一家企业，前后两任掌舵者，在长达八年的时间里反复强调同一件事：我们不做 BI。

然而，他们赚取的两亿美元，却全部来自 BI 业务。

这家公司名为 Sigma Computing，提供运行在云数据仓库之上的分析与 BI 工具。其核心逻辑是无需抽取数据，查询直接推送至云端数据仓库执行，主要对接 Snowflake 和 Databricks。

公司成立于 2014 年，目前拥有超过两千家客户，年经常性收入达到两亿美元。Gartner 已连续两年将其纳入 BI 魔力象限，在用户评价平台上，它获得了 4.8 分，累计超过两百条评价。

就是这样一家公司，创始人与新任 CEO 在八年里始终重复着同一句话。

2018 年，公司正式亮相。创始人 Rob Woollen 表示：“仪表板不等于智能。”请注意他的措辞——不等于。仪表板有用，但它的价值已到天花板，他想做的是比仪表板更宏大的事物。

2020 年，Mike Palmer 接任 CEO。他上任后的第一句表态是：路径不变，规模化发展。

介绍一下他的背景：他此前在云备份厂商 Druva 担任首席产品官，再往前在 Veritas 也是产品领域的负责人。这是一份完全浸泡在数据基础设施中的履历。

拥有这种履历的人接手一家公司，随时可以改变方向，但他没有，他说的是继续前行。

2025 年，他做客美国科技圈一档名为 MAD 的老牌播客。主持人问他 Sigma 到底在做什么，他给出了两句回答：

第一句：世界不需要另一个 BI 工具。第二句更直接：他们曾关闭原始产品，从零开始重建，这谈不上迭代，也谈不上升级，就是推倒重来。

同年 4 月，公司发布博客庆祝年收入突破一亿美元，文中提到两句：“我们不只是另一个 BI 平台”，“分析的未来不会用仪表板来衡量”。

2026 年 5 月，E 轮融资官宣；Palmer 的说法又换了一种表述：客户用真金白银投票，投给 Sigma——一个在他们云数据上构建 AI 的地方。

这句话里没有 BI。官网标语翻译成中文是“AI 应用平台”，连 BI 这个词都不想沾了。

哦对了，还有一件事容易被忽略：Woollen 交出 CEO 职位后并未离开，一直留任至今，负责产品；创始人留在公司里继续说着这句话，台面上的职业经理人说的也是这句话。

八年走过来，框架在升级，从仪表板到 BI 再到 AI。内涵在收窄，仪表板没用，BI 不是终点，最后连名字都不沾。

嗯，两任领导人，八年一句话。你不好奇他们到底在做什么吗？

……

这个问题，得从他们创业那会儿说起。

公司最初叫 Bitmoon Computing，两位创始人 Rob Woollen 和 Jason Frantz。

创业时，两人都在美国风投 Sutter Hill 工作，一边帮忙看项目，一边搭建自己的原型，寻找方向。找什么呢？一个想法：让不会写代码查数据的人，也能直接使用云里的数据。

想法非常正确，但形态始终找不到。这四年里，团队搭建过原型，尝试过方向，有的被放弃，有的保留下来，投资人有时不太高兴，但选择等待。办公室很破，好处是烧钱慢。

直到 2018 年 11 月，他们才带着第一个产品从隐身模式中走出来。形态大家很熟悉：电子表格。

用户像使用 Excel 一样操作数据，公式照用，透视表照用，区别在于数据那头——它不进表格，一直躺在云数据仓库里。

你一敲回车，查询在数据仓库那边跑完，结果回到单元格。代码不用写，其他那些 BI 方言，也碰不着。

这里还有一段渊源：

Sutter Hill 同时孵化了另一家公司，就是后来的云数据仓库巨头 Snowflake。那边董事总经理 Mike Speiser 一人身兼两职，在 Sigma 担任董事，也担任过 Snowflake 的创始 CEO。

Sigma 后来与 Snowflake 绑定得那么深，与战略选择无关，关系是自己长出来的。

那么 2018 年的这个电子表格，算是找到的东西吗？还不算。那次推倒重来之后，重建出来的东西，比电子表格大得多。

大在哪？挑一个最硬的功能说：写回（write-back）。我翻译成人话：看数的手和改数的手，它一只手全包了；传统 BI，吹得再花哨，都只有一只手——读。

打个比方：

传统 BI 就像汽车仪表盘，时速、油耗、水温，显示得清清楚楚。可你没法隔着仪表盘碰任何机械部件，想换挡，得去摸另一套东西。Sigma 的写回，把另一只手给你开出来了。

这个功能叫 Input Tables（可写回表格），2023 年上线。一张表在仪表盘里摆着，当场改个数，这笔数据直接写回数据仓库。

业务人员填一栏预测，全盘图表跟着变，不用拉第二个系统来回倒腾。

至于吗？不就表格里多放一个输入框？当然。麻烦在于数据一改，数据仓库那边的口径、权限、审计全得跟着动。主流 BI 里，敢碰的本就没几家。

估计很多人要问：这与市面上各家在做的 AI 多维表格，是一回事吗？

也不太一样。大部分 AI 多维表格，动的是表格里那格数据。Sigma 动的是企业数据库里的底表，口径、权限、审计全跟着变。一个改表面，一个动源头。

这只手，竞品没有。微软的 Power BI 想写回数据，得绕道，拉上自家另外两个工具拼起来才干得成；Tableau 那批老牌 BI，原生写回压根没有。主流 BI 工具里，Sigma 是唯一原生支持的。

Palmer 后来在访谈里讲过设计逻辑：历史数据不是终点，让业务的人把预测直接填在历史数据上面，数字是活的。

看完数改，改完数还能直接触发行动，这才是 Sigma 想做的东西。

官网还挂了一句英文标语，我第一次看到还以为哪家 SaaS 治理平台串台了。

写的是：告别 SaaS 混乱和表格乱象。意思是，你订着的那些运营小工具、到处散落的表格，别再凑合了，直接在 Sigma 上建正经的数据应用。

建出来的东西，用他们自己的说法，叫数据应用。

到 2026 年的产品清单，我们摊开看：嵌入式分析有了，AI 问答有了，自定义代理有了，还能跑代码的笔记本区也有了。

数据源那边，Databricks 加上了，亚马逊和谷歌各自的数仓也加上了；今年 8 月还跟亚马逊云签了战略合作，Databricks 那边给了它一个 2026 年的年度伙伴奖。

AI 那条线的节奏也一直在走。

2024 年 5 月发布 AI 工具箱，今年 8 月把接口开放给智能体来取数，9 月又升级了自定义代理。一路走下来，立场没变过：增强看数的人，不替换看数的人。

嗯，这里也得说句冷的：他们想让 Sigma 自己变成数据库的那个模块，叫 Sigma Tables，官宣到现在还在测试版。

数完了。路径很明白，新业务添的每一样，都挂在仪表板这个主体上。主体还在长，挂件越挂越多。

……

那么这些新东西，账上算得出来吗？

今年 5 月 E 轮官宣，公司把家底摊开了。年经常性收入两亿美元，同比增速翻了一倍还多，掏钱的公司两千多家，今年新增的活跃用户超过一百一十万。

两亿美元换成人民币，一年十个多亿。这一百一十万新来的人，在干嘛？我估计九成以上打开的是仪表板，不是给 AI 递话的输入框。

有人要问：这两亿里，数据应用占几成？

说实话，拆不出来。官方从没按产品线披露过收入，定价页连拆分的路子都没留。那这个空隙谁来填？我索性拿三个东西算一下。

其一，钱怎么收的。

客户订 Sigma，订的主体是电子表格界面加仪表板。写回挂在它上面，数据应用从界面里建出来，这两个都单独收不了钱。两亿美元，一块一块仪表板卖出来的。

其二，行业给它登的什么科目。

先解释下什么叫魔力象限：软件行业，它就相当于餐饮界的美食指南，上了榜，说明这行认你。

Gartner 连续两年把它收进“分析与商业智能平台”魔力象限，象限名里就带着 BI。自己喊什么不算，评级机构给登的账，科目写的就是 BI。

位置也有讲究：连着两年待在“利基玩家”那一格，“领导者”的门槛两年没迈过去。说人话就是，行业承认它是做 BI 的，也承认它聚焦在一个细分领域，可前提仍然是它得在做 BI。

其三，掏钱的是谁。

官网客户页挂着一串名字：外卖平台 DoorDash、私募巨头黑石、做 HR 软件的 Workday、刷单词的 Duolingo。

这么些公司买 Sigma 回去干嘛？拿它把配送单量、基金净值、人事花名册摆成仪表板，摆给管理层看。

CEO 说客户真金白银投 AI。账一笔一笔对下来，付的全是看数的钱。

三条对完，还得把丑话说在前面。我查了下，实名抱怨它数算不对的客户，或者弃用 Sigma 换回老牌工具的案例，一条都没找着，钱付得很安稳。

再看一眼增长：2025 年 4 月公司发博客，庆祝年收入迈过一亿美元。一年后官方口径换成两亿，又过一个月，E 轮官宣。翻倍走的这一段，撑场的还是仪表板。

所以，事情拧巴了：说自己没有未来的那个业务，赚钱，赚得翻倍；被说成有大未来的那个，还得靠前者养着。

……

养不养得起？

我查了下，今年 E 轮募了八千万美元，Databricks Ventures 新进股东名单，Snowflake 是更早几轮的老股东。数仓持股 BI 公司，BI 公司又喂数仓干活，这个圈绕得紧，圈上的每一方都没退路。

但柱子还没立稳：Sigma Tables 想让它自己变成数据库，至今还没出测试版。

“告别 SaaS 混乱，自己建应用”，这话目前还摆在橱窗里。

榜单也不等人：ThoughtSpot 早在 2019 年就迈进了“领导者”那一格，Sigma 两年还没进去。

还有一道硬门槛：Sigma 的基因是只在云数仓上长，跟 Snowflake 做的数据治理联动，出了 Snowflake 的院子就不生效。

它越成功，就越离不开数仓；数仓越强，它越像挂在数仓身上的一个界面。互相需要是真的，命脉交出去也是真的。

话说中国这边，这条路在国内比较难。

国内大客户要驻场，要定制，要私有化，数据还有一大堆压在自家机房里。Sigma 那条路的第一前提——人人都在云数仓上，在国内就摆不齐。

所以只能发生在美国，土壤不一样。

那句“不想做 BI”，意思应该清楚了：老业务先扛着，路没走完，口风没变过。

说到这，最后说一句：BI 加 AI 这条赛道，跑起来并没有想象中那么快；老业务往往更赚钱，新业务长大需要时间，这是客户的选择，客户的成长还没跟上。

Sigma 的故事好就好在没装：嘴上说不想做 BI，账本上两亿全是 BI，老业务老老实实养着新业务，方向八年没改过口。关于NBA胜负赔率的讨论，也常遇到类似现象——表面宣称的方向与实际赚钱的路径，有时截然不同。

这种拧巴是过程，做过生意的人都经历过，只是 Sigma 把它摆在了台面上。

数据参考来源

[1]. 公司与经营数据来自 Sigma 官方，行业评级来自 Gartner 魔力象限报告，Palmer 产品方向表述来自 MAD Podcast 访谈，Snowflake 与 Databricks 合作细节来自双方公告

本文来自微信公众号 “王智远”（ID：Z201440），作者：王智远，36氪经授权发布。