工业数智化，到底是遵循IT技术逻辑还是工业生产逻辑？在这背后，还有每一个to B科技公司都必须面对的问题：“在纯通用的技术平台，和高度定制的个性化应用之间，能否还有一个中间地带？”
作者 | 甲小姐
助理 | 刘杨楠
今年教师节当天，昆仑数据创始人陆薇发了一张朋友圈海报，海报上写着：
“致敬引路人——每一个曾向您请教的知识点，都有数据人对工业人的致敬。”
这是一份昆仑数据献给工业专家的问候。
在教师节众多祝福中，这份致敬显得独特，体现了科技和产业融合过程中两种角色的关系——科技的姿态逐渐演变：从曾经的“颠覆者”，到后来的“赋能者”，再到如今的“同行者”。
昆仑数据是一家专注工业的大数据和人工智能公司，陆薇是行业中少见的女性创业者。创业七年，陆薇不断摸索用数据推动工业升级的路径，她坦言，自己经历了从“无知者无畏”到“充满敬畏”的过程——越往前走，越意识到，数据价值唯有融合在工业企业有形的产品、服务以及业务过程中，才能真正落于实处，而主导这一进程的将是工业企业自己。
在工业互联网和工业大数据成为资本宠儿的当下，「甲子光年」曾发表文章《为什么要警惕工业和技术投资的互联网化？｜甲子光年》，呼吁市场尊重工业的发展规律。在本次对话中，陆薇也向「甲子光年」表达了同样的理性思考和敬畏感，她不断强调“工业逻辑”，和工业企业终将自主探索数据价值的必然性。
科技公司将数字化与智能化带入工业领域，是大势所趋，却也挑战重重。其中，有两大核心问题亟需科技公司回答：
一个问题是，工业是一系列“有墙的花园”，千行百业都有其壁垒和生态，要想深入一个行业，必须找到入口和路径。这一融合的过程，是遵循IT技术逻辑还是工业生产逻辑？
另一个问题，是陆薇反反复复问自己的科技公司商业模式之问：“在纯通用的技术平台和高度定制的个性化应用之间，能否还有一个中间地带？”
今天这篇对话，陆薇给出了她对于这两个问题的答案，并讲述了摸索这个路径背后的弯路、挑战和对未来的判断。
1.谈趋势：“对数据的加工处理能力，将成为工业企业的新型生产力”
甲小姐：最近一年有什么核心感受？
陆薇：工业是个长赛道，需要耐心，不能用消费互联网的思维做工业大数据。做计算机的人很容易受互联网影响，总想用技术颠覆产业，闪电式扩张，但我们要搞明白，我们做的首先是工业，而大数据只是支撑技术的一种。
工业的智能化改造是个长期过程。历史上每次工业革命，无论是工业1.0的机械化革命，2.0的电气化革命，3.0的自动化/信息化革命，都经历了几十年甚至上百年。目前工业在从3.0逐步走向4.0，但想几年就有大变化是不现实的。饭得一口一口吃，生产力得一点一点提升。
甲小姐：我们上次对话是19年初，过去两年半，公司有没有什么变化？
陆薇：我们的使命没有变，但状态有变化。这两年我们的业务更聚焦了，选择有限的行业，和工业制造商/服务商携手，结合他们产品/服务的数智化进程去开展业务。
这些变化源于我们对工业数智化底层诉求的重新认知。2019年我们还稍微有点浮躁，想通过一些模式创新追逐相对快速的增长，但实践两年之后，我们发现欲速则不达。
甲小姐：我看到你们帮东方电机实现服务化转型的例子。东方电机以数字化驱动了服务化转型，从而可以面向它的水电站客户推出数字化服务——东方电机正在从原来以“卖设备”为主营业务，向基于数据和工业互联网给客户提供长期持续的“原生数字化服务”转变。这也是我们观察到的一个趋势：传统制造商纷纷开始向“服务化”转型。你对这个趋势是怎么理解的？
陆薇：这是个非常有代表性的案例，工业产品的智能化以及衍生的数字化服务，已经是非常明朗的趋势。
一方面，是市场需求在驱动这个趋势。工业领域的数智化需求不是单点的，是贯穿产业链的，面对下游业主的数智化需求，装备制造企业很自然会做出这样的选择，来增加产品竞争力，并追求新的业务增长点。
另一方面，这也遵循工业的底层发展逻辑。新的技术、新的生产资料出现后，工业企业会把这些内化为自身能力，加载到自身的产品和服务中，形成新的生产力。每次工业革命都是类似的进程，蒸汽机的出现、电力的出现、计算机的出现，直到现在数据的出现。
甲小姐：这个趋势对昆仑数据意味着什么？
陆薇：对我们来说是一个很大的机会。
工业企业要把数据价值融合到他们既有的有形产品或者服务中，就需要长期持续自主地探索数据价值。这一进程中，需要技术、方法和工具的支撑，需要一个与他们同频的IT与DT技术的partner，帮他们逐步形成自身的数据价值发现能力。这其实是工业企业数智化的底层诉求。
以我们和东方电机合作的水轮机智能服务系统为例，基于我们的数字化方法、产品和服务，我们为东电构建了水轮机的数据资源化体系，一起开发了十多个典型的分析模型之后，进一步支持东电设备专家自主研制了水轮机上的五百多种智能分析模型，最后，以云边协同的方式，为水电站业主提供基于现场数据的数字化服务。
在煤矿行业，我们和郑煤机(601717,股吧)也是这样合作的，他们的设备know-how加上我们的数据技术，合作构建智能综采系统，一起服务煤矿行业。
甲小姐：这就变成了一个你们拓展行业的创新模式——帮助合作伙伴实现数智化，再一起服务客户。
陆薇：没错，帮助工业企业构建对数据的加工和处理能力，让他们把数据价值加载到自身的产品和服务中，再一起服务产业链上的其他企业，在帮助工业企业业务拓展的同时，也实现了昆仑数据自身的发展。
甲小姐：我们看到昆仑数据和水轮机制造商一起用数字化业务服务大中型水电站；和煤矿综采系统制造商一起用数字化业务服务煤矿主；和电力系统研究院所一起用数字化业务服务发电场站；和自动化厂商一起服务先进制造企业……昆仑数据似乎很喜欢“组团服务”？
陆薇：“组团服务”这个提法好，也代表了昆仑数据今天对自身定位、对客户关系的重新界定。术业有专攻，客户有行业know-how，需要内生的数据价值发现能力去做创新业务，而我们正好帮他们快速补齐这个能力。这种“组团”的方式更符合工业逻辑。
2.谈路径：“做数据产线供应商，客户也是合作伙伴”
甲小姐：之前你们进入一个行业时，会和该行业的龙头企业一起成立合资公司。
陆薇：经过实践证明，合资并不是一条最佳路径。之前希望有模式创新，找到把数据技术与行业know-how快速结合的路径，以为资本层面的合作最直接。但现在回头看，只能说想简单了——不是领证结婚就真的可以一辈子携手同行。
甲小姐：如果不合资，你们和合作伙伴的联结方式是什么？
陆薇：把自己放在工业的产业链中，做上游的数据产线供应商。
甲小姐：“数据产线供应商”该怎么理解？
陆薇：在今天工业的产业链体系中，制造商一般都会有产线供应商，制造商用产线来承载生产所需的加工处理能力。同样，在数据领域，工业企业也在寻求对数据的加工处理能力，那么我们有没有可能提供承载了数据加工处理工艺的产线？
甲小姐：这与很多技术立身的工业互联网公司的视角不太一样。
陆薇：是的，包括我在内，很多工业数据、工业互联网的从业者是IT互联网的背景，很容易把IT互联网的底层逻辑套用在工业领域。几年实践下来，我们逐渐体会到了其中的不同。
IT信息化时代的底层逻辑，是用信息系统去支撑现有业务的运行，是既有业务流程的自动化。但今天对数据的加工和利用，是要支持企业的业务创新，没有成熟工艺但又必须去尝试。所以一次咨询规划、一个IT平台或者系统建设，是远远不够的。
互联网时代的逻辑，是基于链接改变资源配置关系，的确是颠覆性的；但工业领域遵循“生产力改变生产关系”的逻辑，仅靠链接是没办法带来生产力的本质提升的。这也是很多工业互联网平台追求模式创新步履维艰的原因之一。
甲小姐：如果不合资，你和合作伙伴之间联结的黏性在哪里？
陆薇：其实合资也不能保证联结的紧密度。
甲小姐：什么才能让你们真正紧密联结？
陆薇：本质上还是价值，是对拥有数据价值自主发现能力这个市场需求的满足。
首先，看合作方是否需要数据加工处理的能力。如果只是浅尝辄止，简单做两个场景，赶赶潮流；如果只是领导要政绩，大家忙着在应用层面交些看得到的作业；如果对方不是作为一个组织真正把它当成长期持续的业务目标，这件事就很难办。
第二，看合作方是否希望自己拥有这种能力。如果他觉得数据技术没什么神秘的，找外包团队开发一下也可以，那就很难成。意识不到对数据的加工处理是一个长期持续且需要自主投入的过程，短期看，的确可以通过其他方式快速尝到甜头，但不会本质上提升改变企业的数字化能力。
甲小姐：听起来，你们选择合作伙伴的先决条件很多。
陆薇：确实是。我们现在最容易谈成的一类合作伙伴是自己曾经尝试过，也被现实教育过的，否则他很难准确界定自己的需求。
甲小姐：你们接触到的企业，真正能转化成合作伙伴的比例高吗？
陆薇：一半都不到。工业数智化是一个变革性的业务，本身只有创新意识比较强的企业才想做；而即使他要做，也和带队领导的推动力关系非常大。
甲小姐：你们现在客户量有多少？
陆薇：绝对数量不多，重点客户大概几十个，基本是细分行业龙头。一方面，已经达到工业3.0的水平，自动化信息化水平高，数据有积累，具备基础做数字化、智能化升级的，目前就只有少数行业前列的企业。另一方面，我们觉得工业数字化一定会经历先慢后快的过程，我们的选择路径是“先高峰再高原”，先在有限领域把高度做出来，把问题解决透彻，再去扩展。
甲小姐：客户主要是龙头企业，合作伙伴呢？
陆薇：事实上，今天客户和合作伙伴的边界已经模糊了。当我们把自己作为“数据加工产线”供应商，会发现大多数客户也同时是我们的合作伙伴，也就是前面提到的“组团服务”。
所以我们的合作伙伴类型比之前扩展了，除了上述龙头企业客户，有行业know-how的企业/机构也可以成为我们的合作伙伴，他可能是设备制造商、设备服务商，也可能是自动化或信息化系统提供商。比如我们前阵子和轩田科技达成合作，它是半导体行业的设备和自动化厂商，在细分市场占有率很高，有领域知识，我们是IT、DT技术，他是OT技术，我们合作构成三者的组合。
3.谈挑战：“在纯通用的技术平台和高度的个性化定制之间，能否还有一个中间地带？”
甲小姐：如果向一个不懂技术的人介绍昆仑数据，你会怎么概括？
陆薇：面向纯行外人，我通常会讲场景和效果，外行看热闹，大家往往希望看到可被量化的显性价值，很少有兴趣特别关注背后的技术。
面向甲子的读者，我们想尝试用工业生产的逻辑去解释一下：
在创新业务中，如果数据是一种生产原料，客户需要的是生产加工工艺，需要的是机台产线，需要试车试制中的专家服务。那么，昆仑数据不再把自己作为IT/DT系统供应商，而是尝试对标工业领域的产线供应商，为客户提供加工处理工业数据的产线设备和工艺，帮助客户建立自主的工业数据加工车间和数据加工能力。
甲小姐：似乎在你们之外，没有其它的大数据公司这样来介绍自己。
陆薇：比较常见的公司介绍可能是“工业互联网平台公司”“工业数据中台公司”“工业数字化转型服务商”，这些都是从技术角度出发的，我们希望站在被服务的工业企业角度来介绍我们能做什么。
甲小姐：两年前你说“宁可改造基因，不可改造使命”，所以你不断在调整团队结构，从最开始技术为主的团队，变成“工业管理+工业技术+数据技术”的混合团队。过去两年多，你们团队结构有进一步迭代吗？
陆薇：迭代是长期持续的，我们在不断引入有工业行业know-how的专家，这两年我们还在技术之外加强商业化团队的建设。
甲小姐：你们团队现在多少人？商业化团队占比多少？
陆薇：不到一百人。商业化团队占比现在不到三分之一，我觉得还不够，我们还在不断增加这个占比。技术领先性仍是我们要保持的核心竞争力，更强大的商业化引擎不仅会提升业务增速，还会带来更多需求来滋养技术的演进。
甲小姐：昆仑数据已经发展了七年，站在七年节点往回看，概括地说，你们经历了几个阶段？
陆薇：自公司创立，我们提出的口号就是“释放机器数据价值Actionable insights from machine data”，我们发展的大方向一直在它的指引下。这里有三个关键词——一是Data，数据；二是Insight，从数据里挖掘洞察；三是Action，通过洞察驱动行动。三者结合，才能形成数据价值落地带来业务提升的闭环。
我们第一阶段的关注点在于解决数据问题。之前很多工业现场的数据都没收集，或者收集过没有保存。我们首先要把数据收集和保存下来，核心问题是海量工业数据怎样有效地管理。我们推出的第一代产品KMX，昆仑的工业大数据平台，是个数据后台，解决的是对工业数据进行高效管理，包括怎么存贮、怎么索引、怎么查询。在第一阶段，insight和action基本还是靠人来服务。
第二阶段，有了数据后，如何更高效地产生业务洞察，这就需要一些数据分析工具；如何形成Action，这就需要介入IT业务系统形成应用闭环。这个阶段我们做了很多尝试，包括经历了一段商业模式的创新，和龙头合资在垂直行业做工业互联网平台，汇聚数据开放给行业ISV开发工业APP，后来发现这个模式有些超前，也不能解决数据利用深度的问题，算是走了一段弯路。
所以第三阶段我们又折回来，重新审视自己的定位——我们是一家技术公司，回归到原来的道路上，用技术创新推动解决从data到insight再到action，把这条路径上的方法和技术总结沉淀下来，去帮助工业企业构建这方面的能力。
甲小姐：在insight和action两部分，你们有什么思路和进展？
陆薇： 这几年有一个很大的认知收获——我们发现从insight到aciton的过程，我们直接能做的十分有限，沧海一粟而已，单靠自己这条路很难走通。
我们最早希望自己能在每个应用领域开发出最终算法来，但这面临两个很严重的挑战：
第一个挑战是，工业不是一个行业，包含千行百业，你不可能把所有问题穷尽，那就变成定制开发了，不是一个好的商业模式。这是大部分工业互联网公司碰到的挑战，标准化和个性化需求之间有矛盾。现在很多平台厂商的解决办法是只做标准化技术平台，上面千变万化的需求靠合作伙伴去定制开发。我一直在想，在这种纯通用的技术平台和完全的个性化定制应用之间，能不能还有一个中间地带，可以找到一个位置，既跟领域有一定结合，又有一定共性？如果能找到，也许会走出一条不一样的路。
第二个挑战是，假设我们要直接解决问题，需要和工业的工艺、机理结合，这往往需要工业界的专家来配合，但我们自己能有多少工业专家？虽然我们在不断尝试团队结构的迭代，但面对层出不穷的场景，仍然远远不够。
甲小姐：夹在两重挑战之间，你们找出解决办法了吗？
陆薇：应该说我们找到了一条可行之路。前面谈到，我们重新给予了自己“数据加工产线”供应商的定位，重构了我们与工业企业既是客户又是合作伙伴的关系。当前，我们聚焦在三个层面的产品和服务：
一是梳理沉淀工业数据价值发现的方法体系，等同于数据加工的工艺路线方法，偏向咨询服务；
二是支撑上述方法体系的工业数据智能平台产品，可以类比承载了工艺的数据加工机台和产线；
三是数据加工过程中的专家服务，扶上马，走一程，直到客户形成自身的生产能力。
这就解决了两个问题，一是产品标准化问题，可以做一个相对标准的产品来面对千行百业，数据产线是相对标准的，个性化的部分由工业企业各自定义、自主推动；二是企业内的工业专家是充裕的，数据产线上生产出来的数据产品，由他们来设计和决定生产怎样的数据价值组件，这些数据产品可以与领域知识充分结合。
甲小姐：这个平台产品叫什么？
陆薇：K2Assets，Assets代表工业现场大批机器设备等工业物理对象。我们把一大堆机器设备形成的生产系统作为研究对象，在基础的工业大数据技术平台之上，我们再做了一层——这一层的用户就不是专业开发人员了，而是工业现场的工业专家。
我们发现，很多工业专家其实受过非常好的教育，日常工作也会基于小数据量做数据分析。通过K2Assets，我们把使用数据和挖掘insights的门槛降低，让工业专家以熟悉的行业语义来访问数据，应用内置的算子和分析范式来自主解决问题，创新效率会有数量级的提升。
甲小姐：有了K2Assets之后，你们还会做垂直行业平台吗？
陆薇：因为要在个性化中间找共性，我们现在不按垂直行业划分，而是找跨行业的共性需求。虽然行业不同，但抽象起来会有共性的维度。工业存在大量的共性知识，例如不同行业存在共性的工业设备，不同设备可由很多共性的基础工业单元组合而成，存在共性的监测数据模型等。在应用领域，比如设备健康诊断、故障预警、生产黄金路径寻优等，在不同行业都有类似需求，把每类应用里比较套路化的方法工具总结和抽象之后再产品化，再加上一些内置算子和自定义算子，工业专家会更容易上手。
甲小姐：你们今年的战略重点是什么？
陆薇：希望在insights方面走得更深一点，继续把产品夯实，持续积累和演进；同时，希望找到更多合作伙伴，让这个平台可以在很多领域被更多工业专家用起来，产生效果。
4.谈行业：从“橱窗工程”走向“深水区”
甲小姐：创业七年，外部行业经历了怎样的变化？
陆薇：整个行业更务实了。大家已经有了共识，前几年还有比较多的“橱窗工程”，现在必须要进入到深水区，深入每个行业，每个现场，去切切实实解决问题。
甲小姐：疫情带来了什么影响？
陆薇：短期看有负面影响，大B服务需要现场实施，我们很多项目都被迫延期；但长期看，疫情加速了大家对数字化的接受度。
甲小姐：19年对话，谈到“工业大数据”这一概念时，你说这个市场还在“被定义中”，现在这个定义完成了吗？
陆薇：现在基本已经不用再跟客户普及概念了，可以说定义已完成。但我觉得这仍然是个早期市场。工业大数据对行业本身的自动化、信息化程度是有要求的，中国目前只有少部分企业实现了工业3.0，具备往4.0走的基础，但大部分还要补工业3.0的课。现在自动化和信息化升级仍是大众市场，数字化和智能化还是早期。
同时，随着数智化理念深入人心，以及政策的大力推动，数智化应用有明显加速的趋势，工业企业也希望能3.0+4.0一起走，实现跨越式发展。我们也在主动联合设备、自动化、信息化合作伙伴，帮助企业在3.0补课的同时进行4.0升级。
甲小姐：几年前和你对话时，这个领域的创业公司还很少，但根据第三方机构数据显示，2020年工业互联网领域融资事件累计超过600起，以2021年6月为节点看，成立时间在一年以内的工业互联网企业占领域内全部企业数量的26.82%，成立时间在五年以内的企业比例超过了七成。你感受到水温的变化了吗？
陆薇：确实感受到了。一是市场内生需求被疫情激活；二是政策推动，数字化转型写进了十四五；三是资本助力，科创板和北交所都对这个方向有侧重支持。市场需求更多了，供应商自然也会更多。
甲小姐：市场升温让你们的事变得更容易还是更难做？
陆薇：总体还是更容易了。首先，这个市场足够大，虽然目前涌现出很多供应商，但总体还是供给不足的状态，还没到红海。而能跟场景和领域知识结合、走入深水区的供应商更是非常有限的。另一方面，我们也基本不用给客户做认知培育了，在升温的市场背景下，客户已经具备了认知基础。
甲小姐：你觉得工业互联网有泡沫吗？
陆薇：我觉得泡沫还挺大的，有些融资估值我觉得匪夷所思，另一方面，投资人也很内卷，好一点的项目抢得非常厉害。
甲小姐：对于工业互联网和工业大数据，你有没有什么不同于行业大部分声音的观点？
陆薇：我们越做越觉得对工业充满敬畏，对工业专家充满敬意。在这个领域，场景足够复杂，我们认为当前比较合适的做法是HI+AI，HI（Human Intelligence）放在前面，人工智能放在后面，是人工智能辅助人，而不是用人工智能去替代人，还是要充分发挥工业专家的主观能动性。
甲小姐：如果让你总结对工业大数据的三条认知，你怎么说？
陆薇：第一，术业有专攻，需要和工业专家同行。从浅水区到深水区，一定需要工业专家的领域知识。
第二，工业工程师才是工业大数据技术的最终用户，他们的思维方式、使用习惯和IT开发者不同，如何让他们用起来且觉得好用，这是全行业需要努力的方向。
第三，数字化是漫长且持续的进程，建议不要一开始就贪大求全，搞大规划大建设。过程中的不确定性很多，还是要先把基础做好，小步快跑，从点连成线再连成片，需要有耐心，一步一步做起。
甲小姐：面对客户时，遇到最高频的竞争对手是谁？
陆薇：好像没有固定的竞争对手，每个行业最常见的竞争对手还是这个行业里的既有玩家，有时对方还会成为我们的合作伙伴。整体来讲，这个行业还是供给不足。
甲小姐：和别人比，昆仑数据的护城河是什么？
陆薇：我们是这个领域探索得最早的先行者，我们积累的经验和趟过的坑也更多。世上没有白走的路，这些都内化成了我们的产品和能力。
甲小姐：如果现在一家工业互联网创业公司刚刚诞生，它还有机会入局吗？
陆薇：我觉得还有。工业的体量足够大，市场还在早期，哪怕做个细分领域应用，例如汽车行业生产智能排程，都有不小的市场空间。
甲小姐：放眼全球，中国的工业互联网是什么位置？
陆薇：我们国家的投入是最大的。产业体量大、政策引导强、资本助力多，还有工程师红利。但在发展水平，特别是工业软件方面，还是有先天劣势。
甲小姐：上次我们聊到产业发展的共性规律——在一个产业发展早期，产业格局往往是混沌的，先行者需要大包大揽什么都做，而到了成熟阶段，自然会出现专业化分工。目前工业互联网是还停留在初始混沌期，还是已经形成了打法、格局和分工？
陆薇：已经开始在分工了。比如有的很明确只做平台，把行业应用分给其他合作伙伴，大家各自在找各自的生态位。
甲小姐：如果消费互联网发展成熟度算100分，工业互联网现在是多少分？
陆薇：50分，还没及格。
甲小姐：你认为中国工业互联网真正的高光时刻会在什么时候到来？
陆薇：如果回头看，消费互联网的高光时刻，应该是开始涌现出BAT这样的巨头，并引发了人们极大关注的时候，但工业可能很难产生这种规模的巨头。工业是“有墙的花园”，可能在某个行业里会有一些小高光时刻，但对整个工业来讲，很难说。
甲小姐：昆仑数据也承担了一些政府项目，包括和工信部合作，以及在一些地方建立工业大数据创新中心等等，你感受到政府对这个行业是什么态度？
陆薇：工业跟国计民生相关度非常高，政府作为“产业推手”的作用是非常大的，甚至有时候政府是想在企业前面的。现在国与国竞争激烈，中国需要超车，国家的思考和引导动作是非常显著的。
甲小姐：这种推力你们做业务时能感受到吗？
陆薇：会直接感受到。例如今年数字化转型写进了十四五，国资委直接下文给所有央企，把数字化转型变成了KPI，还有很多地方优惠补贴政策，都在加速企业的行动。
甲小姐：前几年我们谈中国工业态势，面对成本红利消失后高端制造回流欧美、低端制造被东南亚蚕食的挑战，你用了“生死存亡”四个字形容那种处境，现在形势会好一些吗？
陆薇：我觉得处境仍然很挑战，但是关注的焦点不一样了。整个关注焦点的变化趋势是，第一，从大到小；第二，由硬到软。
第一个明显的关注焦点转移是从大型整机到核心零部件——从面上的问题，到点上的问题。2015年时我们搞“中国制造2025”，当时提的十大方向包括航空航天装备、高铁、远洋船舶、高端机床等，基本都是整机制造。但今天，高铁复兴号的国产化都百分之九十几了，大飞机我们也造出来了，大部头的问题已经解决了，下游整机需求带动全产业链，在进一步“强链补链”。现在反而是芯片等尖端小部件更面临挑战，所以现在的关注点变成了集成电路行业。
第二个新增加的关注点是工业软件。之前讲的都是要造产品，这两年大家发现工业软件是个卡脖子问题，所以又开始重视工业软件，保持了很多年不变的“工业四基”（关键基础材料、核心基础零部件、先进基础工艺、产业技术基础）去年增加了工业软件成为“工业五基”，工业软件也成为国家重大研发计划的支持方向，资本也开始关注工业软件。
5.谈感受：“当年无知者无畏，现在充满敬畏”
甲小姐：上次我们聊天时能感受到你的压力，现在你的压力比原来更大还是更小了？
陆薇：公司越做，压力越大。只要公司还在增长，状况肯定越来越复杂。但我觉得我个人的心态比过去两年要好。
我过去心态不好的地方在于，我以前中了个“毒”，总觉得CEO不能成为一家公司的瓶颈，于是希望什么事都自己学，自己去解决。但人的能力精力是有限的，不能所有事都靠自己，这么想就容易沮丧和自责。我现在比以前心态好一点，学会接受自己的不完美。我的一位合伙人对我说，如果你销售比我做得还好，要我干嘛？我想也是，就比较释然了。我一直在学习这个过程——接受自己有能力短板，找到合适的伙伴来互补，并跟对方建立一种好的配合关系。
甲小姐：过去七年，和最开始创业预想的一样吗？
陆薇：很不一样。当年无知者无畏，现在充满敬畏。
甲小姐：你在思路上自我颠覆过吗？
陆薇：有挺大颠覆的。我们一开始绝对是技术派，现在虽然还是技术公司，但我们真的觉得在把企业做成功所需要的所有核心能力中，技术不是第一位的。
甲小姐：你做过的最失误的决策是什么？
陆薇：在用人方面。用数据洞察工业设备，却某种程度上忽视了对人的洞察。我们遇到过早期合伙人消失之后出去自立门户，也遇到过高估或低估团队成员的能力。我发现事情总是容易的，最难的往往来自人，无论合作伙伴还是团队内部。比如去年疫情爆发那几个月，我们收入停滞，那时我们公司的高管团队有不同表现，有的人要求自降工资给团队涨薪，有的人会希望把股权抵押拿回现金——不做褒贬的评价，但波峰波谷间，让我开始关注对人的洞察，看清自己，理解他人。
很多事是做企业之前不会想象到的。大家往往都只见贼吃肉，没见贼挨打。但我觉得我还是足够幸运。一方面，这个赛道仍很有发展前景，另一方面，虽然经历了波峰波谷，但对人会有更多洞察和把握，现在大部分人还在，而且大家也更团结。
甲小姐：你经历过至暗时刻吗？
陆薇：如果把通宵难眠的时刻叫至暗时刻的话，每年都有。
甲小姐：最至暗的时刻你有想过放弃吗？
陆薇：其他人都有退路，创始人是没有退路的。
甲小姐：你们公司起名叫“K2”，乔戈里峰，你现在心中那个乔戈里峰有清晰的形态了吗？
陆薇：我们还没看到那座山的具体样貌，但它确实是远方的召唤。
甲小姐：因为“山就在那里”？
陆薇：之前有人问过我，到底你心目中的K2是什么？我说可能不是具象的东西，而是自己心里的感受，是你期望的那种高度——一个对产业影响很大，技术高度足够的位置。我觉得现在离心目中的K2还是蛮远的，我们现在可能还在香山上吧，哈哈。但就像《圣经》里对宽门和窄门的隐喻，我们选择走那道窄门，但走过去之后，可能会有另外一番广阔天地。这是我们比较坚信的。
本文首发于微信公众号：甲子光年。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。
（李佳佳 HN153）
加载中,请稍侯......