工業數智化，到底是遵循IT技術邏輯還是工業生產邏輯？在這背后，還有每一個to B科技公司都必須面對的問題：“在純通用的技術平臺，和高度定制的個性化應用之間，能否還有一個中間地帶？”
作者 | 甲小姐
助理 | 劉楊楠
今年教師節當天，昆侖數據創始人陸薇發了一張朋友圈海報，海報上寫著：
“致敬引路人——每一個曾向您請教的知識點，都有數據人對工業人的致敬。”
這是一份昆侖數據獻給工業專家的問候。
在教師節眾多祝福中，這份致敬顯得獨特，體現了科技和產業融合過程中兩種角色的關系——科技的姿態逐漸演變：從曾經的“顛覆者”，到后來的“賦能者”，再到如今的“同行者”。
昆侖數據是一家專注工業的大數據和人工智能公司，陸薇是行業中少見的女性創業者。創業七年，陸薇不斷摸索用數據推動工業升級的路徑，她坦言，自己經歷了從“無知者無畏”到“充滿敬畏”的過程——越往前走，越意識到，數據價值唯有融合在工業企業有形的產品、服務以及業務過程中，才能真正落于實處，而主導這一進程的將是工業企業自己。
在工業互聯網和工業大數據成為資本寵兒的當下，「甲子光年」曾發表文章《為什么要警惕工業和技術投資的互聯網化？｜甲子光年》，呼吁市場尊重工業的發展規律。在本次對話中，陸薇也向「甲子光年」表達了同樣的理性思考和敬畏感，她不斷強調“工業邏輯”，和工業企業終將自主探索數據價值的必然性。
科技公司將數字化與智能化帶入工業領域，是大勢所趨，卻也挑戰重重。其中，有兩大核心問題亟需科技公司回答：
一個問題是，工業是一系列“有墻的花園”，千行百業都有其壁壘和生態，要想深入一個行業，必須找到入口和路徑。這一融合的過程，是遵循IT技術邏輯還是工業生產邏輯？
另一個問題，是陸薇反反復復問自己的科技公司商業模式之問：“在純通用的技術平臺和高度定制的個性化應用之間，能否還有一個中間地帶？”
今天這篇對話，陸薇給出了她對于這兩個問題的答案，并講述了摸索這個路徑背后的彎路、挑戰和對未來的判斷。
1.談趨勢：“對數據的加工處理能力，將成為工業企業的新型生產力”
甲小姐：最近一年有什么核心感受？
陸薇：工業是個長賽道，需要耐心，不能用消費互聯網的思維做工業大數據。做計算機的人很容易受互聯網影響，總想用技術顛覆產業，閃電式擴張，但我們要搞明白，我們做的首先是工業，而大數據只是支撐技術的一種。
工業的智能化改造是個長期過程。歷史上每次工業革命，無論是工業1.0的機械化革命，2.0的電氣化革命，3.0的自動化/信息化革命，都經歷了幾十年甚至上百年。目前工業在從3.0逐步走向4.0，但想幾年就有大變化是不現實的。飯得一口一口吃，生產力得一點一點提升。
甲小姐：我們上次對話是19年初，過去兩年半，公司有沒有什么變化？
陸薇：我們的使命沒有變，但狀態有變化。這兩年我們的業務更聚焦了，選擇有限的行業，和工業制造商/服務商攜手，結合他們產品/服務的數智化進程去開展業務。
這些變化源于我們對工業數智化底層訴求的重新認知。2019年我們還稍微有點浮躁，想通過一些模式創新追逐相對快速的增長，但實踐兩年之后，我們發現欲速則不達。
甲小姐：我看到你們幫東方電機實現服務化轉型的例子。東方電機以數字化驅動了服務化轉型，從而可以面向它的水電站客戶推出數字化服務——東方電機正在從原來以“賣設備”為主營業務，向基于數據和工業互聯網給客戶提供長期持續的“原生數字化服務”轉變。這也是我們觀察到的一個趨勢：傳統制造商紛紛開始向“服務化”轉型。你對這個趨勢是怎么理解的？
陸薇：這是個非常有代表性的案例，工業產品的智能化以及衍生的數字化服務，已經是非常明朗的趨勢。
一方面，是市場需求在驅動這個趨勢。工業領域的數智化需求不是單點的，是貫穿產業鏈的，面對下游業主的數智化需求，裝備制造企業很自然會做出這樣的選擇，來增加產品競爭力，并追求新的業務增長點。
另一方面，這也遵循工業的底層發展邏輯。新的技術、新的生產資料出現后，工業企業會把這些內化為自身能力，加載到自身的產品和服務中，形成新的生產力。每次工業革命都是類似的進程，蒸汽機的出現、電力的出現、計算機的出現，直到現在數據的出現。
甲小姐：這個趨勢對昆侖數據意味著什么？
陸薇：對我們來說是一個很大的機會。
工業企業要把數據價值融合到他們既有的有形產品或者服務中，就需要長期持續自主地探索數據價值。這一進程中，需要技術、方法和工具的支撐，需要一個與他們同頻的IT與DT技術的partner，幫他們逐步形成自身的數據價值發現能力。這其實是工業企業數智化的底層訴求。
以我們和東方電機合作的水輪機智能服務系統為例，基于我們的數字化方法、產品和服務，我們為東電構建了水輪機的數據資源化體系，一起開發了十多個典型的分析模型之后，進一步支持東電設備專家自主研制了水輪機上的五百多種智能分析模型，最后，以云邊協同的方式，為水電站業主提供基于現場數據的數字化服務。
在煤礦行業，我們和鄭煤機(601717,股吧)也是這樣合作的，他們的設備know-how加上我們的數據技術，合作構建智能綜采系統，一起服務煤礦行業。
甲小姐：這就變成了一個你們拓展行業的創新模式——幫助合作伙伴實現數智化，再一起服務客戶。
陸薇：沒錯，幫助工業企業構建對數據的加工和處理能力，讓他們把數據價值加載到自身的產品和服務中，再一起服務產業鏈上的其他企業，在幫助工業企業業務拓展的同時，也實現了昆侖數據自身的發展。
甲小姐：我們看到昆侖數據和水輪機制造商一起用數字化業務服務大中型水電站；和煤礦綜采系統制造商一起用數字化業務服務煤礦主；和電力系統研究院所一起用數字化業務服務發電場站；和自動化廠商一起服務先進制造企業……昆侖數據似乎很喜歡“組團服務”？
陸薇：“組團服務”這個提法好，也代表了昆侖數據今天對自身定位、對客戶關系的重新界定。術業有專攻，客戶有行業know-how，需要內生的數據價值發現能力去做創新業務，而我們正好幫他們快速補齊這個能力。這種“組團”的方式更符合工業邏輯。
2.談路徑：“做數據產線供應商，客戶也是合作伙伴”
甲小姐：之前你們進入一個行業時，會和該行業的龍頭企業一起成立合資公司。
陸薇：經過實踐證明，合資并不是一條最佳路徑。之前希望有模式創新，找到把數據技術與行業know-how快速結合的路徑，以為資本層面的合作最直接。但現在回頭看，只能說想簡單了——不是領證結婚就真的可以一輩子攜手同行。
甲小姐：如果不合資，你們和合作伙伴的聯結方式是什么？
陸薇：把自己放在工業的產業鏈中，做上游的數據產線供應商。
甲小姐：“數據產線供應商”該怎么理解？
陸薇：在今天工業的產業鏈體系中，制造商一般都會有產線供應商，制造商用產線來承載生產所需的加工處理能力。同樣，在數據領域，工業企業也在尋求對數據的加工處理能力，那么我們有沒有可能提供承載了數據加工處理工藝的產線？
甲小姐：這與很多技術立身的工業互聯網公司的視角不太一樣。
陸薇：是的，包括我在內，很多工業數據、工業互聯網的從業者是IT互聯網的背景，很容易把IT互聯網的底層邏輯套用在工業領域。幾年實踐下來，我們逐漸體會到了其中的不同。
IT信息化時代的底層邏輯，是用信息系統去支撐現有業務的運行，是既有業務流程的自動化。但今天對數據的加工和利用，是要支持企業的業務創新，沒有成熟工藝但又必須去嘗試。所以一次咨詢規劃、一個IT平臺或者系統建設，是遠遠不夠的。
互聯網時代的邏輯，是基于鏈接改變資源配置關系，的確是顛覆性的；但工業領域遵循“生產力改變生產關系”的邏輯，僅靠鏈接是沒辦法帶來生產力的本質提升的。這也是很多工業互聯網平臺追求模式創新步履維艱的原因之一。
甲小姐：如果不合資，你和合作伙伴之間聯結的黏性在哪里？
陸薇：其實合資也不能保證聯結的緊密度。
甲小姐：什么才能讓你們真正緊密聯結？
陸薇：本質上還是價值，是對擁有數據價值自主發現能力這個市場需求的滿足。
首先，看合作方是否需要數據加工處理的能力。如果只是淺嘗輒止，簡單做兩個場景，趕趕潮流；如果只是領導要政績，大家忙著在應用層面交些看得到的作業；如果對方不是作為一個組織真正把它當成長期持續的業務目標，這件事就很難辦。
第二，看合作方是否希望自己擁有這種能力。如果他覺得數據技術沒什么神秘的，找外包團隊開發一下也可以，那就很難成。意識不到對數據的加工處理是一個長期持續且需要自主投入的過程，短期看，的確可以通過其他方式快速嘗到甜頭，但不會本質上提升改變企業的數字化能力。
甲小姐：聽起來，你們選擇合作伙伴的先決條件很多。
陸薇：確實是。我們現在最容易談成的一類合作伙伴是自己曾經嘗試過，也被現實教育過的，否則他很難準確界定自己的需求。
甲小姐：你們接觸到的企業，真正能轉化成合作伙伴的比例高嗎？
陸薇：一半都不到。工業數智化是一個變革性的業務，本身只有創新意識比較強的企業才想做；而即使他要做，也和帶隊領導的推動力關系非常大。
甲小姐：你們現在客戶量有多少？
陸薇：絕對數量不多，重點客戶大概幾十個，基本是細分行業龍頭。一方面，已經達到工業3.0的水平，自動化信息化水平高，數據有積累，具備基礎做數字化、智能化升級的，目前就只有少數行業前列的企業。另一方面，我們覺得工業數字化一定會經歷先慢后快的過程，我們的選擇路徑是“先高峰再高原”，先在有限領域把高度做出來，把問題解決透徹，再去擴展。
甲小姐：客戶主要是龍頭企業，合作伙伴呢？
陸薇：事實上，今天客戶和合作伙伴的邊界已經模糊了。當我們把自己作為“數據加工產線”供應商，會發現大多數客戶也同時是我們的合作伙伴，也就是前面提到的“組團服務”。
所以我們的合作伙伴類型比之前擴展了，除了上述龍頭企業客戶，有行業know-how的企業/機構也可以成為我們的合作伙伴，他可能是設備制造商、設備服務商，也可能是自動化或信息化系統提供商。比如我們前陣子和軒田科技達成合作，它是半導體行業的設備和自動化廠商，在細分市場占有率很高，有領域知識，我們是IT、DT技術，他是OT技術，我們合作構成三者的組合。
3.談挑戰：“在純通用的技術平臺和高度的個性化定制之間，能否還有一個中間地帶？”
甲小姐：如果向一個不懂技術的人介紹昆侖數據，你會怎么概括？
陸薇：面向純行外人，我通常會講場景和效果，外行看熱鬧，大家往往希望看到可被量化的顯性價值，很少有興趣特別關注背后的技術。
面向甲子的讀者，我們想嘗試用工業生產的邏輯去解釋一下：
在創新業務中，如果數據是一種生產原料，客戶需要的是生產加工工藝，需要的是機臺產線，需要試車試制中的專家服務。那么，昆侖數據不再把自己作為IT/DT系統供應商，而是嘗試對標工業領域的產線供應商，為客戶提供加工處理工業數據的產線設備和工藝，幫助客戶建立自主的工業數據加工車間和數據加工能力。
甲小姐：似乎在你們之外，沒有其它的大數據公司這樣來介紹自己。
陸薇：比較常見的公司介紹可能是“工業互聯網平臺公司”“工業數據中臺公司”“工業數字化轉型服務商”，這些都是從技術角度出發的，我們希望站在被服務的工業企業角度來介紹我們能做什么。
甲小姐：兩年前你說“寧可改造基因，不可改造使命”，所以你不斷在調整團隊結構，從最開始技術為主的團隊，變成“工業管理+工業技術+數據技術”的混合團隊。過去兩年多，你們團隊結構有進一步迭代嗎？
陸薇：迭代是長期持續的，我們在不斷引入有工業行業know-how的專家，這兩年我們還在技術之外加強商業化團隊的建設。
甲小姐：你們團隊現在多少人？商業化團隊占比多少？
陸薇：不到一百人。商業化團隊占比現在不到三分之一，我覺得還不夠，我們還在不斷增加這個占比。技術領先性仍是我們要保持的核心競爭力，更強大的商業化引擎不僅會提升業務增速，還會帶來更多需求來滋養技術的演進。
甲小姐：昆侖數據已經發展了七年，站在七年節點往回看，概括地說，你們經歷了幾個階段？
陸薇：自公司創立，我們提出的口號就是“釋放機器數據價值Actionable insights from machine data”，我們發展的大方向一直在它的指引下。這里有三個關鍵詞——一是Data，數據；二是Insight，從數據里挖掘洞察；三是Action，通過洞察驅動行動。三者結合，才能形成數據價值落地帶來業務提升的閉環。
我們第一階段的關注點在于解決數據問題。之前很多工業現場的數據都沒收集，或者收集過沒有保存。我們首先要把數據收集和保存下來，核心問題是海量工業數據怎樣有效地管理。我們推出的第一代產品KMX，昆侖的工業大數據平臺，是個數據后臺，解決的是對工業數據進行高效管理，包括怎么存貯、怎么索引、怎么查詢。在第一階段，insight和action基本還是靠人來服務。
第二階段，有了數據后，如何更高效地產生業務洞察，這就需要一些數據分析工具；如何形成Action，這就需要介入IT業務系統形成應用閉環。這個階段我們做了很多嘗試，包括經歷了一段商業模式的創新，和龍頭合資在垂直行業做工業互聯網平臺，匯聚數據開放給行業ISV開發工業APP，后來發現這個模式有些超前，也不能解決數據利用深度的問題，算是走了一段彎路。
所以第三階段我們又折回來，重新審視自己的定位——我們是一家技術公司，回歸到原來的道路上，用技術創新推動解決從data到insight再到action，把這條路徑上的方法和技術總結沉淀下來，去幫助工業企業構建這方面的能力。
甲小姐：在insight和action兩部分，你們有什么思路和進展？
陸薇：這幾年有一個很大的認知收獲——我們發現從insight到aciton的過程，我們直接能做的十分有限，滄海一粟而已，單靠自己這條路很難走通。
我們最早希望自己能在每個應用領域開發出最終算法來，但這面臨兩個很嚴重的挑戰：
第一個挑戰是，工業不是一個行業，包含千行百業，你不可能把所有問題窮盡，那就變成定制開發了，不是一個好的商業模式。這是大部分工業互聯網公司碰到的挑戰，標準化和個性化需求之間有矛盾。現在很多平臺廠商的解決辦法是只做標準化技術平臺，上面千變萬化的需求靠合作伙伴去定制開發。我一直在想，在這種純通用的技術平臺和完全的個性化定制應用之間，能不能還有一個中間地帶，可以找到一個位置，既跟領域有一定結合，又有一定共性？如果能找到，也許會走出一條不一樣的路。
第二個挑戰是，假設我們要直接解決問題，需要和工業的工藝、機理結合，這往往需要工業界的專家來配合，但我們自己能有多少工業專家？雖然我們在不斷嘗試團隊結構的迭代，但面對層出不窮的場景，仍然遠遠不夠。
甲小姐：夾在兩重挑戰之間，你們找出解決辦法了嗎？
陸薇：應該說我們找到了一條可行之路。前面談到，我們重新給予了自己“數據加工產線”供應商的定位，重構了我們與工業企業既是客戶又是合作伙伴的關系。當前，我們聚焦在三個層面的產品和服務：
一是梳理沉淀工業數據價值發現的方法體系，等同于數據加工的工藝路線方法，偏向咨詢服務；
二是支撐上述方法體系的工業數據智能平臺產品，可以類比承載了工藝的數據加工機臺和產線；
三是數據加工過程中的專家服務，扶上馬，走一程，直到客戶形成自身的生產能力。
這就解決了兩個問題，一是產品標準化問題，可以做一個相對標準的產品來面對千行百業，數據產線是相對標準的，個性化的部分由工業企業各自定義、自主推動；二是企業內的工業專家是充裕的，數據產線上生產出來的數據產品，由他們來設計和決定生產怎樣的數據價值組件，這些數據產品可以與領域知識充分結合。
甲小姐：這個平臺產品叫什么？
陸薇：K2Assets，Assets代表工業現場大批機器設備等工業物理對象。我們把一大堆機器設備形成的生產系統作為研究對象，在基礎的工業大數據技術平臺之上，我們再做了一層——這一層的用戶就不是專業開發人員了，而是工業現場的工業專家。
我們發現，很多工業專家其實受過非常好的教育，日常工作也會基于小數據量做數據分析。通過K2Assets，我們把使用數據和挖掘insights的門檻降低，讓工業專家以熟悉的行業語義來訪問數據，應用內置的算子和分析范式來自主解決問題，創新效率會有數量級的提升。
甲小姐：有了K2Assets之后，你們還會做垂直行業平臺嗎？
陸薇：因為要在個性化中間找共性，我們現在不按垂直行業劃分，而是找跨行業的共性需求。雖然行業不同，但抽象起來會有共性的維度。工業存在大量的共性知識，例如不同行業存在共性的工業設備，不同設備可由很多共性的基礎工業單元組合而成，存在共性的監測數據模型等。在應用領域，比如設備健康診斷、故障預警、生產黃金路徑尋優等，在不同行業都有類似需求，把每類應用里比較套路化的方法工具總結和抽象之后再產品化，再加上一些內置算子和自定義算子，工業專家會更容易上手。
甲小姐：你們今年的戰略重點是什么？
陸薇：希望在insights方面走得更深一點，繼續把產品夯實，持續積累和演進；同時，希望找到更多合作伙伴，讓這個平臺可以在很多領域被更多工業專家用起來，產生效果。
4.談行業：從“櫥窗工程”走向“深水區”
甲小姐：創業七年，外部行業經歷了怎樣的變化？
陸薇：整個行業更務實了。大家已經有了共識，前幾年還有比較多的“櫥窗工程”，現在必須要進入到深水區，深入每個行業，每個現場，去切切實實解決問題。
甲小姐：疫情帶來了什么影響？
陸薇：短期看有負面影響，大B服務需要現場實施，我們很多項目都被迫延期；但長期看，疫情加速了大家對數字化的接受度。
甲小姐：19年對話，談到“工業大數據”這一概念時，你說這個市場還在“被定義中”，現在這個定義完成了嗎？
陸薇：現在基本已經不用再跟客戶普及概念了，可以說定義已完成。但我覺得這仍然是個早期市場。工業大數據對行業本身的自動化、信息化程度是有要求的，中國目前只有少部分企業實現了工業3.0，具備往4.0走的基礎，但大部分還要補工業3.0的課。現在自動化和信息化升級仍是大眾市場，數字化和智能化還是早期。
同時，隨著數智化理念深入人心，以及政策的大力推動，數智化應用有明顯加速的趨勢，工業企業也希望能3.0+4.0一起走，實現跨越式發展。我們也在主動聯合設備、自動化、信息化合作伙伴，幫助企業在3.0補課的同時進行4.0升級。
甲小姐：幾年前和你對話時，這個領域的創業公司還很少，但根據第三方機構數據顯示，2020年工業互聯網領域融資事件累計超過600起，以2021年6月為節點看，成立時間在一年以內的工業互聯網企業占領域內全部企業數量的26.82%，成立時間在五年以內的企業比例超過了七成。你感受到水溫的變化了嗎？
陸薇：確實感受到了。一是市場內生需求被疫情激活；二是政策推動，數字化轉型寫進了十四五；三是資本助力，科創板和北交所都對這個方向有側重支持。市場需求更多了，供應商自然也會更多。
甲小姐：市場升溫讓你們的事變得更容易還是更難做？
陸薇：總體還是更容易了。首先，這個市場足夠大，雖然目前涌現出很多供應商，但總體還是供給不足的狀態，還沒到紅海。而能跟場景和領域知識結合、走入深水區的供應商更是非常有限的。另一方面，我們也基本不用給客戶做認知培育了，在升溫的市場背景下，客戶已經具備了認知基礎。
甲小姐：你覺得工業互聯網有泡沫嗎？
陸薇：我覺得泡沫還挺大的，有些融資估值我覺得匪夷所思，另一方面，投資人也很內卷，好一點的項目搶得非常厲害。
甲小姐：對于工業互聯網和工業大數據，你有沒有什么不同于行業大部分聲音的觀點？
陸薇：我們越做越覺得對工業充滿敬畏，對工業專家充滿敬意。在這個領域，場景足夠復雜，我們認為當前比較合適的做法是HI+AI，HI（Human Intelligence）放在前面，人工智能放在后面，是人工智能輔助人，而不是用人工智能去替代人，還是要充分發揮工業專家的主觀能動性。
甲小姐：如果讓你總結對工業大數據的三條認知，你怎么說？
陸薇：第一，術業有專攻，需要和工業專家同行。從淺水區到深水區，一定需要工業專家的領域知識。
第二，工業工程師才是工業大數據技術的最終用戶，他們的思維方式、使用習慣和IT開發者不同，如何讓他們用起來且覺得好用，這是全行業需要努力的方向。
第三，數字化是漫長且持續的進程，建議不要一開始就貪大求全，搞大規劃大建設。過程中的不確定性很多，還是要先把基礎做好，小步快跑，從點連成線再連成片，需要有耐心，一步一步做起。
甲小姐：面對客戶時，遇到最高頻的競爭對手是誰？
陸薇：好像沒有固定的競爭對手，每個行業最常見的競爭對手還是這個行業里的既有玩家，有時對方還會成為我們的合作伙伴。整體來講，這個行業還是供給不足。
甲小姐：和別人比，昆侖數據的護城河是什么？
陸薇：我們是這個領域探索得最早的先行者，我們積累的經驗和趟過的坑也更多。世上沒有白走的路，這些都內化成了我們的產品和能力。
甲小姐：如果現在一家工業互聯網創業公司剛剛誕生，它還有機會入局嗎？
陸薇：我覺得還有。工業的體量足夠大，市場還在早期，哪怕做個細分領域應用，例如汽車行業生產智能排程，都有不小的市場空間。
甲小姐：放眼全球，中國的工業互聯網是什么位置？
陸薇：我們國家的投入是最大的。產業體量大、政策引導強、資本助力多，還有工程師紅利。但在發展水平，特別是工業軟件方面，還是有先天劣勢。
甲小姐：上次我們聊到產業發展的共性規律——在一個產業發展早期，產業格局往往是混沌的，先行者需要大包大攬什么都做，而到了成熟階段，自然會出現專業化分工。目前工業互聯網是還停留在初始混沌期，還是已經形成了打法、格局和分工？
陸薇：已經開始在分工了。比如有的很明確只做平臺，把行業應用分給其他合作伙伴，大家各自在找各自的生態位。
甲小姐：如果消費互聯網發展成熟度算100分，工業互聯網現在是多少分？
陸薇：50分，還沒及格。
甲小姐：你認為中國工業互聯網真正的高光時刻會在什么時候到來？
陸薇：如果回頭看，消費互聯網的高光時刻，應該是開始涌現出BAT這樣的巨頭，并引發了人們極大關注的時候，但工業可能很難產生這種規模的巨頭。工業是“有墻的花園”，可能在某個行業里會有一些小高光時刻，但對整個工業來講，很難說。
甲小姐：昆侖數據也承擔了一些政府項目，包括和工信部合作，以及在一些地方建立工業大數據創新中心等等，你感受到政府對這個行業是什么態度？
陸薇：工業跟國計民生相關度非常高，政府作為“產業推手”的作用是非常大的，甚至有時候政府是想在企業前面的。現在國與國競爭激烈，中國需要超車，國家的思考和引導動作是非常顯著的。
甲小姐：這種推力你們做業務時能感受到嗎？
陸薇：會直接感受到。例如今年數字化轉型寫進了十四五，國資委直接下文給所有央企，把數字化轉型變成了KPI，還有很多地方優惠補貼政策，都在加速企業的行動。
甲小姐：前幾年我們談中國工業態勢，面對成本紅利消失后高端制造回流歐美、低端制造被東南亞蠶食的挑戰，你用了“生死存亡”四個字形容那種處境，現在形勢會好一些嗎？
陸薇：我覺得處境仍然很挑戰，但是關注的焦點不一樣了。整個關注焦點的變化趨勢是，第一，從大到?。坏诙?，由硬到軟。
第一個明顯的關注焦點轉移是從大型整機到核心零部件——從面上的問題，到點上的問題。2015年時我們搞“中國制造2025”，當時提的十大方向包括航空航天裝備、高鐵、遠洋船舶、高端機床等，基本都是整機制造。但今天，高鐵復興號的國產化都百分之九十幾了，大飛機我們也造出來了，大部頭的問題已經解決了，下游整機需求帶動全產業鏈，在進一步“強鏈補鏈”。現在反而是芯片等尖端小部件更面臨挑戰，所以現在的關注點變成了集成電路行業。
第二個新增加的關注點是工業軟件。之前講的都是要造產品，這兩年大家發現工業軟件是個卡脖子問題，所以又開始重視工業軟件，保持了很多年不變的“工業四基”（關鍵基礎材料、核心基礎零部件、先進基礎工藝、產業技術基礎）去年增加了工業軟件成為“工業五基”，工業軟件也成為國家重大研發計劃的支持方向，資本也開始關注工業軟件。
5.談感受：“當年無知者無畏，現在充滿敬畏”
甲小姐：上次我們聊天時能感受到你的壓力，現在你的壓力比原來更大還是更小了？
陸薇：公司越做，壓力越大。只要公司還在增長，狀況肯定越來越復雜。但我覺得我個人的心態比過去兩年要好。
我過去心態不好的地方在于，我以前中了個“毒”，總覺得CEO不能成為一家公司的瓶頸，于是希望什么事都自己學，自己去解決。但人的能力精力是有限的，不能所有事都靠自己，這么想就容易沮喪和自責。我現在比以前心態好一點，學會接受自己的不完美。我的一位合伙人對我說，如果你銷售比我做得還好，要我干嘛？我想也是，就比較釋然了。我一直在學習這個過程——接受自己有能力短板，找到合適的伙伴來互補，并跟對方建立一種好的配合關系。
甲小姐：過去七年，和最開始創業預想的一樣嗎？
陸薇：很不一樣。當年無知者無畏，現在充滿敬畏。
甲小姐：你在思路上自我顛覆過嗎？
陸薇：有挺大顛覆的。我們一開始絕對是技術派，現在雖然還是技術公司，但我們真的覺得在把企業做成功所需要的所有核心能力中，技術不是第一位的。
甲小姐：你做過的最失誤的決策是什么？
陸薇：在用人方面。用數據洞察工業設備，卻某種程度上忽視了對人的洞察。我們遇到過早期合伙人消失之后出去自立門戶，也遇到過高估或低估團隊成員的能力。我發現事情總是容易的，最難的往往來自人，無論合作伙伴還是團隊內部。比如去年疫情爆發那幾個月，我們收入停滯，那時我們公司的高管團隊有不同表現，有的人要求自降工資給團隊漲薪，有的人會希望把股權抵押拿回現金——不做褒貶的評價，但波峰波谷間，讓我開始關注對人的洞察，看清自己，理解他人。
很多事是做企業之前不會想象到的。大家往往都只見賊吃肉，沒見賊挨打。但我覺得我還是足夠幸運。一方面，這個賽道仍很有發展前景，另一方面，雖然經歷了波峰波谷，但對人會有更多洞察和把握，現在大部分人還在，而且大家也更團結。
甲小姐：你經歷過至暗時刻嗎？
陸薇：如果把通宵難眠的時刻叫至暗時刻的話，每年都有。
甲小姐：最至暗的時刻你有想過放棄嗎？
陸薇：其他人都有退路，創始人是沒有退路的。
甲小姐：你們公司起名叫“K2”，喬戈里峰，你現在心中那個喬戈里峰有清晰的形態了嗎？
陸薇：我們還沒看到那座山的具體樣貌，但它確實是遠方的召喚。
甲小姐：因為“山就在那里”？
陸薇：之前有人問過我，到底你心目中的K2是什么？我說可能不是具象的東西，而是自己心里的感受，是你期望的那種高度——一個對產業影響很大，技術高度足夠的位置。我覺得現在離心目中的K2還是蠻遠的，我們現在可能還在香山上吧，哈哈。但就像《圣經》里對寬門和窄門的隱喻，我們選擇走那道窄門，但走過去之后，可能會有另外一番廣闊天地。這是我們比較堅信的。
本文首發于微信公眾號：甲子光年。文章內容屬作者個人觀點，不代表和訊網立場。投資者據此操作，風險請自擔。
