浪云科技麦浪逐云书

用户投稿 2025年08月19日 06:36:01 11 0

麦浪逐云书

《七律·麦浪逐云书》

麦浪千重卷碧空，云书万里逐长风。

山川尽染金波涌，禽鸟惊飞入画中。

最是丰年光景好，且将诗墨寄苍穹。

天公若解农家意，留得清嘉岁岁同。

《七律·麦浪逐云书》

麦浪千重卷碧霄，风行云篆入诗瓢。

一行白鹭犁晴色，半管牧笛吹晚潮。

野径斜阳沾草露，田家炊火镀金镰。

天公若解农家意，莫吝琼浆润玉苗。

《麦浪逐云书》

平芜尽处接苍穹，大野初开展素风。

万顷黄云浮碧落，千重素练卷遥空。

天书漫展龙蛇迹，地脉潜生造化功。

晓雾初开金作浪，暮霞渐合锦为丛。

农人解佩分青帝，田畯扶犁醉素娥。

但使甘霖苏垄亩，何须彩笔绘崆峒？

风吹锦字摇星斗，浪涌文章贯日虹。

欲借瑶台裁玉纸，好题丰岁入瑶盅。

《麦浪逐云书》

卷帘天地豁双眸，万里黄云压楚州。

风卷平芜翻墨浪，云垂旷野化金畴。

千重碧浪摇星斗，万顷黄云接斗牛。

忽见青崖翻雪浪，恍闻玄鹤唳清秋。

拂晓踏露寻芳甸，烟蓑遥指仙人篆。

神农曾解五谷文，仓颉难书三夏篆。

犁痕犹带禹贡纹，镰影长悬周鼎篆。

谁持玉尺量天孙，散作银丝织云缎？

日暮牛羊归晚径，田家新酿琥珀光。

稚子逐风追纸鹞，老翁倚耒话隋杨。

忽忆阴山烽火急，曾驱朔马踏残阳。

千年戈戟埋荒圃，犹作金铃响麦芒。

最是丰年光景好，千村杵臼动春潮。

朱门绣户笙歌起，白屋荆扉笑语飘。

忽见天边浮玉字，恍闻云外落琼箫。

不知是处书新麦，漫遣天风作律调。

《鹧鸪天·麦浪逐云书》

金浪千重卷云平，天公着意翻墨浪。

风撕素练三千里，笔蘸春阳十万行。

铁画处，银钩狂，万里河山一挥成。

斜阳影里晒诗行，半是农耕半是章。

《鹧鸪天·麦浪逐云书》

卷尽云涛万顷金，天风吹浪作春吟。

千重麦浪摇金钿，一脉晴光绣碧衾。

云作砚，地为砧，长锋扫处落星沉。

青蓑笑指玉尘舞，原是天公写妙箴。

《沁园春·麦浪逐云书》

万里金波，一天云絮，万顷翠烟。

看平芜尽处，风梭织锦；长天尽头，云絮铺笺。

麦浪翻时，青锋舞处，似把天章写大千。

斜阳外，有苍鹰数点，暗度晴川。

遥思汉祖当年，曾此地、陈兵饮马泉。

叹黄云落日，曾磨战骨；白沟旧垒，犹锁寒烟。

今日田家，金镰银笠，笑指丰年胜昔年。

斜阳里，正炊烟次第，写入炊烟。

《麦浪逐云书·沁园春》

金波漫卷，玉屑横飞，天地泼墨。

看千重碧浪连天涌，万顷黄云接地流。

风梳翠浪，云裁素笺，谁持巨笔写春秋？

斜阳里，有银镰影动，暗合宫商。

神农故垄苍茫，引八骏曾耕星斗旁。

叹禹斧劈山，秦犁拓月，汉弓射斗，唐耜开疆。

汗雨凝珠，耒痕化篆，九曲黄河稻黍香。

今又是，待甘霖润土，再续丰穰。

《麦浪逐云书》

第一章·天卷

风起青萍末挥毫万顷黄

云笺悬碧落长镰划昊苍

金波连汉阙玉露润隋杨

忽见神农迹遗穗落洪荒

第二章·地脉

龙脊隐地络蛟纹浮土膏

犁痕破晓月耙齿碎霜绦

汗雨滋根脉蚕声织锦绦

春播星斗转秋获海云高

第三章·星槎

铁铧犁星汉银镰裁玉霜

穗翻千顷浪云织九秋裳

鹤影翔金野龙吟振玉仓

欲撷天孙锦织月绣瑶章

第四章·禾语

叶叶含古韵穗穗诉沧桑

曾沾禹贡雨曾染汉宫霜

陶俑守春垄青铜铸岁穰

千年农事老唯见麦芒苍

第五章·时轮

惊蛰雷破土谷雨绿平川

芒种燃星野白露染云笺

暑气蒸金浪秋风写玉篇

丰年仓廪满犹见鼠雀欢

第六章·稼轩

稼穑通天道耘耔契玄机

耧车播汉瓦曲辕转唐曦

水转翻车响火耕畲火微

至今田埂上犹立铁犁碑

第七章·丰年

黄金压陇重琼雪覆畴平

廪实鼠雀乐仓盈鸡犬鸣

击壤歌尧世舂碓和舜筝

忽闻云外诏传胪报新晴

第八章·麦赋

麦秀两岐瑞穗重九穗祥

神农尝百草后稷教千仓

黍稷方华采藜藿亦馨香

春种一粒粟秋成万卷章

第九章·天书

麦浪逐云去文光射斗牛

银钩勒沃野金错绣神州

甲骨铭耕史竹简记岁收

今朝开卷处满纸尽风流

《麦浪逐云书》

晨光初醒时，麦芒正蘸着露水写诗。东天泛起鱼肚白，八万亩麦穗齐刷刷昂首，青玉般的穗尖刺破薄雾，在天地间铺开半卷未干的素笺。风的手指掠过麦页，青铜色的麦浪便翻涌成行行篆隶，忽而向西疾驰，忽而向东徐行，将云影拓印成飘逸的狂草。

正午的日头将麦芒镀成赤金，大地的褶皱里涌动着液态的阳光。风在麦梢写下烫金的句子，每粒麦壳都成了会呼吸的活字。云朵的脚印掠过麦田时，沉甸甸的麦穗集体俯身，在泥土上印下深浅不一的句读。偶尔有戴草帽的老农经过，斗笠边缘抖落的汗珠，恰好滴进麦浪刚写完的逗号里。

暮色漫过山脊时，麦田改用靛蓝的墨汁书写。西天燃烧的晚霞为麦穗镶上金边，晚风卷起麦壳的碎屑，在空中拼成转瞬即逝的云片。归巢的雀群掠过麦浪，翅尖搅动的声波惊醒了沉睡的韵脚，满地起伏的麦芒忽然集体转身，将白昼未写完的长调，谱成夜风中的平仄。

我常想，这方麦田定是上古先民遗落的竹简。当神农氏的木耒翻开处女地，仓颉便在龟甲裂纹外，另造了会生长的文字。从此麦浪年复一年地誊抄大地史诗，将二十四节气的平仄，农耕文明的顿挫，悉数写进风的折痕与云的褶皱。那些被麻雀衔走的麦穗，该是散落人间的断章残卷，在谁家的粮瓮里，继续酝酿着未写完的诗行？

暮色渐深时，最后几缕麦浪仍伏在田埂上写意。远山轮廓如未干墨迹般晕染开来，晚归的农用车碾过田埂，车灯扫过的瞬间，万千麦穗突然集体抬头——恍若青铜编钟震颤的刹那，所有未完成的诗句都在月光里叮当作响。

Long China 50专访｜云从科技姚志强：单点AI变革有限，人工智能第二浪关键在于人机协同

即使经历疫情种种，你依然“看多中国”吗？无论如何，作为中国人，你必须寄望于这艘大船能持续航行。

如果“看多中国”，哪些公司最可能拉动中国经济继续前进？纵观过去二十年历史，我们发现，新经济领域里的带头公司带来了最强的增长动能。因此，36氪决定挑选50家新经济领域中的关键公司——其中一部分是腾讯阿里这样的已上市公司，一部分是即将大鱼入海的待上市公司——以独家新闻、访谈、季度回顾等方式，持续关注与跟踪它们的发展，并汇集在“Long China 50”这个栏目中。

希望“Long China 50”公司能成为一股力量，拉动经济驶出阴霾。

访谈 | 李安琪苏建勋

撰文 | 李安琪

编辑 | 苏建勋

“人脸识别”曾是人工智能落地最有力的说客。

2015年-2016年间，国内一批专攻计算机视觉人工智能公司涌出，商汤、旷视、云从、依图“AI四小龙”声名鹊起。

然而7年过去，人脸识别成为AI行业为数不多的硕果，技术门槛已经不高但竞争异常激烈。持续投入持续亏损，成为人工智能公司的常态。

今年5月27日，云从科技正式登陆国内科创板。招股书显示，云从3年累计亏损20亿，3年研发费用超15亿，加上募集资金比原定少了20亿，“流血上市”的质疑声纷至沓来。

但云从在招股书中做出了预测：2025年将是公司扭亏为盈的节点。前提是云从营业收入达到40亿元左右，综合毛率保持在50%左右。

2021年云从营收为10.76亿元，也就是说，至少要翻4倍才能达到理想目标。

云从科技联合创始人姚志强在接受36氪专访时表示，AI企业一直亏损的原因在于，行业初期人员开发成本很高，但只解决了单点技术问题。换言之，企业投入产出比太低。

“如果全世界只有云从在做这个技术，那也OK，云从可以活得很好。但商业竞争不可能这样，一定是很多资本、创业企业和行业巨头涌进来。蛋糕被分，研发成本很高，如果只解决一点问题，肯定是亏的。”姚志强说道。

他认为，最根本的原因在于，单点AI技术的贡献度有限，无法提升行业的整体效率。以机场安检场景为例，即便云从的人脸识别已经在多个城市的机场安检口落地，但对机场整体的运营效率提升并不明显。

这是云从内部认为的人工智能第一波浪潮：单点技术突破确实带来了行业变革，但不够深刻。

云从科技联合创始人姚志强图源：云从科技

如果行业要迎来第二波浪潮， AI 需要更深入地扎根，实打实地帮企业提升效率，比如深入机场的上客下客、舱内清洁、食品更换、人员值守等多重环节，不只是针对安检环节。

这里有两个问题：AI技术要深入哪些行业，以及要做到何种智能程度？

对于第一个问题，姚志强表示，未来所有人需要思考的地方都会有智能化需求，都需要AI帮助人实现大规模分析。

云从主要还是聚焦于B端和G端头部行业。“先服务好龙头企业，立下标杆才能快速向其他企业复制。如果行业没有标杆企业，那可复制性效果就会打折扣。”目前，云从的产品主要在智慧金融、智慧出行、智慧治理与智慧城市、智慧商业四个领域落地。

至于第二个问题，云从则是给出了“人机协同”的答案。

过往外界对人工智能一直抱有高期待，认为AI可以替代人。但姚志强表示，很多行业的具体场景运作流程与环节众多，很难简单拆成一个个自动化的结果。

“说实话，人工智能还没有做得这么强，能解决所有问题，但可以把问题提炼出来，给到人理解。在现有系统里面，人是最聪明的和最有能力的角色，是不可或缺的。 ”他说道。

其他AI行业的做法也印证了这个大趋势。以自动驾驶来举例，自动驾驶行业也逐渐意识到，一步到位的自动驾驶的实现过于困难，当下最能跑通的商业逻辑，还是让机器辅助人类驾驶，而非代替人类驾驶员。

这也是云从这两年在公开场合多次提到人机协同操作系统的原因。

在姚志强看来，人机协同操作系统的理想状态，就类似于钢铁侠的机器助手贾维斯，它提供了很多选择，但最后做出决策的仍是钢铁侠本人。

具体落地中，人机协同操作系统就像社会组织一样，拥有一二三级供应商。最底层的供应商，负责开发不同行业所需的软件模块能力，比如人脸识别、语音交互等，这些能力既可以由云从提供，也可以由其他AI公司提供。

图源：云从科技

在此基础之上，二级供应商可以整合单独的功能模块，然后由一级供应商整合不同二级供应商的产品给到客户。

说白了云从更想打造的是一个软件生态，海纳百川，动员生态力量，才能满足AI技术落地海量场景的需要。

“软件本身是一个很丰富的生态，未来人工智能软件和硬件会逐渐解耦，但软件内部还需要一个更大范围的解耦，就是根据客户所需能力进行解耦，变成无数个单独的软件模块。”

“我们必须把AI系统拆成足够小的能力模块。如果外部环境发生变化，只需要单独更新独立的智能体模块，而不用重新部署整个软件系统。那样太笨拙了。”姚志强表示。

也只有当软件生态平台形成，云从才能迎来其定义的人工智能第三波浪潮。

虽然目前人机协同操作系统还处于市场教育阶段，但姚志强认为，云从已经看到了未来营收迅速扩展的方向。

图源：IC photo

此外，在新赛道探索方面，云从也跨出了另一步，扎进智能汽车红海。

姚志强告诉36氪：汽车AI是云从必须要点的技术树。 “不可能一直进山闭关修炼，十年以后出山再找一个产品来实践，不现实。”

他表示，目前汽车领域整体有两个AI发展方向：一是智能交互，二是自动驾驶。自动驾驶和座舱确实比较火热，但同时行业目前还不够成熟。

“我们当然不会一下子去做自动驾驶，可能会先逐步积累，在容易商业化的低速封闭场景做一些落地尝试。毕竟，企业不可能一直顶着巨额亏损去投自动驾驶。”

他告诉36氪：云从的汽车AI业务处于起步阶段，还在组建团队，初期可能有百人左右规模。

“三年之内一定要实现比较可观或者快速增长的现金流。三年之内是不是一定能够自负盈亏，我们不是特别有把握，但至少不会是一个特别亏损的方向。”

在与36氪一个半小时的专访中，姚志强阐述了云从对人工智能落地的认知变化，战略调整、产品理念、新赛道选定等内容，以下是访谈全文，略有删减：

“单点人工智能技术的作用有限”

36氪：去年您曾公开表示，AI行业正处在回归理性的失望期，市场对人工智能在一定程度上失望属于正常现象。这种失望心理恢复正常可能要多久？

姚志强： 这个很难给出一个准确的判断，我们认为未来3-5年会是人工智能比较好的发展时期，但短期还是要解决一些比较实际的问题。如何落地、如何与行业结合？目前这块还不成熟。

在一些相对达到商业红线的行业，头部客户做了较好的样板示范之后，就可以快速复制。像云从2015年拿下银行领域的人脸识别应用之后，也得到了行业的认可。所以2015、2016年人脸识别在银行领域的推广速度非常快。

36氪：机场算是云从在金融行业之后，第二个看得到希望的行业吗？

姚志强： 从时间线来看，我们做的第二个行业是安防，现在和新基建业务整合后叫做智慧治理，标准客户主要是公安、政府、头部央国企；然后才进入机场领域，我们现在定义为智慧出行。机场是一个比较好的、有试探意义的场景，几乎一年不到，全国主要机场就都已经采用人工智能安检手段了。

36氪：在机场云从主要做人脸识别单一功能，还是说已经把人工智能铺开到系统层面？

姚志强： 人脸识别确实只是一个单点应用。你提到的问题，也是云从或者人工智能企业一直关注的问题。人工智能单点技术对行业的整体效率提升到底有多大作用？这个一直是有疑问的。

我们也认为，单点技术应用对具体行业的贡献度其实有限。人脸识别确实提升了安检口的安全性，因为人眼的图像识别能力远低于计算机，但在整体安检或通关体验来看，效率好像没有提升多少。

行业初期，社会对人工智能抱有高度期待，只要有单点技术突破，市场就会给出巨大奖励，这是行业的情绪高涨期，我们把这个叫做人工智能发展的第一浪。但单点技术没有给行业带来非常深刻的变化，市场也就慢慢进入冷静期，第一浪走向高峰后迎来衰落期。所以人工智能发展的第二浪需要形成人工智能和行业充分结合的闭环，而非单点技术突破。

36氪：如果以机场为例，人工智能技术如何从单点功能上升到整个系统层面？

姚志强： 飞机的载客、起飞到降落、下客过程，其实是多部门联动的复杂场景，还有装卸行李、舱内清洁、更新食品等环节，这些流程都有非常标准的指令和动作。执行起来时第一要保证安全，第二如何达到效率最高。

机场其实有很多摄像头，但这些设备性能并没有充分利用起来。人工智能可以把摄像头的数据结构化，变成人可以理解的知识，分析执行过程中是否有违规行为。如果出现不合理行为，可以通过音频设备等信息推送跟工作人员沟通。这对机场安全、效率来说都有非常大帮助，机场也想借助人工智能来推动非现场监管。

云从希望把这些流程都监管起来，但这个场景太复杂，现在只能通过抽查方式来巡检。我们必须对机场整个流程都认知到位，才能一个个流程打通，实现每个环节的智能分析，辅助人类决策，目前这套系统已经在多个机场展开试点工作。

36氪：云从目前主要提供人机协同操作系统与人工智能解决方案，这两个方案面向的客户群体有什么不同？

姚志强： 人机协同操作系统是一个宽泛的概念，是一个把所有人工智能技术集成起来的业务系统，任何客户用都是人机协同操作系统，也可能是其中部分能力。

我们认为，包含汽车软件、手机软件、还有机器人软件在内，软件本身是一个很丰富的生态，未来人工智能软件和硬件会逐渐解耦。但软件内部还需要一个更大范围的解耦，就是根据客户所需能力进行解耦，变成无数个单独的软件模块，我们叫它智能体。可以理解成，软件生态就像一个社会组织，里面会有无数个单独的专业人才。

随着人工智能二浪到来，AI技术落地会面临海量行业场景，我们必须把AI系统拆成足够小的能力模块。如果外部环境发生变化，只需要单独更新独立的智能体模块，而不用重新部署整个软件系统。那样太笨拙了。

就像汽车的供应商体系一样，有一级、二级、三级供应商。人机协同操作系统也有三级供应能力，最底层的三级供应能力可能由云从提供，也可能是其他人工智能公司提供。

往上一级（二级供应）是某一个行业解决方案，比如云从做的机场操作手册结构化方案，也可能是解读法院法律文书的方案，这两个不同的方案最终会提供给一级供应商。一级供应商会针对机场提供全方位的，包含不同行业的解决方案。最好的情况是，一级供应商可以把二三级供应商的产品当做模块，像加号一样直接在程序中调用。

所以人机协同操作系统是一个抽象化的平台，能够支撑一级、二级、三级供应商的开发。对客户的不同需求，系统可以通过不同的面貌来呈现。

36氪：怎么理解AI技术的软件解耦？

姚志强： 就好比手机的操作系统安卓、iOS等，最初这些系统上可能只有通话功能，之后慢慢出现微信平台，微信和操作系统进行解耦的，微信之上又会有其他应用小程序。

我们认为，未来人工智能软件系统也会慢慢走向解耦，但是是从能力维度来解耦的。毕竟，很难有智能体同时做到既有自然理解能力，又做语音识别，还做图像识别，这样大而全的系统在迭代更新时，会显得很笨拙。相当于为了更新某一块的应用，要把整个AI系统全部替换掉。这是不合理的。

36氪：跟客户交流的时候，客户对人机协同操作系统概念是容易理解的吗？还是说云从也还处于教育市场的阶段？

姚志强： 当前处于人工智能一浪向二浪过渡的阶段，整体是需要客户理解和接受的。与客户沟通时，可能会有一些不同维度的解释，但客户最终想到达到的目的是没有任何变化。很多软件工程，都朝着软件解耦的方向去发展了。人工智能软件也一定越来越精细化分工的。

36氪：听起来云从对自己产品业务进行了再定义，希望更加细分垂直，但“人机协同”听起来更像人与机器协同的工作状态，而不是产品再定义。

姚志强： 对，这是我们要实现的目标。海量的智能体是我们对系统架构层面的分解，但智能体的最终目标一定是为了实现与人协同。我们把每个智能体都比喻成一个具有专业能力的人，实际上就是输入一些非结构化数据和知识，输出结构化的、人能够理解的知识，帮助人快速做决策。

36氪：“人机协同”概念是怎么提出来的？为什么会有这个概念？

姚志强： 还是基于我们对人工智能发展趋势的理解。想要真正帮助行业解决问题，人工智能必须要发展到二浪时期。但在二浪阶段，人工智能系统不是直接给到决策者或管理者，而是面向一些普通从业人员等执行层角色。

如果是人脸识别单点功能，只要判断是不是本人就可以。但对于现有系统来说，没办法只简单拆成一个个自动化的结果。我们发现，更多的时候是要把系统变成一个让人可以理解的语言。

比如机场卫生打扫，如果系统判定打扫时间过短，就可以把时间窗弹给监管人员，监管人员可以通过语音方式通知员工再检查一遍。这是有交互的，并不是说机器可以代替人来执行卫生打扫。

36氪：以前大家会觉得机器完全可以替代人，这是一直对AI行业存在的误区吗？

姚志强： 对，从单点技术来看，机器确实超过人，这个是毫无疑问的。但要是真想解决复杂业务。说实话，人工智能还没有做得这么强，能解决所有问题。但可以把问题提炼出来，给到人来理解。在行业系统里面，人目前还是最聪明的和最有能力的角色，是不可或缺的。

36氪：单点式技术方案可能不够完整，但人机协同解耦要把很多已经耦合的技术，重新变成单点产品。这两者会矛盾吗？

姚志强： 不会。人机协同操作分有三级供应商。这么分级是因为未来智能场景非常宽广，不是现在简单理解人工智能只做个语音识别、人脸识别，未来还会有更多企业提供底层的核心服务。未来所有人需要思考的地方，都会有智能化的需求，帮助人实现大规模的分析能力，包括在工业制造、能源规划等场景。

比如智能家居里的机器宠物，可能需要感知识别、路径规划、语音沟通能力，那么产品交付时就要把所有能力集合起来，由二级供应商提供完整产品。但如果客户的需求变成全屋智能家居，要管理所有家居，除了机器狗，还有温度、灯光、安全等，这时候就需要一级供应商提供更强的整合能力。

36氪：目前云从定位的身份是几级供应商？

姚志强： 云从现在是三级和二级供应商，我们希望在某些行业能够成为一级供应商，比如金融、智慧治理、交通等。但更多行业还是需要其他从业者担任一级供应商，比如汽车智能座舱，我们更多是和一级供应商合作。

36氪：三级供应商的毛利似乎更高，一级供应商毛利会较低一些？

姚志强： 主要看未来发展趋势。如果只是简单的整合和集成，利润确实会比较低。但如果是一个集成创新的、面向未来场景的方案，能提供新的能力和体验，毛利就会比较高。比如机场里面涉及全员安防，人员分析和跟踪等这些。

商业上比较成功的是苹果，但苹果不是说所有技术都核心自研，但它整合成了完整的、全新的用户体验，所以毛利也同样会比较高。这是一个周期性的事情，随着AI技术越来越宽广，在AI基础能力上做创新的空间和可能性会越来越高。

36氪：云从的另一个产品人工智能解决方案解决的是什么问题？

姚志强： 人工智能的实现要有操作系统，除此之外，还要有一套基本的编程语言、开发工具，才能让工程师快速开发。人工智能解决方案就是一个基本工具，除了云从自己用，未来也希望给到更多其他行业的一级供应商，开发他们的解决方案。同理，我们也会聚集更多三级供应商来做基础功能开发，我们会提供训练、推理服务等工程化工具链。

36氪：现在云从的软件生态做得怎么样？您心目中的理想目标是谁？云从距离这个目标还有多远？

姚志强： 我们认为还是有距离的。相对一浪二浪来说，我们内部把生态成型时期定义为三浪时代。真正到了三浪时代，云从可能会成长成为巨无霸企业，或者是有市场领先地位的企业。

目前云从还在二浪发展时期，我们会跟合作伙伴一起开发方案、提供服务。在龙头企业形成示范性方案后，我们也会寻求合作伙伴向腰部企业推广，这是一个渐进的过程。

36氪：理想中的好生态，应该具备哪些要素？

姚志强： 我们并没有量化定义生态一定要有多少开发者。我们觉得比较成功的生态是苹果的App store 软件开发生态。

核心是生态中的一二三级供应商都能为客户提供基于真实需求的应用，能分账或赚到钱，符合商业利益逻辑的才是良性的生态。当它真正走入商业良性循环之后，其实不必在意到底有多少个开发者，生态自然而然会滚起来的。

36氪：很多企业会通过收购、外部投资手段来扶持生态，你们打算怎么快速把生态搭建起来？

姚志强： 我们认为投融资的手段不一定是个快速的方式。投融资虽然可以快速地增加企业和企业之间粘性，但不代表能够把商业逻辑完全走通。说白了，最终愿不愿意在生态圈里合作，核心是大家有没有赚到钱，并不是说有没有获得投资。企业第一位还是要生存。投资是一个很好的增加生态粘性的方式，但不是最终解决问题的手段。

36氪：云从的生态已经可以让生态合作伙伴赚到钱了吗？

姚志强： 现在还没有做得很好。可能在某些项目上面形成了互利的合作，但现在的生态合作可能是松散性的，还没有非常紧密专门围绕着云从的产品模式来提供服务，这个效果还差得比较远。

“市场正在扩大，大家不用着急内卷”

36氪：云从刚迈过上市关口，您觉得云从近这两年最大的变化是什么？

姚志强： 公司整体的战略和方向是没有太大变化的。当然，我们对人工智能未来趋势的理解确实是逐步加深的。从单点到协同，这是我们认为的人工智能实现路径。包括刚说的三级供应商种架构、能力解耦理念，都是这个过程中不断细化出来的。

变化较大的部分就是，我们对人工智能的应用场景有了较大的认知变化。最早我们认为，只有一些关键行业比如银行、公安对AI技术的需求是比较刚需的，其他行业如制造、机场、园区等好像不太需要人工智能。

但随着人工智能技术的发展，以及国家对人工智能越来越重视，我们觉得人工智能进入了一个非常宽广时代。越来越多行业都开始探讨人工智能如何与行业结合，我们收到了很多类似的合作需求。市场还不能说爆发式打开，但是慢慢逐步在打开。

36氪：那云从在落地场景的选择上，发生了哪些变化？你们现在好像已经不提安防了，更多提及的是智慧治理。

姚志强： 其实把安防变成智慧治理，也是适应场景泛化的需求。如果只把AI技术做到安防领域，可能太局限了，大家会觉得只包括公安业务。但实际上无论是机场，还是城市管理、化工园区、加油站等都对治理水平高度重视，对区域规划、人员识别管理、安全生产，都有需求。所以我们认为把安防变成治理是更合适的。

36氪：在安防/治理领域，业内对国内AI公司的评价都是“拿着锤子找钉子”，但钉子敲下去之后，会遇到很多原本深耕已久的公司，比如海康大华，你们是怎么应对的？

姚志强： 任何企业发展初期都会存在这个问题，特别是人工智能企业在做单点技术的时期，锤子是我的技术，看看用在什么地方，也确实有几个明显的钉子在那摆着。但很快就会发现，很多看起来是钉子的领域其实不是钉子，会碰到很多挫折。这也是企业逐渐走向成熟的过程。

云从也经历了这样的阶段。从自身角度看市场，到以客户为中心看市场，两者之间是有质的变化的。AI一定要走向二浪阶段，以客户中心，而不是强调自己的技术很牛，世界第一，客户一定要选我。以客户为中心，一定要考虑给客户解决什么问题？这才是核心的。

但从客户出发，我们发现，客户的需求不是某一个企业能简单解决。这也是为什么云从要做软件解耦，做软件生态，一定要生态成员的配合才行。

我们可能会遇到海康、大华甚至BAT，但不同企业有不同的特点，提供的产品服务也是不同的。云从无法替代大华海康，海康大华也无法替代云从，这个做不到。

即便大家都争取同一个项目，海康大华是硬件厂商，有摄像头、存储硬件，倾向于将硬件能力发挥到最大，整个方案也围绕硬件来设计，这是他们最有优势的部分。云从则会从利旧的角度来阐述，不用新装硬件，而是用软件方式实现能力提升。大家有很强的不同风格，并不一定要打个你死我活。

另外，整个市场正在逐步扩大，足够容得下软硬件企业，大家不用着急内卷。我们认为，短期来看不会出现硬件企业做软件，软件企业做硬件的情况。大家还是在快速拓展市场。

对云从而言，各行业都要用AI，我们到底要去哪些领域？首先云从还是坚定先做 To B 和 To G行业，这是我们的主航道客户。To B 指的是比较大的B端龙头企业，而不是分散的小型企业或腰部企业。先服务好龙头企业，立了标杆，才能快速向其他企业复制。如果行业没有标杆性企业，那可复制性效果就会打折扣。我们会谨慎选择，一般不会去进入这些行业。

至于谁来做整体项目集成，可能是我们这几家，也有可能是中国电信或者中国联通这些企业。但每个企业的角色，客户是相对明确的，选择权也完全在客户这边。

36氪：之前旷视印奇的一个观点是，最大的竞争和以后潜在的合作都来自这个行业已有的巨头，都不是来自大家认为的AI公司。你认同这个说法吗？怎么避免过度亏损？

姚志强： 亏损的原因在于，行业初期人员开发成本是比较高的，但高昂的开发成本只解决了单点技术问题。如果这个技术全世界只有云从在做，那也OK，云从会活得比较好。但商业竞争不可能这样，一定是很多资本、创业企业和行业巨头涌进来。蛋糕被分，研发成本很高，但只解决一点问题，所以肯定是亏的。这个几乎是没办法逆转的。

如果想扭转盈利，要做两个维度的事：第一把单点技术成本降下来。这也是我们做人工智能解决方案、开发一套效率工具的原因。无论自己开发还是别人用，都要效率高才能做到降低成本。另外一个维度就是扩大营收，要给客户提供更好的服务，提高客户的付费意愿。

36氪：目前云从科技的主要以银行、机场、公安等G端客户为主，但这部分客户的项目交付时间长、回款慢，云从的现金流很难得到保证，你们怎么保证公司有足够运转的现金流？

姚志强： 从现金流角度来说，回款确实会比较慢，但行业客户相对来说信誉也比较好，不存在坏账可能。这也会变成云从的品牌优势，客户可以从供应链、金融或其他方面帮我们扶持生态。不一定就是不好的因素，完全看我们怎么用。

同时我们也在不断尝试孵化新的行业项目，包括能源、制造、汽车等。这些都在可控范围内，不会盲目扩展，会有充分的验证过程，能够证明云从能提供一些独到的服务，我们才会深耕。

36氪：云从是为数不多在招股说明书中对盈亏平衡做出分析的AI公司，2025年对你们来说为什么是盈亏平衡的节点？你们有哪些措施来保证？

姚志强： 这主要是我们对市场的判断和财务分析的预测。核心还是我们已经看到了未来营收迅速扩展的方向，至少人机协同操作系统在行业中已经先走了一步。目前各个行业对人工智能有越来越多的需求，不管是测算下来的增长率，还是成本控制，两方面都有积极的信号，可以支撑我们实现盈亏平衡。

36氪：人机协同操作系统已经能让云从在四小龙里中打出了更鲜明的标签吗？

姚志强： 形成标签化目前来说可能还不够，还需要一些市场推广和案例积累。但我们接触的客户，都对我们提出的理念非常感兴趣的，觉得和其他企业明显不同。

36氪：云从也跟一些城市政府进行智能座舱的合作，你们怎么验证又找到了一个新的方向？

姚志强： To C 端的硬件基本上是手机、汽车、器人这些设备。这些设备整体上有两个AI发展方向：一是智能交互，二是自主导航即自动驾驶，要有各种道路识别、路径规划能力。

交互就是人和机器比较自如地交流，无论是通过语音、图像还是手势，表情等方式。核心技术一定是人机协同。目前在交互场景里，智能座舱是一个可商业化的非常好的场景，也是我们要做的事情。

智能驾驶这块我们也在逐步布局，当然不会一下子去做自动驾驶，可能会先逐步积累，在可以商业化的低速封闭场景做一些落地尝试。毕竟企业不可能一直顶着巨额亏损去投自动驾驶，目前自动驾驶的竞争还是非常激烈的，投入也很大，我们还是循序渐进发展。目前汽车AI领域还处于起步阶段，整个团队还在组建当中，初期可能扩大到百人左右。

36氪：自动驾驶不管是高低速场景，都已经相当火热了，车内座舱交互领域也有很多同质化产品，云从现在切入，要怎么争取市场？

姚志强： 这个要从战略和战术两个维度来看。从战略来说，这是云从必须要点的技术树，不可能一直进山闭关修炼。十年以后出山再找一个产品来实践，不现实。从战术上来说，要选择一个可落地可实践的领域。

智能驾驶和座舱确实比较火热，但越是这样越能证明，目前行业的技术成熟度是不够的。另一方面，我们认为这个市场足够大，智能汽车、智能驾驶还处于一个快速发展的阶段。初期我们还是会选择比较谨慎的方式来进入行业。

36氪：你们打算给自己多长时间来验证新赛道和技术的可行性？

姚志强： 我们认为，三年之内一定要实现比较可观或者快速增长的现金流。三年之内是不是一定能够自负盈亏，我们不是特别有把握，但至少不会是一个特别亏损的方向。我们会选择跟一级供应商企业合作，他们可能已经拥有一些订单量。甚至可能采取一些资本的方式，比如合资公司、投融资来达成合作，加速我们业务的孵化。

36氪：云从在双碳或者是能源行业目前在做什么？有相关的节能减排方案吗？

姚志强： 各行各业对人工智能的需求非常强烈和明确，双碳也是一样的，需要智能分析规划、交通调度、人员流动检测这些技术。基于此，我们在设计一些智能楼宇、交通枢纽等优化方案，目前处于试点阶段，在部分城市已经形成了实验局。

36氪：目前云从主要聚焦金融、出行、安防等领域，但这些部门的关联程度其实不那么高，你们如何管理不同的事业部和千人团队？

姚志强： 我们的人机协同系统提供给各个行业的技术其实是一致的，无非是根据客户需求来定制。中间可能会涉及一些不同算法，比如机场是识别不同特种车辆，公路上是识别常见的汽车车型，小型单点的需求我们会通智能体快速开发。

从这个层面来看，我们给到各个行业的底层能力并无太大差别。整个公司的架构也会围绕这个来打造，后台研发和产品体系可以对不同行业提供定制化能力和方案，但不存在行业间扩展困难。

36氪：目前云从在已有的赛道投入多少？在汽车、能源等新赛道投入多少？

姚志强： 汽车是一个比较明确的赛道了，内部已经立项完成，接下来是一个人员组建的过程。能源行业还是要经过初期验证、市场分析这些流程，不会快速立刻招揽一大批人马或资源迅速切入。

在验证阶段，我们要看市场是不是真实存在？是不是可以规模推广？这些问题都要得到比较明确的回答才会投入。同时，还要看行业的增长率，如果行业处在爆发阶段，有很大的项目发展机会，我们可能会投入比较快；但如果行业每年也就10%-20%的增长率，我们可能不会那么激进，会用比较稳妥的方式投入。