Kyligence DeepInsight AI 深度洞察 - 首个企业级自主深度推理和洞察产品发布 立即了解更多
Kyligence DeepInsight
Kyligence AI 数据智能体 Kyligence AI 数据智能体
Kyligence Enterprise Kyligence Enterprise
指标平台解决方案
OLAP 解决方案
行业解决方案
客户总览
金融
零售
制造
医药
其他
云平台
BI
寻求合作
资源
Kyligence Enterprise
Kyligence Zen
培训
Apache Kylin
Byzer
Gluten
博客
关于
市场活动
开源项目要如何盈利,开发团队要如何生存,相信许多做开源的开发者都思考过此类问题。 继 OSC 源创会年终盛典之后,韩卿再次受邀【开源访谈】,和大家细谈“做开源背后的商业公司,‘钱’路何方?”
原文来自开源中国编辑王练。
在 12 月 4 日举办的 2016 OSC 源创会年终盛典上,包括 Kyligence 联合创始人兼 CEO 韩卿在内的多位大咖受邀对开源技术的商业模式、盈利途径等话题展开讨论和思想碰撞。开源中国 CEO,马越,作为中国第一家开源上市公司的老板,在开源领域贡献卓越。他邀请韩卿讨论了关于“开源的商业模式”的话题。韩卿认为,一个成功的开源项目必须不断地持续发展,而发展,离不开商业的支持。没有合适的商业模式及方法,最终项目都会慢慢被淘汰。从商业的角度来看,开源是一种营销方式,使得以往封闭的、需要很长周期的技术验证可以通过开源来快速验证。
继 OSC 源创会年终盛典之后,韩卿再次受邀【开源访谈】,和大家细谈作为 Apache Kylin 背后的商业公司,Kyligence 的商业模式是怎样的?开源项目商业化的关键点又在哪里?
访谈实录
1、当初您是怎么想到去成立商业公司 Kyligence 的呢? 答:Apache Kylin 从 2014 年开源到现在有 2 年左右时间,在去年 11 月毕业成为顶级项目,社区发展蓬勃。我们发现行业内需要这样一个能很好解决问题的解决方案,有非常多的用户在寻求这样的商业支持,而且我们也看好大数据在中国的未来。另一方面,每个成功的开源项目背后都会有一个创业公司去推动,因为创业公司会更加灵活,能更好的把事情做起来。另外,我们也希望在整个大数据行业里面,有这样一家专门做底层技术的创业公司能够在行业内做些突破,做点事情。这些是我们创立 Kyligence 的初衷。
2、开源项目的现状是难以盈利,Kyligence 要如何去赚钱? 答: 大致可以分为三个方面: 一是基于开源的 Kylin,提供一个企业级的版本。就像 Cloudera 在开源的 Hadoop 之上提供的 CDH,我们在 Apache Kylin 之上提供的是 KAP。我们将一些企业级的特性进行打包,比如安全性、可管理性、性能优化等等,企业级的用户是愿意为此类特性买单的。这是我们的一个实践,到目前来说做的还不错,有非常多的用户愿意购买。因为本质上,他们希望得到这个开源项目的核心团队所在商业公司的支持。曾经有人问,为什么很多开源项目别人不敢用?因为如果是个人项目的话,他们会觉得风险太高;如果是大公司的话,同样可能因为项目太多而具有高风险。反而是创业公司,他们会更愿意付费,让这样的团队去可持续发展。 二是我们提供一个云计算的平台。云计算时代,未来更多的应用、大数据将被拿到云平台上去,而且云上的付费意愿会更强,方式会更简单。我们目前与微软的 Azure、亚马逊的 AWS,以及国内的一些云厂商在合作接洽,在他们的云上提供运维平台和运维能力,并提供收费模式。个人认为,这种方式在未来几年会成为大势。 三是我们在尝试的一种新模式。Kylin 是一个分布式系统,运维或调优都需要专业的支持能力,而我们正好有这个能力,但却不可能去到各个用户的现场。那怎么做呢?我们通过云计算的 SAAS 服务来解决这个问题。用户可以把日志上传到 KyBot 平台上,通过一个可视化仪表盘,能看到整个系统是不是健康,性能运行好不好,数据是不是清晰,用户使用的是否频繁等等,还可以利用专业的知识库和专家能力提供自动化的专业支持。这个价值在于,用户可以不需要运维人员,而是由我们提供的服务来进行专业的、持续的运维。
3、目前这三个盈利点市场情况如何?有没有代表性的用户? 答:企业级这部分,目前有国泰君安、中国移动,以及其他一些大的应用企业,多为金融、电信领域。云的方面目前也在接洽,有非常大的客户在跟我们做这方面的 POC 。KyBot 在11月中旬刚刚对外发布 Beta 版本,到现在已经有 100 多个用户在使用,每个用户对应的都是一家正在使用 Kylin 的公司,能看到他们对于这块服务的需求是很旺盛的。
4、Kyligence 的商业模式和红帽是否有所相似? 答:有的。红帽是开源软件商业化的鼻祖,也是目前做得最好的一家。它的模式也是提供一个企业级的订阅,其他大部分东西都是开源的,你想用拿去用就好。但如果想用它企业级的支持能力,就需要按年付费。
5、Kyligence 下一步的打算和计划能简单透露一些吗? 答:公司下一步的打算其实非常简单。一方面是希望能够开拓在国内的市场,希望在各个行业里都能有标杆客户。中国的数据量真的非常大,而我们的服务也确实能够解决这方面的问题。另一方面是我们非常重视全球化的发展战略, Apache Kylin 在全球都有应用,特别是在美国,那里整个企业级市场的成熟度比国内更高,并且已经有了很好的用户基础。我们希望能够去拓展海外市场,明年年初可能会去美国开分公司,开发北美和全球市场。
6、国内用户和国外用户会不会有明显区别? 答:其实还好。因为我们做的是一个相对比较通用的平台,基本上在各个行业的应用都有,目前看到的用户情况差不多。不过,国内的挑战在于数据可能会更大,国外相对来说数据量反而不会那么大。
7、会有一些开源项目背后的商业公司在做的过程中发现难以维持下去,您觉得这其中的关键点在哪里? 答:最关键的点在于这个开源项目要能够为用户产生价值。不管是帮用户增加业务营收,还是节省成本,一定要找到这个开源项目能够去做的那个点,而且目标市场要足够大。做开发出身的人想做某件事情时,往往容易把自己的需求当作用户需求,这个其实是错误的。因为你做出来的开源项目可能会是一个工具、脚本,或者是针对某些方面的小问题的解决方案,并没有那么大的商业化价值和潜力。 做开源背后的商业公司有一个最大的优势,就是对开源项目的理解力。因为每行代码都是自己写的,就能很清晰地知道坑在哪里。当用户使用出现问题时,也能够最快的找到问题所在并进行修复。另外,在跟行业的合作伙伴、生态圈交流时,有很多共性可以很快做到社区版或者商业版里去,实实在在为用户增强功能、解决问题。
8、最后,随着开源项目的商业化,您觉得未来它们和商业项目会如何共处? 答:最终肯定会找到平衡点,达到平衡。从我们的角度来说,原则很简单。核心的东西能开源就尽量开源,只保留很小的一部分放到企业级的版本里,比如安全性。而且我们保留的那部分也不会藏着掖着,怎么做的都会告诉别人,只是你可能需要自己手动尝试着去做。打个比方说,Apache Kylin 是一台非常不错的汽车发动机,你可以把它拿过去后自己手工拼装一辆劳斯莱斯,靠的是自己的手艺,但所需时间会很长。我们的商业版提供的是量产跑车,付费后你可以拿了就开走。
9月8日,由数智猿×数据猿联合主办的“2025第五届数智化转型升级发展论坛——暨 AI 大模型 & A
全球权威的技术研究与咨询公司 Gartner 在其最新发布的《2024 年中国数据、分析及人工智能技术成熟度曲
7月28日下午,2025世界人工智能大会暨人工智能全球治理高级别会议闭幕式在上海世博中心银厅举行。跬智信息联合
7月18日,在由非凡产研主办的2025年度生成式 AI 全球化高峰论坛暨「Go Global AI 100」年
“一旦企业的数智化建设真正运行起来,好像都「顺」了。”这是跬智信息(Kyligence)在为中国新能源巨头车企
近日,The Channel Company® 旗下权威科技媒体 CRN® 正式发布了 2025 年“大数据1
跬智信息 Kyligence Zen 一站式指标平台 与 Kyligence AI 数智助理 2.0 近日顺利
5月27日,中国工人大思政课(第九站)“紧跟党的步伐 走在时代前列”——上海市经信系统青年职工理论学习分享会暨
随着大模型加速落地,企业正从“接入大模型”阶段,走向“构建业务型智能体”的深入实践。近日,中国信息通信研究院正
400 8658 757
工作日:10:00 - 18:00
已有账号? 点此登陆
预约演示,您将获得
完整的产品体验
从数据导入、建模到分析的全流程操作演示。
行业专家解惑
与资深行业专家的交流机会,解答您的个性化问题。
请填写真实信息,我们会在 1-2 个工作日内电话与您联系。
全行业落地场景演示
涵盖金融、零售、餐饮、医药、制造等多个行业,最贴合您的业务需求与场景。
Data + AI 应用落地咨询
与资深技术专家深入交流,助您的企业快速落地 AI 场景应用。
登记申请,确认后即可体验
超越普通人类专家的 AI 自主深度洞察
体验预置跨行业智能体模板,涵盖金融、零售、餐饮、医药、制造等多个行业,最贴合您的业务需求与场景。
超越大模型的精准数据计算能力
接入高精度数值计算大模型服务,为您的企业级 AI 应用提供强大支持。
Data + AI 落地应用咨询:
与资深专家深入探讨数据和 AI 如何帮助您的企业加速实现应用落地,构建更智能的数据驱动未来。
申请体验,您将获得
体验数据处理性能 2x 加速
同等规模资源、同等量级数据、同一套数据处理逻辑,处理耗时下降一半
专家支持
试用部署、生成数据、性能对比各操作环节在线支持