出品｜虎嗅科技組
作者｜陳伊凡、孫曉晨
編輯｜苗正卿
頭圖｜AI生成
“AI原生100”是虎嗅科技組推出針對AI原生創(chuàng)新欄目，這是本系列的第「10」篇文章。
人類從未停止過與癌癥、阿爾茲海默癥、艾滋病等疾病等抗爭。
但苦于新藥研發(fā)的速度，這場疾病抗爭史遲遲未能出現(xiàn)質的改變。而以生成式AI為基礎的大模型的出現(xiàn)，正在從根本上改變這一進程。
第一縷夕陽透過會議室玻璃窗，與C12的創(chuàng)始人兼CEO陳志剛的對話已經(jīng)進行了兩個半小時。生研灣，我們這次談話發(fā)生的地方，是大量新藥的創(chuàng)新源頭。陳志剛正在做的，是一個針對實驗室場景的通用機器人——這個機器人將會先被用在新藥研發(fā)，之后泛化到新材料和化工等場景。
他厚厚的鏡片反射出一道光——那是比窗外陽光更銳的東西，此時，全球藥物研發(fā)行業(yè)創(chuàng)新浪潮正洶涌來襲，AI已成為這場創(chuàng)新風暴的核心驅動力，這場能力，比10年前更大、更足。
2022年，陳志剛的公司C12成立，嘗試將垂直領域的AIAgent與具身智能結合，突破濕實驗（虎嗅注：濕實驗通常涉及生物樣本、化學物質或其他液體材料的操作和處理。這類實驗往往需要特定的實驗室條件,如無菌環(huán)境、溫度控制等）的效率瓶頸。
一年多前，他做了一個決定，將機器人的解決場景收斂到“純化”的步驟，而不是濕實驗的全流程——這是客戶最痛也最愿意買單的關鍵環(huán)節(jié)。再往前一點，他決定加入硬件部分，從最初設計實驗的AIAgent，變?yōu)樽鲆粋€能夠完成一套工作流的機器人，因為客戶說，設計實驗只是解決了7%的需求，科研人員還有70%的時間在做苦活累活，希望能把這些也用Agent解決?？傊?，一切判斷都來自客戶。
如果說上一輪AI，只是對藥物研發(fā)“錦上添花”，這一次由大模型引領的生成式AI變革，可能正在改寫人類與疾病賽跑的時間規(guī)則。
我們談話間，制藥領域正在發(fā)生著一場大規(guī)模的資金流動。在過去1個月的時間，近100億美元資本密集涌入AI制藥領域，諾和諾德、禮來、阿斯利康等跨國藥企，與AI公司達成超過20項重大合作。這是一個明顯的信號。
第三方調研機構EvaluatePharma報告預測，到2030年全球處方藥市場將達1.756萬億美元，AI制藥將成為核心增長引擎。
傳統(tǒng)意義上，一款新藥的誕生是個漫長且高風險的過程：從早期研發(fā)到最終上市，10年以上才能壘起100層樓，塌掉9棟才成1棟，成功率不到10%。
而現(xiàn)在，AI技術正為這一過程注入新的可能性：通過加速化合物篩選、優(yōu)化臨床試驗設計、輔助數(shù)據(jù)分析等方式，新藥研發(fā)周期有望縮短30%-50%，部分環(huán)節(jié)的效率提升更為顯著，在一定程度上降低了研發(fā)的時間成本與不確定性。
陳志剛要做的，是把“發(fā)令槍”再往前挪幾格。
在藥物研發(fā)的傳統(tǒng)版圖里，從靶點驗證到臨床前研發(fā)，100個白大褂要在通風櫥前重復數(shù)千次移液，累計100多萬小時——相當于114個人連軸轉10年，燒掉3億美金是常態(tài)，這個數(shù)字壓垮過太多中小型藥企。
大模型的出現(xiàn)，像突然打開的射燈，照進了隧道，“大模型把地基打好了?！标愔緞傉f。
在部分試點場景中，初步驗證顯示，這種方式有潛力將生產(chǎn)效率提升數(shù)倍，成本也顯著下降，為實驗室研發(fā)帶來了全新的可能性。
陳志剛的這雙手曾操盤過藥明康德的數(shù)字化轉型，他曾是藥明康德高級副總裁兼首席數(shù)字官，也曾在騰訊醫(yī)療大數(shù)據(jù)實驗室搭建底層架構，在阿里健康擔任總架構師。陳志剛稱自己的職業(yè)生涯，剛好串起了一款藥從研發(fā)到上架的全鏈路。
在對話多數(shù)時候陳志剛都像臺精密運轉的儀器，邏輯鏈條嚴絲合縫。你很難從他的臉上看出情緒的變化，甚至是在提到公司在創(chuàng)立之初所走的“彎路”，聊起創(chuàng)業(yè)初期踩過的坑，他語氣平穩(wěn)得像在說別人的故事；說起從職業(yè)經(jīng)理人到創(chuàng)業(yè)者的身份撕裂，也只是輕描淡寫。
陳志剛對公司的每一步未來規(guī)劃了清晰的節(jié)奏，A輪之前把產(chǎn)品和運維做好，讓客戶感受到真正的價值。
瞄準實驗室的效率瓶頸
虎嗅：為什么想要在2022年成立這樣一家企業(yè)？畢竟，你在藥明康德已經(jīng)做到一個不錯的位置。
陳志剛：起源其實來自兩個方面：第一件事，我自己在CRO（虎嗅注：合同研究組織,是為醫(yī)藥企業(yè)提供醫(yī)學研發(fā)專業(yè)化服務的第三方機構,涵蓋藥物研發(fā)全流程支持。）的時候經(jīng)常會去實驗室，因為我們做的事情緊密地貼合業(yè)務，要通過數(shù)字化和智能化的手段幫助業(yè)務團隊提升效率，提升生產(chǎn)力。
科學家其實非常辛苦，他們一天八個小時，其中六、七個小時都站在實驗室里，要不就是做實驗，要不就在不同設備和不同工作區(qū)域往返。如果在工作任務非常多的時候，他們還要加班。如果從實驗室效率的角度，這里面有很大提升改進的空間，效率提升特別需要通過新的技術改進。
第二件事，幾年前，我曾與多位資深領導者探討醫(yī)藥研發(fā)外包服務行業(yè)的未來走向，他們提出：這個行業(yè)的真正競爭對手是未來出現(xiàn)的新物種。因為這兩件事情，我就想未來實驗室怎么突破效率的瓶頸。
第一，不是讓人突破人的極限，而是要用新的技術突破人的極限；第二，我覺得要用新的技術去替代人做臟活、累活，人和機器人在智能或者操作方面實現(xiàn)有機結合。
這個行業(yè)有太多挑戰(zhàn)，有很多疾病現(xiàn)在沒有好藥去治療，如果能夠在這些實驗室等場景中，讓人效率更高一些，一個人就能夠在一定的時間和精力范圍內(nèi)，探索更多的未知空間，能夠找到更好的藥或者材料，這是我進行這次創(chuàng)業(yè)的初衷。
虎嗅：在2022年，其實已經(jīng)有不少AI制藥的公司，比如晶泰，英矽智能，已經(jīng)在嘗試AI制藥的研發(fā)，他們會是未來C12的競爭對手嗎？
陳志剛：我們和他們其實專注于藥物研發(fā)的不同環(huán)節(jié)。
像晶泰、英矽智能這些公司，主要通過AI技術做藥物分子設計，用計算的方法去設計和篩選候選分子，這是一個非常重要的環(huán)節(jié)。
而我們聚焦的是濕實驗驗證這個環(huán)節(jié)。當AI設計出來有潛力的分子后，需要在實驗室里進行實際的合成和驗證，這就是我們用機器人來做的事情。
所以可以說，我們在產(chǎn)業(yè)鏈中處于不同的位置，各自發(fā)揮專業(yè)優(yōu)勢，實際上是互補的關系。
虎嗅：上一波AI的算法沒有解決藥物研發(fā)的什么問題？這一次的大模型帶來了什么新的可能？
陳志剛：新的生成式模型對藥物分子設計非常關鍵。大語言模型讓決策切入得更快，在有比較好基礎模型的情況下，針對不同應用場景做微調，所需要的數(shù)據(jù)、成本以及時間要比以前少。
以前每一個垂直賽道都是專業(yè)的模型，舉個例子，以前大家修房子都是從海平面開始修，如果修100米高，那么這100米都是自己修?，F(xiàn)在底層實際上已經(jīng)有50米了，你接下來只用修剩下的50米。
虎嗅：在決定創(chuàng)業(yè)之后，做的第一件事情是什么？
陳志剛：融資和建團隊。我們做這個事情的時候正好碰到疫情時期，在那個時間點，我們確實經(jīng)歷很多的挑戰(zhàn)。不過，當時行業(yè)里面一些做傳統(tǒng)自動化、實驗室自動化的公司業(yè)務就有顯著的發(fā)展，這也給了我們很好的激勵。
如果濕實驗能夠像計算一樣，更加靈活地執(zhí)行，那么不論是對供應鏈，還是對生產(chǎn)效率來說，都會是顯著的突破。
虎嗅：在找投資等過程中，投資人會更關注公司的定義是什么嗎？比如，他們可能會把C12定義為機器人公司？或者AIforscience的藥物研發(fā)公司？你對公司的定義是什么？
陳志剛：每個投資人都有自己的一個角度。像我們做這種垂直領域Agent+硬件，整體上說，對于投資人而言確實有一點挑戰(zhàn)。
有些時候，我們接觸一些投資機構，他們跟我們聊的可能是AI，發(fā)現(xiàn)這個領域看不太懂，然后把投生物醫(yī)藥的人叫來，生物醫(yī)藥的人又覺得與平時看的管線邏輯不一樣。
C12的機器人產(chǎn)品LabBot
我覺得本質上，它其實是AI+機器人的產(chǎn)品。
大家一開始看不懂也很正常，新的AI和機器人應用的邏輯在往前走，大家會慢慢把方法論和框架建立起來，更多的投資機構會更容易看懂，這會有個過程。
醫(yī)藥行業(yè)的釘子挺多也挺硬，最終解決客戶的問題才能夠創(chuàng)造價值
虎嗅：在藥明康德、阿里健康、騰訊等公司做醫(yī)療健康和技術結合的工作，這些不同的經(jīng)歷有沒有給你帶來不一樣的影響？這些影響能夠投射在創(chuàng)業(yè)中。
陳志剛：我覺得這個影響其實一直在延續(xù)，而且不斷地迭代。我在阿里的時候，阿里總部“雙十一”晚上每個業(yè)務部門都會有一個大屏，大屏會有兩條曲線，一條曲線是預期的業(yè)務板塊的GMV（商品交易總額）數(shù)據(jù)，另外一條曲線是實際的GMV成交的數(shù)字。
很多時候，你會發(fā)現(xiàn)兩個數(shù)字之間剛開始會有差異，特別是實際的GMV比預期的數(shù)據(jù)少的時候，會及時地實施一些營銷策略，希望能夠把GMV提上來。最后會發(fā)現(xiàn)這些調整還挺管用的——實際曲線會不斷接近，最后甚至超越預期曲線。
我確實從中學習到重要的東西。當產(chǎn)品在實際場景應用的時候，需要運營。
第一，只有通過運營才能夠真正讓客戶把產(chǎn)品用好。因為當新的產(chǎn)品到客戶手上，客戶不一定馬上就能完全掌握，也不一定馬上就能夠充分發(fā)揮產(chǎn)品的價值；第二，產(chǎn)品跟業(yè)務場景的契合度需要磨合，就算提前把事情分析清楚，但實際應用可能還是會有偏差；第三，應用場景在不斷變化，產(chǎn)品也要快速迭代、快速滿足新的需求。
藥明康德有一個非常重要的BU，他們最核心的生產(chǎn)設備就是制藥反應釜，當時該BU訂單爆滿，盡管反應釜數(shù)量很多，但巨大的需求和供給之間的匹配仍面臨挑戰(zhàn)。
我們在整個工作流上用算法把信息流串起來。以前由人安排每個項目放到哪個地方生產(chǎn)、什么時候開始、什么時候結束等，后來是用算法做這件事。
我們?yōu)樗麄冏隽艘粋€匹配需求和供給的AI產(chǎn)品，培訓業(yè)務團隊使用這個產(chǎn)品解決他們的問題。在用的過程中，他們有新的需求。因為業(yè)務需求在發(fā)生變化，他們業(yè)務邏輯也在發(fā)生變化，也會有一些業(yè)務上的新策略，我們把這些新的需求、新的變化迭代到產(chǎn)品里面。
這個過程中的方法論是，從應用場景中解決應用的問題，形成技術和產(chǎn)品，回到應用場景中驗證這些產(chǎn)品，然后不斷打磨，讓它創(chuàng)造真正的價值。
這要求我們既要“進得去”，又要“出得來”。“進得去”是要理解這個問題，你的回答要能夠解決這個問題；“出得來”是要有產(chǎn)品的思維，能夠讓它標準化，把研發(fā)和運維的成本降下來。
虎嗅：這些方法論是如何形成的？和你之前的職業(yè)經(jīng)歷相關嗎？
陳志剛：若干年前，有一些互聯(lián)網(wǎng)公司的人出去談合作，好像自帶光環(huán)。就好像每個人手里拿了個錘子，到處找釘子。這可能在某些行業(yè)確實取得一些成功，但是醫(yī)療健康行業(yè)釘子挺多而且也挺硬，輕易能錘不下去。
我覺得這個行業(yè)的專業(yè)性、復雜性和強監(jiān)管需要深入理解，利用互聯(lián)網(wǎng)的技術、算法和思維，圍繞解決問題去做，并不是說我有互聯(lián)網(wǎng)的算法，就好像有個錘子，找個釘子就錘，并且周圍還有很多釘子，只錘的一個是不夠的。
我覺得這是一個非常重要的思維轉變，最終解決客戶的問題才能夠創(chuàng)造價值，只有創(chuàng)造價值，產(chǎn)品才能夠被大規(guī)模應用，這樣商業(yè)才是成功的。
虎嗅：在藥企的經(jīng)歷和在互聯(lián)網(wǎng)公司的經(jīng)歷有沒有什么不太一樣的地方？
陳志剛：我之前在阿里和騰訊一直都是從事AI加互聯(lián)網(wǎng)醫(yī)療這個板塊，在整個工作的過程中，更多的是醫(yī)療健康下游的事情。做了一段時間以后，我覺得我對整個醫(yī)療健康產(chǎn)業(yè)比較感興趣，所以就想去嘗試做醫(yī)療健康上游的事情。
其實很多疾病不僅僅是效率的問題，很多時候其實是這個病本身沒有好的解決方案，就是所謂的患者需求沒有被滿足。所以我想看看產(chǎn)品研發(fā)端的痛點是什么，去做一些事情。
我有時候開玩笑，我的回國之后的職業(yè)生涯就是藥的研發(fā)和生產(chǎn)全流程，只不過我是從下游往上游走。
虎嗅：在這三年的過程中，有沒有一些感覺特難的時候？
陳志剛：當然有。我覺得我確實在花時間適應新的角色，更重要的其實是大環(huán)境的變化，我覺得這個給大多數(shù)企業(yè)都帶來了很大的挑戰(zhàn)。
這種挑戰(zhàn)是一個基線，大家都會面臨這樣的挑戰(zhàn)。在這個過程中間，要思考怎么能夠更快地分析和理解新環(huán)境帶來的挑戰(zhàn)，以及能不能快速地找到應變方法，把產(chǎn)品做得更好。對于困難的地方，我更多是從發(fā)展角度來看，這個難，其實大家都難。
虎嗅：對于創(chuàng)始團隊，有什么樣的考量？
陳志剛：都是一個過程，很難說一開始所有東西都到位。這里面有資源的問題，有實際的問題。很多時候我覺得這種東西是水到渠成。首先要定位，你要找什么樣的人。其次才是能力，他能不能做這個事。第三個就是在過程中調整。
虎嗅：對于能力匹配以及團隊的適配度如何考慮？在核心的初創(chuàng)團隊中，每個人又扮演怎樣的角色？
陳志剛：我們現(xiàn)在團隊比較小，所以實際上沒有分那么細。對于人的嘗試，我覺得無非是兩個，第一，對于之前認識的人，可能對他有一定的了解，這能夠減少一些試錯；第二，即使是了解的人，隨著環(huán)境發(fā)生變化，事情不一樣，承受壓力不一樣，反應和表現(xiàn)也會不一樣。所以我覺得不需要特別多的思考，招人本身占成功的40%，更多的是磨合，磨合占60%。
從全流程到單點突破
虎嗅：第一款產(chǎn)品是什么時候出來？
陳志剛：我們之前在AIagent那一塊做了一些東西，幫客戶解決了一些很復雜的問題。我們最早有一個關鍵的AIagent，是做藥物分子的路線設計。在新藥研發(fā)領域會有新分子，是從來沒有被人做過的。它的合成應該是怎么樣，怎么才能把這個分子結構做出來，這對于行業(yè)是一個關鍵而且困難的問題。
虎嗅：所以第一代產(chǎn)品從沒有加入硬件。
陳志剛：沒有。第一個產(chǎn)品可以認為是設計實驗，再往后就是用機器人做事。
虎嗅：但是那個時候已經(jīng)有客戶了。
陳志剛：對。
虎嗅：第一款AIAgent出來之后，已經(jīng)可以去收錢了，因為商業(yè)模式已經(jīng)跑通了，那為什么要再去做高成本的硬件產(chǎn)品？
陳志剛：客戶反饋是幫助設計實驗挺好，但只是解決7%的問題，替代了不到10%的人工，科研人員還有70%的時間在實驗室干苦活累活，希望能幫忙把這件事情干了。
虎嗅：這樣的產(chǎn)品未來可以泛化在別的場景？
陳志剛：我們不僅僅看醫(yī)藥研發(fā)，也會看新材料，也會看化工。
虎嗅：這個是一開始就這么規(guī)劃的,還是經(jīng)過一些迭代才有的？
陳志剛：其實是客戶找到我們。我們發(fā)過幾個視頻，沒有做任何的商業(yè)化推廣。早期的視頻在微信視頻號上的播放量是70萬次。
這個其實是整個產(chǎn)業(yè)對于這個事情的需求。很多一些客戶找到我們，覺得這個東西很有價值和潛力，想一起做一些事情，這里面也不只是藥物研發(fā)。
虎嗅：在模型訓練和硬件這兩部分，你會控制精力的分配嗎？這兩塊都是難啃的“硬骨頭”，硬件該做到什么程度？孰輕孰重怎么判斷？
陳志剛：對于這個事情的邊界，其實我們有比較強的考慮。如果某個需求非常明確且市場規(guī)模足夠大，通常會有設備廠商關注。
如果還沒有成熟的解決方案，可能存在技術門檻、成本考量或市場時機等因素。
如果硬件需求的復雜度過高，我們通常會重新審視解決方案的設計思路，看是否有更簡潔高效的實現(xiàn)路徑。
虎嗅：你從一開始就沒有想要往人形方面做？
陳志剛：人形與否對我們沒有那么重要，我們最關心是雙臂協(xié)同。
虎嗅：在研發(fā)過程當中，是如何抽象出這幾個流程和工作流，然后用AI體系做閉環(huán)？
陳志剛：其實這都是我們跟客戶一起做的，就像我們在藥明康德一樣，會扎進去理解這個工作流，做很多分析。我們按照工作流程去看，從項目執(zhí)行的角度分幾個階段，考慮每個步驟需要機器做哪些事情，需要人做哪些事情，以及每個步驟最后的ROI（投資回報率）是什么。
虎嗅：現(xiàn)在的大模型有幻覺，通用機器人和真實世界的互動數(shù)據(jù)不夠，導致無法大規(guī)模商業(yè)化，這些會影響一些決策的準確度。在藥物研發(fā)這樣對于精度、準確度和穩(wěn)定度要求更苛刻的場景下，你們怎么解決這個問題？
陳志剛：解決幻覺首先要把復雜問題切分成簡單的問題，這樣出現(xiàn)幻覺的空間會相對小。第二要能有grounding（和現(xiàn)實對齊），要能夠ground到可被現(xiàn)實論證的基礎上。
我們現(xiàn)在的模式是通用機器人，它會在中間起到核心作用，把很多不同的專業(yè)設備串起來。我們現(xiàn)在會給通用的機器人加上一些定制的手指。
因為操作不同的設備要用不同的機器人手指，在這些方面我們會做一些設備，進行一些簡單的適配。這種情況下，我們能夠跨越以前All-in-one系統(tǒng)需要高度定制的技術局限性，實現(xiàn)更加靈活、更加便宜的實驗室自動化解決方案。
我們剛開始的時候想的是在醫(yī)藥研發(fā)實驗室通用，并沒有考慮其他的行業(yè)。
但是這里面有一個底層邏輯，就是所謂的叫做涌現(xiàn)的機會。
因為我們實際上是用通用機器人對接不同的設備，其他行業(yè)也有同樣的問題。我們在醫(yī)藥研發(fā)行業(yè)做這個事情的模式，其實在其他行業(yè)也適用。
第二，大家認識到之前的定制硬件產(chǎn)品研發(fā)時間和投入成本都非常高，比軟件產(chǎn)品高4倍到5倍。大家一直在考慮存不存在通用性的解決方法，不需要那么高的通量，但需要通用靈活。
第三，得益于機器人生態(tài)的快速發(fā)展，好處就是廣泛地進入大眾視野，大眾都會更容易理解和接受它；成本不斷降低，機器人的能力在不斷提升。如果在封閉的定制化系統(tǒng)里，成本和迭代周期等等都不是優(yōu)勢，反而變成包袱；但是如果在開放的生態(tài)里，這些東西未來都是優(yōu)勢，對創(chuàng)業(yè)公司來說，就是能不能把競爭壁壘立住。
虎嗅：對你們來說這個ROI怎么量化？
陳志剛：從這個角度來說，我們就是機器人公司，這也是與傳統(tǒng)All-in-one的自動化系統(tǒng)很關鍵的區(qū)別。
第一我們按工作流。工作流其實就是機器人的技能包，機器人會做更多的事情，那租的費用會更高，機器人會做的事情較少，那租的費用更低。
我們機器人未來的商業(yè)模式就是租轉售。很多客戶反饋機器人迭代太快，希望總是用新的東西，也有客戶不知道這個機器人到底能不能解決問題。站在客戶的角度，他們有這樣的訴求。
站在我們的角度，第一，趨勢其實就是按結果付費；第二，因為里面涉及到硬件，這樣獲客成本和時間就會少很多。
虎嗅：這個怎么理解？
陳志剛：傳統(tǒng)的All-in-One自動化系統(tǒng)通常需要數(shù)百萬元甚至上千萬元的初始投入，屬于資本性支出（Capex），其決策成本和周期都較高。在大型企業(yè)中，這類決策往往涉及多個部門與十余位相關負責人。
相比之下，租賃模式被歸為運營支出（Opex），審批流程通常只需Capex一半的周期。設備租賃的價格一般是購買成本的二十分之一到十五分之一，大大降低了試錯成本，便于快速驗證新技術的有效性。
虎嗅：對于現(xiàn)在的商業(yè)模式，我們未來會有一些側重嗎？現(xiàn)在有沒有某塊業(yè)務的收入更好？
陳志剛：我們現(xiàn)在既在賣，也在嘗試租，也有軟件的訂閱，都有市場需求，我們都會去推，但是我們重心會放在租轉售。我們聊了很多不同的客戶，發(fā)現(xiàn)這就是市場。作為采購的流程，客戶試用以后，會有初步的數(shù)據(jù)，也可以更好地走采購流程。
虎嗅：還沒有比較統(tǒng)一的定價？
陳志剛：肯定按照客戶心儀的價位，這就是市場的價格。從按結果付費的角度來說，結果的費用在不同的場景有不同的定義。
我們現(xiàn)在有一些算法，只是我們會拿這些算法與客戶的溝通，在商業(yè)合作的過程中間不斷迭代。
虎嗅：如果從現(xiàn)在回看2022年創(chuàng)業(yè)之初，有哪三個決定是覺得不應該做或者應該改變的？
陳志剛：我們在創(chuàng)業(yè)之初走了些彎路。
最初我們更多的是把它作為行業(yè)的問題去解決。行業(yè)的問題很多，包括方方面面，所以我們當時看得比較遠，也比較寬，比如化學實驗，從反應稱量、投料，到反應過程監(jiān)控，再到反應的后處理，這中間可能有十到二十個不同的任務要解決。
里面每一個任務都有變種，比如稱量，稱量的東西包括液體的、固體的，固體又分粘稠的、塊狀的、粉末的，還有好多其他不同的細節(jié)，我們希望能夠用AI自動化這里的全流程，最后發(fā)現(xiàn)這個流程上的每個問題都解決不透。
虎嗅：這個彎路走了多長時間？
陳志剛：可能半年到一年。我發(fā)現(xiàn)不能看那么寬泛，需要抓住一個問題解決。不應該看一個面，而是先做一個點。
我們現(xiàn)在做的是純化。這是我們通過跟客戶不斷溝通后做出的決定——很多客戶在投料、稱量上耗時不多，但在純化環(huán)節(jié)花了大量時間和人力。我們最終聚焦解決這個客戶最痛、最愿意買單的關鍵環(huán)節(jié)，這個過程我非常感謝合作伙伴和試點客戶在探索階段給予的信任與反饋，他們的真實需求推動了我們聚焦產(chǎn)品、打磨方案，也幫助我們更快走上正確的方向。
然后在機器人這塊，我們剛開始用通用機器來做的時候，嘗試了不同的機器人的硬件，我們自己做過一些初步整合。但我們現(xiàn)在就用供應商的整合。在創(chuàng)業(yè)過程中，對這件事情的認知是在不斷深化的。
虎嗅：除了純化的工作流，你們會再找其他的環(huán)節(jié)切入嗎？
陳志剛：有，包括整個反應過程工藝的研發(fā)，還有生物Assay實驗，有好多客戶找我們。我們因為人手不夠，接不過來，研發(fā)團隊正在加急擴充人員，爭取盡快跟上需求。
虎嗅：在與客戶共創(chuàng)的過程當中，客戶的數(shù)據(jù)也會變成你們垂直模型的一部分嗎？
陳志剛：不會。如果客戶想把這個東西放到模型里面，無非是兩種：一種模式是把客戶的數(shù)據(jù)用來強化或者改善模型，那這個模型只是給這個客戶，我不能拿出來賣給其他客戶。這往往是比較常見的模式。
第二個模式是與某些客戶形成戰(zhàn)略合作關系，他甚至可能在一定程度上占股權，變成股東，那么他會把一部分數(shù)據(jù)給放進來。這個時候企業(yè)的發(fā)展也與這個客戶形成了比較緊密的利益綁定。
虎嗅：怎么判斷客戶的需求是否是真實需求？
陳志剛：要跟客戶談，看他愿意為這件事投入的力度有多大。
虎嗅：在銷售和談合作上面，創(chuàng)業(yè)公司有沒有優(yōu)勢？這個行業(yè)大家是不是比較愿意相信一些大的品牌？
陳志剛：傳統(tǒng)的All-in-one系統(tǒng)確實會更相信大品牌，但是現(xiàn)在，客戶還是最終要看問題有沒有被解決好。只要客戶的核心問題還沒有得到很好的解決，市場上通常還會有新的機會。
“我不會預設立場，我跟著問題走”
虎嗅：在創(chuàng)業(yè)的過程中，有沒有發(fā)現(xiàn)一些反常識的事情？
陳志剛：在這個領域里面，很多事情都在認知范圍之內(nèi)。但我確實也在關注新的可能性，未來可能會變成我們往前面走的機會。比如傳統(tǒng)創(chuàng)業(yè)基本需要5個人，但現(xiàn)在的硅谷出現(xiàn)一兩個人的創(chuàng)業(yè)公司，一兩個人就把產(chǎn)品做起來，然后快速試錯。
我自己也在用很多的AI工具，做很多不同的事情，現(xiàn)在最多的就是用AI工具做思考助手。
我覺得這些新的東西確實會帶來一些反常識的做法，會很關注這些新的做法，希望能用到我們公司的運營和研發(fā)中。
虎嗅：下一步的挑戰(zhàn)會在哪里？
陳志剛：我覺得接下來就是把關鍵的客戶場景做透，形成持續(xù)發(fā)展的模式。我們目前其實在這個路上，到A輪之前，要被市場接受的話，需要有產(chǎn)品、運維，要能夠讓客戶收獲價值，在客戶大規(guī)模接受之后能擴展到其他實驗室，能夠規(guī)?；嶋H上我們正在積累，走透之后，再往其他的應用場景走的話，我們至少知道怎么辦。
虎嗅：規(guī)?；碾y點現(xiàn)在是在哪里？
陳志剛：更多的其實是一個新生事物。當真的有很多機器人在實驗室干活的時候，客戶會有什么樣的新的問題，我們怎么幫助客戶應對這些問題？因為這種事情從來沒有出現(xiàn)過。
虎嗅：這也是現(xiàn)在這一批創(chuàng)業(yè)里面比較有意思的點，大家都在嘗試新的東西，都在一條起跑線上。未來是未知的。
陳志剛：是的。在這個過程中間，我不會預設立場，更多是跟著客戶走，跟著問題走，碰到問題，解決問題。在剛開始底層邏輯設計方面，我覺得這件事情其實給了我們一個很好的工具支撐，讓我們做了很好的積累。
比如，我在客戶那里碰到一個問題，我能不能在我們的模擬場景復現(xiàn)它。如果能復現(xiàn)，那在這個過程中，我就積累了很多的經(jīng)驗。這個經(jīng)驗不是單純在人腦里積累，而是在產(chǎn)品的研發(fā)平臺上積累。
虎嗅：對于公司的發(fā)展，你的設定時間規(guī)劃是什么樣？
陳志剛：我覺得到今年年底把行業(yè)里面一兩個大客戶走透了，到明年我們起規(guī)模。再往前走的話，我覺得產(chǎn)業(yè)行業(yè)里的拓展優(yōu)先，然后再看其他行業(yè)。在其他行業(yè)，要集中在一兩個點投入一些資源，快速試錯，之后可能會引入新的資源共同去做。
本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4643012.html?f=wyxwapp
師姐修煉我躺贏,十倍返還的躺平修仙路!
他建立宗門,因太閑一不小心成了批量造神的神仙宗
忽悠老婆,拜進宗門,一不小心成了神仙
