2015年的暑假，范向伟和同学在逸夫楼里画了一整面白板的草图，推演数据科学在中国的未来出路。

当时没有AI浪潮，更没有大模型，甚至连"数据科学"这个词很多企业都没听说过。他们从竞赛撮合开始，建立了一家线上社区——Kesci科赛网。帮助刚刚摸到数据门槛的中国开发者找到一个能打比赛、能看到难题的地方。

但他们很快发现，竞赛只是表象，数据科学真正的痛点是协作——数据、算法、成果的流转，在所有团队里都是一团乱麻。于是，团队的思路开始转向：能不能做出一个工具，把数据、算法、算力、结果的流转全都线上化、流程化？

2017年，和鲸正式发布"K-Lab"。

这是国内第一款真正面向数据科学家的在线数据分析协作工具。开发者无需配置环境，打开浏览器就能写Python、跑模型、做可视化。跨部门协作时，数据无法加密、脚本不能共享、算力各自为政的困境，被K-Lab逐一打通。

在今天看来，这些功能似乎是行业标配。但在当时，这个"浏览器里的Notebook"，是国内首次将Jupyter生态与企业级权限、算力调度、团队协作整合到一起的尝试。也是和鲸"社区 + 平台"双螺旋结构的第一个拐点。

2018-2022 三次跃迁，与行业同频共振

如果说2017年是工具的诞生，那么2018到2022年，就是和鲸对"平台"思考的集中爆发。

和鲸将ModelWhale嵌入高校的教学体系，从"工具"向"教育"辐射。学生在一个环境里完成理论课、实验课、打比赛、做项目，形成"学-练-用"的数据科学闭环。以四川大学、南开大学为代表的数十所高校，将和鲸平台融入日常教学和数据实训。

2021年和鲸正式将平台升级为"人工智能平台"——上线成熟的ModelOps架构、数据治理能力、模型托管与分享机制。在GPU还远未成为热门话题的时代，和鲸已开始接多云架构与异构算力的统一调度。

2022年——产业落地

和鲸与浙江大学地球科学学院合作，参与国际大科学计划。该项目需要协调欧亚地区几十个科研团队协同工作，计算资源横跨五六个大型集群、数百台设备，架构涵盖不同的芯片体系。和鲸团队潜心研发的跨云异构调度技术，成功打通了这一复杂异构的算力"联邦"。

在这一轮"从竞赛到教育，从教育到专业平台"的跃迁中，和鲸还有一个关键动作被反复提及——搭建和鲸社区。通过多年的运营，社区累计注册用户已超100万人，沉淀了10万+专业优质内容、5万+可复现开源项目。一部分和鲸最早的"数据科学人才"在这样的氛围中成长起来，一边参与产学研项目，一边逐步成为数字化转型浪潮中的实际参与者。

2023-2025 当AI浪潮来临时，和鲸已在此等候

2023年，大模型爆发了。

一时间，所有公司都在讨论"要不要做大模型""怎么做行业落地"。和鲸选择了另一个赛道：为行业搭建"大模型应用基础设施"。

基于对"人+大模型"协作的深刻理解，ModelWhale于2025年全面完成大模型应用平台的战略升级，围绕"知识、模型、流程、应用"四大数字资产，正式实现从传统AI平台向大模型应用平台的跨越。主要支柱包括：

• RAG知识库：让团队的私有知识（文档、文献、课件）能够与大模型融合；

  
  

• 大小模型协同：通用大模型和场景小模型可在同平台上调度、集成、互相调用；

  
  

• 可视化智能体编排：打通平台所有知识和模型资产，通过编排工具对不同模型（包括第三方LLM和MCP服务）统一调度，让团队"像搭乐高一样造智能体"。

至此，和鲸从数据协作起跑线开始，贯穿开发环境、国产算力适配、大小模型统一管控和AI智能体开发，完成了一条完整的基础设施聚合。

很多人问，和鲸为什么能在大模型时代迅速转身？

答案很清晰：并不是和鲸在追赶热点，而是热点走到了和鲸的核心轨迹上。

回望和鲸十年时间轴：

• 2015年，从社区出发时，数据科学还在萌芽。

• 2017年，K-Lab上线时，第一批国产在线分析工具刚起步。

• 2021年，人工智能平台上线的那个节点，AI创业泡沫未至。

• 2025年，大模型应用平台正式成型时，行业刚需才姗姗到来。

每一步都踩在行业需求爆发的前夜。这不是运气，而是和鲸基因里自带的底色。

今天，和鲸的服务已覆盖了清华大学、南京大学、国家气象信息中心、上海交通大学医学院等超过上百家重点机构，是中国数据科学生态里跑得最久、覆盖最广、深度最深的一个专业群体。在100万注册用户与数万个模型应用之上，每一行训练代码的自主生成、每一次大模型调用的Token，都在和鲸的基础设施上完成。

行业叙事已从"模型竞赛"转向"智能落地"。

和鲸今天的目标，比任何历史阶段都清晰，也更具纵深——它不只是开发者的工具，而是大模型从技术演示走向真正价值转化的那一条最短路径。

这些场景的背后，是同一件事：和鲸科技，正在成为下一代AI智能体时代的"生产力操作系统"。

十年打磨的通用引擎，才刚刚开始。