ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
去美国、去日本!2024中国AI公司出海,要从被动转为主动
3503点击    2024-02-07 23:02
AGI 创业的时代,对于很多开发者来说,或许不能叫出海,而是生而全球化,借助 AI 的高效率工具,更好去服务全球市场的客户。
对于 2024 年的出海创业,哪些市场是我们需要重点关注的?哪些手段可以在创业阶段起到有效的作用?
文章来自 Global SaaS 创业者社区「Linkloud」,分享了他们对于出海/全球化的一些总结和预测。


经过一年,与上百家企业和几百位出海从业者深入交流,办了超过 15 场沙龙,一次 SEO Workshop,并且在一进新加坡,三进日本,三入美国后,我们现在是:


因为看见,更加相信。


2023 年初,出海像一种被动思考,而 2024 年初,全球化是一种主动行为。


躬身入局,是我们选择陪伴和赋能创业者的方式。同时兼具资本市场的视角,能让我们更好理解「出海」进程上的挑战,并帮助更多企业登上更高的国际舞台。


在出海浪潮一周年之际,我们把对海外不同市场的洞察分享出来,试图回答那些最容易被「挑战」的难题并提出相应建议,浓缩成册,与大家共勉。


01

有什么是不变的?


首先,尽管海外市场对 AI「宽容」,但更追寻高质量发展的公司。


无论在一级还是二级市场,从我们去年 9 月在 SaaStr 的见闻,到今年初海外知名播客《All-in Podcast》在年度回顾里对「bootstrapped(白手起家,不拿融资)」概念的讨论,大家越来越重视一开始瞄准解决真实需求、商业模式合理或现金流较好的初创公司,尤其去年成功上市的 Klaviyo,与 Adobe「分手」的 Figma,从自身业务增长和现金流来看,仍然是优秀的 SaaS 公司代表。


第二,美国与日本仍然是 SaaS 最典型的优秀土壤。


在调研了多个市场之后,我们把目标放在了美国和日本这两个最值得重视的软件出海目的地。美国市场虽然竞争激烈,但始终是土壤最丰厚的单一大市场(没有之一),取乎其上,得乎其中,去服务最好的客户和比拼最优秀的友商,才能打磨出最好的产品和最强的团队。而日本市场虽然导入周期长,但高度集中的客户浓度、诚意满满的付费意愿和「至死不渝」的续费粘性为这块土壤埋下了黄金万两。


第三,创始人躬身入局是出海最必要的动作。


「Idea-market fit(即概念验证)」是最难的一步,与潜在客户、种子用户的充分交流是必要的第一步,我们推荐多与当地合作伙伴甚至本地相似友商做一对一、面对面的交流,能极大提升交流的质量,理解真实市场需求所在。一些共性需求,比如数据安全合规,建立客户的信任度,也反映出进入这两个市场需要的「初始配置」。除了产品需求,实地去与当地不同类型的 AI 或 SaaS 同行、云厂商、集成商、代理商、商会协会(尤其在日本)、咨询公司等进行的深入交流,才能清晰理解市场的整体商业环境,做好资源调配,也是必要步骤。


比如像我们在日本游学行《Linkloud 先锋加速营第五期・日本 | Day 1 精华・总览》记录中的那样,只有深入市场才感受到本土 IT 服务产业与一般理解的「IT 外包」不同,日本存在十分良好的现金流和利润率公司。头部综合性 IT 服务公司,综合能力一流(咨询导入、项目交付、跨国并购、组织管理),运营指标相当健康,数百亿人民币级别的收入规模和 10% 以上的净利润率,数万人的公司规模保持了 100 万人民币以上的人效。对于新进入者来说,选择什么规模和产业的 IT 合作伙伴,意味着需要不同的产品形态、商业模式和服务方式。


(日本 SaaS 市场过去保持了高速增长)


最后,如何利用好生态资源和借力打力,是做好本地化不变的命题。


还是回到日本,科技大厂和咨询公司等联合服务客户的文化和机制是很成熟,且合作模式十分灵活,生态开放。我们在 12 月的日本行中了解到,微软在日本服务了近乎所有行业的头部客户,2023 年下半年开始 AI 业务爆发,Azure Marketplace 上需要更多行业产品,也有大量项目需求,需要有行业纵深理解、定制化开发和落地服务,他们十分欢迎与合作伙伴和创业公司一同服务终端企业。


02

有什么超过我们预期的?


AI 红利足够持久,或给后起公司弯道超车的机会。


基于去年初从 GPT 的套壳类产品到年中 AI 生成视频等创新型工具,AI 在社交媒体和科技兴趣爱好圈里的热度持续了整整一年,用户会不断为有创意和优秀体验的产品自发推广,形成病毒传播。资本市场也同样奖赏产品和体验都做到极致的初创公司,以 Heygen 为代表,尽管有 Synthesia 和 DI-D 等先行者,但只要利用好社媒,通过良好体验和用户口碑,在增长与营收上双重证明,的确是所有初创团队的超车机会。


去年,许多 AI 新产品以 Product Hunt 为首发平台,我们便看到了大量中国团队迈出了全球化的第一步,本次年榜《Product Hunt 2023 年度产品榜:GPT-4 夺冠、获奖 AI 产品全介绍》中,有 Dora、Heptabase、Pika Labs、Trickle 等多家华人背景的公司上榜,同样还有 Monica.im、MindOS、Dubbing 等近十款中国团队项目在月榜中取得了不错的名次。


其次,通过近距离观察,我们看到了美国软件生态的「立体」和「多元」。


除了融资驱动的「水上」公司,更多的是低调赚钱、闷声发财的「bootstrapper」,和海量的独立开发者与小团队「indie hackers」。随着云和 AI 的基建越来越完善,全球 bootstrap 浪潮愈演愈烈,甚至在国内的渗透速度也远超预期。在 SaaStr 的「Bootstrap Stage」会场,我们看到了新老创业者们其乐融融的交流分享,这将是现阶段更友好的创业之路,我们愿意成为坚定的支持者。


(SaaStr 现场 bootstrap stage,地上都坐满了人)


日本作为以「慢」和「保守」出名的市场,我们却看到了其对 AI 的渴求在去年下半年快速释放。


与很多当地公司负责人的交流中,他们都明确表达了要在今年的 AI 和整体信息化上的预算和组织投入。大公司十分积极寻找将 AI 融入自身工作流的最佳实践和可行性方案,小公司很多已经开始使用流行的 AI 产品,不少当地政府甚至在内部开始推广全员使用 ChatGPT。


这波 AI 浪潮迭代速度极快,应用效果明显,使得不少企业放弃传统的「自研」路线,积极引入更灵活的合作伙伴或产品,尝试在工作中取得突破。我们也十分期待与更多的 AI 创新项目共同探索日本市场。


03

最难但最容易被「拷问」的,我们做全球化有什么优势?


当我们在 2022 年底开始思考有什么已经出海且不错的软件公司时,绞尽脑汁数不超过个位数,而到现在至少超过两位数。内部也有一张在默默盘点的「地图」,试图从代表性公司中思考他们的差异化和潜在优势。


通常第一个答案是「工程师红利」,但这有一个前置条件:在正确的路上,才拥有红利。的确,在移动互联网的浪潮和高强度的工作环境下,各大厂培养了许多优秀的产品经理和技术夯实的工程师。


更重要的是,我们发现他们也是在新一代的海外优秀 SaaS 工具的渗透和开放共享精神的感染下成长起来的。比如 Notion 和 Figma 在国内的用户群和影响力不小,这类产品的设计理念和价值定位早早就在他们心里种下了对优秀产品和「bootstrap 精神」的向往。



尤其,当公司在海外建立设计和市场团队后,两边能通力协作,用户需求能高效理解,故障问题能及时迭代。记得 Workstream 的联创 Max 曾说,能实现白天在湾区的用户提的 bug 到晚上就能在国内修复,也只有这样全球化配置的团队了。


其次,我们都知道,出海并非面对的是另外「一个」市场,可以按照语种来分,也可以按照地域来分。如果有幸在日本或亚洲打开市场,能够调动的当地资源与凸显的优势会更多。


以日本市场为例,由于本地软件产品供应不足和开发能力较弱,而日本单一市场对许多美国为首的大型 SaaS 公司来说相对较小(通常美国 SaaS 公司「出海」的第一站选择欧洲,反之亦然),本土企业客户不容易得到较好的本地化支持和服务响应。


而日本企业拥有良好的付费意愿和高强粘性,拿下他们的前提是需要有足够的耐心与他们铺垫沟通,以及快速响应。身为几乎同时区和相似文化的我们,理应充分利用这些软性及隐性优势。


的确,在与包括 UMU 和 PingCAP 等在当地成长起来的出海公司交流中,感受到与日本客户打交道的漫长。但回看国内市场,哪家优秀的 SaaS 公司开始进入高速增长不需要超过三五年的蛰伏呢?甚至在土壤如此滋润的美国市场,SaaS 公司从诞生到上市,平均中位数基本仍在八到九年间。


慢即是快,这条真理放之四海而皆准。


04

但我们更愿意回答,如何扬长避短?


首先,对创始人挑战最大的,很多时候是怎么更好理解海外当地用户需求,尽快缩小认知差。我们认为最好的认知一定来自于创始人在一线与真实潜在用户的感知。


在去年出海共识逐渐形成的过程中,我们也在日本和美国当地,见到了越来越多想要在当地市场拓展业务的创始人,有些甚至带着核心研发和联创一起常驻。除了与潜在用户有面对面的交流,更能把产品想法和 MVP 直接展示给其他创业公司或前辈,直面挑战。很多时候,AI 或 SaaS 产品的 early adopter 就是身边的创业公司,如果在湾区,还能时不时通过线下精彩丰富的活动认识潜在用户和商业伙伴,

所以切记,PLG 不止发生在线上。


其次,中国的制造业和电商出海之所以兴旺,一个很重要的因素在于背靠强大的供应链基础,以及人才和流量获取的优势。在移动互联网时代,工具、游戏及电商出海已经证明我们在人才和流量方面的全球竞争力,唯独没有形成内生的软件「供应链」体系,习惯了从轮子到方向盘都自研


而海外的 SaaS 生态之所以发达,与高度细化分工的软件「供应链」体系互为因果——从研发工具到营销工具不一而足,更不用提云和 AI——好在这套供应链体系是全球共享的,同样也对中国开发者开放。


所以更快更好利用并融入这个体系,是公司走向全球市场的必考题。


再者,重视海外社媒形象建立和有效良性传播。尤其对 AI 为亮点的产品型公司,去年我们看到了以 Runway、Heygen 等代表的公司在 LinkedIn(这是门面)、Twitter、Youtube 及 Tiktok 产生了病毒式传播。并且这一次红利周期更加持久,我们相信在模型能力进一步提升后,伴随 ChatGPT、Character.ai 等头部产品的持续全球范围的渗透,还会有更多新用户体会到这些产品的价值,并成为更多好玩和有特点产品的」early adopter「或」推广大使「。


所以有效建立品牌形象,进行社媒推广并制定正确策略,也是越来越多公司将面临的重要问题。



最后,坚持一些短期不一定见效但长期受益的事情。SaaS 和 AI 有一个很大的共性,都将是一场持久战。尽管 AI 可能让一些初创公司快速触达第一批用户,完成所谓「Idea-market fit」,但如何持续稳定地获客,摆脱一招鲜是创始人在半年后就要考虑的事情。如果已经形成一定数量的核心用户和付费用户,SEO(搜索引擎优化)需要提早列入增长计划里。


去年我们与 Notta.ai([1]) 的 SEO 负责人举办了第一期围绕「SaaS 出海从 0 到 1 打造 SEO 体系」的 Workshop,在前期交流中得知他们在做内容传播的早期,经历了将近半年流量不见任何起色,从怀疑到迷茫。然后从第七个月开始从起色到起飞,获得信心并加大投入。在一年内网站月自然搜索流量到 50 万的成绩,至今通过 SEO 每月带来注册用户比超过 80%!


很多时候,「慢」往往是把劣势化为优势最好的方式。


05

实践出真知,来自出海先行者的建议


过去一年,如果说最大的收获,便是结识了如此多的出海同行者和践行者。最后,我们邀请了四位 Linkloud 社区的好朋友及背后的团队(排名不分先后):Monica.im([2]) 、HashMatrix,Notta.ai 和 ExponentialX 的张蓓和我们分享出海初始到一路以来的所见、所闻和所期。


Monica.im


Monica.im 团队在去年 12 月上线 Monica 4.0,并且成功登上 Product Hunt 日榜第一周榜第二。为此,团队特地在这里首发他们的冲榜经验。


选一个好日子,可以避免激烈的竞争


Product hunt 通常在工作日的发布竞争会比较激烈,从周一到周五依次递减。越早发布的好处是有更充裕的时间去冲击周榜排名,但相应的,越早发布竞争也越激烈。如果对周榜没有上榜诉求,想优先在日榜获得排名,建议选择周六、周日。当然,节假日除外,这次我们选择了圣诞节前夕的一个周四发布,此时海外各公司基本已经都在放假,冲榜竞争不大。


发布后的前 4 小时很重要,要做足拉票工作


发布后的前四小时,Product hunt 上是不展示具体的投票数,排名也是随机的,当 4 小时过后,就会按照排名来排序,此时马太效应会凸显,因此,为了更好地获取自然流量的投票,一定要在前四小时做足拉票工作。



不要吝啬会员福利,在力所能及的范围里,给到帮助投票的朋友最好的回报


这次 Monica 发布,团队决定拿出最顶格的会员 1 年时长,给到在出海社群里每一个投票或未投票的朋友(对,没有投票的朋友也给了)。在群里拉票时,也明确提到了,投票或者不投票,注册产品都愿意赠送会员福利。这确实给产品带来了非常积极的社群反馈和投票增长,也帮助团队结识了特别多优秀的出海同行和获得了许多专业的用户反馈。


HashMatrix


其次,正如前面提到,高效的社媒推广也能为产品在早期较广泛触及潜在用户,并观察用户的公开反馈和建议。但是,为了得到有效的社媒红人或 KOL 的推广,关键在明确推广目标并制定相应策略。很多公司会陷入到针对单个 KOL 的内容是否匹配而忽略了整个推广战略,这样单一踩雷的可能性高,无法形成有效增长,也把周期拖的很长。


作为专注服务海外市场增长和营销的 HashMatrix 团队,为初创公司提供了一份适合团队自己先上手和评估的实操手册(点击「阅读原文」获取完整手册,提取码:D6v9),并提供以下核心建议:


首先,明确推广目标:


  • 产品分析:明确产品的 USP(独特卖点)、品牌定位和发展阶段,以此为基础选择合适的 KOL。初期产品或测试新功能时,优先考虑与产品特点紧密相关的垂直领域 KOL,以吸引种子用户和提升转化率。对于成熟产品,选择头部 KOL 增加曝光度。
  • 市场与竞品研究:在产品开发前期进行,了解竞品的 KOL 营销策略,以便借鉴和参考。
  • 目标人群画像:确定目标人群及其需求,结合竞品分析来提炼差异化的用户需求。
  • 推广目标:明确是增加曝光、促进购买还是加强互动,以便选择适合的 KOL 和推广策略。

然后,制定合理的 KOL 投放策略:


  • 目标与预算:确定 KOL 投放在整体营销策略中的比重和预算,这将影响选择 KOL 的层级。
  • 关键指标:包括曝光量、付费用户转化、下载量和新功能测试等,根据产品和发展阶段的不同进行调整。


而当初创公司基本确定了 PMF,通常会找一到两个渠道支持一定的 founder-led sales(创始人驱动销售),但接下来就需要积极探索渠道的扩张。问题是,渠道太多了!


ExponentialX 张蓓


作为曾在 Grammarly 负责 B2C 和 B2B 的增长和市场数据业务的张蓓老师发现,当时公司在 B2C 侧同时在运营多达 30 个 marketing 渠道。怎样去挑选合适的渠道并确保执行能够顺利实施并产生期望的结果等,每一步都可能是对团队的重大挑战。


他在我们的「X 增长」栏目第一期《如何通过精细化营销延续 0 到 1 的增长势能?》中指出产品在确定了 PMF 后可能会遇到的问题和解决办法:


首先,这个时候需要至少一个 cofounder 站出来担任一部分 head of growth(增长负责人)的角色。


可以考虑找比较有经验的中层,可以撸起袖子把事情搞定的 marketer。通常不太适合找高级别的 CMO,但是可以考虑找合适的 advisor 花一点点时间来帮助团队来纠偏和避免不必要的弯路。

其次,需要重新汇聚资源来好好管理注册用户。


比如构建完整生命周期的邮件触达(lifecycle email),或有效产品价值传递等(product messaging),避免辛苦获得的流量很快流失。在用户生命周期上投入精力是一个 ROI 可能非常高的选择。很多用户刚刚注册了一个没怎么听过的产品,Lifecycle email 几乎是最好的渠道来向新用户传达更多产品信息,沟通团队的背景,提供产品更新和 promotion 等等。最重要的是,相对于其他的增长渠道,邮件触达几乎是免费的!


第三,公司需要尽早搭建「数据基建」,以支持下个阶段的增长。


需要在底层做一些改变才能不拖增长的后腿。数据团队需要尽早选择合适和主流的工具来进行数据分析,并且他分享了一个从增长角度搭建数据基建的框架,框架分为这么几个环节:


  • Data source: 梳理数据源。比如 B2B 都会有很多数据在 Salesforce CRM 里面,网页数据在 Google Analytics 里面,Google sheets 也会有各种各样的数据。
  • ETL(Extract, Transform, Load):当有了数据源后,需要高效传到数据库里面。现在家家的数据源都特别多,除去产品内部的数据和 CRM 数据,无数广告平台比如 Google Ads 的数据怎样汇总都是个很头疼的问题。
  • Data Cloud: 这部分就不多说,都是大家非常熟悉的云端数据库比如 Google Big Query、AWS、Snowflake 及 Databricks 等。
  • Reverse ETL: 很多时候公司需要发个性化邮件,需要把各种标签从数据库里回传到邮件工具里。这个以前也是工程部给解决的,现在类似 Hightouch 这种 no code 工具就能很方便地在没有工程的情况下做到。
  • BI & Analysis: 这个部分传统上都是用比如 MySQL 这类分析工具或类似 Tableau 的 BI 工具。分析工具一般比较需要很强的 coding 技能。Tableau 这种 BI 工具也是需要专门的 BI 分析师或者工程能力才能做到比较漂亮,都还是很有技术深度的。


Notta.ai


最后,作为在日本市场深耕了超过三年的思维巡航(产品为 Notta.ai),公司去年在日本正式设立了办公室,打下为客户提供本土支持的基础。回顾过去三年以「非典型」PLG 方式从慢耕耘到高增长的过程,创始人张岩分享了三点思考:


从「Copycat」走向差异化。


最早 Notta 的灵感来源锤子手机的灵感笔记,Notta 的名字是「Note taking」的前几个字母组合,让用户能够随时随地的通过语音记录自己的想法,之后在做的过程中看到 Otter 这家公司的产品形态非常好,借助 AI 将语音转文字的能力技术平权,普通个人用户在过去是几乎不太能以很低的价格购买这类产品的。然后 Notta 立刻就朝这个方向快速迭代,在这之后从一个移动端的 App 逐渐成为一个功能强大的 AI SaaS 服务。


在这个过程中明白了一个道理:在创新的世界里,模仿并不是一件坏事。市场上有很多类似的服务,大家都在努力为用户提供更好的产品和服务,这对用户来说是最好的结果。这种模仿和借鉴,实际上也是一种学习和发展。


其次,选择比努力重要。


日本是唯二人口过亿的发达国家,另外一个就是美国。2020 年的时候选择做日本市场也是看重这一点,日本企业是赚钱的,也愿意购买软硬件产品。另外日本几乎就是第二大的 SaaS 消费市场,为什么不做这个市场呢?


日本很早就开始 IT 信息化,但是上云这个事情是 Notta 开始做的时候才开始的。所以日本在 SaaS 以及云这块反而是一个「新兴市场」,本土过去陈旧的 IT 系统都值得重新做一遍。

最后,PLG 的尽头是 SLG。


Notta 早期面对的都是个人购买用户,PLG 是唯一路径。公司总不会招销售来卖给个人用户,早期获客手段五花八门,什么有效果就上什么,当时效果最好的就是苹果的 ASA (Apple Search Ads) 广告,以及 web 端的 SEO。


也许因为在日本的原因,市场竞争并没有那么激烈。所以起初稍花一些精力就可以在市场层面获得足够多的用户下载注册和购买,同时因为日语的相关关键词竞争不激烈,所以较容易在日本谷歌上获得足够多的曝光。这比美国做 SEO 轻松,相对来讲小语种的搜索竞争都不太激烈,所以这也是早期可以去获得的低垂果实。



但是,PLG 到了一定阶段就有更多的客户提出统一购买、安全合规和管理的需求等等。这个时候产品开始逐渐变成复杂的 SaaS,从原来的只有两个套餐(免费和专业)到现在四个套餐(免费,专业,商业和企业版),对产品的要求在不断提高的,对稳定性譬如 SLA,产品的管理和安全性如 SSL 等都开始提要求。


同时,企业客户购买的前提也是公司是否有足够的治理能力,如 SOC2 或 ISO 27001 等等。企业客户一定是需要销售去应对的,这个时候就抛不开销售和客户支持团队等。想单纯靠产品就能够让用户自助购买这几乎变得就不可能了。


这段创业之旅,虽然没有太多戏剧化的转折,但每一步都充满了学习和成长。我们从模仿中找到了自己的方向,通过不断迭代和优化,最终在竞争激烈的市场中找到了自己的立足点。这条路上,我们学会了如何在保持产品简洁的同时,满足越来越复杂的客户需求。这既是一个挑战,也是一个机遇


众所周知,SaaS 行业里最大的全球性社区和组织是 SaaStr,作为连续创业者的发起人 Jason,从每次他的演讲和对行业未来的展望中,我们能感受到他对这个行业的极度热情和细致思考。去年在参加完两次 SaaStr 展会后,切身感受到团队在用做 SaaS 产品的思维在办活动。



通过从营销推广、活动预热到日程安排、场地设置等各个环节的「标准化」输出,打造一个会展的「最佳实践」,并覆盖从 bootstrapper 等超级个体,到高速发展的 SaaS 初创和大厂,还有那些为 SaaS 服务的 SaaS 公司等,这是一种做平台和建生态的顶层设计,让我们深受启发。


参考资料

[1]Notta.ai: http://notta.ai/

[2]Monica.im: http://monica.im/

[3] 播客推荐:探讨 AI 时代的出海创业 | 硬地骇客: https://www.xiaoyuzhoufm.com/episode/6548de57d46a0350114e3ab5



文章来自微信公众号 “ Linkloud  “,作者 Linkloud 小助手








AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI工作流

【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

2
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

3
AI搜索

【开源免费】MindSearch是一个模仿人类思考方式的AI搜索引擎框架,其性能可与 Perplexity和ChatGPT-Web相媲美。

项目地址:https://github.com/InternLM/MindSearch

在线使用:https://mindsearch.openxlab.org.cn/


【开源免费】Morphic是一个由AI驱动的搜索引擎。该项目开源免费,搜索结果包含文本,图片,视频等各种AI搜索所需要的必备功能。相对于其他开源AI搜索项目,测试搜索结果最好。

项目地址:https://github.com/miurla/morphic/tree/main

在线使用:https://www.morphic.sh/