AI有幻觉？难落地？缺跨界人才？三家公司给出完整解法

AI行业观察

76000亩农田里长出模型

"AI落地的最后一公里，看起来是技术问题，走到底才发现，全是人的问题。"

三年半前，成都世园会一座1000平方米的单体建筑，应该是国内较早实现从概念方案到落地交付运营，AI 深度参与全流程设计的千平单体建筑实践项目，配套完整落地验收体系。

那场圆桌还聊出了不少行业真话。春耘智农的徐连云，守着76000亩农田，一个种植季干出接近2000万的效益增量；Eureka.AI的Sophie Yang，把「懂行业又懂技术」这件事做成了产品，一个月就能签约。三个人，三个硬得不能再硬的行业，建筑、农业、企业服务。

听完你会发现，大家都在谈的「AI落地难」，难的地方出奇地一致，解法也出奇地一致。

第一个付费客户：不是找到的，是「长」出来的

第一个客户怎么来的？三家公司，三种路径，但底层逻辑是一个。

孙知行说自己比较幸运，「我是PMF了才创业的」。他前两家公司就在建筑行业里做咨询，用他的话讲，是「在山洞里挖矿的工人，出来又造铲子」。挖矿的时候领着工资，有饭吃；出来之后换了把铲子，吃得更好。当时成都那个项目，纯粹是因为忙不过来，且那一年大模型能力也上来了，那我的团队说，让AI试试，结果客户看完概念方案直接签了合同。

徐连云的第一个客户是「主动出击」来的。他先在样板市场锁定一个种子用户，76000亩农场，相当于两个乡镇的面积。第一代产品就在这片地里打磨出来，然后拿着这个案例去切周边的长尾大户。目标客户画像清晰、对新技术热情高、加上农业政策顺势推了一把，从不认识到付费，只用了一个多月。

Sophie的路径更特别：客户就是她的产品经理。「客户推着我走」，一号位带着真实的痛点来找她，她负责把痛点翻译成产品。共创出来之后发现这东西能标准化、能复制，再去服务更多人。

"三条路摆在一起看，有个共同点：没有一家是「先做产品再找客户」的。要么人在行业里，需求自己找上门；要么先把一块试验田打穿，拿着真案例去敲门；要么干脆让客户参与定义产品。说白了，AI创业的第一个订单，拼的是你在行业里泡了多久。"

客户凭什么敢用：严刑拷打式的验收

拿到订单只是开始。真正难的是，AI有幻觉、准确性存疑、出了错谁负责，客户凭什么敢把真金白银交给你？

孙知行的解法够狠：不达标，不进入下一阶段，不触发付款。

合同展开之前，甲乙双方就把验收指标、验收流程全部固化。识别率多少、隐患解决怎么流转、降本增效到底降了多少增了多少、使用频率多少，全部量化，作为合同附件。测试是双盲的，「这里面没有任何感情色彩」，他不能替自己说好话，甲方也不能睁一只眼闭一只眼。

「只要交付了，就是经过严刑拷打的。」他说这话的时候很平静。行业里很多看起来很先进的方案，用他的话说，「都是表演性质的」。当前行业不少项目偏重演示效果展示，缺少可落地、可量化的长期验收标准，难以持续验证实际价值。

早期试点项目规模较小，随着落地价值持续验证，同类型客户标准化项目投入规模已有明显提升。

徐连云面对的是另一类问题。农田里的AI，大脑再聪明，眼睛、耳朵、鼻子不灵，决策照样出问题。所以他对传感器、巡田无人机这些硬件供应商有近乎苛刻的筛选标准：农田里经得起风吹日晒、全国有本地化售后体系，一样都不能少。

有意思的是，他自己坚决不做硬件。为什么？为了保持中立。「如果我做了硬件，很多优秀硬件公司的数据我就接不进来，我就只能做一个小脑，做不了真正的农田超级大脑。」

"不做硬件，是为了做更大的大脑。这个取舍，一般人想不到。更关键的是模型。徐连云的模型「是从地里长出来的，不是实验室里出来的」。76000亩农场里干了几十年农技的老师傅，跟团队一起把模型建起来。地块不同、品种不同，长出来的模型才真有用。「哪怕是农业通用大模型，也解决不了这个痛点。」"

效果呢？

1)人力降本：巡田人力成本降低约70%；

2)产量提升：水稻、小麦亩均产量提升8%；

3)农资节约：农资投入减少10%-15%，节水约20%；

4)品质提升：优品率提升10%以上，农产品品牌溢价约5%。

最贵的资产：那个「懂行业的技术人」

聊到组织和人才，全场最有共鸣的一段来了。

做产业AI的公司，团队里通常有两拨人：一拨懂AI，一拨懂行业。怎么把这两类人拧到一起？这是主持人吴畏抛出的问题，也是他自己「困扰很久」的问题。

孙知行的答案很诚实：两拨人还是分离的，但配合得很好。真正难的是找到「跨域的人」。他自己就是行业出身，论算法细节不如工程师，「但在这个赛道上，我是最懂算法的」。这两件事很难兼得，「我们也希望尽快找到多个我们这样的人」。

徐连云自认幸运。出发之前就把组织设计好了：CTO在大田智能化领域干了接近10年，对产业的理解不输资深农业人士，本身又是技术出身。所以产品1.0能快速交付给76000亩农场全面使用，靠的不是运气，是「对这个产业扎得很深」。

他还补了一招：请了一位有几十万农民粉丝的农业KOL，服务过2600个农户，100多万亩地，跟团队天天泡在一起开会讨论，「把有限的鸿沟慢慢填平」。

Sophie直接说，这个痛点就是她二次创业的原因。传统高壁垒行业里，AI人才和垂直领域的人之间永远有Gap，中间的衔接器通常只能是老板本人。她的解法是把「衔接器」做成产品，也就是最近很火的FDE：一个数字分身，既懂行业，又能把需求翻译成技术语言，还能快速出Demo。定价也很有意思，像雇员工一样按年付费，Token消耗按刊例价透明另算。

"她还说了一句让在场创业者会心一笑的话：「现在的普遍情况是，我的合伙人的身价要比我高。」技术负责人必须懂行业，这在今天已经不是加分项，是入场券。"

聊到最后发现，技术已经是普惠的，供应链全中国最强，市场也够大。真正的壁垒，是人才在产业里耕耘的深度。

回头看这三家公司，成功从传统建筑设计公司转型到城市和基建大行业的AI解决方案公司，靠的是三年半前就在行业里挖矿；76000亩农田里长出的模型，通用大模型替代不了；双盲验收敢写进合同，底气来自对行业的理解。

"AI落地的最后一公里，看起来是技术问题，走到底才发现，全是人的问题。你在的行业里，那个「最懂AI的行业人」出现了吗？"

更多对话细节

Speakers｜嘉宾

智筑云 创始人 孙知行

春耘智农 创始人&CEO 徐连云

Eureka.AI 创始人 Sophie Yang

Host ｜主持人

非凡产研创始人吴畏

自我介绍

吴畏：大家来个非常快的自我介绍，让大家了解一下我们在做的事情。

Sophie：大家好，我是Eureka.AI的创始人Sophie。Eureka.AI一句话来介绍的话，我们就是解决企业端——无论是大企业还是小企业，当然聚焦在SMB企业里边——端到端的AI落地最后1公里，结合了各种的场景和产品，包括大家所熟知的harness，最近很火的FDE，我们都把它做成了企业端高效可控可利用的企业端Agent应用。

徐连云：大家好，我是春耘智农的徐连云。中国的农业环境是小田并大田，规模化种植已经成为主流了，所以农业机器人，特别是以无人机为代表的农业机器人发展非常成熟。但是这个规模化的种植跟精细化的管理之间的矛盾越来越大，为什么呢？农田里只有农机智能化，在干活的时候缺乏了农情感知的眼睛、耳朵、鼻子和大脑去做农情管理。所以这个矛盾就很突出，我们就在这个领域去做纵深，提供Agent——就是种植行业的Agent，农业主粮、粮食种植，对接地气的经济作物。

孙知行：大家好，我是智筑云的创始人孙知行。我们主要专注在城市和基建大行业的AI解决方案。最早期我们是只做软件和模型本身的软性的东西，后面这一年到一年半之间，我们逐渐地从AI从软性的东西一直带到实际场景里面去解决问题，比如说设备、AIoT，包括聚深智能的硬件，帮他解决。而且有很多商业化的案例了。所以现在我们感受到大家对硬件和场景的需求是非常迫切的。我们现在逐渐从软和模型本身到实际场景的综合性解决方案的提供商，但是目前只是聚焦在城市和基建大行业。

第一个付费客户怎么来的？

吴畏：那我们接下来就进入到很具体的问题了。第一个问题：你们的第一客户是怎么来的？第一个付费客户是如何解决的？

孙知行：我可能比较幸运，我们是因为PMF了，所以才创业的，这是我第三家。先有了客户需求，然后才开始。可能因为有一些行业的基因，因为我们本身就是做这个行业的咨询的，前两家公司就在这个行业里头。我们是比较标准的在山洞里挖矿的工人，出来又造铲子，所以本身就挖矿在领工资，等于是有饭吃，出来以后换了一把铲子就吃得更好。

吴畏：你这个比喻比较多啊，具体而言是什么？

孙知行：具体而言，比如说像我们城市建设，第一个客户是最早的时候，三年前、三年半前我们就在用AI做设计了，那个时候GPT可能还没出来，蜜汁刚刚创业的时候，我们就在用它做设计了。这是国内较早实现从概念方案到落地交付运营，AI 深度参与全流程设计的千平单体建筑实践项目，配套完整落地验收体系，在成都世园会的一个1000方的一个小单体建筑。

吴畏：那你回顾下来，拿到第一个付费客户这个过程中，你觉得最重要的原因是什么？是客户本身乐于尝试，还是你们比较早就利用一些最新的技术，还是你过往的一些资源？

孙知行：这个就很有意思。最开始客户并不知道我们是用AI做的，我们也不敢说，因为三年半前那个时候大家的接受度，其实现在的接受度都还在培养当中，因此我们也没有可以说我们整个设计是通过AI辅助来完成的。因为做不过来了，也是我们作为尝试，那会忙不过来了，大模型能力也上来了，我们团队也对AI很感兴趣，那我们说我们让AI试一试吧。结果做了个概念方案，客户觉得不错，直接就签合同。

吴畏：挺有意思的，挺有意思。然后到目前，现在到我们后面推广到第二年的时候，客户才知道——成都世园会都已经结束了，他才知道这个建筑当初是用AI做的。

孙知行：对。

吴畏：那现在其实客户应该也不用去在意这个了？

孙知行：现在都是数字化转型的时代了，企业和客户，包括他的工作流和方法论，他很迫切地要拥抱这个事情。

吴畏：特别好。徐总，因为我们还比较熟悉，大概也知道。你还是跟大家讲讲第一个付费客户怎么来的。

徐连云：其实在我创业的时候，我就设计好了我的整个商业路径。事实上跑下来，目前基本上是沿着我的路径去走的。我的第一个策略是在我的样板市场打造一个种子用户，非常有代表性的种子用户，他有76000亩的农场，相当于两个乡镇的面积那么大。我们乡镇的面积7万亩，对，7万亩。所以我们在跟这个用户把我们的第一代产品给他打磨出来了，然后这个案例已经产生了。然后我就往周边的案例、周边的长尾的大户市场去切了。

第一，有案例可以影响他们，去现场看了我的案例。第二，我们在筛选的时候，他的场景跟他的规模，跟我们的画像非常匹配。第三个是他本人对于新技术新应用的热情会比其他的用户要高。基于这几个原因，当然还有就是政府在农业领域会有一些相应的政策来助力。这几个综合因素，促成了我们第一个真正的付费。

吴畏：所以其实第一个客户也是你相当于主动去选择的。

徐连云：主动，从不认识开始主动出击。花了大概一个多月时间，把它变成付费客户。

吴畏：那也很快啊，才一个月的时间。

徐连云：其实因为它的规模不大，它是一个一年几百万体量的一个种植大户，大概几千亩地。先拿了一部分地来做尝试。

吴畏：现在进行到一个什么程度了？交付快完成了吗？这个过程有时间很长吗？

徐连云：因为是刚刚开始，第一个付费用户去交付，大概用了20天的时间。因为它涉及到硬件的部署，除了大脑，它要有眼睛、耳朵、鼻子，硬件在农田做部署，所以花了一些时间成本。

吴畏：好的。我们一会再详细展开。Sophie，你的情况我也略微了解，这个问题不一定是特别有针对性，但也是想了解你最初说服客户来使用你们公司的产品，整个这个过程能不能稍微回溯一下？

Sophie：其实我核心的标签就是一个连续创业者。在1.0状态，在我创业之前，其实我跟我的合伙人是在昆仑万维，也就是刚才提到的2022年底、2023年，中国大模型刚刚开始，GPT刚刚开始的那个阶段。我们其实是联合去做商业化、去做落地，是中国最早一波在最前沿去做商业化落地的团队，所以我们把自己定义为是一个AI Native的团队。

回归到从我们创业的Day One开始，我跟合伙人达成了一个默契：我们团队的成员和我对客户的定位就要发生变化，因为你是在做AI的创业。之所以愿意出来去创业，从职业经理人做一个转变，创业的核心逻辑是在于我看好AI。我会觉得AGI那一天一定会到来，这当然是一个那个时候谈到的是个人信仰、技术信仰的问题。到现在发展来看，可能其实它已经逐步地在走向一个事实的道路的过程中。

刚才提到的PMF，我们临针起步的时候，其实我的客户就是我的种子客户，也是我的产品经理。在AI时代，我们会觉得并不是我攒一个产品，我足够的了解市场和行业赛道，我就可以有信心把这个市场规模给吃掉。因为可能你的竞争对手，比如说我们在营销场景领域，在先进制造业领域里边，可能真正后面AI的一些软件商，或者说一些服务商，它是一个跨界的应用动作。

所以从第一轮创业到现在第二轮创业，整体的状态都是客户推着我走。客户会跟我聊说，我现在有一个想法，通常到现在为止还是一号位，或者说业务口真实知道痛点的这样一个一号位，他会告诉我他对产品的想法是什么。这也是为什么我们在二次创业的时候，我们在想一个最近很火的概念叫FDE，这个是真实在尤其是B端企业客户真实的一个需求场景：你真的能够听得懂客户的需求痛点是什么，你要尊重客户真实的需求痛点，把它转变为产品，把它转化为AI的语言，让客户真的好用，让客户真的能够拿到百分之百端到端的触达，这个我觉得是非常重要的。

吴畏：所以就是在你的创业过程中，很多包括产品的推出，其实都是客户跟你算是一个共创的过程？

Sophie：对，一定是的。他把需求提出来，然后你去解决，后来发现这个东西是可以标准化、可以复制的，然后去服务更多客户。

吴畏：是这个路径吗？

Sophie：是的。这个中间其实有一个环节，就是我们其实不是定制化去帮客户做交付，我们很怕一个初创公司变成一个包人头包天的经营模式。但是在AI时代，首先大家都在Vibe Coding，最近有很多段子都在Vibe Coding。

吴畏：离不开。那正好挑战一下，你觉得FDE是另一种形式的定制解决方案，还是会有不一样？

Sophie：其实我觉得FDE最核心的定位，它就是一个人，它是一个数字分身。比如说在产业里边，在聊客户需求的时候，刚才二位老总也提到过，跟客户去聊，真正的落单时间最快，我们现在实际体感是一个月签约。签约之后的交付会是客户的需求场景的不同，需求场景壁垒越大，或者说产品要求更高，或者预算程度，有些交付可能都会长达半年到一年这样的一个状态。

这是我定义为企业端Agent化1.0的阶段。在2.0的阶段，其实我们需要更需要的是读懂客户场景的这样一个员工。这个员工可能在大厂，通常之前我们没有AI这个概念的时候，会有PDSA这个角色。PDSA是什么？既要懂售前，可以跟客户交流对话，同时他又懂产品的逻辑语言，会把他挖掘到的解决方案的需求，产品化的传递到内部的Solution解决方案的团队里去做衔接。

在过去，销售的价值和产品的价值会大于PDSA的价值。但是在AI时代，PDSA一个人其实胜任是有2到3个人这样职能的属性。首先它可以丝滑地把需求直接过渡到前后端做衔接，然后产品的语言又可以丝滑地让Vibe Coding转换成代码语言，甚至于它可以基于跟客户聊的东西，很快地有个Demo出来，看看是不是客户要的东西，因为客户现在也很心急。

吴畏：那FDE应该怎么去定价？或者你们是怎么去定价的？

Sophie：我们现在是以标准化的软件去做定价的，每年你雇佣这个FDE的员工多少钱。然后Token是额外付费的，你要用好用的Token，每天都在消耗，都在跟你的SDE去交流，这些所有的流量消耗费用是公开透明的，就是刊例价。

吴畏：所以人这个部分也是按类似于年还是也会回到以前的人天的方式？

Sophie：如果他对人有需求的话。其实FDE只是一部分，我们会把FDE定义为一个入口，这个入口是企业所有需求的入口，都会通过FDE的Agent去做过滤。您可以想象一下，如果企业真的要用一个AI的Agent软件产品，他一定要经历过AI Consulting的一个咨询，他一定要聊他的痛点、聊他的场景、他要什么。企业主或者说客户，有可能他表述的不是那么清晰，或者说他没法转换成AI能听得懂的语言。

那么FDE的第一层作用是我可以过滤需求，我可以清晰地分辨企业主的需求是什么。第二层过滤语言其实是它去排列组合，把市面上或者说我们的Skill广场上面好用的Skills去排列组合给到他。甚至我的FDE其实更清晰的，用户感知的是一个Agent，但是在底层，它会有一个一个的Skill广场。再往底层，它其实是由我们自研的一套Harness的系统，去做整体的排列组合。所以最后FDE其实会给他一个Consulting的解决方案。

吴畏：这个听上去好像是用Agent来实现，并不是人来？

Sophie：是的，是Agent化的。它是完全数字化、AI化的一个流程。

AI在行业里是怎么落地的？

吴畏：徐总，两位其实做的都是感觉比较难啃的骨头，但是又是很重要的。毕竟我们也做了很多实践，市场从两位的角度去看一下，就是说你们在服务你们这个领域的客户里面，AI在其中所起到的作用。包括这个过程中可能会有幻觉的问题，准确性不高的问题，安全的问题，责任的问题，各方面的问题。在这个过程中你们是怎么解决，最终让客户愿意说"好，我可以去用这个东西"。包括可能纯软件不是一个唯一的解决方案，你可能要匹配上硬件。能不能就你们所在的这个行业讲一讲AI是怎么落地的？

徐连云：首先，大脑再聪明，如果眼睛、耳朵、鼻子灵敏度不够的话，决策也会出问题。所以第一个我们是在硬件的生态整合的时候，因为我们专注于做大脑的能力建设，整合硬件生态，所以我们对厂商的要求比较高。选择的这些厂商是做硬件的厂商，对传感器的，包括巡田无人机的，大疆的等等，包括全丰这些，我们会有很高的要求，我们自己的标准去筛选供应商。这是第一个，得确保这个感知能力的准确性。

第二个是我们的模型是从地里长出来的，并不是实验室里出来的。因为我们第一个种子用户76000亩，它是非常有代表性的一个场景，他们的农技员，几十年的农技员跟我们一起把这个模型建起来的。这些东西其实是通用模型没有的，它就是基于地块跟品种的差异长出来的模型，才是真正有指导价值的。而不是所谓的通用行业大模型，哪怕是农业通用大模型也解决不了这个痛点的问题，必须基于地块跟品种有本地化差异。所以我们这个模型提升出来之后的准确度就非常的高，对于周边的同样地块跟同样品种的用户，就可以产生很强的指导价值，就可以去做市场化的销售。

吴畏：这个过程中，更多的是把这样一套垂直领域的农业种植的模型，跟这些传感器、无人机打包在一起，一个解决方案的方式去交付？

徐连云：是软硬件一起交付的，只不过硬件我是整合的。

吴畏：那这个软硬件当中怎么去结合这些数据采集？

徐连云：这也是一个很脏很累的活。我们不做硬件核心的原因在于说，我要保持我的中立性，我开放式的，选择最好的硬件公司合作。如果我选择做了硬件，可能有很多优秀的硬件公司，数据我就没有办法介入，我就只能做一个小脑，而不能做一个真正的农田超级大脑，要保证数据的充分的融合性。

吴畏：这也是我们的一个战略定位。所以硬件厂商相当于要给你们开放这些接口、数据？

徐连云：对，而且你是可以选择的，你可以选择A，我选择最好的硬件来跟我合作，比如说性价比高的，在农田里它经得起风吹日晒，质量要稳定的，在全国要有强大的售后服务本地化体系的，等等综合因素来筛选这些供应商。

吴畏：你们这个提供的价值，客户一般来说他会怎么去衡量？

徐连云：首先，规模化的农田有几个痛点。第一，农场主没有办法及时准确地知道那么大个地有什么病、虫、水情、墒情、苗情、草情，他没有办法准确及时发现。以前可能就是人去检查，而且人不可靠，没有监管手段。

第二个就是现在的新农人，很多人种地的经验其实并不是很专业的，靠感觉去种田，他们非常需要带有权威性的模型来对他们形成指导，辅助他决策。

第三个是农田做规模化作业的时候，农机作业的质量，比如说拖拉机的速度、耕地的深度，对于农场主是没有办法掌握的，包括无人机打药的高度、风速——

吴畏：这些东西是不是也没有一个所谓的标准手册？

徐连云：对，所以需要监管。我们的智能体把各个作业型的硬件数据也接进来了，所有的数据进来之后，作业质量标准又是在大模型里面的，它就会自动去识别这是一次高质量的作业，还是一次有问题的作业，就会形成提示来辅助。

吴畏：所以客户会认为，用了你的这套解决方案以后，他的农业种植更省心、更放心、更安全、更标准？

徐连云：对，而且融资成本会下降。最终呈现出来的带来的结果，人力成本会下降，融资成本会下降，如果同样的气候条件下，它的产量会提升。他心里一定会有一本账。所以我们的商业模式也是订阅式的，但是这个结果需要一段时间后验证。人力成本他只要用上产品就可以感受到了，产量要到一季下来大概要四五个月的时间。

吴畏：有没有一些数据可以分享的？降本增效。

徐连云：有些可以分享。每年创造的效益增量接近2000万，就省人力成本、农资成本和产量。只是一季，一个种植季。它是两季，一年两季。

吴畏：我也发现了，隔行如隔山，就像我这个主持，对农业一无所知。所以你这个比喻相当于一个人每年做体检，跟你从来不做体检，健康状况从概率上肯定会要好很多。

徐连云：是的。

吴畏：到了建筑这个行业。孙总，在这个领域里面，有什么东西是你觉得可能现在还没有那么好解决，你需要通过一些别的方式更好地让客户觉得这个东西是有价值的？

孙知行：我觉得我们这个行业，关于城市和基建这些场景，大的、跟空间场景相关的、跟工程场景相关的，我感觉离真正的数字化和智慧化还很远，就是很空白。在有些专家看来可能挺智慧化了，但是我们觉得离真正的AI Agent还很远。尤其是硬件，原来都是传统的硬件和传感器，并没有把真正AI多模态Agent的能力和模型之间串联起来，没有这样一个很成功的从前端到模型到认知识别能力再到AIoT整个串联起来的。至少有一些降本增效的，大家都在表演。我们这行业可能还是比较传统落后，看起来很多很先进的公司做了很先进的事情，但其实都是表演性质的。

所以真正的现在要到达降本增效和解决问题的时候，要到能打的时候，难度卡点在真正的指标化验收。就是得达到什么价值、解决什么问题才能达到标准，而不是只是表演一下就结束。

吴畏：具体在您这个领域的核心业务，比如说我们最近做的业务有几类：各种安全隐患的识别，企业级的垂类的本地化部署的智脑的部署，专业场景的Agent的部署，然后再加上现场还有一些硬件设施。我们最近有科研课题，是要奔着极地环境和地外工程去做智慧建造。这些东西，我们要在实验室里面进行非常专业的指标化验收，就是要测试的、测试验收的。很多以前表演的解决方案，都没有经过这种很硬的、很严苛的指标的测试验收。

孙知行：我们是不验收、不达标，不进行下一阶段的，甚至是不触发付款流程的。所以我们是提供的解决方案，只要交付了，就是经过严刑拷打。我们跟甲乙双方进行双方认定的验收指标，而且是双盲测试，这里面没有任何感情色彩。我们也不能对这个进行二次的说一，甲方也不能对这个说一。双方在这个合同展开之前就已经把验收标准和验收流程、验收手续全部都已经固化。

吴畏：感觉这个原本可能需要一个第三方，但是你这个验收也可以直接做实验？

孙知行：对，我们既然打造了一套工具和解决方案，那就得经得起严刑拷打，经得起双方当时认定的，比如说识别率、隐患率，解决问题的流转，包括工单最后怎么样去流转，整个嵌入到他的工作流程里面。降本增效，到底是增了多少效、降了多少本，大家使用频率到底要量化掉，并且作为合同附件，也好变成依据，将来进行验收。这个是合作开始就要确定，合作在合同里也要体现，最终在付款节点要去评估。

吴畏：现在这种级别的项目大概周期有多长？

孙知行：有的短，有的是4个月，有的长，有的是半年，但基本上不会超过半年。

吴畏：超半年？

孙知行：不会超半年。

组织与人才：怎么把两类人拧在一起？

吴畏：先问两位其实是跟组织跟人才有关的。我们既可以说是产业里面去做AI赋能的公司，也可以说是AI公司里面聚焦在特定产业的。我相信两位公司里面可能都会有两种人才：一种人才是AI人才、计算机人才；另外一类人才可能是从产业里来的，比如说原来就是在这个行业的，原来就是搞建筑设计，原来就是搞农业的。怎么把这两类人扭在一起？还是说我们尽量让A变成B，具备B的能力，还是让B具备A的能力？这是困扰我的一个问题。就像我如果进到你们这里面，我发现对这些行业都一点都不了解，感觉我也做不了什么。这也是困扰我很久的问题，我也很想找到另一个我来继续去复制。

你们现在团队里面我说的这两类人，可能还是分离的？

孙知行：还是分离的。就是对行业Know-how的垂直非常专业的认知，和对计算机、模型训练和AI Native的这种原生能力，这两波团队还是比较分离的。

吴畏：会相互打架吗？

孙知行：不会打架，他们很好的配合和融合。要找到一个像我们这样子确实不容易，我们也希望尽快找到多个我们这样的人。融合跨域，两边都很垂直。有可能老板能做到，但是——对，就是有可能比如说像我，我有可能对AI具体的一些训练的细节没有算法工程师那么深入，因为我是行业出身。但是我在这个赛道上我是最懂算法的，就是最懂算法的。这两件事情是很难兼得的。

吴畏：徐总，你们自己是怎么看的？

徐连云：我还蛮幸运的。创业需要很多因素，当我决定出发的时候，我已经做好了组织的设计工作。我的联创、我的CTO，在这个大田的智能化的领域有接近10年的工作经验。他对这个产业的理解不输于很多资深的农业人士，而且他又是一个技术背景出身，很难得。

第二个是我们的产研的核心团队，在这个赛道也有了8年以上的沉淀。所以不存在AI跟农业之间的代沟，在我们企业不存在。所以我们可以用那么快的速度把产品1.0交付给76000亩的农场全面使用，是因为我们对这个产业扎得很深。扎得很深，这是第一个。我们在选择上大于努力，指望后面去训练什么，可能赛道都已经凉了。

吴畏：现在这个行业变化这么快，发展速度这么快，这是第一个。

徐连云：第二个是我们聘请了一个KOL大V，有几十万的农民粉丝，他服务了100多万的用户。他对农业的知识的扎实的积累是非常的有权威性的。跟我们的团队密集地在一起干，一起开会，一起讨论，大家把其中有限的这些鸿沟，再把它慢慢地填平。这是我们的策略跟路径。

吴畏：所以一个就是最好你的人才已经是Ready了，他最好已经是在这个产业里面深耕过，同时也是懂技术做技术的，这也可能是一个很好的基础。其次的话，可以通过一些更好的流量、渠道、网红，迅速地进入这个市场。

徐连云：是的，就是在做设计的时候就要这样去刻意设计。

吴畏：我不问产业化太深的问题了，问你最后一个问题。Sophie，你这块也是在做这个部分的工作。比如说现在也有FDE，也有大模型做ToB业务的，可能也会有一些大厂的介入。在这个领域里面，创业公司怎么样去跟这种大厂做PK？

Sophie：其实我还想回应一下刚才你那个问题，因为我觉得您那个问题就是我为什么要二次创业的原因。比如说现在公司的一号位都深深有一个痛点，就是尤其是传统的壁垒高的行业里边，像二位老板就会很苦恼，说我的组织架构里的人才，AI人才和我自己的产研团队，就是产研和我垂直领域里边的人，其实还是有Gap。中间的衔接器，现在通常调研下来都是企业老板，就是都是二位，或者说您的合伙人。

我们其实在服务我们，就是在1.0创业的时候，很多客户都有这样的痛点。你会发现你在现在状态，你去跟一号位聊没有问题，但是所有的项目在下沉到后面执行的时候，两个部门还是多少会有一些认知的Gap，大家的状态和专业度是不一样的。

FDE其实不是一个简单的售前咨询师，我们要求它的是既要有行业的理解，同时又可以把它翻译成技术语言，这个要求是很难的。这也是业内为什么Google什么大家都在聊的这个概念，在全球化比较火热的一个概念。

回归到刚才徐总提到的一个组织架构，我深有感触。真实的情况是，你的合伙人就是——我觉得有一个干货是，你的合伙人一定是要懂行业的。首先这个技术的负责人，他要懂行业，这是创业团队里很幸运的事情。所以现在的普遍情况是我的合伙人的身价要比我高，就是这种状态。

我觉得在组织搭建上面，第一是合伙人CTO的价值，第二是我们现在给CTO有各种的KPI的要求，比如说他既要带领产品，他既要懂客户需求，而且他还要公开露出打IP。

吴畏：所以我感觉到，确实人才真的是现在AI企业的第一生产力。人才密度，如果下到具体去做产业服务的，可能就是这个人才在产业上耕耘的深度，可能成为最高的壁垒。而其他的东西可能技术都是普惠的，供应链全中国也很强，市场也很大，海外市场也很大，所以有很多的机会。