跨国深谈← 返回←从被解雇到押注 DuckDB:MotherDuck 的创业与 AI 数据新玩法

从被解雇到押注 DuckDB:MotherDuck 的创业与 AI 数据新玩法

关联

人物 Jordan Tigani

公司 MotherDuck · DuckDB · DuckDB Labs · BigQuery

概念 open core · 数据仓库 · 智能体 · 仪表盘

被公司在一个周五早上解雇，一周内就拿到了顶级风投的投资——这一集的主角 Jordan Tigani,曾参与打造 Google BigQuery 并长期领导其工程和产品，如今是数据库公司 MotherDuck 的创始人。这一集讲的就是他怎么稀里糊涂地创办了 MotherDuck、怎么处理和开源数据库 DuckDB 的关系，以及 AI 正在怎么改变人们和数据打交道的方式。

起源：一场「求职失败」引发的创业

Jordan 创业的起点并不体面：他被当时任职的单存储数据库公司(前身叫 MemSQL)解雇了，首席产品官的职位一夜间没了。他早就注意到一个很棒的开源数据库 DuckDB,一直觉得「应该有人拿它做个 SaaS 服务」，而他自己恰好打造过两个数据库 SaaS 服务(先是 BigQuery,后是单存储的)，于是决定自己动手，顺便拿这个当学 Rust 的借口 [01:38-02:30 Jordan Tigani]。

他本意是求职：请朋友引荐 DuckDB 的创造者 Hannes 和 Mark,问他们愿不愿意雇他帮着建 SaaS 服务。对方拒绝了——「我们只想专注核心数据库」。

但同一天下午，他和投资人 Tom Tungas 聊了 15 分钟，对方直接说「这主意不错，我想投，下周来开合伙人会议吧」。第二天他又和另外两位投资人聊了聊这个「随便转转的想法」，对方问「你刚开完合伙人会议，想要多少钱？

」他完全没概念地报了个「500 万美元？」——对方说「好啊，听起来不错」。他自嘲是「稀里糊涂地开始创业了」[02:59-04:25 Jordan Tigani]。

一周后他坐下来认真想了想：这是眼前选项里唯一一条「押注我自己」的路，而且「我不确定以后还能不能有另一个这么好的点子，所以不妨放手一搏」。另一个理由是：他在文化很好和有毒的公司都待过，如果工作环境是自己创造的，至少搞砸了只能怪自己 [04:33-05:17 Jordan Tigani]。

MotherDuck 和 DuckDB:一种罕见的「伙伴关系」

市面上 open core 公司(先有开源项目、再围绕它做商业服务的模式)通常是同一家机构既维护开源又做商业，而 MotherDuck 的结构很特殊：商业公司 MotherDuck 和开源公司 DuckDB Labs 是分开的两家，DuckDB Labs 专注打造出色的开源数据库，没有任何改许可证或从开源里删东西的压力；MotherDuck 则构建 DuckDB 的托管云版本 [06:14-06:52 Jordan Tigani]。

关键在于利益绑定：创业之初，Jordan 给了 DuckDB 创始人联合创始人级别的股份——「我不想只是说一句『谢谢你们做了这么棒的开源工具』，然后拿走它赚一大笔钱」。他意识到做成这件事的唯一办法，是让 DuckDB 团队有动力希望 MotherDuck 成功。

MotherDuck 在 DuckDB 里有专门为它加的钩子(hooks,预埋的定制接口)、贡献了大量功能和 bug 修复，自己也有约 1000 个提交进了 DuckDB 代码库。Jordan 希望这个模式如果成功，能成为其他开源项目的样板；不成功，「那就是一个警示故事」[07:03-08:31 Jordan Tigani]。

他还点出了普通 open core 公司的通病：做开源的团队变现时，往往只搭一个「在 Kubernetes 上随便跑跑」的最简 SaaS 就叫「托管版」，因为「你所有的创新代币都花在开源项目上了，没花在交付上」。而 MotherDuck 反过来，把创新代币全花在「如何提供端到端的卓越分析体验」上 [10:29-11:19 Jordan Tigani]。

从零到收费：三年三步

创始团队 11 个人，多是以前共事过的 Google 同事、老客户和 DuckDB 爱好者。Jordan 刻意组了一支偏资深的团队：好处是能直接跳过「显而易见但错误的设计」，每一行代码、每一小时的构建产出更高 [13:01-14:15 Jordan Tigani]。

节奏大致是：3-4 个月做出第一个 alpha——一个无服务器的托管 DuckDB,能在毫秒级分配实例，虽然「用铁丝勉强拼凑起来的」，但足够拿去拿早期设计合作伙伴；约一年到 beta,「人们会真的想拿来实际用」；再一年才到「人们愿意付钱」的程度。门槛高的原因很简单：如今数据仓库的现有水平已经很高，在用户愿意把分析迁过来之前，你要补齐的入门底线相当多 [14:28-15:41 Jordan Tigani]。而最核心的能力要求反而朴素：可靠性——「不能丢数据，必须返回正确的结果」；那段时间他们也在和 DuckDB(当时才 0.6 版)一起成长，加固 DuckDB 本身就是重要一环 [16:01-16:53 Jordan Tigani]。

AI 正在重写数据栈：flights、dives 和智能体接口

过去半年 Jordan 看得很清楚：AI 正在改变人与数据的交互。MotherDuck 开始把数据仓库的「相邻组件」拼起来，而且这些组件恰好都特别适合用 AI 生成：

• 可视化：Claude 很擅长做数据可视化，那 MotherDuck 干脆托管这些可视化、把它们接上实时查询、让它们可以在平台内分享——「基本上就是 BI,但是打了兴奋剂的 BI」,交互和创意的层次远超传统 BI 工具(这个产品叫 dives)[17:48-18:28 Jordan Tigani]。
• 数据摄取：把数据弄进来这件事也「相当适合 vibe coding(用自然语言让 AI 直接写代码)」——把 Claude 指向 Salesforce 说「把我的数据拉进来」，它就能搞定。于是他们做了 flights:通用到极致，就是「按计划运行的 Python 代码」，配上 Claude 就能搭出数据管道(这个产品叫 flights)[18:28-19:20 Jordan Tigani]。

把摄取(flights)、分析(核心数据仓库)、可视化(dives)组合起来，就能构建反馈循环：一个可视化可以触发数据刷新、视图物化，或启动一个 flight 去发 Slack 消息、生成 PDF、跑推理。底层还有一个贯穿一切的上下文层叫 guides;最后一块正在做的是自己的智能体接口(agent harness)——你描述想做什么，系统自己把这些部件组合起来实现 [19:31-21:06 Jordan Tigani]。Jordan 称这是「AI 数据接口的圣杯」：就像工程师让 Claude 写代码更快一样，技术人和非技术人都能用数据完成多得多的工作。

让业务用户直接问数据，问题都不一样了

最反直觉的洞见在这里：让 AI 直接服务业务用户，反而是对幻觉风险最好的制衡。「让业务用户来做，他们才是真正能发现 AI 什么时候微妙出错的人」——分析师隔着一个团队、靠工单做仪表盘，数字不对劲他也看不出来；而贴近业务的用户一看就知道「这个客户根本没用这个功能，为什么它出现在这里？」[22:26-23:08 Jordan Tigani]。

内部的真实例子：他们放开让销售用公司的 MCP 服务器(让 AI 连接公司数据的标准接口)，销售的第一个问题是「我今天该和哪个客户谈？」——Claude 能综合支持工单、使用数据、甚至新闻(比如某客户刚被监管处罚)给出好答案，而这「不是分析师会问的那种问题」。

销售主管的第一个问题是「我的业务面临的三个最大风险是什么？」——数据团队绝不会主动做这样一份报告 [25:04-26:06 Jordan Tigani]。

那仪表盘会死吗？Jordan 写过著名的《大数据已死》，也注意到「仪表盘已死」喊了十年。

但他自己是仪表盘的坚定信仰者：每天要看八次自己的仪表盘。旧交互式 BI 的问题在于能回答的问题极窄——只能下钻拆分，不能问「为什么」。

AI 改变的是这一点：仪表盘上看到怪数字，可以直接问 Claude,它会去戳一戳搞清楚；将来智能体甚至会主动告诉你「今天有哪里不对」。但稳定的指标体系依然有价值——「这些是我们收入指标的输入指标」，团队靠它建立对业务运转的心智模型 [27:24-29:53 Jordan Tigani]。

给工程师的建议：理解产品是超能力，写作是第一技能

对想进入数据库/基础设施这个领域的工程师，Jordan 的建议出乎意料地「不内核」。确实，「每个人都想做优化器」，但首先世界上做数据库优化器的人没几个，其次那也不是那么有趣的工作——「你在框子里工作，输入输出都是已知的」，而对他来说更有趣的是把那些未知、模糊的东西组合到和谐运转 [30:59-31:41 Jordan Tigani]。

核心技术的强弱决定生死，但「如果围绕它的东西不够好，你也不会成功」。他自己的教训：曾做出倾注心血、自认为很美的技术，结果没人用、项目被砍——「它就等于从未存在过」。所以他提醒：只看内环不看外环，对用户真正想要什么视而不见，是工程师的失败之道 [32:48-33:25 Jordan Tigani]。

「理解产品——理解用户、理解使用方式、理解业务环境——是工程师的一种超能力」，尽管工程师往往看不起这个 [35:06-35:26 Jordan Tigani]。而他心中工程师最重要的单项技能是写作：他做 BigQuery 时合著过一本 BigQuery 书，写着写着就发现「这个命令行好傻，该改」——BigQuery 的很多改进就源于写书。

他自己曾是个糟糕的写作者，靠强迫自己练出来的，至今仍讨厌写作、写一段就要起身吃小熊软糖，但「如果只学一项技能，那就是写作」。他还警告：把四个要点扔给 Claude 生成 30 页像模像样的文档，是在害自己——「真正的内容就只有那四个要点」[36:23-38:52 Jordan Tigani]。

招聘方面，他们不直接从 DuckDB Labs 挖人(尊重伙伴关系)，而是招做过 DuckDB 扩展的学生，包括来自荷兰 CWI(孵化了 DuckDB Labs、也是 Python 诞生地的研究机构)的实习生 [39:16-40:06 Jordan Tigani]。

品牌：愿意看起来有点傻

最后聊到 MotherDuck 满屏的鸭子梗(flights、dives、guides、鸭鸭背带裤)。Jordan 的逻辑很清醒：「有一场争夺注意力的战争。

如果你造了个没人用的东西，那它就跟没被造出来一样」——而获得注意力的方式就是有趣的品牌，代价只是愿意看起来有点傻。名字里有动物的公司有两条路：要么像某些公司那样假装酷，要么全力拥抱。

他们选了后者，而且它自我延续：愿意加入的人都是能自嘲、有自信驾驭鸭子帽的人。他不说这是噱头——「这是我们文化的一部分」，也是一种信号：数据库行业都那么严肃，但「我们能赢，还能玩得开心，这甚至可以是我们成功的秘诀」[40:44-43:05 Jordan Tigani]。

本集带走

• 别怕「稀里糊涂」开始：Jordan 求职被拒却很快拿到投资。他的决策标准很简单——这是押注自己的路，而且「我不确定还能不能有更好的点子」。
• 开源商业化可以靠利益绑定而非收割：MotherDuck 给 DuckDB 创始人联合创始人级股份，换来高信任的深度合作；把「创新代币」花在交付体验上，而不是重复做一个最简托管版。
• AI 时代让业务用户直接碰数据：销售问「今天该找哪个客户」，分析师永远不会问这种问题；而贴近业务的人恰好是最能发现 AI 微妙出错的人。
• 仪表盘不死，死的是「只能下钻不能问为什么」：稳定的指标体系 + 随时问 AI「这个数字为什么怪」，两者结合才是完整的。
• 工程师的两项超能力：理解产品与用户(别只盯着优化器)，以及写作——动手写下使用说明，别扭的设计自己会浮出来。
• 品牌上愿意犯傻：注意力战争里，有趣、可自嘲的品牌是创业公司的免费武器。

有一场争夺注意力的战争。如果你造了个没人用的东西，那它就跟没被造出来一样。
There’s a war for attention. If you build something that nobody uses, it might as well have not been built.
—— Jordan Tigani · [01:00]

我不确定我以后还能不能有另一个这么好的点子，所以我不妨放手一搏。
I’m not sure I’ll ever have another idea that’s this good, so I might as well go for it.
—— Jordan Tigani · [01:15]

打造一群彼此喜欢的人，他们努力工作是因为这是为他们信任和尊重、希望看到他们成功的同事在做，而不是每个人只为了自己那笔钱。
Building a group of people that like each other, that work hard because they’re doing it for their coworkers who they trust and respect and they wanna see them succeed versus everybody out just for a payday.
—— Jordan Tigani · [05:34]

某种希望是，如果这成功了，它可以成为其他开源项目采用的一种模式。如果不成功，那它就是一个警示故事。
And kind of the hope is that if this works out, then this can be a model for other open source to use. If it doesn’t work out, then it’s a cautionary tale.
—— Jordan Tigani · [08:13]

你所有的创新代币都花在开源项目上了，而不是花在交付上。
All your innovation tokens are being spent on that versus on the delivery.
—— Jordan Tigani · [11:04]

是 BI,不过是打了兴奋剂的 BI,因为有些事情你能做而别人做不了。
It’s BI, but it’s BI on steroids because there’s some things you can do that you can’t do.
—— Jordan Tigani · [18:15]

让业务用户来做，他们才是真正能发现 AI 什么时候微妙出错的人。
By having the business users do it, they’re the ones that can actually spot when it’s subtly wrong.
—— Jordan Tigani · [22:38]

但我确实认为，如果只学一项技能，我认为那会是写作。
But I do think if there’s one skill to learn, I think it would be writing.
—— Jordan Tigani · [38:17]