

• 大模型+RAG
• 知识ETL+知识文档级精调
• 知识管理，至少需要承受20万各类型文档
• 组织架构+用户+细颗粒度权限控制
• 多人实时在线编辑器，还要能经受得住30万字文章的考验
• 标签管理能力
• API和应用创建

确定了这些事情之后，那就是把自己定义为AI企业知识库厂商，赚钱嘛不寒碜。很快，我们就和一众大型企业客户签约，开始了AI企业知识库+私有化之路。

但是私有化这事吧，确实非常费人，因为你一旦深入到客户企业的实际生产过程中，那你的交互设计、流程设计，以及操作手册等都不灵了。一方面我觉得是产品本身前面接受的考验还不够，适配能力还欠缺，包括我们自己对企业业务的了解也是不够的；另一方面是，如果要考虑到企业客户使用之后能产生真正的价值，那就是要进行磨合的，甲乙双方人员的磨合，人与软件的磨合，有时候甲方也会为了使用更合理顺畅，去修改他们一贯的作业流程。

私有化确实可以给我们带来客户品牌背书、丰富的实施经验，以及产品能力的提升，但来钱慢。如果按挣钱效率来说，那确实不是一门好生意。我们也在思考，需要开辟第二条战线。

三、生态合作——提升人效阶段

TorchV KB因为深入企业，所以产品成长非常快，但也带来了另外一个困难，基线和各个客户私有版本的管理问题。在实施过程中，你会发现那些非常优秀的企业客户确实存在非常多的优秀场景，这个时候各个私有化版本虽然也是在公司开发的，但差异还是很大的，而且还面临着大量bug修改，为了版本管理，我们都研究了不少时间。

这还不是最大的问题，现金流才是，特别是从去年年底开始，人员开始突破10人，而私有化项目往往是需要少则两个月，多则4-6个月的实施交付时间，回款没有那么快，这都已经是生存问题了。

在这样的情况下，我们前面就已经在交流对接的两家合作伙伴开始发力了。

他们都在各自的行业里面多年，有稳定客户资源，也有自己的产品，只是没有AI能力。在这种情况下，我们在产品上进行了开发结合，在解决方案上也进行了融合，他们选择更多是我们比较成熟的版本。而且在前期的获客、方案和投标等环节基本上不太需要我们参与就可以把单子最终落定，我们每个项目投入的人手相对可控，人效直接就提上来了。我相信在接下来几年中，生态合作应该在我们的收入占比中越发重要。所以今年4月份，以前的创业合伙人也再次加入公司负责生态建设。

四、KBS——看见未来

图：爬山是在积累势能

我经常在团队内部说，团队需要不断去挑战新的困难，就像爬山。上山是很累的，但它可以为我们积累势能，包括提升产品天花板、磨练团队能力以及积累客户品牌，我们可以在生态合作上释放势能，转化成动能。

春节回来之后，浪潮信息、适途科技、台州银行等多个大客户的项目还是实施中，虽然团队成长飞快，但其实大家都挺累的。特别是我们CTO八一菜刀，他说东哥，我们俩春节回来好像一天都没有休息过。确实，这就是创业的现状。但就在大家觉得浪潮等项目交付在望的时候，微众银行找上门来了，而且我跑了一趟深圳之后，眼界被打开了，觉得这需求都至少可以作为公司接下来五年的目标来做。

但严峻的问题也放在面前：

• 目前手头上的项目怎么办，会不会有影响？
• 团队已经很累了，要做休整，现在还能“分兵”面对下一场更大的战役吗？
• 理念很好，但是实现其实很难，投入进去有把握吗？

确实，很多事情来的太集中，需要团队做艰难的决策，特别是一开始，市场和产研人员的感受是不一致的。但因为大家的理念是相同的，所以菜刀先行起身去了深圳，开始了微众项目的开发。面对上面的问题，我们最大的解决方案就是继续招人，人员陆续来到了20+，而且第一次开始认真梳理内部研发和交付流程，也算是一种压力下的自我求变。

四月、五月的绝大部分时间，菜刀带队的5人小组基本上都在微众银行驻场，把KBS的MVP版本完成了。叫KBS是因为这套系统基于KB，但确实有很多升级的地方，而且最大的不同是它是一套基于知识库驱动的数字员工平台。我个人认为数字员工也是AI Agent或智能体的一种，但数字员工可能有一些明显地区别，主要表现在两个属性上：

• 人的属性：如样貌、姓名、人员简历、电话号码、岗位职责等。或许在近期他们更多存在于数字世界，更多是在PC和APP上与大家交流。但是两三年后呢，他们可以在具身智能上使用的，真实世界和数字世界的同事总有手拉手的一天。
• 资源属性：和人类员工一样，数字员工也有接触资源的权限，根据不同的岗位职责赋予不同的知识访问权限。在这一点上，数字员工可能比大多数的工具性质的智能体能做的事情会更多，因为要让AI做事，除了技能（workflow）之外，还需要获取企业内部资源（知识、数据），不然只能完成工具类或对外的工作。

数字员工和人类员工一样是可以培养与招募的。我们在开始KBS研发之后留意到国内几家AI应用走在前列的企业，内部都在开展数字员工计划。也许三年之后，这些企业内部都会存在大量数字员工，提升企业的生产力和经营效率，而要让海量的数字员工有序高效运行，必然离不开类似KBS这样可以从各种知识来源去组织知识，生成和管理知识，以及对知识进行面向应用地重构和解耦的系统支撑。

写到这里，AI企业知识库的定义又可以加上四条：

• 知识链路管理和溯源
• 知识重组和解耦
• 知识运营
• 知识数据飞轮

所以我们也把AI企业知识库作为主要产品，不寒碜。因为企业要在AI时代快速发展，梳理好自己的知识库肯定是第一步。