云从科技交流0701

云从科技交流0701

2022-07-04 13:13

一、公司介绍和最新情况

云从是A股上市的平台型AI企业，特点是以软件为主，有两个核心产品，一是人机协同的操作系统，二是人工智能的解决方案。人工智能的解决方案核心是以人机协同操作系统为主，搭配 AIoT（Artificial Intelligence & Inte of Things，人工智能物联网）设备。

云从的人机协同操作系统与其他AI企业的本质不同是，认为AI具备人机协同能力才能更好地与人沟通和合作。我们致力于摆脫AI黑盒子的问题，从产品的打造， 商业化落地，到规模化生产，都注重人机协同。最大的特色是KAAS（knowledge as a service，知识即服务）架构，能把AI算法、专家知识、行业经验、相关规则，通过计算机代码、神经网络、实时图谱等等技术整合到人机操作系统中，最终人机协同操作系统的产品交付具备弹性业务流的设置。

人机协同操作系统以事件驱动，同时有决策和辅助决策能力，和传统的业务软件或 者操作系统最大的不同是，以事件而不是流程驱动。CRM或者传统的业务流程软件，流程是既定的，如果想再去改，需要很复杂的配置。人工智能是灵活的，出现了什么事件，系统会给你相应的指引。指引一方面来自行业监管的要求，比如防疫、金融的各项监管， 另一方面也会来自行业头部企业积累的经验，比如大的银行的案例，同时也会来自企业内部的制约。交互之后AI的能力能更好落地。云从基于此推出了二浪方案，云从始终强调，人工智能不应该仅限于人脸识别或者计算机 视觉，想要技术更好向客户落地，把解决方案和实际业务绑定，应该有全面的感知认知和决策的方案模型。

过去几年云从的收入、毛利、自主产品比例都提升较多，未来我们会更加深耕智慧金融、智慧治理、智慧交通及智慧商业这四大行业，还会通过打磨标准化的产品，交付合作伙伴，覆盖更多的长尾客户，打造第二增长曲线。

二、Q&A

Q1相比于其他AI公司，我们更强调人机协同的能力，这块能力依赖于数据的大规模训练，得出解决方案，但人结合计算机的过程中难免会带来效率的下降，公司怎么去平衡？是不是某些场景更适合于人机协同，某些场景纯计算机解决的方案更好？

由计算机帮助大家做决策，可以做到低时延、低情感。的确是这样， 但是出于发展技术的初衷，以及对AI底层的理解，云从认为AI应该和人发展协作，赋能于人，而不应该直接取代人类。有些行业是可以由计算机完全做决策的，比如最近发展非常快的自动驾驶，也有很多行业计算机是没有办法完全取代人的。

比如金融行业，法律法规、规章制度都在管理从业人员的行为，很多风险是人没有依照现有的规则引发的，而不是因为市场决策。比如券商的金手指，交易员的金手指，或者次贷危机，都不是因为决策时效性，而是因为在既有规则框架下，有的人没有很好地执行。在这种情况下，CWOS (Cloudwalk Opera ting Sys tem)能够帮 助提升监管层的能力。

传统的业务流程软件或者操作系统，能够告诉你按照流程下一步做什么， 但很大的问题是不知道是否做了， 做的是否合理合规。举个例子， 银行存款纠纷， 明明存了或者他认为存了，存款没有了，或是买理财， 可能柜员没有做好风险披露，用户买了不应买的理财产品，回头来找柜员，大家各执一词。单纯的录音录像没有办法事后弥补，因为损失已经造成了 °AI技术通过感知算法，能知道是否做了风险披露，没有做就不应该引导客户签单。感知的范围大到风险管理，小到举手投足，是否在客户进来时抬手示意，是否在客户落座之后再落座等等。防疫领域能感知有没有戴口罩，戴了口罩或者没戴口罩以后做了什么。有感知能力才能制定详细的规则，帮助提升管理效率。

某些行业有机器完全取代人的情况，但大量的行业是人和算法共存的。我们选择这 四大行业是依据内在的标准以及头部示范效应， 外加有足够的市场空间。

Q2公司深耕垂直的细分行业，和头部的一些玩家绑定，涉及后续的规模化效 应，模型的复用性以及拓展性怎么平衡？

公司把内部的发展的方向大概分成几块，第一是技术能力， 第二是商业落地能力，第三是规模生产能力。技术能力是指公司要发展立足，技术是生存之本。我们强调全面的技术能力，经过7年多的发展，现在AI的算法模型大概有1万多个，基本上覆盖客户日常的场景。第二是持续深耕商业落地能力。第三是规模生产能力，经过这么多年的积累，已经有相对完善的，从研发到市场再到销售的一整套管理体系，称为AI的流水化生产线。在这个过程中，我们把之前的大量案例浓缩到通用版的CWOS上,在通用版基础上，有行业版CWOS，四大行业都有自己的行业CWOS， 例如银行版、商业版、智慧治理版。通用版和行业版 CWOS 已经能解决大概百分之六七十客户的需求。再往前我们会根据客户对系统的要求，功能的要求做对应的解决方案组合。这个组合不是定向开发、定制化的，而是基于1万多种算法模型，做大积木式的挑选，产品的排列组合。未来希望把定制化的比例压缩到20%左右。现在因为公司产品复杂程度不断提高，定制化的比例较高。在特殊的行业和项目上， 定制化比例在50%左右，预计2025 年定制化比例会在20%的水平。

Q3针对定制化，我们怎么理解不同行业的know-how?

首先，云从始终深耕四大行业，不去拓展太多的行业，原因是做新的行业，比如汽车，需要花很多时间了解，真正做好一个行业需要长时间的积累。首先，内部要有足够多的算法架构师，要重新搭建技术团队。第二，要找到行业专家指导，比如说想做汽车行业生产线，就要了解汽车行业生产线管理，要素是什么，光线怎么打，机器人怎么协作， 误差怎样，需要跟汽车行业的人做深层次的沟通、打磨、调试， 满足他们的生产规则。

第二， 四大行业有共性，除了常规的市场规模、头部效应以外，有很强的规则因素，抽象出来，无非几种逻辑，管人的，管事的，管流程的，什么时间出现什么事，到了某一个阈值做相关动作，跟代码if-then—样。抽取共性的规则是非常重要的，抽象得好不好，是否简化，在于怎么深层次了解逻辑。银行基本是存贷汇三个业务，存款细分为公司的存款和个人存款，贷款细分为个人贷款和公司贷款，汇是资金的往来和流动， 内部都有对应的服务标准和管理流程， 抽象出来就是通用的。因为存贷汇不是只有工商银行有，农业银行，渤海银行，辽沈银行，吉林银行或者是山东银行都是这样的业务流程，区别仅仅在于标准不同，比如说工商银行贷款达到了某一资质就放款，辽沈银行可能是另外一个标准。

Q4公司2021年的单人效大概接近百万，对比其他家非常高，背后主要的驱动力是什么？

人效是我们考核的重点指标，公司的管理不单单考核收入，还要考核毛利、回款、人效，这四个是对前台的考核。有考核的目标，就能知道怎样管理资源。前面的人在做商业拓展的时候，就会明白什么项目不去做，一个几十万的项目，人效不过关，就立不了项。2020、2021年收入增幅有所放缓，主要原因在于主动放弃了一些低人效的项目。

第三， 云从提供的方案越完善， 跟业务流程绑定越深，销售卖单自然越来越大，单人效会越来越高。2019年之前，云从提供的是单点技术，比如人脸识别、人证比对、测温、物体识别、文字识别。那时算法和技术很稀缺，是AI行业的一浪时期，单点技术有很高的技术门槛， 做单点技术的厂商能利用技术红利夺得一些市 场。带来的问题就是人效比较低，因为都是项目制的，今天做门禁闸机， 明天做刷脸闸机，后天做手持的。2019年之后我们发现客户有很多业务流程上的需求，比如云从最开始做机场的安检、人脸比对、闸机，后来做机场楼的人流管控。再后来 做流程管理，国内机场大部分机位利用率、起降时间都不是很好，平均的飞机起降时间比香港或者纽约长， 但中国跑道数、候机楼登记口的位置甚至比国外多，原因是什么？机场的人也很困惑，所以把这个问题给了云从，云从就进入机场进行管理，现在正在探索中。整个服务流程的管理，包括飞机选择近机位还是远机位，以前都是靠人的经验指挥，现在有息化智能化的支持。类似工作能提高业务复杂程 度和单合同收入， 也带来人效的提升。

Q5人工智能场景的渗透率在提升，场景在扩张，对于人员的需求也会不断增 加。我们怎么样保证人员的稳定性，怎么做人员的激励？

人才的管理首先是梯度性管理，把小部分核心的人才放在上海、 北京或者广州，给出有行业竞争力的薪酬方案， 做数据、代码、产品开发、产品运行的人会在重庆或者其他二三线城市。搭配产生人员的梯度，既能保证给高层次的人提供优秀的薪酬待遇，又不至于给公司的费用管控造成太大压力。同时公司因为上市，有员工激励平台、定期受益计划，内部各种分享等等。

Q6最近大半年很多龙头公司往海外走，咱们出海这块情况和想法如何？

因为国内的行业竞争比较激烈，所以大家比较关注出海，尤其是互联网、消费电子行业。对于我们来说，国内AI的渗透率还有很高的提升空间，友商和客户还有特别多的事情可以做， 还有很多市场空间和机会， 所以短期公司没有把出海考虑的特别重。

第二，现实的问题是我们在美国的实体清单里，出海短期之内难以直接去发达国家，往往优先考虑东南亚或者非洲国家。但是AI公司会考虑前提条件，息化、数字化要足够完善才能做智能化，因为数据需要基础的息化系统和硬件支持。如果没有数据，AI没有办法训练和使用。印度、非洲大部分公司的息数字化程度 较低，甚至要考虑合规问题， 因此想要打开海外市场要花比较长的时间，三五年只够做前期的积累。未来公司会考虑把算法市场拓展到海外， 但短期对出海比较谨慎。

Q7疫情对项目的开展有一定影响，在疫情影响下，原有的项目进展怎么样，增量有没有变化？

疫情带来新的市场，比如防疫常态化。未来几年疫情会过去，但是国家强调防控管理的常态化，为下一期的疫情做准备，体系变化带来新的机会，云从坚持要抓住这样的机会。2020年就在广州做隔离酒店的措施方案，和医院、卫健委一起探讨解决方案，目前以上海为主，开始推广数字哨兵，已经成为智慧治理比较大的应用场景。也有挑战，整个二季度，尤其是前两个月，没有办法去北京上海出差，大量的项目暂停、 延期，所以开放以后从商机的签约、拓展，到已有的项目的确认，都在往前赶。目前全年的业绩目标没有特别大的变化，还是朝着原有的迈进。明年、后年，防疫、大健康等战略方向能带给云从更多的机会。

Q8之前披露的在手订单大概有8亿，预计在22年做收入的确认，这些订单目前 有没有影响？

云从的收入大多在当年确认， 项目周期最多 9 个月， 所以一两个月的延迟不会对全 年的目标产生特别大的影响。二季度或三季度的数字可能会受到影响， 但整体来说 有希望在年内完成现有签署的订单。

Q9数字哨兵目前主要是和哪些城市在合作，采购数字哨兵怎么确认收入？ 

数字哨兵项目刚刚开始，和上海、 成都等有合作， 采取 ODM(Original DesignManufacturer)模式，云从主导，建指标，由华南地区做测温等的厂商去做，他们 做完以后云从去对接客户， 部署实施， 跟踪性能。供应链合作伙伴方面，我们不会和海康大华这样的公司合作，而是和珠三角地区很 多未上市、大家不熟悉但产品质量不错的供应商合作。

Q10一些AI公司在拓展业务时订单量猛增，但是人员配置或者定制化业务匹配的时候很头疼，看起来很繁荣，但是一算账算不出来。公司什么样的领导或者组 织架构，能够比较敏锐的顾及，或做到比较均衡、理性？

早年各种各样的行业，交通商业甚至农业， 比如矿山、 港口、码头，都来找云从， 需求很旺盛， 老板不清醒的时候就会招人， 结果发现财务数字和产品积累没有特别 大的改善， 之后引入华为的管理经验， 完善配套管理，产品卖得更快更好。第一，公司2019 年开始引入华为的管理经验， 请华为的团队做全方位的流程搭建，即IPD (产品集成开发)。公司大概花了两年时间做完IPD,打通后面的产品 开发和前面的销售，摆脫研发和销售不通的项目制问题。IPD管理流程让前端知道 什么样的商机是好的， 研发知道盲目开发要负责任。第二，完善配套管理，包括项目管理、CRM商机管理、预算管理、资源倾斜、绩效 考核、 薪酬管理等等。今时今日云从再去拓展项目， 销售侧知道应该找哪些客户， 公司能提供什么产品。找到客户以后， 销售要立项， 立项过程中大家会对商机的优 先级，企业靠谱程度，人效， 毛利等等进行考核， 没有达到不予立项，如果立项就 不断倾斜资源完成项目， 并进行追踪。这样整个公司的项目资源管理会上一个台 阶。作为商业化运营的公司，技术只能够解决生产，不能解决销售，过去几年我们让产品卖得出去，现在借助上市，我们会把产品卖得更快更好。

Q11高科技或人才密集型的公司内部的管理跟互联网不一样，跟一般计算机公司 也不太一样。公司内部的核心管理层上市后的分工或者管理是怎么样的，和可比 公司有没有什么特别之处。作为人工智能的独角兽，我们管理这块应该比较松 散、自由一点，还是怎么样？

我们公司的风格跟互联网公司不大一样。互联网大厂有能力去创新风格，是因为他 有能力养闲人， 允许一定程度上管理的松散和浪费， 采取赛马的机制，最优秀的可 以脱颖而出， 飞速成长， 但是我们没有办法做到。团队的构成主要来自中科院或是国内， 所以比较务实。和一些友商从海外回来， 管 理相对比较松散不同，我们更多强调目的性。但管理不像传统的企业那么严， 对技 术的人才很爱惜。未来团队、 文化的建设和管理始终秉承这样一个观点，更多了解或者探讨微软、IBM怎么做。微软只有10%的人可以不食人间烟火，剩下的人都要去做工程师，开 发商业化的产品， 谷歌、 亚马逊其实都是这样。人工智能企业不是每一个人都做前 沿分析，有人做研究院的工作，有人要做商业化的拓展， 达到管理上的平衡。微软 比例是10%，我们作为新兴的行业， 比例会稍微高一点， 但是、不会盲目地拓展。这个比例需要长期的打磨，现在云从不能说完全正确，实际上还有很多可以改善的 空间， 这恰恰也是公司长期发展能够带来的提升。云从有试错的勇气， 愿意根据市 场的反馈，不断迭代成长。