事件背景：Anthropic携“Claude for Financial Services”叩关金融业
近期，顶尖AI公司Anthropic正式发布了面向金融行业的深度解决方案“Claude for Financial Services”。 这一方案不仅实现了与Excel/Google Sheets等电子表格的深度集成，还通过模型上下文协议（MCP）打通了与Databricks、Snowflake等企业数据平台及顶级金融数据提供商的实时连接。 凭借花旗银行、Visa等头部机构的背书和显著的效率提升验证，此举标志着生成式AI正从通用问答向高价值的垂直专业领域强势渗透，金融业正成为首当其冲被AI深度改造的服务业态。
一、AI+Excel创业方向为何前景黯淡？
Claude的入局，特别是其对Excel的深度整合能力，给众多瞄准“AI+Excel”赛道的创业公司敲响了警钟。这些创业项目通常致力于通过AI插件简化电子表格操作，例如自动生成公式、清洗数据、制作图表等。 然而，这一看似前景广阔的市场，实则危机四伏。
核心结论：这类拥有海量用户的AI应用，早已是科技巨头的必争之地。“AI+Excel”类应用，恰好就在大模型厂商的一枪射程之内，一次针对性的强化训练就可能将其完全覆盖。
具体分析如下：
- 巨头的生态壁垒与资源优势：微软（拥有Excel和Power BI）和谷歌（拥有Google Sheets）等平台巨头，本身就在大力推进自家AI（如Copilot、Gemini）与办公套件的深度融合。 创业公司在数据、算力和分发渠道上完全无法与这些坐拥数亿用户的巨头抗衡。
- 技术护城河过浅：多数“AI+Excel”工具的核心是围绕LLM的Prompt工程或API调用，缺乏深度的技术壁垒。一旦大模型厂商（如Anthropic、OpenAI）决定优化其模型在数据分析和表格处理上的能力，就能轻易实现“功能平替”，甚至提供更优的体验。例如，Claude Opus 4模型在金融建模世界杯竞赛中已展现出强大的Excel处理能力。
- 商业模式的脆弱性：创业公司的订阅收费模式，在面对平台巨头将AI功能作为其生态“增值服务”捆绑销售时，显得毫无竞争力。用户更倾向于在熟悉的软件中直接使用原生集成的AI功能，而非额外购买和学习第三方插件。
因此，对于创业公司而言，仅仅停留在“AI赋能Excel”的表层应用，无异于在巨人的射程内“裸奔”。真正的机会在于向更垂直、更复杂的企业级数据分析场景深耕，而这正是专业BI（商业智能）厂商的战场。
二、深耕而非“平替”：主流BI厂商的AI战略布局
面对AI浪潮，成熟的BI厂商并未选择与大模型进行“功能竞赛”，而是不约而同地走向了“深度融合”与“架构升级”的道路。他们深知，企业级数据分析的核心痛点远不止于“用自然语言生成图表”，更在于数据的准确性、业务逻辑的复杂性、权限管控的严格性以及决策流程的可靠性。
BI厂商的深耕主要体现在以下几个方面：
- 构建中间语言层（DSL）/语义层：与直接的“自然语言到SQL”（NL2SQL）不同，许多BI厂商选择构建一个领域特定语言（DSL）或语义层。这一层将模糊的业务术语（如“核心客户”、“活跃度”）精确地映射到数据库的表和字段，并固化复杂的业务计算逻辑。 这种NL2DSL2SQL的架构，极大地提升了AI回答的准确性和可靠性，并为数据治理提供了坚实基础。
- 发展“智能体（Agentic）”架构：领先的BI平台正从被动的“问答工具”向主动的“分析智能体”演进。这种智能体不仅能回答问题，还能自主规划分析步骤、调用多种工具（如代码执行、数据库查询）、进行多步推理，甚至根据分析结果执行相应动作。 这代表了从“增强分析”到“自主分析”的飞跃。
- 融合传统分析优势与生成式AI：专业的BI工具积累了强大的传统分析能力，如关联分析引擎、预测模型、OLAP多维分析等。它们的策略是将生成式AI作为一种新的交互界面和洞察生成器，与这些经过验证的强大分析内核相结合，实现“1+1>2”的效果。
三、主流BI产品AI能力对比分析
为了更清晰地展示各大厂商的AI布局，我们选取了DataFocus、ThoughtSpot、Tableau及Holistics四款具有代表性的产品，从AI技术集成、数据处理与分析能力、用户体验三个维度进行对比。
BI产品的技术演变历程
| 对比维度 | DataFocus | ThoughtSpot | Tableau | Holistics |
|---|---|---|---|---|
| AI技术集成程度 | 智能搜索式BI，核心是自研的Focus Search®自然语言搜索引擎，将自然语言直接转为SQL。强调“干掉语义层”，实现即用即搜。 其FocusGPT产品提供对话式分析和智能提升功能。 | Agentic分析平台，早期搜索式分析的领导者。现已发展为智能体平台，推出Agentic MCP Server，可与Claude、ChatGPT等外部AI智能体集成，将分析能力嵌入到任意AI应用中。 | 集成Tableau AI，构建于Salesforce的Einstein Trust Layer之上，提供可信、合规的AI能力。包含自然语言查询（Ask Data）、预测性洞察和智能体（Tableau Agent）等功能，强调将AI融入现有分析工作流。 | 基于DSL的AI分析，其核心是自有的数据建模语言（AQL），作为一种DSL。AI功能建立在这个强大的语义层之上，通过它来理解业务逻辑并回答自然语言问题，是典型的NL2DSL2SQL架构。 |
| 数据处理与分析能力 | 采用MPP架构和内存计算，支持跨库关联查询和亿级数据秒级响应。自研DataSpring连接器支持多源数据集成。提供流/批一体式数据仓库。 | 与Snowflake、Databricks等主流云数据平台深度集成，利用其计算能力。支持数据表接入即用，无需预创建数据集。 | 拥有强大的数据连接和可视化探索能力。通过Einstein Discovery提供无代码的预测建模。其AI能力旨在增强和自动化数据准备、建模和分析的各个阶段。 | 强调数据建模和SQL工作流。通过其建模语言，分析师可以定义可复用的业务逻辑和指标，确保分析的一致性和准确性。支持拖拽式探索和SQL工作区。 |
| 用户体验与易用性 | 以“像搜索一样简单”为宗旨，用户门槛低，面向业务人员和分析师。提供超过50种图表类型和自适应可视化引擎。支持中/英文自然语言搜索。 | 提供搜索驱动的交互体验，用户通过自然语言提问即可获得图表和答案。界面现代化，强调自助服务和快速获得洞察。 | 以其直观的拖拽式界面和强大的可视化探索功能著称。AI功能被无缝嵌入到用户熟悉的环境中，旨在降低高级分析的门槛，而非彻底改变交互方式。 | 为数据分析师提供了强大的SQL工作区和数据建模工具，同时为业务用户提供拖拽式的数据探索模块。在易用性和专业性之间取得了平衡。 |
四、结论与展望
Claude等通用大模型在金融等垂直领域的突破，宣告了简单“AI+应用”模式的窗口期正在关闭。对于创业公司而言，试图在Excel这样的通用场景与巨头竞争，无异于以卵击石。未来的生存空间在于找到更深、更窄、更具行业壁垒的场景。
而对于BI厂商而言，这既是挑战也是机遇。它们凭借多年积累的客户信任、对企业复杂业务的深刻理解以及强大的数据处理和治理能力，构建了坚固的护城河。通过将生成式AI和智能体技术深度融合到自身架构中，它们不仅没有被“平替”，反而进化成了更强大、更智能的决策支持平台。未来的BI市场，将是这些深耕数据、拥抱AI的“重装甲”玩家之间的竞争。
FAQ（常见问题解答）
问：Claude for Financial Services的推出对普通金融从业者意味着什么？
答：这意味着金融从业者将能更高效地处理和分析数据。例如，他们可以直接在Excel中使用自然语言进行复杂的财务建模和数据查询，或者通过对话快速获取实时市场数据并生成分析报告，从而将更多时间投入到高价值的策略制定和决策中。Block公司的案例显示，其SQL查询效率提升了80%。
问：为什么说BI厂商的“语义层”或“DSL”是其核心优势？
答：因为企业的业务逻辑极其复杂且独特。一个简单的词，如“活跃用户”，在不同部门可能有完全不同的定义。语义层或DSL（领域特定语言）的作用就是将这些模糊的业务概念，用机器可理解的、无歧义的代码精确地定义下来。AI在回答问题时，会严格遵循这些定义，从而保证了结果的准确性和一致性，这是通用大模型短期内难以企及的。
问：DataFocus宣称“干掉语义层”，这与其BI厂商的普遍做法是否矛盾？
答：这代表了两种不同的技术路线。DataFocus的优势在于其强大的自研自然语言到SQL的转换引擎（Focus Search®），它试图通过更智能的NLP技术直接理解数据库的结构（Schema）和用户问题，从而省去人工定义语义层的步骤，实现“接入即用”的敏捷性。 而主流做法则认为，对于极其复杂的业务，一个明确的、由人维护的语义层是保证准确性的必要“护栏”。两者各有优劣，分别适用于对敏捷性和对治理严格性要求不同的场景。
