@privil 我认为网络接入还是企业相对便宜、个人用户相对贵这个模式双方都有好处，在带宽方面的企业经营成本不会畸高，有利于企业拓展业务创新，真正要带宽的个人用户也不会被挤占带宽，而不是像我们这边，为数不少的下载爱好者整天开机挂着下载几十 GB 一部的电影，生怕浪费一秒钟包月带宽。

@Jirajine 只要不是黑客工具或恶意程序，网络工具本身非法不非法，解释权不在我们，没有所谓擦边的说法

OP 的逻辑有很多混乱的地方。桌面端和服务端市场完全是 2 个生态，Linux 在服务端是主场作战众所周知，在桌面端市场就是忽略不计，从所有用户比例来说也就用户中的少数技术人员在用，你说桌面端 Linux 一直在努力，对不起，市场看不到，2 者的技术发展而形成的市场格局多少年前就是这样没有变过了，所以将 2 个市场混合在一起能说明什么？而且讨论的是 Linux 和 Windows ，macOS 掺乎进来要说明什么问题呢？

我发现，喜欢提出 OP 这样的问题的人，通常对于技术行业生态的概念仍然停留在 Windows 是微软主要产品的年代里。微软好多年前就转移业务重心，云计算、AI 、跨设备支持，Windows 桌面和 Windows Server 仍然是战略级产品，但不再是首要战略重点。微软让它的产品和服务可以在尽可能多设备上运行，可以挣更多的钱，操作系统是 Windows 最好 Windows 产品也另外赚了一份钱，不是也没关系，早就不在乎设备操作系统是不是 Windows 。不过，事实是桌面端仍然是 Windows 一家独大，只要微软没有放弃 Windows ，这趋势不会改变。

按微软战略
1 、业务都上云了，自然就不会只用 windows 独享技术栈
2 、微软 365 全面上云，是微软鼓励企业用云 365 ，无论是 AAD 还是 Office 服务，越多不同平台的终端接入，市场占有率不是更高了吗？而且 AD 域是安装在 Windows Server ，AAD 后端很可能仍然是 Windows Server 。
3 、目前仍然是 Windows 为主的 PC 游戏市场，steam 总量上支持多平台的游戏占多少？ top 100 可能是因为支持多平台才是 top 100 ，也可能是成为 top 100 才移植多平台，所以到底是哪种情况呢？另外，微软很多年坚持 XBOX 市场，XBOX 基于 Windows ，跟随 Windows 版本升级，目前是 Win10 ，XBOX 游戏级别上都是可以低成本移植到 Windows 上的，只要厂商愿意做。XBOX 的在线服务是由微软云计算平台提供支持，玩家付费订阅了 XBOX 服务，即用了 Windows ，也用了微软的云服务。
4 、Windows 是媒体工作首选平台？是谁说的？媒体工作生产力工具是 macOS 的卖点，但和 Linux 有什么关系？

微软的云计算平台 Azure ，和 AWS 一起占领了云计算超过 50%的市场份额，它提供的大量 Paas 和 Saas 服务可能基于 Windows Server 也可能是 Linux ，其中用到 Windows Server ，Windows Server 就一直会发展和存在，只是退居二三线。无论后端是什么，用了它的服务，微软挣到钱就好。

@dirringx 本站搜索看阿里云或腾讯云（关键词加上代理可能搜索到不同的内容，都可以参考），有代理商自己发帖，也有 OP 提问代理商回复的，代理商会留联系方式，然后要你的账号关联他们的账号，然后可以通过代理商买产品，基本上流程就是这样吧。在享受新用户优惠后，应该就能找代理商用他们给的优惠了。

记得本站有阿里云和腾讯云代理商的，应该能拿到可以接受的价格，而且续费也能按近似价格。

很强啊。自用频率不高的话，用 Saas 服务比较便宜方便，即用即付

@HustLiu GPT 看上去偷懒，但结果并不一定正确，候选人能分辨出来就没问题，而且它当面 GPT 答案，面试官让候选人对算法进行解析，看 ta 思路不就好了？ 6 楼的观点 允许 Google 禁 GPT 跟不上时代，我觉得一点没毛病

@blackboxo 抽成的前提是有付钱，网站存续的前提是有足够多的人付足够多的钱

我觉得开一个死一个，主要原因是用爱发电

@leeg810312 既然这个产品也要数据分层，现有主流模式的 DW 层也在变薄，那么 2 者从客户角度就相差不大了。我不太认可“不需要按场景设计分层数据”这个说法，你只要需要为了要查询的数据设计中间表，那就是在针对一个查询场景设计了，这种情况我理解可以算是 Ad hoc 设计，而主流方法是事先设计分层表。

MPP 数据库物化视图也是要其底层的计算引擎查出来的，MPP 的计算引擎是很昂贵的资源，不能忽略不计，实际上就不是不需要额外的计算层，区别是用 MPP 自己的计算引擎，还是外部的计算引擎 Spark/Flink 这种。

另外，我认为第三方 SQL 辅助编写理论上无法优化。这个产品的 SQL 最终是运行在 MPP 上，不可能通过改写 MPP 的 SQL 引擎而优化，所以只能是按目标 MPP 的最佳实践生成，所谓优化实际上是尽力不劣化 SQL ，或者说现在生成的 SQL 可能还不是最优。不仅大数据，常规数据库开发领域都在用各种工程化方法、架构设计尽力避免复杂的 SQL 而不是去怎么生成一个复杂的 SQL ，SQL 越复杂，优化器越难优化 SQL ，在实际工程中也越难衡量优化的效果。因此，我不觉得生成复杂 SQL 是值得探索的技术路径。

也许会提升响应需求的变化，但我看到的代价并不低，换来的效果值不值得可能只有真实案例才能检验。

以上是我一家之言，我认可这个产品的 BI 用户体验确实有提升，但还没有到具有独家优势的程度，还是之前的观点，有卖点的产品总会有人用，而且也不是只有技术一个因素，希望 OP 能找到自己的目标用户。

@Braisdom 行业现有的大数据计算引擎已经好到可以低成本实时计算海量数据了吗？分层仅仅是为了降低 SQL 复杂度？不是还有性能优化的考量吗？ MPP 性能在增长，但总有上限。从原始表复制清洗后直接计算到报表，看上去不手写 SQL 且少了 2 层，但很明显没有可重复利用的 DW 层和 ADS 层，很多报表指标都必须从原始数据层提取来计算，当数据量增加到一定程度必定会遇到性能瓶颈，而且会比分层架构更容易更频繁地遇到性能瓶颈。随着数据量快速增长，每隔几个月频繁让客户提升硬件现实吗？还是做 SQL 调优？如果生成的 SQL 被认为是最优，那剩下的调优不就要做分层做中间表吗？所以这个产品如何保证一直只用原始数据写 SQL 呢？

不太明白直接在数据库计算的意义指向？大数据分析通常都是在数仓数据库做分析（一般不可能允许直接连接业务系统数据库做大数据分析），这个产品的解决方案我理解没错的话是只要 ETL 到 ODS 层就可以做分析了。不过，这听上去并不是一个显著的优点，（可能与我们的客户群体有关）因为你提到的 MPP 性能在变强，实际上现在的设计趋向是 DW 层在变薄，DW 不再细分很多层，存很多宽表了，基本上 ODS 层清洗转换后存到 DW 层，然后就能通过计算引擎写 SQL 输出所有 ADS 层需求的指标数据，用到的 DW 层宽表不会经常发生大量变动，所以避免 报表需求变动导致 DW 层变动而且直连数仓数据库 ODS 层这个需求，我觉得这个需求并不强。

另外，实际工作中，SQL 是行业标准，是数据分析师的必备技能，现有的 SQL 编写辅助工具已经很强，而且写 SQL 在整个 BI 工作流程中不占很多时间。

集成 ChatGPT 很难建立壁垒，其他竞品很容易就能集成 ChatGPT 加强自身特性。

BI 产品竞争非常激烈，仅从 OP 的产品描述看，我个人觉得竞争优势不是很明显。我想这个产品的目标群体可能是有计划以数据驱动业务的中小企业，如果能找到这样的客户，加上匹配的定价、运维、售后等会有市场机会。

虽然 API 开了 gpt4 ，测试用了些，但太贵了，费用是 3.5 的 10 倍，不舍得用，目前大多数时候 3.5 够用了

我现在用 API ，自己做个仿真前后端，放到受支持地区的虚拟机上，连 Cloudflare 人机检测都没有了，舒服多了

@aljun AKS 和 EKS 有啥不同吗？从 k8s 本身来说，它们都在 k8s 集群里加了自己的监控和 DNS 等服务，我没有注意到它们还有什么别的不一样？

csdn 和 jianshu 只是国内技术社区衰败的缩影，想想你多久看一次这些社区上的文章，是通过什么途径看的，是不是通过搜索引擎搜到看完就离开了，你最后一次在这些社区发贴、回帖

@cairnechen 实名认证是国内服务商，有人脸识别