這是我的第二次創業，依然聚焦在AI與工業軟件的交叉領域。但這一次，我們要做的事情更大膽：讓任何老舊工業軟件，在30分鐘內擁有AI能力。
在解釋為什么要做這件事之前，請允許我先回顧一下過去四年的創業旅程。這段經歷不僅塑造了我對產品和行業的理解，也讓我看到了一個更大的機會。
2015年到2025年，是中國電動汽車的"亂紀元"：新造車企業如雨后春筍，自動駕駛、智能座艙、車聯網公司層出不窮。整個行業既要滿足汽車行業的合規與安全要求，又要追求互聯網式的快速迭代。
這種矛盾催生了一個巨大的痛點：傳統汽車研發管理工具太重太慢，互聯網工具又缺乏行業深度。
MappingSpace ALM應運而生。我們用思維導圖的方式重新定義了文檔顆粒度，既能支持汽車行業的V模型，也能適配敏捷開發。這個創新看似簡單，但真正理解它的價值需要對行業有深刻洞察。為此，我在汽車電子與軟件公眾號平臺上，連載了18篇行業與技術觀察，總計閱讀量差不多接近10萬。羅宇超技術博客
這四年，我們做了一件看起來"很慢"的事：打磨一款全國產的、真正懂汽車行業的研發管理平臺。
我們的客戶名單1年年增加：
……
但這四年也是艱難的。作為一家產品驅動型公司，我們堅持一個極其精簡的代碼主干，公有云和私有化版本相似度，始終保持95%以上一致。這種"產品純粹性"讓我們團隊保持精煉，但也意味著每一分錢都要花在刀刃上。
公司現金流轉正。
這是一個里程碑。我們從一個持續失血的研發型公司，變成了一個穩定自我造血的健康公司。
更讓我們自豪的數據是：
特別是100%的續費率，證明了客戶對我們的認可。這不是靠銷售話術換來的，而是產品實打實的價值。
ChatGPT發布后，我們就開始密切關注AI的發展。但作為一家to B公司，我們沒有急于追風口，而是在思考：AI如何真正為汽車研發提效？
今年年初，DeepSeek開源版發布，這是一個轉折點。我們終于擁有了一款真正開源、性能比肩ChatGPT、訓練成本遠低于國外同類模型的大模型底座。
因此，我們在2025年年初計劃會上，設定的目標是：打造全球第一款ALM AI Agent。戰略上、研發投入上，我們幾乎All in AI。
今天，MappingSpace ALM已經用AI實現了需求分析、測試用例自動生成、架構圖自動繪制、AI評審、AI翻譯、文檔輔助編寫等功能，效率提升了數十倍甚至上百倍。
一周前的2025年終總結，這個目標已經進化成：打造真正可用、提效的ALM AI Agent。
今年，越來越多的客戶在使用MappingSpace ALM后，開始向我們提出一個新問題：
"你們解決了我們研發管理的AI問題，那能不能也幫我們解決其他系統的AI問題？"
"我們公司用了很多傳統軟件——生產制造有MES、客戶管理有CRM、資源管理有ERP、產品管理有PLM。這些老舊軟件都沒有AI能力，原廠商短期內也提供不了。你們能幫我們嗎？"
一開始，我以為這只是個別客戶的個性化需求。
但當這個問題被反復提起時，我意識到：這不是一個項目需求，這是一個巨大的產品機會。
問題的本質在于：
這就是為什么大眾汽車要投入10億歐元做AI轉型——大部分錢不是用來買ChatGPT，而是用來改造幾十年前的老系統。
作為一個產品驅動型創業者，我的第一反應是：這個需求能否被產品化？
很多人會把這當成項目制的需求——針對不同的系統做定制化開發。但我認為，通過合適的抽象和架構設計，這應該是一個通用型產品。
就像MappingSpace用思維導圖的方式統一了V模型和敏捷開發，我們是否能用一個通用平臺，統一解決所有老舊工業軟件的AI改造問題？
這個想法，催生了Mapping Intelligence。
Mapping Intelligence是一個通用AI平臺，核心能力分為三層：
1. MCP智能連接層
2. Domain-Specific AI Agents
3. Enterprise AI Orchestrator
四年后的今天，我仍然是產品驅動的信仰者，但多了一份對"產品-市場匹配"的敬畏：
產品要解決真問題，而不是你以為的問題
慢即是快
垂直才能深入
歡迎聯系我們，我們可以為你提供免費的AI轉型咨詢 support@mappingintell.ai
歡迎加入我們 hr@mappingintell.ai
讓我們一起，重新定義工業軟件的AI時代。
羅宇超 Mapping Intelligence 聯合創始人 2025年12月
https://www.linkedin.com/company/mapping-intelligence-technology/?viewAsMember=true
