WPS成功上市代表了信息化企业软件国产化的趋势。在雷涛看来，WPS不是简略仿制后代替Windows office，而是找到了下一代产品需求。
以往不管是运营商仍是银行中心体系，大架构都独占在西方的 IOE（IBM、Oracle、EMC）这三座大山里。直到2008年阿里提出去“IOE”运动，开端助推信息化软件国产化浪潮。
天云数据便是其间最早一批进场者。2010年为了树立我国完好的云核算产业链，我国宽带之父田溯宁出资建造云基地，天云数据便由此孵化，初备雏形。
2015年，雷涛带领开创团队们正式建立天云数据，首先切入金融范畴。天云供给了国内抢先的国产HTAP数据库Hubble，完成了“去IOE”中最困难的部分，代替金融A类中心体系惯用的西方IOE架构，在银行的联机事务中处理A类中心体系减负问题。此外，为了下降AI运用门槛，天云数据还推出AI PaaS渠道MaximAI，逐渐将数据价值逐渐扩展到动力、医药、军事等其它职业。
现在天云数据有70多家职业界大企业客户，单笔合同200-500万，纯软件年营收过亿。
融资方面，天云数据2018年曾取得曦域本钱、华映本钱B轮1亿人民币出资。
从大数据渠道转向AI根底渠道
作为职业老兵，雷涛在北美跨国公司有20多年的技能管理经历， 2005年便入席SNIA存储工业协会我国区技能委员会联合主席，CCF我国核算机学会大数据专委会委员。
2011年在云基地时期，雷涛和开创团队经过BDP大数据渠道担任了很多运营商事务，如联通的数据魔方、移动总部、南边基地等，2015年天云数据正式独立后，雷涛为了尽最大或许防止同业竞赛，挑选先聚集在金融范畴。
“天云数据的方针是代替 Oracle 和 SAS ”。云基地时期的堆集让天云数据一开端就有高起点，首单就接下了光大银行的中心体系——OLTP线买卖体系。比方银行能在全国一切营业厅实时完成OOTD买卖，实时查询存钱取钱数额，整个环节触及的技能都是天云数据前期对Oracle的一些代替。
但之后在屡次的项目操作进程中雷涛发现，在几百万条买卖标准的强一致性下，数据的移动性、核算结构的改变、联机事务一起要做大规模并行核算，这对核算场景的通用性、即时性和全量数据要求极高，传统 Oracle架构底子无法习惯。
“在Oracle架构之上，还需求晋级满意新需求”。
所以天云数据自主研制HTAP国产散布式数据库Hubble。与传统 IT 架构处理失误需求联机剖析和分隔处理不同，HTAP 数据库可以在一份数据上一起支撑事务体系运转并做 OLAP 场景，防止在线与离线数据库之间很多的数据交互，为体系减负。
HTAP国产散布式数据库Hubble代替了Oracle一体机,中心表2000余张80T左右、400亿条买卖数据、供给56只服务使用买卖、满意500个用户并发、500ms买卖服务呼应、每天在线买卖量超200万、占整个银行中心买卖量的10%，让银行面向柜面体系可供给7*8小时A类实时中心买卖，面向手机网银体系可供给7*24小时A类实时中心买卖。
从集中式Oracle切换到散布式HTAP，也处理了数据库扩展性的问题。比方天云数据让光大银行处理了前史数据查询问题，以往前史查询只能查到2年前，但在散布式技能上线后，可以查询15年前一切买卖数据，一起让银行柜面体系以及手机APP可以无数人一起查询。
而在BI逐渐转向AI的进程中，杂乱的商业流程经算法重构。曩昔要把数据拿到SAS渠道先剖析，一层一层地把数据提出来建立。但现在经过散布式技能，流程趋于扁平化，能轻松完成毫秒级的服务呼应。
专心大企业客户
天云数据一开端就撬动的是职业头部资源。现在天云数据有光大银行、兴业银行、中信银行、中泰证券、我国石油、国家统计局等70余家职业界大企业客户，散布在金融、动力、医药、政府军事等范畴，单笔合同等级超百万
针对每个笔直职业，天云数据都会建立一个子公司来专心赛道。现在天云数据有160人，技能人员超六成。
在雷涛看来，假如一年600个项目，满是5万、15万等碎片化的订单，公司总是重复满意初级客户的简略需求，技能很难沉积和深化。“在当下生长阶段，打造产品需求在用户想要什么和你想做什么中找到平衡”。
关于雷涛而言，专心头部大B开展有两大开展潜力。一方面，大B具有机器学习的遍及才能和实验室，更容易接受新产品。另一方面，天云数据交给产品和交给服务的一起也在搬运大B客户的数据价值。
“AI自身是一个常识出产的悉数进程，它能把大型企业规矩、流程的经历价值快速地抽样出来进行仿制，赋能职业界其它客户乃至相似的其它职业。”
但在头部客户更定制化、个性化的情况下，天云数据是否失去了很强的仿制才能？
雷涛解说到，尽管每个企业要求不尽相同，但都在不大的池子里找数据库。企业从海量数据中对数据进行迁徙、清洗、去重，可以去找适宜的AI办法让它发作事务的价值，此进程具有通用性。
谈到中心壁垒，雷涛以为天云数据壁垒便是数据的仿制价值。
壁垒的构建可分为两个阶段。第一个阶段是前沿科技自身的壁垒，比的是功率和产品中心价值，谁可以扎得深和更好的交给，谁就能拔得头筹。而作为国内最早研制大数据和人工智能的团队，天云数据有必定的技能先发优势。
第二个阶段是推理端的服务。数据资源的价值需求经过机器学习进行提炼，构成常识，从而封装成推理服务于职业。比方某保险公司20年长周期发作的重疾赔付定价上学习出来的特征和内容可以快速地移植到保险职业，而头部大企业客户给天云数据带来很优质的练习数据库。
未来AI将引爆万亿级大市场，但现在浸透率不到1%，这给各企业留有很多时机和幻想空间。但不管哪种圈地方法，终究比的是速度、服务的稳定性以及产品化的才能。
