即使經曆疫情種種，你依然“看多中國”嗎？無論如何，作為中國人，你必須寄望于這艘大船能持續航行。

如果“看多中國”，哪些公司最可能拉動中國經濟繼續前進？縱觀過去二十年曆史，我們發現，新經濟領域裡的帶頭公司帶來了最強的增長動能。因此，36氪決定挑選50家新經濟領域中的關鍵公司——其中一部分是騰訊阿裡這樣的已上市公司，一部分是即将大魚入海的待上市公司——以獨家新聞、訪談、季度回顧等方式，持續關注與跟蹤它們的發展，并彙集在“Long China 50”這個欄目中。

希望“Long China 50”公司能成為一股力量，拉動經濟駛出陰霾。

訪談 | 李安琪 蘇建勳

撰文 | 李安琪

編輯 | 蘇建勳

“人臉識别”曾是人工智能落地最有力的說客。

2015年-2016年間，國内一批專攻計算機視覺人工智能公司湧出，商湯、曠視、雲從、依圖“AI四小龍”聲名鵲起。

然而7年過去，人臉識别成為AI行業為數不多的碩果，技術門檻已經不高但競争異常激烈。持續投入持續虧損，成為人工智能公司的常态。

今年5月27日，雲從科技正式登陸國内科創闆。招股書顯示，雲從3年累計虧損20億，3年研發費用超15億，加上募集資金比原定少了20億，“流血上市”的質疑聲紛至沓來。

但雲從在招股書中做出了預測：2025年将是公司扭虧為盈的節點。前提是雲從營業收入達到40億元左右，綜合毛率保持在50%左右。

2021年雲從營收為10.76億元，也就是說，至少要翻4倍才能達到理想目标。

雲從科技聯合創始人姚志強在接受36氪專訪時表示，AI企業一直虧損的原因在于，行業初期人員開發成本很高，但隻解決了單點技術問題。換言之，企業投入産出比太低。

“如果全世界隻有雲從在做這個技術，那也OK，雲從可以活得很好。但商業競争不可能這樣，一定是很多資本、創業企業和行業巨頭湧進來。蛋糕被分，研發成本很高，如果隻解決一點問題，肯定是虧的。”姚志強說道。

他認為，最根本的原因在于，單點AI技術的貢獻度有限，無法提升行業的整體效率。以機場安檢場景為例，即便雲從的人臉識别已經在多個城市的機場安檢口落地，但對機場整體的運營效率提升并不明顯。

這是雲從内部認為的人工智能第一波浪潮：單點技術突破确實帶來了行業變革，但不夠深刻。

雲從科技聯合創始人姚志強 圖源：雲從科技

如果行業要迎來第二波浪潮， AI 需要更深入地紮根，實打實地幫企業提升效率，比如深入機場的上客下客、艙内清潔、食品更換、人員值守等多重環節，不隻是針對安檢環節。

這裡有兩個問題：AI技術要深入哪些行業，以及要做到何種智能程度？

對于第一個問題，姚志強表示，未來所有人需要思考的地方都會有智能化需求，都需要AI幫助人實現大規模分析。

雲從主要還是聚焦于B端和G端頭部行業。“先服務好龍頭企業，立下标杆才能快速向其他企業複制。如果行業沒有标杆企業，那可複制性效果就會打折扣。”目前，雲從的産品主要在智慧金融、智慧出行、智慧治理與智慧城市、智慧商業四個領域落地。

至于第二個問題，雲從則是給出了“人機協同”的答案。

過往外界對人工智能一直抱有高期待，認為AI可以替代人。但姚志強表示，很多行業的具體場景運作流程與環節衆多，很難簡單拆成一個個自動化的結果。

“說實話，人工智能還沒有做得這麼強，能解決所有問題，但可以把問題提煉出來，給到人理解。在現有系統裡面，人是最聰明的和最有能力的角色，是不可或缺的。”他說道。

其他AI行業的做法也印證了這個大趨勢。以自動駕駛來舉例，自動駕駛行業也逐漸意識到，一步到位的自動駕駛的實現過于困難，當下最能跑通的商業邏輯，還是讓機器輔助人類駕駛，而非代替人類駕駛員。

這也是雲從這兩年在公開場合多次提到人機協同操作系統的原因。

在姚志強看來，人機協同操作系統的理想狀态，就類似于鋼鐵俠的機器助手賈維斯，它提供了很多選擇，但最後做出決策的仍是鋼鐵俠本人。

具體落地中，人機協同操作系統就像社會組織一樣，擁有一二三級供應商。最底層的供應商，負責開發不同行業所需的軟件模塊能力，比如人臉識别、語音交互等，這些能力既可以由雲從提供，也可以由其他AI公司提供。

圖源：雲從科技

在此基礎之上，二級供應商可以整合單獨的功能模塊，然後由一級供應商整合不同二級供應商的産品給到客戶。

說白了雲從更想打造的是一個軟件生态，海納百川，動員生态力量，才能滿足AI技術落地海量場景的需要。

“軟件本身是一個很豐富的生态，未來人工智能軟件和硬件會逐漸解耦，但軟件内部還需要一個更大範圍的解耦，就是根據客戶所需能力進行解耦，變成無數個單獨的軟件模塊。”

“我們必須把AI系統拆成足夠小的能力模塊。如果外部環境發生變化，隻需要單獨更新獨立的智能體模塊，而不用重新部署整個軟件系統。那樣太笨拙了。”姚志強表示。

也隻有當軟件生态平台形成，雲從才能迎來其定義的人工智能第三波浪潮。

雖然目前人機協同操作系統還處于市場教育階段，但姚志強認為，雲從已經看到了未來營收迅速擴展的方向。

圖源：IC photo

此外，在新賽道探索方面，雲從也跨出了另一步，紮進智能汽車紅海。

姚志強告訴36氪：汽車AI是雲從必須要點的技術樹。“不可能一直進山閉關修煉，十年以後出山再找一個産品來實踐，不現實。”

他表示，目前汽車領域整體有兩個AI發展方向：一是智能交互，二是自動駕駛。自動駕駛和座艙确實比較火熱，但同時行業目前還不夠成熟。

“我們當然不會一下子去做自動駕駛，可能會先逐步積累，在容易商業化的低速封閉場景做一些落地嘗試。畢竟，企業不可能一直頂着巨額虧損去投自動駕駛。”

他告訴36氪：雲從的汽車AI業務處于起步階段，還在組建團隊，初期可能有百人左右規模。

“三年之内一定要實現比較可觀或者快速增長的現金流。三年之内是不是一定能夠自負盈虧，我們不是特别有把握，但至少不會是一個特别虧損的方向。”

在與36氪一個半小時的專訪中，姚志強闡述了雲從對人工智能落地的認知變化，戰略調整、産品理念、新賽道選定等内容，以下是訪談全文，略有删減：

“單點人工智能技術的作用有限”

36氪：去年您曾公開表示，AI行業正處在回歸理性的失望期，市場對人工智能在一定程度上失望屬于正常現象。這種失望心理恢複正常可能要多久？

姚志強：這個很難給出一個準确的判斷，我們認為未來3-5年會是人工智能比較好的發展時期，但短期還是要解決一些比較實際的問題。如何落地、如何與行業結合？目前這塊還不成熟。

在一些相對達到商業紅線的行業，頭部客戶做了較好的樣闆示範之後，就可以快速複制。像雲從2015年拿下銀行領域的人臉識别應用之後，也得到了行業的認可。所以2015、2016年人臉識别在銀行領域的推廣速度非常快。

36氪：機場算是雲從在金融行業之後，第二個看得到希望的行業嗎？

姚志強：從時間線來看，我們做的第二個行業是安防，現在和新基建業務整合後叫做智慧治理，标準客戶主要是公安、政府、頭部央國企；然後才進入機場領域，我們現在定義為智慧出行。機場是一個比較好的、有試探意義的場景，幾乎一年不到，全國主要機場就都已經采用人工智能安檢手段了。

36氪：在機場雲從主要做人臉識别單一功能，還是說已經把人工智能鋪開到系統層面？

姚志強：人臉識别确實隻是一個單點應用。你提到的問題，也是雲從或者人工智能企業一直關注的問題。人工智能單點技術對行業的整體效率提升到底有多大作用？這個一直是有疑問的。

我們也認為，單點技術應用對具體行業的貢獻度其實有限。人臉識别确實提升了安檢口的安全性，因為人眼的圖像識别能力遠低于計算機，但在整體安檢或通關體驗來看，效率好像沒有提升多少。

行業初期，社會對人工智能抱有高度期待，隻要有單點技術突破，市場就會給出巨大獎勵，這是行業的情緒高漲期，我們把這個叫做人工智能發展的第一浪。但單點技術沒有給行業帶來非常深刻的變化，市場也就慢慢進入冷靜期，第一浪走向高峰後迎來衰落期。所以人工智能發展的第二浪需要形成人工智能和行業充分結合的閉環，而非單點技術突破。

36氪：如果以機場為例，人工智能技術如何從單點功能上升到整個系統層面？

姚志強：飛機的載客、起飛到降落、下客過程，其實是多部門聯動的複雜場景，還有裝卸行李、艙内清潔、更新食品等環節，這些流程都有非常标準的指令和動作。執行起來時第一要保證安全，第二如何達到效率最高。

機場其實有很多攝像頭，但這些設備性能并沒有充分利用起來。人工智能可以把攝像頭的數據結構化，變成人可以理解的知識，分析執行過程中是否有違規行為。如果出現不合理行為，可以通過音頻設備等信息推送跟工作人員溝通。這對機場安全、效率來說都有非常大幫助，機場也想借助人工智能來推動非現場監管。

雲從希望把這些流程都監管起來，但這個場景太複雜，現在隻能通過抽查方式來巡檢。我們必須對機場整個流程都認知到位，才能一個個流程打通，實現每個環節的智能分析，輔助人類決策，目前這套系統已經在多個機場展開試點工作。

36氪：雲從目前主要提供人機協同操作系統與人工智能解決方案，這兩個方案面向的客戶群體有什麼不同？

姚志強：人機協同操作系統是一個寬泛的概念，是一個把所有人工智能技術集成起來的業務系統，任何客戶用都是人機協同操作系統，也可能是其中部分能力。

我們認為，包含汽車軟件、手機軟件、還有機器人軟件在内，軟件本身是一個很豐富的生态，未來人工智能軟件和硬件會逐漸解耦。但軟件内部還需要一個更大範圍的解耦，就是根據客戶所需能力進行解耦，變成無數個單獨的軟件模塊，我們叫它智能體。可以理解成，軟件生态就像一個社會組織，裡面會有無數個單獨的專業人才。

随着人工智能二浪到來，AI技術落地會面臨海量行業場景，我們必須把AI系統拆成足夠小的能力模塊。如果外部環境發生變化，隻需要單獨更新獨立的智能體模塊，而不用重新部署整個軟件系統。那樣太笨拙了。

就像汽車的供應商體系一樣，有一級、二級、三級供應商。人機協同操作系統也有三級供應能力，最底層的三級供應能力可能由雲從提供，也可能是其他人工智能公司提供。

往上一級（二級供應）是某一個行業解決方案，比如雲從做的機場操作手冊結構化方案，也可能是解讀法院法律文書的方案，這兩個不同的方案最終會提供給一級供應商。一級供應商會針對機場提供全方位的，包含不同行業的解決方案。最好的情況是，一級供應商可以把二三級供應商的産品當做模塊，像加号一樣直接在程序中調用。

所以人機協同操作系統是一個抽象化的平台，能夠支撐一級、二級、三級供應商的開發。對客戶的不同需求，系統可以通過不同的面貌來呈現。

36氪：怎麼理解AI技術的軟件解耦？

姚志強：就好比手機的操作系統安卓、iOS等，最初這些系統上可能隻有通話功能，之後慢慢出現微信平台，微信和操作系統進行解耦的，微信之上又會有其他應用小程序。

我們認為，未來人工智能軟件系統也會慢慢走向解耦，但是是從能力維度來解耦的。畢竟，很難有智能體同時做到既有自然理解能力，又做語音識别，還做圖像識别，這樣大而全的系統在疊代更新時，會顯得很笨拙。相當于為了更新某一塊的應用，要把整個AI系統全部替換掉。這是不合理的。

36氪：跟客戶交流的時候，客戶對人機協同操作系統概念是容易理解的嗎？還是說雲從也還處于教育市場的階段？

姚志強：當前處于人工智能一浪向二浪過渡的階段，整體是需要客戶理解和接受的。與客戶溝通時，可能會有一些不同維度的解釋，但客戶最終想到達到的目的是沒有任何變化。很多軟件工程，都朝着軟件解耦的方向去發展了。人工智能軟件也一定越來越精細化分工的。

36氪：聽起來雲從對自己産品業務進行了再定義，希望更加細分垂直，但“人機協同”聽起來更像人與機器協同的工作狀态，而不是産品再定義。

姚志強：對，這是我們要實現的目标。海量的智能體是我們對系統架構層面的分解，但智能體的最終目标一定是為了實現與人協同。我們把每個智能體都比喻成一個具有專業能力的人，實際上就是輸入一些非結構化數據和知識，輸出結構化的、人能夠理解的知識，幫助人快速做決策。

36氪：“人機協同”概念是怎麼提出來的？為什麼會有這個概念？

姚志強：還是基于我們對人工智能發展趨勢的理解。想要真正幫助行業解決問題，人工智能必須要發展到二浪時期。但在二浪階段，人工智能系統不是直接給到決策者或管理者，而是面向一些普通從業人員等執行層角色。

如果是人臉識别單點功能，隻要判斷是不是本人就可以。但對于現有系統來說，沒辦法隻簡單拆成一個個自動化的結果。我們發現，更多的時候是要把系統變成一個讓人可以理解的語言。

比如機場衛生打掃，如果系統判定打掃時間過短，就可以把時間窗彈給監管人員，監管人員可以通過語音方式通知員工再檢查一遍。這是有交互的，并不是說機器可以代替人來執行衛生打掃。

36氪：以前大家會覺得機器完全可以替代人，這是一直對AI行業存在的誤區嗎？

姚志強：對，從單點技術來看，機器确實超過人，這個是毫無疑問的。但要是真想解決複雜業務。說實話，人工智能還沒有做得這麼強，能解決所有問題。但可以把問題提煉出來，給到人來理解。在行業系統裡面，人目前還是最聰明的和最有能力的角色，是不可或缺的。

36氪：單點式技術方案可能不夠完整，但人機協同解耦要把很多已經耦合的技術，重新變成單點産品。這兩者會矛盾嗎？

姚志強：不會。人機協同操作分有三級供應商。這麼分級是因為未來智能場景非常寬廣，不是現在簡單理解人工智能隻做個語音識别、人臉識别，未來還會有更多企業提供底層的核心服務。未來所有人需要思考的地方，都會有智能化的需求，幫助人實現大規模的分析能力，包括在工業制造、能源規劃等場景。

比如智能家居裡的機器寵物，可能需要感知識别、路徑規劃、語音溝通能力，那麼産品交付時就要把所有能力集合起來，由二級供應商提供完整産品。但如果客戶的需求變成全屋智能家居，要管理所有家居，除了機器狗，還有溫度、燈光、安全等，這時候就需要一級供應商提供更強的整合能力。

36氪：目前雲從定位的身份是幾級供應商？

姚志強：雲從現在是三級和二級供應商，我們希望在某些行業能夠成為一級供應商，比如金融、智慧治理、交通等。但更多行業還是需要其他從業者擔任一級供應商，比如汽車智能座艙，我們更多是和一級供應商合作。

36氪：三級供應商的毛利似乎更高，一級供應商毛利會較低一些？

姚志強：主要看未來發展趨勢。如果隻是簡單的整合和集成，利潤确實會比較低。但如果是一個集成創新的、面向未來場景的方案，能提供新的能力和體驗，毛利就會比較高。比如機場裡面涉及全員安防，人員分析和跟蹤等這些。

商業上比較成功的是蘋果，但蘋果不是說所有技術都核心自研，但它整合成了完整的、全新的用戶體驗，所以毛利也同樣會比較高。這是一個周期性的事情，随着AI技術越來越寬廣，在AI基礎能力上做創新的空間和可能性會越來越高。

36氪：雲從的另一個産品人工智能解決方案解決的是什麼問題？

姚志強：人工智能的實現要有操作系統，除此之外，還要有一套基本的編程語言、開發工具，才能讓工程師快速開發。人工智能解決方案就是一個基本工具，除了雲從自己用，未來也希望給到更多其他行業的一級供應商，開發他們的解決方案。同理，我們也會聚集更多三級供應商來做基礎功能開發，我們會提供訓練、推理服務等工程化工具鍊。

36氪：現在雲從的軟件生态做得怎麼樣？您心目中的理想目标是誰？雲從距離這個目标還有多遠？

姚志強：我們認為還是有距離的。相對一浪二浪來說，我們内部把生态成型時期定義為三浪時代。真正到了三浪時代，雲從可能會成長成為巨無霸企業，或者是有市場領先地位的企業。

目前雲從還在二浪發展時期，我們會跟合作夥伴一起開發方案、提供服務。在龍頭企業形成示範性方案後，我們也會尋求合作夥伴向腰部企業推廣，這是一個漸進的過程。

36氪：理想中的好生态，應該具備哪些要素？

姚志強：我們并沒有量化定義生态一定要有多少開發者。我們覺得比較成功的生态是蘋果的App store 軟件開發生态。

核心是生态中的一二三級供應商都能為客戶提供基于真實需求的應用，能分賬或賺到錢，符合商業利益邏輯的才是良性的生态。當它真正走入商業良性循環之後，其實不必在意到底有多少個開發者，生态自然而然會滾起來的。

36氪：很多企業會通過收購、外部投資手段來扶持生态，你們打算怎麼快速把生态搭建起來？

姚志強：我們認為投融資的手段不一定是個快速的方式。投融資雖然可以快速地增加企業和企業之間粘性，但不代表能夠把商業邏輯完全走通。說白了，最終願不願意在生态圈裡合作，核心是大家有沒有賺到錢，并不是說有沒有獲得投資。企業第一位還是要生存。投資是一個很好的增加生态粘性的方式，但不是最終解決問題的手段。

36氪：雲從的生态已經可以讓生态合作夥伴賺到錢了嗎？

姚志強：現在還沒有做得很好。可能在某些項目上面形成了互利的合作，但現在的生态合作可能是松散性的，還沒有非常緊密專門圍繞着雲從的産品模式來提供服務，這個效果還差得比較遠。

“市場正在擴大，大家不用着急内卷”

36氪：雲從剛邁過上市關口，您覺得雲從近這兩年最大的變化是什麼？

姚志強：公司整體的戰略和方向是沒有太大變化的。當然，我們對人工智能未來趨勢的理解确實是逐步加深的。從單點到協同，這是我們認為的人工智能實現路徑。包括剛說的三級供應商種架構、能力解耦理念，都是這個過程中不斷細化出來的。

變化較大的部分就是，我們對人工智能的應用場景有了較大的認知變化。最早我們認為，隻有一些關鍵行業比如銀行、公安對AI技術的需求是比較剛需的，其他行業如制造、機場、園區等好像不太需要人工智能。

但随着人工智能技術的發展，以及國家對人工智能越來越重視，我們覺得人工智能進入了一個非常寬廣時代。越來越多行業都開始探讨人工智能如何與行業結合，我們收到了很多類似的合作需求。市場還不能說爆發式打開，但是慢慢逐步在打開。

36氪：那雲從在落地場景的選擇上，發生了哪些變化？你們現在好像已經不提安防了，更多提及的是智慧治理。

姚志強：其實把安防變成智慧治理，也是适應場景泛化的需求。如果隻把AI技術做到安防領域，可能太局限了，大家會覺得隻包括公安業務。但實際上無論是機場，還是城市管理、化工園區、加油站等都對治理水平高度重視，對區域規劃、人員識别管理、安全生産，都有需求。所以我們認為把安防變成治理是更合适的。

36氪：在安防/治理領域，業内對國内AI公司的評價都是“拿着錘子找釘子”，但釘子敲下去之後，會遇到很多原本深耕已久的公司，比如海康大華，你們是怎麼應對的？

姚志強：任何企業發展初期都會存在這個問題，特别是人工智能企業在做單點技術的時期，錘子是我的技術，看看用在什麼地方，也确實有幾個明顯的釘子在那擺着。但很快就會發現，很多看起來是釘子的領域其實不是釘子，會碰到很多挫折。這也是企業逐漸走向成熟的過程。

雲從也經曆了這樣的階段。從自身角度看市場，到以客戶為中心看市場，兩者之間是有質的變化的。AI一定要走向二浪階段，以客戶中心，而不是強調自己的技術很牛，世界第一，客戶一定要選我。以客戶為中心，一定要考慮給客戶解決什麼問題？這才是核心的。

但從客戶出發，我們發現，客戶的需求不是某一個企業能簡單解決。這也是為什麼雲從要做軟件解耦，做軟件生态，一定要生态成員的配合才行。

我們可能會遇到海康、大華甚至BAT，但不同企業有不同的特點，提供的産品服務也是不同的。雲從無法替代大華海康，海康大華也無法替代雲從，這個做不到。

即便大家都争取同一個項目，海康大華是硬件廠商，有攝像頭、存儲硬件，傾向于将硬件能力發揮到最大，整個方案也圍繞硬件來設計，這是他們最有優勢的部分。雲從則會從利舊的角度來闡述，不用新裝硬件，而是用軟件方式實現能力提升。大家有很強的不同風格，并不一定要打個你死我活。

另外，整個市場正在逐步擴大，足夠容得下軟硬件企業，大家不用着急内卷。我們認為，短期來看不會出現硬件企業做軟件，軟件企業做硬件的情況。大家還是在快速拓展市場。

對雲從而言，各行業都要用AI，我們到底要去哪些領域？首先雲從還是堅定先做 To B 和 To G行業，這是我們的主航道客戶。To B 指的是比較大的B端龍頭企業，而不是分散的小型企業或腰部企業。先服務好龍頭企業，立了标杆，才能快速向其他企業複制。如果行業沒有标杆性企業，那可複制性效果就會打折扣。我們會謹慎選擇，一般不會去進入這些行業。

至于誰來做整體項目集成，可能是我們這幾家，也有可能是中國電信或者中國聯通這些企業。但每個企業的角色，客戶是相對明确的，選擇權也完全在客戶這邊。

36氪：之前曠視印奇的一個觀點是，最大的競争和以後潛在的合作都來自這個行業已有的巨頭，都不是來自大家認為的AI公司。你認同這個說法嗎？怎麼避免過度虧損？

姚志強：虧損的原因在于，行業初期人員開發成本是比較高的，但高昂的開發成本隻解決了單點技術問題。如果這個技術全世界隻有雲從在做，那也OK，雲從會活得比較好。但商業競争不可能這樣，一定是很多資本、創業企業和行業巨頭湧進來。蛋糕被分，研發成本很高，但隻解決一點問題，所以肯定是虧的。這個幾乎是沒辦法逆轉的。

如果想扭轉盈利，要做兩個維度的事：第一把單點技術成本降下來。這也是我們做人工智能解決方案、開發一套效率工具的原因。無論自己開發還是别人用，都要效率高才能做到降低成本。另外一個維度就是擴大營收，要給客戶提供更好的服務，提高客戶的付費意願。

36氪：目前雲從科技的主要以銀行、機場、公安等G端客戶為主，但這部分客戶的項目交付時間長、回款慢，雲從的現金流很難得到保證，你們怎麼保證公司有足夠運轉的現金流？

姚志強：從現金流角度來說，回款确實會比較慢，但行業客戶相對來說信譽也比較好，不存在壞賬可能。這也會變成雲從的品牌優勢，客戶可以從供應鍊、金融或其他方面幫我們扶持生态。不一定就是不好的因素，完全看我們怎麼用。

同時我們也在不斷嘗試孵化新的行業項目，包括能源、制造、汽車等。這些都在可控範圍内，不會盲目擴展，會有充分的驗證過程，能夠證明雲從能提供一些獨到的服務，我們才會深耕。

36氪：雲從是為數不多在招股說明書中對盈虧平衡做出分析的AI公司，2025年對你們來說為什麼是盈虧平衡的節點？你們有哪些措施來保證？

姚志強：這主要是我們對市場的判斷和财務分析的預測。核心還是我們已經看到了未來營收迅速擴展的方向，至少人機協同操作系統在行業中已經先走了一步。目前各個行業對人工智能有越來越多的需求，不管是測算下來的增長率，還是成本控制，兩方面都有積極的信号，可以支撐我們實現盈虧平衡。

36氪：人機協同操作系統已經能讓雲從在四小龍裡中打出了更鮮明的标簽嗎？

姚志強：形成标簽化目前來說可能還不夠，還需要一些市場推廣和案例積累。但我們接觸的客戶，都對我們提出的理念非常感興趣的，覺得和其他企業明顯不同。

36氪：雲從也跟一些城市政府進行智能座艙的合作，你們怎麼驗證又找到了一個新的方向？

姚志強：To C 端的硬件基本上是手機、汽車、器人這些設備。這些設備整體上有兩個AI發展方向：一是智能交互，二是自主導航即自動駕駛，要有各種道路識别、路徑規劃能力。

交互就是人和機器比較自如地交流，無論是通過語音、圖像還是手勢，表情等方式。核心技術一定是人機協同。目前在交互場景裡，智能座艙是一個可商業化的非常好的場景，也是我們要做的事情。

智能駕駛這塊我們也在逐步布局，當然不會一下子去做自動駕駛，可能會先逐步積累，在可以商業化的低速封閉場景做一些落地嘗試。畢竟企業不可能一直頂着巨額虧損去投自動駕駛，目前自動駕駛的競争還是非常激烈的，投入也很大，我們還是循序漸進發展。目前汽車AI領域還處于起步階段，整個團隊還在組建當中，初期可能擴大到百人左右。

36氪：自動駕駛不管是高低速場景，都已經相當火熱了，車内座艙交互領域也有很多同質化産品，雲從現在切入，要怎麼争取市場？

姚志強：這個要從戰略和戰術兩個維度來看。從戰略來說，這是雲從必須要點的技術樹，不可能一直進山閉關修煉。十年以後出山再找一個産品來實踐，不現實。從戰術上來說，要選擇一個可落地可實踐的領域。

智能駕駛和座艙确實比較火熱，但越是這樣越能證明，目前行業的技術成熟度是不夠的。另一方面，我們認為這個市場足夠大，智能汽車、智能駕駛還處于一個快速發展的階段。初期我們還是會選擇比較謹慎的方式來進入行業。

36氪：你們打算給自己多長時間來驗證新賽道和技術的可行性？

姚志強：我們認為，三年之内一定要實現比較可觀或者快速增長的現金流。三年之内是不是一定能夠自負盈虧，我們不是特别有把握，但至少不會是一個特别虧損的方向。我們會選擇跟一級供應商企業合作，他們可能已經擁有一些訂單量。甚至可能采取一些資本的方式，比如合資公司、投融資來達成合作，加速我們業務的孵化。

36氪：雲從在雙碳或者是能源行業目前在做什麼？有相關的節能減排方案嗎？

姚志強：各行各業對人工智能的需求非常強烈和明确，雙碳也是一樣的，需要智能分析規劃、交通調度、人員流動檢測這些技術。基于此，我們在設計一些智能樓宇、交通樞紐等優化方案，目前處于試點階段，在部分城市已經形成了實驗局。

36氪：目前雲從主要聚焦金融、出行、安防等領域，但這些部門的關聯程度其實不那麼高，你們如何管理不同的事業部和千人團隊？

姚志強：我們的人機協同系統提供給各個行業的技術其實是一緻的，無非是根據客戶需求來定制。中間可能會涉及一些不同算法，比如機場是識别不同特種車輛，公路上是識别常見的汽車車型，小型單點的需求我們會通智能體快速開發。

從這個層面來看，我們給到各個行業的底層能力并無太大差别。整個公司的架構也會圍繞這個來打造，後台研發和産品體系可以對不同行業提供定制化能力和方案，但不存在行業間擴展困難。

36氪：目前雲從在已有的賽道投入多少？在汽車、能源等新賽道投入多少？

姚志強：汽車是一個比較明确的賽道了，内部已經立項完成，接下來是一個人員組建的過程。能源行業還是要經過初期驗證、市場分析這些流程，不會快速立刻招攬一大批人馬或資源迅速切入。

在驗證階段，我們要看市場是不是真實存在？是不是可以規模推廣？這些問題都要得到比較明确的回答才會投入。同時，還要看行業的增長率，如果行業處在爆發階段，有很大的項目發展機會，我們可能會投入比較快；但如果行業每年也就10%-20%的增長率，我們可能不會那麼激進，會用比較穩妥的方式投入。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部