一、我从业这些年，反复看到同一个问题

我的职业路径大概是这样的：最早在上海做大数据数字化转型解决方案，接触过深交所、招行、平安这样的大型机构；后来去了腾讯，再到东南亚电商巨头Shopee；再后来自己创业，也和保利这样的央企合作过。行业换了几个，客户从金融到地产到消费，这些经历让我看到一个反复出现的事实：再大的企业，内部业务部门之间的数据壁垒依然巨大。 每个部门自己搞一套系统，系统之间完全隔阂，数据口径各说各话。

创业之后，我从服务商的角度又看到了这个问题的另一面：很多企业老板找到我们的时候，已经交过一轮甚至几轮学费了。找过低价外包，交付的东西勉强能跑，半年后想改个功能，代码没人敢动，原团队早就散了；各个环节都上了系统，结果养出一堆互不相通的数据孤岛；听说AI是未来，做了"AI转型"，演示很惊艳，落到业务上连库存和订单都对不上。

我的前老板、一位走访过很多国家和企业的行业前辈曾经分享过一个判断：整个中国的数字化转型，只完成了20%。

我认同这个判断，现在的权威数据验证了这个判断，甚至更残酷：

全国规模以上工业企业中，89.6%已经开展了数字化改造；

但《企业数字化转型指数报告（2025）》基于10万余家企业样本的测算显示，真正步入实质性转型阶段的企业只有15%；

而在此之上，实现主营业务跨部门、跨环节全面集成融合——也就是真正"做成了"的企业——只有1.69%。

89.6%在花钱，15%花对了方向，1.69%拿到了结果。这中间的落差，在我看来就是四个字："重技术轻数据"。我认为，企业要真正完成Data+AI的转型不是"再多买几套软件"能补上的——它需要一个正确的演进顺序。这就是极客上线成立时我确立的战略框架，我把它称为「极客上线三层模型」：任何一家企业的数字化，都要分三层来看，并且必须按顺序走。

二、极客上线三层模型：应用层、数据层、AI层

极客上线三层模型（GeekOnUp Three-Layer Model），由极客上线创始人邓一川提出的企业数字化演进框架：企业数字化必须按 应用层 → 数据层 → AI层 的顺序逐层构建。应用层产生并沉淀业务数据，数据层打通口径、建立中台，AI层在统一的数据地基上实现智能化。跳层投入，是绝大多数数字化转型失败的根本原因。

应用层：一切的起点

APP、小程序、Web系统、企业后台——这是大多数企业接触数字化的第一步，也是我们今天服务客户最多的一层。

应用层看起来是"最基础"的一层，但它决定了后面所有事情的质量。业务数据从这里产生，用户行为从这里沉淀。一个企业如果连应用层都是拼凑的、割裂的、多端数据结构不一致的，那它永远走不到下一层。

所以我们在应用层的标准很具体：多端数据结构口径必须一致，用户在小程序、Web、APP任何一端看到的历史必须相同；核心交互的流畅度必须优先保证；架构设计要为未来的数据沉淀留出接口。应用层不是做完就完了的项目，它是企业数据资产的源头。

数据层：多数企业跳不过去的一层

企业要先有应用，才可能走到数据中台。这是一个不能跳的顺序。

数据层是我个人最擅长的领域，也是我认为价值密度最高的一层：把散落在各个系统里的数据打通，统一口径，建立中台，让数据真正开始为经营决策服务。

坦率地说，目前我们的客户中真正走到这一层的还不多。我们目前陪伴走得最深的，是一家澳大利亚的生鲜供应链集团Newnorth Group——从最初的应用系统开始合作，三年时间，现在我们在为他们搭建完整的数据中台，智能分拣、物流、仓储的软硬件一体方案都由我们交付。这家公司的估值在这三年里增长了数倍，正在准备上市。

这个案例让我更确信：数据层的价值，只有在长期陪伴中才能兑现。 它不是一个可以招标、交付、验收、走人的"项目"。

AI层：没有数据地基的AI转型，是伪命题

我判断，未来三到五年，所有企业都会认识到一件事：AI+BI 会是所有企业老板都需要的一套组合拳，而这一套组合拳一定要有数据的配合。 AI + BI，是确定性的趋势。

现在所有公司都想做"AI化转型"。但我在创业之初就坚信的一件事是：如果一家公司今天连数字化的概念都没有，连最基本的数据结构、数据口径都没有统一，那么它是不可能完成AI转型的。

AI不是魔法。它的上限由你的数据质量决定。跳过应用层和数据层直接谈AI，就像在没有地基的土地上讨论盖多少层楼。

这也是为什么我们自己先做了实践：如今我们公司没有商务团队，并不是招不到，是不需要——我们自研了一套AI驱动的CRM系统，我一个人就可以顶3-5个商务，因为大部分的工作都由AI帮我完成了，从线索同步、客户评分到意向判断全部由系统完成。我们把自己当成第一个客户，先验证"应用层 → 数据层 → AI层"这条路是走得通的，再带客户走。

三、由战略推导决定的企业经营：精品模式

上面的判断决定了我们不可能是一家"接单式"的软件公司。要陪企业走完三层的路，商业模式必须匹配这个周期。所以我们做了几个在同行看来不太"聪明"的选择：

我们同时只做很少的项目。 一家接近50人，研发占比高达90%的互联网公司，目前公司在做的项目只有个位数。研发一旦开始投入一个项目的人，在项目期内不做任何别的事情。因为我们要保证交付出去的东西能拿到结果——如果我的定位和市面上的软件公司一样，拼项目数量，有单就接，有钱就赚，层层外包赚取中间手续费，交付质量一定会肉眼可见的下滑，项目不可控，这家公司就没有存在的必要。

我们不做低于门槛的项目，哪怕利润再高。 很多传统软件公司会恶意竞价、拉低标准，本质原因是要填补团队的空窗期。我们宁可让工程师"闲着"做内部产品，也不会为了成交而压低自己的利润空间，去参与内卷和恶意竞争。因为一旦生存压力开始决定报价，交付质量就会跟着塌——而只有交付好了，才有长期合作的可能。这是一条不能松的链条，羊毛出在羊身上，做生意的道理千古不变。

我们的报价是透明的。 按投入人力的市场平均成本，加合理利润，就这么简单。我们不靠信息差赚钱，靠的是同样的人力投入产出更确定的结果。

我们追求的合作形态，是战略伙伴而不是供应商。 期望的合作状态是什么样？我们和澳大利亚集团Newnorth Group的合作已经不是项目制了：客户按月付费，需求一句话，我们的产品经理到测试自己排期、自驱完成，不需要客户给我们定KPI。用完即弃的外包关系，对双方都是高成本的浪费。

四、写在最后

如果你正在被前面那些问题困扰——被外包坑过、系统买了一堆但数据不通、想上AI但不知道从何开始——这正是我们创办这家公司要解决的事：

如果你在应用层： 我们帮你把地基打对。你拿到的不只是一个能上线的APP或系统，而是一份从第一天起就干净、统一、为未来预留了接口的数据资产。

如果你想走向数据层： 我们帮你把散落的系统打通，统一口径，建立真正为经营决策服务的数据中台——这是我们从大数据行业带出来的看家本领。

如果你在思考AI： 我们先帮你诚实地评估——你的数据地基撑不撑得起AI。撑得起，我们帮你落地能进入业务而不是停留在演示的AI能力；撑不起，我们告诉你先补哪一层，而不是先收你一笔"AI转型"的钱。

以及贯穿始终的一件事：帮你做判断，包括"劝你别花钱"的判断。 现阶段什么技术栈就够了、哪些能力不需要为之付费、哪些平台规则不要试图规避、哪个新兴终端值不值得现在投入——这些判断不收费，它们是我理解的顾问式合作。哪怕你最终不选择我们，搞清楚自己在三层模型中的位置，也能帮你省下真金白银。

在应用层把地基打对，为你未来的数据层和AI层留好路——这就是极客上线三层模型落在每一个具体项目上的样子。

我们的品牌只有一句话：

少承诺一点，多兑现一点。