云知声黄伟：从 token 到智能密度，热身赛后的 AI 新规则

来源：市场资讯

（来源：晚点LatePost）

文丨江思远

云知声创始人黄伟约在十点整见面，不到十点他就已经准备好了，于是我们的采访少见地能准时开始。同事说，这跟他军人家庭出身有关——“约好的时间，除非有什么特别大的事，黄总一定准时”。

另一个可能和家庭出身有关的特点是对高强度工作的耐受度。一季度黄伟出差飞了三十多趟，高铁十几趟，用他自己的话说，很少连续在一张床上睡超过 3 天，但黄伟 “没觉得身体吃不消”，倒是助手累得受不了辞职了。

和创始人一样，在中国 AI 行业，云知声也是一个不太典型的存在。2012 年成立的云知声从语音识别起步，十多年的时间，技术布局逐步覆盖自然语言理解、AI 芯片和多模态大模型，业务则聚焦在智慧医疗和智慧生活两条线上，一方面为医院提供 AI 辅助病历生成和医疗质控，另外也为家电、车载等终端提供语音交互方案。

作为比 AI 四小龙更早，经历了统计学习、深度学习、大模型三个时代的 AI 元老公司，云知声从来没有成为聚光灯下最亮眼的那个。

2023 至 2025 年，大模型热潮席卷行业，六小虎崛起，融资额动辄数十亿美元——而云知声正卡在港股上市的静默期里，不太方便对外讲话，也从来没有融到过那么多钱。

2025 年，云知声终于完成港股上市。不到五百人的团队，年营收超过 10 亿元，人均产值 252 万，按照这种算法，云知声在中国 AI 公司里人效稳居第一梯队。黄伟说他们可能是 “AI 公司里人均产值最高的”。这个数字不性感，但结实。同年云知声的大模型相关收入突破 6.1 亿元，同比增长超过 10 倍，下半年几近盈亏平衡。

与此同时，AI 发展正在经历着更深刻的变化，智能体开始能够独立完成复杂任务，用黄伟的说法，生成式 AI 已经变成了生产力 AI，这意味着比赛来到了一个新的阶段。黄伟提出了一个公式，AI 公司的行业价值等于智能密度乘以 token 价值，这是云知声作为一个 AI 行业的老兵在十多年商业化落地中总结出来的经验。在他看来，新的大模型竞争不是比谁生成的 token 多，而是谁的 token 更有价值，能转化为商业收入。

除了技术前瞻，黄伟还想告诉外界的是，AI 会让中国诞生几家比移动互联网时代更伟大的世界级公司，而云知声已经占据了一个有力的生态位。这家有着十三年历史的公司没有躺平，也不打算躺平。

2026 正赛开始：AI 公司行业价值 = 智能密度 × Token 价值

晚点：云知声名字里有 “声”，很多人以为你们就是做语音识别的。

黄伟：声音的背后是语言，语言的背后是意图。云知声从成立第一天起就不是只做语音识别，我们同时在做语音识别和自然语言理解。到今天的大语言模型、Agent，其实都是云知声过去十多年始终在投入的方向。

我们听的不是声音，是声音背后的意识——这话我讲了快十年了。

晚点：“声音背后的意识” 能再展开讲讲吗？

黄伟：三层，从听懂到理解是一层。传统语音识别只是把声音转成文字，就像一个没有感情的打字员。比如同样一句 “胸痛加重，伴大汗”，普通模型只能识别文字，而我们的系统能理解这背后是急性心梗的高危信号，会自动触发预警。

第二层是感知意图，用户对智能家居说 “我冷了”，不是想听一句 “好的，我知道你冷了”，而是希望空调自动调温度、窗帘自动关上。人机交互的本质不是对话，是服务调度。

第三层是理解意识。真正的智能应该能理解人的情绪、习惯和场景。比如一个独居老人说 “今天没什么事”，AI 能从他的语气和语速中感知到孤独，主动陪他聊天，或者提醒子女联系。

所以云知声这个名字——“云” 是智能的载体，“知” 是认知的核心，“声” 只是我们进入这个世界的第一扇门。过去十多年我们从语音识别走到自然语言理解，走到通用大模型和 Agent，一直在沿着这条线往前推进。

晚点：你说过 “2023 到 2025 年是大模型的热身赛，2026 年正赛才刚开始”。这个判断的依据是什么？

黄伟：2022 年底 OpenAI 发布 ChatGPT，国内公司开始跟进，追赶了三年。一方面差距越来越小——从落后三到五年，到现在可能就三到六个月。另一方面模型能力本身也在跃升，从一开始可能只有三四十分，到现在七八十分。

但最关键的变化是 AI 从生成式 AI 变成了生产力 AI，后者是我自己的一个叫法。Agent 的概念并不是新的，但那时候它只能聊天，上下文理解、记忆、推理能力都不够，只能做单步任务。今天不一样了，可以自动订票、可以独立完成复杂任务。一旦能工作，整个 AI 的产品和商业化就进入新阶段。所以 2026 年可能正赛才刚开始。

晚点：正赛的竞争逻辑是什么？

黄伟：云知声提出一个公式：AI 公司的行业价值等于智能密度乘以 token 价值。智能密度就是用较小参数、较低成本达到足够高的智能水平。

过去几年你看到很多公司发了两三个版本的模型，比如 2000 亿参数一个、6000 亿参数一个、1 万亿参数一个，三个版本下来可能花了一两亿美金。但上一个版本现在谁还在用？那些钱本质上就是做了一个非常昂贵的科学实验。

所以我们思考的问题是：能不能用一个 1000 亿或 2000 亿参数的模型，达到上万亿参数模型 90% 甚至 95% 的智能？如果可以，那我的研发投入更低、部署成本更低、服务性价比更高。

我经常举例子：我不需要一个中科院院士来开滴滴。很多任务场景不需要最高智能，硕士博士水平就够了。

这就是智能密度，用更高效的资源投入，用模型架构工程能力方面的优化，打造出能满足绝大多数场景的智能水平。

晚点：如何量化地看智能密度这个概念？

黄伟：智能密度就是单位计算资源所能产生的智能价值。从参数角度看，那就是模型性能与参数规模的比值。比如 U2 用 2600 亿参数达到了 1.2 万亿参数模型的性能，它的参数效率就接近是后者的 5 倍。

另一个指标是任务完成率，这是最核心的指标，因为只有你把任务完成才能产生价值。

晚点：云知声在智能密度方面的优化主要通过什么实现？

黄伟：主要靠模型架构、训练方法，比如我们的原生 Agentic 架构和高质量数据。

晚点：说说高价值 token，大家现在谈论 token，往往是在谈算力的紧缺。

黄伟：黄仁勋喜欢说 token efficiency，这是硬件视角，是生产端的概念——同样 100 万 token，我用更少的电费、更少的算力把它生产出来。他说 “未来十年 AI 计算效率提升 1000 倍”，我非常认同。

但我们还要再往前追问一步，这 100 万 token 生产出来之后，它到底值多少钱？如果这 100 万 token 都是闲聊废话，效率再高也没什么商业价值。

所以云知声更强调 token 价值。我们对 “高价值 Token” 的定义非常明确：能够直接转化为商业收入、降低运营成本、规避重大风险或提升决策质量的 Token。

在医疗场景里，可能就 100 个字的 token，但能救命。在保险行业，一千字的 token，能帮保险公司省十几亿。这跟聊天场景里生成 10 万字的情绪价值完全不是一回事。

云知声把 90% 以上的研发精力都投入到提升高价值 token 的质量上。这也是为什么我们的大模型业务能够在 2025 年实现收入 6.1 亿元，同比增长 1076% 的核心原因——我们生成的每一个 token，几乎都是高价值 token。

大模型竞争的下半场，不是比谁生成的 token 多，而是比谁生成的 token 有价值。

晚点：这种高价值 token 在云知声的商业场景落地情况是什么样的？

黄伟：举几个已经验证了的场景。去年北京友谊医院顺义院区超过 45 万份病历由云知声的 AI 大模型生成，直接引用率超过 90%。

在商业车险理赔上，我们的控费率相比传统 TPA （第三方管理公司）服务提高了 3%，每年帮助某头部保险公司节省了大概一二十亿的保费。

晚点：可以把追求智能密度理解为云知声的战略定位？

黄伟：对。

AI 时代，每个公司都在找自己的生态位——阿里在找，腾讯在找，我们也在找。生态位这个事情一定要跟你自己的资源、能力、禀赋相匹配。我们不去追求智能的上限，不去追求 scaling 的极限。我们找到的路是：用更高的智能密度，去服务那些 token 价值最高的场景。

晚点：前面说了正赛，那热身赛开始应该是 ChatGPT 发布，那时候你第一反应是什么？

黄伟：小震撼了一下。

如果我是一个很年轻的创业者，看到之后 90% 是兴奋——能做很多想做的事。但我们从 1.0 走了十多年，恰恰就是在解决 AI 的各种能力不足的问题。我们一直做人机交互，以前的痛点就是自然语言理解不行，智能音箱聊三五句就卡壳了，大家开玩笑说是 “人工智障”。

所以当时看到 ChatGPT 的第一感觉是前面十几年的功夫都白做了。

差不多有一周左右，我跟团队都没怎么交流，一直自己在消化这件事。但一周之后我发现，其实这个方向云知声很早就在做——2018、2019 年我们就在做 GPT-1、GPT-2.5，也在做 BERT。过去的积累不是没用，只是需要换条路。所以很快就转变过来了，差不多两个月我们就拿出了第一版模型。

晚点：两个月就出了第一版模型？

黄伟：2022 年 12 月立项，中间还过了个春节，2023 年 2 月第一版就出来了，5 月正式发布。

因为云知声在这个行业做了十多年了。很多投资人来跟我们交流的时候，会很简单地以 ChatGPT 发布作为分界点，好像前后两段是完全割裂的，基于这个就认为我们做大模型是从零开始。这时候我就会问他们，难道我的卡是 2023 年才买的吗？云知声的超算系统很早就搭好了，第一版只是把模型参数从 10 亿放大到几百亿，对我们来讲跨度并不大。

有句话说，你走过的每一步都算数。今天回头看确实是这样。

晚点：云知声马上要发新一代通用基座模型，为什么时隔这么久才推出新模型？

黄伟：我们做 U2 的判断依据是，模型技术的范式发生了一次新的质变。我们不需要每个月、每个季度都训一次模型，看准了技术趋势，算好账，我们才动手。

晚点：这一代叫 U2，但上一代叫山海，为什么换了名字？

黄伟：U2 更多是个符号意义，整个 AI 的范式已经从 1.0 进入 2.0，云知声也完成了上市。我们希望从上到下都意识到，不能再用 1.0 的思维看 2.0 的事。

晚点：U2 代表的 2.0 范式是什么？

黄伟：U2 采用了 2600 亿总参数的 MoE 架构，通过架构创新和训练方法优化，U2 在大多数纯文本任务上的表现已经接近或超越了国内万亿参数级别的模型，这正是我们 “智能密度” 理念的完整落地。

另外，U2 是原生通用 Agent 大模型，工具调用、状态管理、多步规划都是模型本身的原生能力，不是外挂。传统大模型是 “为生成而设计”，U2 从第一天起就是 “为执行而设计”。

U2 还完全继承了山海大模型在医疗、物联网领域积累的所有数据和知识，通过把 “驾驭工程（Harness Engineering）” 从应用层下沉到了模型层，U2 在医疗、金融等严肃场景的幻觉率降低了 92%。

晚点：也是智能密度的一种体现。通用模型，但参数量更少，性能也不错，性价比更高。

黄伟：没错。

晚点：前面你说，走过的每一步都算数，那有没有哪一步后来被时代证明太早了？

黄伟：太多了。2014 到 2016 年，我们以为语音交互会很快成为智能家居的标配，但当时技术不成熟，识别准确率低，误唤醒率高，市场真正爆发是 2018 年以后，比我们预期晚了三四年。医疗 AI 的落地节奏也比预期慢——我们 2016 年就推出了语音电子病历系统，但直到 2019 年才开始规模化商业化。医疗行业信息化基础薄弱，政策监管严格，医生的使用习惯需要时间培养。我们用了整整 7 年才把医疗业务做起来。

但踩早总比踩晚好。踩早了你付出的是时间成本，踩晚了你连入场的机会都没有。

大模型格局正在发生变化，单纯通用模型公司解决不了的 “最后一公里”

晚点：我想追问一下商业场景里的更多细节，咱们先从医疗领域开始。

黄伟：前面说了，去年我们在北京友谊医院顺义院区，超过 45 万份病历由我们的 AI 大模型生成。把一份病历的生成时间从 10 分钟缩短到 2 分钟左右。每份病历节约 8 分钟，45 万份就是几百万分钟，这等于我给这一个院区创造了几十万患者额外的就诊时间。

而且直接引用率超过 90%——100 份病历里有 90 多份医生改都不用改，直接点 OK。剩下几份需要调整的，可能是因为噪音污染引入的误差，也可能是大模型在医学领域还有约 1% 的幻觉率。

晚点：这看上去是单一流程的一个固定环节的提效？

黄伟：但这个任务其实非常复杂。医院是个非常复杂的声学环境，一个病房里可能两到三对医患同时说话，患者还没回答，家属抢答了。我们的设备放在医生桌上，大模型不仅需要听懂对话，还得从对话里分辨夹杂的闲聊、寒暄，最后根据上下文来做诊断和处置建议。

我们的 “山海・知音”2.0 端到端语音大模型，在医院复杂的噪音环境下，识别准确率达到了 97% 以上，而 U2 通用大模型内置了 1002 万个医学关系的医疗知识图谱，可以自动提取关键的问诊信息，生成符合医学规范的结构化病历。

用了我们这套系统之后，医生写病历的时间少了 90%，而且我们还有内置的医疗质控 Agent，能自动检查病历的完整性、逻辑性和合规性，准确率达到 98%，而且特别好的一点是，它整个过程完全是嵌入医院的 HIS 系统中的，医生什么操作习惯都不用改变。

这个案例很好诠释了我们的理念：“强基模” 是基础，“深应用” 是关键。只有把模型能力深度融入客户的业务流程，才能真正创造价值。

晚点：云知声过去积累的声学能力在大模型时代依然有用。

黄伟：还有十多年积累的工程化能力。比如我们能把模型压缩到零点几 B 大小放在离线终端芯片里运行，这在车上很有用，车是个相对私密的环境，用户并不想把每句话都上传到云端。

另外，座舱也是个复杂的声学环境，外面的风噪，马路上的声音，还有座舱里多人同时说话，这些复杂噪音环境下的定向识别、多人同时说话的分离，国内能做好的翻来覆去就那么两三家公司。大模型厂商或许模型很好，但需要云端算力，而汽车里面这些复杂的声学场景是我们的事。

晚点：除了生成病例这个单点环节之外，还有什么环节可以通过大模型介入？

黄伟：山海・知医 5.0 已经可以做到主动提醒可能遗漏的鉴别诊断。比如，当医生提到 “患者胸痛伴大汗” 时，系统会自动弹出急性心梗的诊疗路径，提示立即做心电图和心肌酶检查；当医生开出两种有相互作用的药物时，系统会实时预警并给出替代方案。

这一步其实更关键，意味着大模型从被动效率工具变为主动提供支持的决策参谋。当然，医疗场景对安全与合规要求是非常严格的，在医疗领域 AI 永远不能替代，只能辅助医生，云知声有非常严格的幻觉控制和数据合规措施。

晚点：保险场景呢，前边你说你们帮助保险公司节约了一二十亿保费？

黄伟：云知声在某头部保险公司做商业车险理赔。车险跟患者伤病有关，需要到医院检查。那这些检查哪些合理、哪些不合理？比如你路上擦伤了腿，不能把糖尿病的基础病检查也报了对吧。

在过去，保险审核员不是医生，没有这个医学能力来判断。简单一点的还行，复杂一些的真判断不了，但云知声的 AI 可以。也就是前边说的我们的控费率相比传统 TPA 服务提高了 3%，这样就可以每年帮助保险公司节省大概一二十亿的保费。

同时，在医保场景，我们把控费率从一点几个百分点，提高到了 7%，提高了将近 6 个百分点。

全国医保费用支出去年已经突破了 3 万亿，而 2024 年全国监管只挽回了 31 亿。如果将云知声控费率 7% 的医保监管系统推广到全国，那就是每年可以为国家节省 2000 多亿。

晚点：如果一个企业客户问：我直接用 DeepSeek、Qwen 甚至 GPT，再做点私有化部署，为什么还要用云知声？

黄伟：单纯开源模型可能解决 70% 到 80% 普通用户的普通问题，但 20% 的专业用户的 20% 的专业问题，很难解决。比如医疗场景需要私域数据，互联网上搜不到这些知识。没有这些数据，你最多做到 90 分，做不到 95 分、99 分，达不到使用标准。

高价值行业 “最后一公里” 问题，一定是通用模型 + 行业 know-how 来解决，云知声已经做了十多年了。

不同企业业务流程一定是个性化的，正是因为有这种需求差别，才有所谓的大模型企业的生态位。

晚点：那为什么这些个性化场景只有云知声能做？新公司难道不行吗？

黄伟：因为我们在 AI 1.0 时代就在做了。并且公司长期坚持强基模 + 深应用的战略路径，一边自主研发通用基座大模型，一边扎根垂直产业场景做深度落地。尤其在医疗、物联网领域，积累了大量真实场景的语音和文本数据，包括大量合规脱敏的医疗病历。这些数据是训练大模型最宝贵的资源，也是其他公司很难复制的。

另外，医疗行业它除了专业门槛高，信任门槛更高。我们已经服务了 400 多家三甲医院、超过 500 家企业客户，积累了超过 10 亿条真实的医疗数据，已经建立了非常扎实的信任基础。

晚点：云知声的商业模式好扩张吗？直白一点，很多人觉得做医院的生意有点累。

黄伟：资本总想赚快钱。大家都想要网络效应一下放大，但我们的模式不是这样。

正确的道路一开始总是很难理解的，就好比我们过去很难理解为什么是农村包围城市。如果是大家都想得到的路，那大家都成功了，凭什么是你？

从结果上看——我去年人均产值 252 万，收入规模在 AI 公司里也是最靠前的几家之一。

晚点：但一家一家搞项目也太不 AI 了吧？

黄伟：可以把产品做到标准化，甚至远程部署，也能做到像订阅制这种增长。

晚点：说到底，大模型能帮云知声从项目制走向产品化吗？外界一直觉得你们的模式偏重。

黄伟：过去我们确实以项目制为主，每个客户需要大量定制化开发，交付周期长。但大模型正在改变这个局面。比如我们的保险理赔审核系统，现在已经是一个标准化产品，客户简单配置就能上线，交付周期从 3 个月缩短到 1 周，成本降低了 80%。

晚点：让你总结一下云知声的竞争壁垒，你会怎么说？

黄伟：总得来说，云知声的策略叫 “强基模 + 深应用”。用足够强的通用基座支撑垂直应用，同时用垂直应用的数据和知识反哺基座，这会形成一个良性循环。我们的通用基座会不断吸收垂直领域的知识，变得越来越专业；而我们的垂直应用也会因为通用基座能力的提升，变得越来越强大。这样的循环会让智能密度越来越大。

晚点：如果只看资本市场最关心的指标，未来一两年云知声最应该证明什么？

黄伟：我们一方面收入会比去年有比较快的增长，同时收入构成会发生非常好的变化——毛利和来自 token 的收入占比都会增加。

我们的客户现在对 AI 的需求比以前明确、旺盛得多。客单价在提高，人均效率在提高。再加上新的 model-based 的 token 收入，应该能做到人数不怎么增加的情况下，收入还能保持相对快速的增长。

所有的成功都不是轻易得到的，如果很轻松，那对别人不公平

晚点：云知声能从 AI 1.0 活到 2.0，靠的是什么？

黄伟：展开说原因有很多，我们能活下来，靠的不是运气，而是一套结构化的能力：拒绝诱惑的定力，深入行业的深度，和面对困境的韧性。但一个比较重要的原因是在每个关键决定都没有出大错。

晚点：拒绝诱惑的定力？都有哪些诱惑呢？

黄伟：太多了。2012 年刚创业时，很多人说你就这点融资，别做自然语言理解了，专注把语音识别做到 98% 准确度就行，这个话其实没错，但不符合我们对技术的理解。

2016 年 AlphaGo 之后，投资圈开始热 AI，很多人劝我做安防——收入规模能快速冲上去，估值也好看，但我也没做。

我们在做的是超算集群的时候投资人也过来说，“你们这种小破公司搞什么超算中心”，但没有它哪有后面的模型啊，只不过当时没有人料到这一点。

2021 年，SaaS 概念在资本市场 50 倍 PS，很多人劝我讲 SaaS 故事，我直接就说，中国没有 SaaS，大家都是地推。

晚点：拒绝这么多，不怕融不到钱吗？

黄伟：我们的坚持是有逻辑的嘛，不是盲目坚持。资本市场上的人可以炒一波就走，但我们还得在啊，所以真的不能人云亦云。

当然，我们坚持背后的逻辑可能没有外界想象那么好，因为现实就没有那么好嘛，但云知声成立 13 年，我们的创始团队和核心高管一直都很稳定，可见大家还是比较认可我们的逻辑的。

晚点：云知声过去几年很少对外发声。现在选择重新出来，是因为上市完成了，还是觉得行业到了一个新的阶段？

黄伟：两个都是。我觉得一家企业本来就应该正常地对外输出观点、更新动态。但我们客观上确实因为上市静默期，这方面不太方便。我们整个上市过程非常漫长，2019 年准备科创板，然后 2022、2023 年转港股。这期间刚好是人工智能从 1.0 切到 2.0 最关键的几年，而我们都在静默。

另外我们的商业模式决定了，过去两年多我们更多是为企业客户提供基于模型的产品和解决方案，并不直接把模型提供给 C 端或者公众。真正知道我们模型能力很强的，大多是我们的付费企业客户。

所以现在接受采访也不是什么特别的举动，就是一家上市公司做它该做的事。

晚点：在很多人看来，现在大模型的格局已经比较清楚了——大厂、六小虎、然后是其他。

黄伟：2018 年人们也这么认为，然后很多公司就死掉了。

AI 2.0 时代留在牌桌上的公司比 1.0 时代少多了——1.0 号称做 AI 的有上百家，现在做大模型的有几家？屈指可数，但市场空间比以前大多了。

云知声是完整经历过周期的，我们看到太多起起落落了。有些公司情况好的时候非常光鲜，不好的时候也经历过融资困难。大模型公司们不也是这样吗？但其实这都是事件驱动的。它跟行业格局是两码事，而产业格局还远远没有定下来。

就是我前面说的，AI 2.0 时代的热身赛结束了，正赛才刚刚开始。

晚点：云知声接下来最想做什么？

黄伟：三件事。

第一，技术上我们还是个有追求的团队。我们不是舞台正中间最亮眼的那个，但我们始终希望留在舞台上，始终是世界一流水平，拿出更好的模型来。

第二，商业上，一方面用升级的模型把现有的产品做得更深——原来 80 分的做到 95 分，原来做不了的任务现在能做。另一方面，尝试新的商业模式，比如基于我们强大的基础模型，直接向客户输出 token，打造一种新的基于 token 的商业模式。

但 token 经济学在中国是不是成立，还得用结果来验证。我觉得有可能，但今天有泡沫，我们需要探索一个适合中国的 token 商业模式。

第三，也是最关键的——团队。前面两件事都是靠人做的。我最怕的是我们身体在 2.0 了，脑子还是 1.0 的。不是换一批年轻人就能解决——你公司原生上没有新的文化和思想，换了也没用。我们已经在做渐进式的改造了。

晚点：身体和脑子都在 2.0 的状态是什么样的？

黄伟：I don't know。技术在变，最终状态没人知道。但我理想中的方向是公司任何岗位，管理、HR、法务、财务、工程、销售都深度使用 AI，全业务流程用 AI，一个十几年的公司，从思想到组织到行动，变成一个 AI native 的团队。

晚点：感觉上市之后，云知声慢慢进入了一个比较舒服的状态？

黄伟：从实际情况看，没有遇到什么太大的困难。不过我过去十多年养成一个习惯：企业越是顺的时候，越要充满危机感；越是困难的时候，越要充满希望。你的情绪要逆周期。

所以我现在是危机感。

晚点：最近一次危机感是什么时候？

黄伟：龙虾最热的时候。它一出来我自己就在很积极地尝试，还顺手炒了炒股票（笑），但我发现团队反应有点慢，就是我刚才说的，身体进入 2.0，脑子还在 1.0，这让我有点焦虑。

后来我反思了一下，不是他们不想动，是现有的组织架构是按原来的业务模式设计的，没有多余的人和脑子来想这个事。

晚点：后来这个焦虑怎么缓解的？

黄伟：我看到我们有个老员工一个人一天做了 3 个版本的输入法，要知道以前这种活至少要小几十人的团队做几个月，我就从容了，说明公司还是有人往 AI native 的方向走的。

晚点：你希望外界看到一个什么样的黄伟？

黄伟：这个不太好说。

今年一季度我飞了十几趟航班、三十多趟高铁，很少连续在一张床上睡超过三天。

我不觉得年龄是问题。马斯克也不年轻，没人否认他的创新意识。有的年轻人 20 来岁每天只会吃喝玩乐。年龄只是生理符号，更重要的是对新事物的敏感度和拥抱的程度。

我对团队说的最多的一句话是：我最怕我们上了岸就躺平了。如果今天觉得已经上市了、上岸了，我觉得再大的机会也没机会了。

晚点：你说的再大的机会，对云知声来说是什么？

黄伟：还在找，但确定性的事是，如果说我对行业有把握做一个相对准确的预测，我觉得这个行业会诞生几家可能比移动互联网时代更伟大的世界级公司，而且是在中国。

云知声会不会是其中之一？我不知道。但我们想做的事远远没有做完，而且我们这帮人没有躺平，我觉得这可能是最大的机会。

题图来源：云知声