文｜沈筱

编辑｜王与桐

“总有免费或者更便宜的选项，是中国SaaS最大的硬伤。”

峥研软件创始人兼CEO李严峰在与36氪交流的过程中，分享了自己对国内企业服务赛道的看法。在他看来，同样的赛道，在中国盯的人更多，只是造成这一现象的表层原因，而产品同质化、缺乏对用户真实需求的理解，才是导致客户粘性不高、商业转化难的罪魁祸首。

然而，知道用户要什么，找到锁定用户的killer feature并非易事。Figma、Notion等国外明星to B SaaS产品，也几乎没有一款是一夜成名的。比如，在理解设计师群体研发协同需求的道路上，Figma一走就是近十年。

反观国内，尽管效率、协同SaaS平台遍地开花，但在“Copy to China”的模式下，很难长出独树一帜的产品。李严峰表示，在峥研软件聚焦的工程科研领域，更是“无人区”。

峥研软件是36氪此前覆盖报道过的项目。李严峰曾任职Cadence、PDF Solutions，先后参与创立和成功退出两家EDA初创公司，Accelicon和博达微，并作为执行副总裁和首席产品官与概伦电子登录科创板，在集成电路领域有丰富从业经验和连续成功创业经历。2022年，李严峰选择离开概伦电子，创办峥研软件。

成立同年，公司即获得了来自源码资本、清辉投资、量子跃动、SEE Fund、水木清华校友种子基金，以及金沙江创投的种子轮融资。

近期，峥研软件正式面向种子用户推出了工程科研效率协同SaaS「peerup」产品原型。瞄准科研、科工、科教三大领域，公司旨在从数据获取、呈现、分析、管理和挖掘切入，通过提供完整工具链，使工程科研人员将时间、精力投入到需要创造力的工作中，而非数据简单处理、可视化、描述性解读等繁琐、重复的任务。

据介绍，峥研软件完成前期确定命题和基本解决途径，到产品调研、定义产品形态的过程后，于今年初正式启动产品原型研发。从峥研软件的最终目标产品形态来看，其希望成为工程科研领域的「Notion+Figma+Github」。

谈及工程科研领域仍是“无人区”的原因，李严峰告诉36氪：“没人做，并非没有需求，更不是创造不了价值。”一方面，现阶段，国内工程师成本已经没有绝对优势，而用人需求还在上涨，同时国家培养工程科研人员的力度不减，提升研发效能是刚需；另一方面，满足工程科研人员研发效能提升需求、推动科研创新，其本身的意义已经超过商业价值创造，而即便从商业的角度来看，只要能解决行业1%的效率提升问题，就值得企业为之付出4000块钱。

但是，从供给端看，李严峰认为，一是由于领域特殊性，只有业内资深用户或专家才能理解特殊需求，而这些人很难选择跳出自己擅长的科研垂直领域，做通用软件的事；二是，现有聚焦研发领域的效率、协同类产品不足以解决工程科研人员生产力提升的需求痛点。

“尽管国外早有旨在降低工程科研人员编程门槛的低代码软件，但该领域的核心痛点不是编程门槛高。工程科研不缺懂技术会编程的超级个体，而是缺让超级个体变得更强大，帮助他把能力快速复制、推广到企业、学校、行业层面的效率工具。”李严峰进一步向36氪阐述，“另外，虽然市面上也有聚焦产研协同的软件，比如「Atlassian」推出的研发项目管理软件「Jira」，但其更多关注流程管理，没有深入工程科研领域know-how。”

在李严峰看来，深入领域know-how意味着需要最大程度发挥工程科研人员的价值。而数据是该人群价值的核心体现，理应成为效率工具的主要抓手。

具体而言，目前，峥研软件已围绕上述产品形态搭建好底层框架，构建了文档、数据、应用三大功能模块，并将做好文档的记录、分享、协同，成为工程科研的Notion视作第一步，也是其现阶段获客重点。

不同于一般文档记录，工程科研人员的笔记多以图、表、数字等数据形式呈现。在这一步中，李严峰介绍，除了提供类似Notion、飞书的常见功能，平台的核心价值体现于提升数据获取和展现效率、助推科研正直两个方面：

一是对来自工程科研相关仪器、软件等不同来源的数据自动解析和统一格式呈现。用户可以将数据直接以附件形式插入笔记文档，直接生成数据记录，并可为数据添加标签，创作各垂类科研领域的专业图表，同时支持在统一文档中比对不同组数据；另外，在围绕数据协作时，包括在使用平台视频会议功能过程中，用户均可在图、表等数据上直接圈注。

二是可回溯。平台提供了可进行版本控制和历史回溯的编辑环境，详细记录数据创建时间、来源，以及修改、分享操作等所有和原始数据相关的使用情况。

基于此，产品功能再往外拓展，就是数据、应用两大模块，首先是实现围绕开发的分享、协同。

在这一层面，peerup主要解决物理世界和虚拟世界的连接问题，打通平台与各类软、硬件的接口，例如仿真测试软件、示波器等。同时，类比Figma，主要围绕数据获取、管理、处理等，提供完整的工具链。

据介绍，峥研软件开发了仪器测试、测量和数据处理的框架「ZMeasure」。针对不同工程科研领域，公司会结合适用的算法，根据用户具体场景开发各类应用程序，以模版的形式放置于应用空间。用户可在文档中选择调用多个App，进行复杂的自动化数据处理、远程操控实验仪器设备、完成测量实验等任务。实验返回的测量参数和数据可以直接作为data上传云存储，进入公司研发的科研协作效率流中。

另外，peerup搭建了底层函数库，为用户提供了Python编程环境，支持低代码流程创建和参数化配置。用户可以根据自己的业务逻辑，搭建专属工作流，自行开发和运行专属App。开发后可选择在组织内或在整个平台范围内分享。

“和Figma、Notion一样，我们会不断出新的应用模板和feature，但并不代表要做定制化。”李严峰告诉36氪，“支持好国内相关领域的顶尖客户，完全可以复制到整个行业，最后扩展到国外，最终应用中心将走向无代码平台。”

「peerup」简要介绍 企业供图

李严峰表示，数据的本质是数字，其在工程科研领域中的展现形式和来源的仪器、软件是可枚举的，因此，针对不同专业领域开发应用并不难。但他也坦言，尽管公司团队是电子、化工等工程科研领域的超级用户，能在熟悉典型需求的基础上快速搭建底层框架，但在需要domain knowledge的应用开发层面，没有捷径可走，需时间沉淀。

因此，目前峥研软件一是跨领域招募了新的研发人员；二是在靠近种子用户的北京、上海建立了应用中心，以复原客户场景，支持相关应用落地。同时，在此过程中，公司将持续收集客户需求和反馈，基于对需求可复制空间、可行性以及ROI的综合判断，完成产品功能的迭代优化。

另外，李严峰认为，peerup提供了LLM在工程科研领域落地应用的土壤。利用LLM，peerup希望进一步降低工程科研人员跨学科获取知识、使用不同仪器设备、软件的门槛。当前，峥研软件已经基于LLM搭建了嵌入peerup平台的AI助手，主要应用于两个方面：

一是搜索和实验报告生成等辅助性功能。例如，通过建立特定领域的知识库，AI助手支持用户以对话形式完成数据、知识的搜索，以及获得参考资料链接。对用户给定的报告生成要求，AI助手可以寻找相关的工程数据、追踪整个数据流、分析数据结果，按照特定格式要求完成数据整理、汇总和可视化；

二是复杂任务支持。公司将前述低代码开发工作流搭建的功能集成到了AI助手中。用户可以使用自然语言描述业务逻辑，实现自动分析问题、寻找合适的底层函数、搭建工作流、完成参数化配置，并得到任务结果，同时支持用户自主检查工作流逻辑，或对工作流进行手动参数微调。

团队方面，峥研软件的核心成员均毕业于清华、北大、北邮等知名院校。特色是应用端均有工业软件领域从业经历，具备EDA、材料化工等领域科研工程经验。而产品和开发人员均曾在字节跳动、小红书等大型互联网科技公司任职，具备软件开发、数据解析和治理等方面经验。

现阶段，公司并未设置销售目标，但对产品导入和销售，李严峰很有信心。他告诉36氪：“我们有二十多年的大B客户经验和上下游资源，所以早期不乏优质的种子客户，这也是相比很多SaaS初创团队的重要优势。团队目前的重点是围绕种子客户需求进一步完善平台功能和架构，把每个客户做透并实现高度粘性是基本目标。”

畅想未来，李严峰表示，在实现围绕开发的分享、协同基础上，peerup的下一个目标是形成数据操作系统，构建类似GitHub的开源的、去中心化的科研协作平台。未来，工程科研人员可以和世界上任何研究者合作，科学成果的分享、评价以及商业价值创造也可通过社区实现。