“AI原生100”是虎嗅科技团队推出的专门针对AI原生创新的栏目，而本文则是该系列中的第10篇作品。

人类从未停止过与癌症、阿尔兹海默症、艾滋病等疾病等抗争。

然而，由于新药研发的脚步缓慢，这场与疾病斗争的历史一直未能迎来质的飞跃。但是，以生成式人工智能技术为核心的大规模模型的出现，正在从根本层面推动这一进程的转变。

夕阳的第一缕光芒洒进了会议室的玻璃窗，此时，与C12的创始人兼CEO陈志刚的交谈已经持续了两个半小时。我们此次对话的地点——生研湾，正是众多新药研发的摇篮。陈志刚正致力于研发一款适用于实验室环境的通用机器人，这款机器人首先将应用于新药的研发领域，未来还将拓展至新材料、化工等多个场景。

他的眼镜镜片上闪烁着光芒——那是一种比窗外的日光还要锐利的亮光，此刻，全球药物研发领域正迎来创新的高潮，人工智能技术成为了这场创新浪潮中的关键推动力，这种能力，相较于十年前，已经变得更加强大和充沛。

2022年，陈志刚创立了公司C12，该公司致力于将AI Agent在垂直领域的应用与具身智能技术相融合，以期打破湿实验在效率上的限制。此类实验通常涉及生物样本、化学物质或其他液态材料的操作与处理，往往需要特定的实验室环境，例如无菌条件以及温度控制等。

在一年多以前，他作出了一个抉择，将机器人的应用范围限定在“纯化”这一环节，而非湿实验的整个流程——这一步骤正是客户最为困扰且最乐意支付费用的核心所在。往前追溯一些，他选择了拓展硬件领域，将原本的AI Agent设计实验转变为打造一台能够执行完整工作流程的机器人。客户指出，实验设计仅满足了7%的需求，科研人员剩余的70%时间都在从事繁重的工作，他期望通过Agent来解决这个问题。总的来说，所有的决策都源自客户的意见。

若将上一轮的AI技术视为对药物研发的锦上添花之举，那么此次由大型模型推动的生成式AI革命，或许正悄然重塑着人类与疾病竞赛的时间准则。

在交谈过程中，制药行业正经历着一场规模庞大的资金涌动。仅在过去的一个月里，就有近100亿美元的资本集中流入AI制药领域。众多跨国制药巨头，如诺和诺德、礼来、阿斯利康等，已与AI企业建立了超过20项重大合作关系。这一现象无疑是一个显著的标志。

Evaluate Pharma这家第三方调研机构发布的预测显示，预计到2030年，全球的处方药市场规模将达到1.756万亿美元，而人工智能在制药领域的应用将扮演至关重要的推动角色。

在传统观念中，新药的研发与上市是一条漫长且充满风险的征途：从研发的初始阶段直至产品最终投放市场，往往需要超过10年的时间，而在这期间，每累积100层楼高的成就，却要经历9次失败，成功比例仅有不到10%。

目前，AI技术正为这一进程带来全新的机遇：它能够加快化合物筛选的步伐，改进临床试验的规划，以及协助数据解析，从而使得新药研发的周期有望减少30%-50%，某些环节的效率提升尤为明显，这在一定程度上减少了研发所需的时间成本和不确定性。

陈志刚要做的，是把“发令枪”再往前挪几格。

在药物研发的常规流程中，从靶点确认到临床试验前的阶段，一百名身穿白大褂的科研人员需在通风橱前反复进行数千次液体转移操作，累积超过一百万小时的辛勤工作——这相当于114名工作人员连续工作十年，耗费高达3亿美元成为常态，这样的数字曾让众多中小型制药企业不堪重负。

大模型问世，犹如一道明亮的射灯瞬间照亮了黑暗的隧道，陈志刚表示：“这标志着大模型已经为我们的研究奠定了坚实的基础。”

在部分试点领域，初步的实验结果表明，此方法有望大幅提高生产效率，同时大幅降低成本，为实验室的研究开发提供了全新的机遇。

陈志刚的双手曾主导了药明康德的数字化变革，他担任过药明康德的高级副总裁兼首席数字官，还在腾讯医疗大数据实验室构建了基础架构，并在阿里健康一职上担任总架构师。陈志刚表示，他的职业生涯恰好连贯了从药品研发到上市销售的全过程。

陈志刚在对话中大多数时间都表现得如同精密运作的机器，逻辑思维严密无缝。他的情绪波动极难从面部表情中察觉，即便谈及公司初创时期所经历的曲折道路，以及创业初期所遭遇的困境，他的语气依旧保持平稳，仿佛在讲述他人的故事；至于从职业经理人转变为创业者的身份转变，他也只是轻描带过。

陈志刚为公司的未来发展制定了详尽的规划，确保每一步都按部就班。在A轮融资前，他着重于完善产品和运维工作，确保客户能够切实体验到产品带来的实际价值。

瞄准实验室的效率瓶颈

虎嗅：为何选择在2022年创立这家公司？毕竟，您在药明康德已经取得了相当不错的成就。

陈志刚提到，这个起源实际上源自两个层面：首先，我在担任合同研究组织（即CRO）一职期间，频繁前往实验室；其次，我们从事的工作与业务紧密相连，目的是利用数字化和智能化技术来助力业务团队提高工作效率和生产能力。

科研工作者实则承受着极大的辛劳，他们每日工作八小时，其中六至七小时几乎都在实验室度过，要么进行实验，要么穿梭于各式设备和不同工作区域之间。当面临繁重的工作任务时，他们还需额外加班。从实验室工作效率的角度来看，其中存在诸多提升和改进的余地，而效率的提升尤其需要借助技术创新。

第二件事，数年前，我有幸与众多经验丰富的行业领导者就医药研发外包服务的未来发展进行深入交流，他们指出：该领域的实质对手将是未来可能出现的新型生物。鉴于这两点，我开始思考未来实验室应如何突破效率的制约。

首先，目的并非仅仅让人超越自身极限，而是借助创新技术来达到这一目标；其次，我认为应当利用新技术来取代人类从事那些繁重和肮脏的工作，实现人与机器人在智能和操作层面的深度融合。

该领域面临众多困难，众多疾病目前尚无特效药物，若能在实验室等场所提升工作效率，那么个人在有限的时间和精力内，便能更深入地探索未知领域，有望发现更优的药物或材料，这正是我投身创业的初衷所在。

虎嗅评论：2022年，实际上已经涌现出诸如晶泰、英矽智能等多家AI制药企业，它们正致力于AI制药技术的研发。那么，这些企业是否会成为未来C12领域的潜在竞争对手呢？

陈志刚：我们和他们其实专注于药物研发的不同环节。

晶泰、英矽智能等企业，它们主要运用人工智能技术进行药物分子的设计工作，通过计算手段对候选分子进行设计和筛选，这一过程在药物研发中占据着至关重要的地位。

我们关注的重点在于湿实验的验证步骤。一旦AI设计出具有潜力的分子，便需在实验室中进行实际的合成与确认，而这正是我们利用机器人来完成的工作。

因此，我们可以认为，在产业链的不同环节，我们各自占据着独特的地位，凭借各自的专业特长，相互之间形成了相互补充的态势。

虎嗅：在上一轮AI算法的应用中，药物研发领域面临的问题是否得到了解决？而此次引入的大模型，又为这一领域带来了哪些前所未有的机遇？

陈志刚指出，新型生成式模型在药物分子设计领域扮演着至关重要的角色。借助大语言模型，决策过程得以加速，当拥有较为成熟的基础模型时，针对各类应用场景进行微调，所需的数据量、成本和时间相较于以往均有所减少。

过去，每个行业领域都有其特定的模式，以建筑行业为例，从前人们建造房屋都是从海平面起步，若建筑高度达到100米，那么这100米的建筑都需自行完成。而如今，基础部分实际上已经完成了50米，你只需继续建造剩余的50米即可。

虎嗅：在决定创业之后，做的第一件事情是什么？

陈志刚提到，我们的项目涉及融资和团队建设。在疫情肆虐的特殊时期，我们恰好着手此事，期间遭遇了不少困难。然而，在那个时期，行业内一些专注于传统自动化和实验室自动化的企业实现了显著增长，这无疑为我们注入了强大的动力。

若湿实验的操作能够如同计算般地实现更高的灵活性，那么它不仅对供应链管理，亦将对生产力的提升带来显著的进展。

虎嗅提问：在寻求投资等环节中，投资者是否会更加重视公司身份的界定？例如，他们是否将C12视为一家机器人企业？抑或是AI在科学领域应用于药物研发的公司？那么，您又是如何定义贵公司的呢？

陈志刚表示，每位投资者都有自己的独特视角。就我们从事的垂直领域Agent与硬件结合的业务而言，对投资者来说，无疑存在一定的挑战性。

在有些情况下，当我们遇到某些投资机构时，他们可能会与我们谈论人工智能，而我们发现自己对这个领域并不熟悉。于是，他们便召唤来专门投资生物医药的人士，但这些专业人士又觉得我们所讨论的管线逻辑与他们的日常所见有所不同。

C12的机器人产品LabBot

我觉得本质上，它其实是AI+机器人的产品。

刚开始大家可能感到困惑，这是很自然的现象。随着新型AI和机器人技术的不断发展，大家将逐步构建起方法论和框架，越来越多的投资机构也将逐渐理解其中的逻辑，这一过程是需要时间的。

医药行业的钉子挺多也挺硬，最终解决客户的问题才能够创造价值

虎嗅提问：您在药明康德、阿里健康、腾讯等企业从事医疗健康与科技融合的相关工作，这样的不同背景经历是否对您产生了独特的触动？这些触动是否会在您的创业事业中有所体现？

陈志刚表示，这种影响实际上持续存在，并且持续发展。在他任职于阿里巴巴期间，每当“双十一”的夜晚，公司总部各业务部门都会展示一个大屏幕。这个大屏幕上显示着两条曲线，其中一条代表预期中的业务板块的商品交易总额（GMV）数据，另一条则展示了实际GMV成交的具体数字。

经常能察觉到数字间起初存在偏差，尤其当实际GMV低于预估数值时，便会迅速采纳营销手段，旨在提升GMV。经过一段时间的调整，效果显著——实际走势逐步与预期曲线靠拢，最终甚至可能超过预期。

我确实有所收获，了解到其中蕴含的宝贵知识。在产品真正投入使用的过程中，运营工作不可或缺。

首先，唯有通过运营，客户方能真正掌握并有效运用产品。新购得的产品，客户未必能立刻全面掌握，更未必能立即完全发挥其价值；其次，产品与业务场景的匹配度需经过不断调整，即便事先分析得当，实际应用中也可能出现偏差；再者，应用场景持续演变，产品亦需迅速更新、迅速适应新需求。

药明康德旗下拥有一家至关重要的业务单元，该单元的核心生产设施为制药反应釜。彼时，该业务单元的订单量极为庞大，尽管反应釜的数量相当可观，然而，在巨大的需求与供给之间，仍存在着不小的匹配难题。

在整个工作流程中，我们运用算法技术将信息流串联起来。过去，这些工作由人工负责，决定每个项目放置的生产位置、启动和结束时间等，而现在，这一任务已交由算法自动完成。

我们开发了一款旨在匹配需求与供给的智能AI产品，并指导业务团队运用该产品来应对各类挑战。在使用过程中，他们不断提出新的需求。随着业务需求的演变，其业务逻辑亦随之调整，并涌现出新的策略。为此，我们将这些新需求与变化不断融入产品更新中。

在这个过程中，我们采取的方法论是：首先，针对应用场景中的问题进行解决，进而开发出技术和产品；接着，将这些产品带回到应用场景中接受检验；随后，持续进行优化和改进；最终，使其真正发挥出应有的价值。

我们必须确保既能深入理解，又能有效输出。深入理解意味着要透彻把握问题本质，确保回答能够有效解决它；有效输出则要求具备产品意识，能够实现标准化，从而降低研发与运维的成本。

虎嗅：这些方法论是如何形成的？和你之前的职业经历相关吗？

陈志刚提到，过去有些互联网企业的代表外出洽谈合作时，仿佛自带光环。他们就像手持锤子的人，四处寻找钉子。虽然这种方法在某些领域或许能带来一定的成就，但在医疗健康领域，钉子众多且坚硬，并非轻易就能敲入。

我认为该行业涉及的专业性、复杂度以及严格的监管机制都需要我们进行透彻的认识，应当运用互联网的技术、算法以及思维方式，来针对性地解决问题。这并不意味着我仅仅掌握了互联网的算法，就好比手里拿着一把锤子，遇到钉子就敲打，而周围还有许多钉子，仅仅敲打一个是不够的。

我认为这代表了一种至关重要的观念转变，只有真正解决了客户的问题，才能实现价值的创造；而价值的实现，又是产品得以广泛应用的先决条件；唯有如此，商业活动才能算得上真正成功。

虎嗅：在制药行业的任职经历与在互联网企业的任职经历，二者之间是否存在某些显著的差异？

陈志刚表示，他在阿里和腾讯的任职期间，主要专注于AI与互联网医疗领域。在这段职业生涯中，他更多地参与了医疗健康领域的下游业务。经过一段时间的实践，他对整个医疗健康产业产生了浓厚的兴趣，因此决定尝试涉足医疗健康领域的上游业务。

实际上，众多疾病并非仅关乎效率问题，往往在于疾病本身缺乏有效的治疗方法，即患者的基本需求尚未得到满足。因此，我打算探究产品研发环节的难点所在，并着手解决这些问题。

我偶尔会开个玩笑，说回国后我的职业发展轨迹将是药品研发与生产的全过程，但我的路径是逆向的，是从产业链的下游往上游推进。

虎嗅：在这三年的过程中，有没有一些感觉特难的时候？

陈志刚表示，确实如此。他认为自己在努力适应新的岗位，而实际上，更为关键的是外部环境的巨大转变，这种变化对众多企业构成了不小的挑战。

这种考验构成了一个基本标准，每个人在成长道路上都不可避免地会遇到。在应对这一挑战的过程中，我们需要思考如何更高效地剖析并适应新环境带来的挑战，同时探究是否能够迅速地制定应对策略，以提升产品的质量。面对那些难题，我倾向于从发展的角度去看待，实际上，这种困难是普遍存在的。

虎嗅：对于创始团队，有什么样的考量？

陈志刚表示，这整个过程难以断言一开始所有要素都已完备。这其中涉及到资源的调配和实际操作的挑战。我常常觉得，这类事情往往顺其自然。首先，需要明确方向，确定需要寻找的人才类型。接着，再来考虑其能力，是否能够胜任相关工作。再者，在整个过程中，还需不断进行调整与优化。

虎嗅：我们如何评估能力与岗位的契合度，以及团队之间的协调性？在初创团队的核心成员中，每个成员分别承担着哪些具体职责？

陈志刚表示，目前我们的团队规模不大，因此分工并不细致。在人员尝试方面，我认为主要分为两种情况：一是针对之前已有所了解的人选，这有助于降低试错率；二是即便对某人有所了解，但鉴于环境变迁、事件各异、压力不同，其反应和表现亦会有所不同。因此，我认为无需过度深思熟虑，招募人才是成功的关键因素，其重要性占到了40%，而更多的则是团队间的相互适应，这一过程占据了60%。

从全流程到单点突破

虎嗅：第一款产品是什么时候出来？

陈志刚提到，我们团队在AI agent领域取得了一些成果，为客户解决了众多棘手问题。其中，我们最早研发的一个核心AI agent，专注于药物分子的路径规划。在新药研发过程中，会不断出现全新的分子结构，这些分子是前所未有的。如何合成这些分子，如何构建其结构，这对整个行业来说既是关键也是一大挑战。

虎嗅：所以第一代产品从没有加入硬件。

陈志刚表示：并无其他。首个产品可视作一次设计尝试，而随后的工作则是借助机器人来完成。

虎嗅：但是那个时候已经有客户了。

陈志刚：对。

虎嗅报道，自从推出首款AI Agent之后，它已经具备了盈利的能力，因为其商业模式已经成熟并得以验证。那么，为何还要投资于成本高昂的硬件产品开发呢？

陈志刚表示，客户们认为实验设计方面的反馈非常有益，然而它仅解决了7%的问题，并且取代了不到10%的人工劳动。目前，科研人员仍有70%的时间在实验室从事繁重的工作，他希望能协助完成这项任务。

虎嗅：这样的产品未来可以泛化在别的场景？

陈志刚：我们不仅仅看医药研发，也会看新材料，也会看化工。

虎嗅：这个是一开始就这么规划的,还是经过一些迭代才有的？

陈志刚表示，实际上，是客户主动联系了我们。我们曾发布过一些视频，并未进行任何商业化的宣传推广。在微信视频号上，我们早期发布的视频播放量达到了七十万次。

这实际上反映了整个行业对这一领域的迫切需求。众多客户纷纷前来寻求合作，他们认为这项技术具有极高的价值和广阔的发展前景，并希望共同开展相关工作，其中不仅限于药物的研究与开发。

虎嗅提问：在进行模型训练与硬件设备配置的过程中，您会如何合理安排精力的分配？这两项任务均属挑战性强的“难题”，硬件设备应达到何种水平？如何权衡二者的重要性？

陈志刚表示，关于此事的界定，我们实际上进行了深入的思考。一旦某个需求非常清晰并且市场潜力巨大，一般都会引起设备制造商的注意。

若尚无完善的解决策略，或许面临技术难题、经济成本考量以及市场机遇的把握等问题。

当硬件需求变得复杂时，我们一般会对解决方案的设计理念进行重新考量，探究是否存在更为简明且高效的实施途径。

虎嗅：你从一开始就没有想要往人形方面做？

陈志刚：人形与否对我们没有那么重要，我们最关心是双臂协同。

虎嗅：在研发阶段，我们是如何提炼出这些流程与工作流，并最终借助AI系统实现全过程的封闭管理？

陈志刚表示，这一切都是我们与客户共同完成的。正如在药明康德，我们会深入理解整个工作流程，并进行大量分析。我们依照工作流程的顺序，从项目执行的角度将其划分为几个阶段，并思考每个步骤中机器和人分别需要完成哪些任务，同时还会评估每个步骤的投资回报率（ROI）。

虎嗅提问：当前的大规模模型存在幻觉问题，而通用机器人与真实世界的互动数据不足，这限制了其商业化应用。同时，这种现象可能降低决策的准确性。在药物研发这类对精度、准确性和稳定性要求极高的领域，你们是如何应对这一挑战的呢？

陈志刚指出，处理幻觉问题，首先应将复杂问题分解为若干简单部分，以此缩小幻觉发生的可能区域。其次，必须确保与现实保持一致，即实现与现实论证的对接，找到可被现实证实的依据。

目前，我们采用的是一种通用型机器人模式，该模式在系统中扮演着核心角色，能够将众多不同领域的专业设备串联起来。此外，我们还在这些通用机器人上增添了定制化的手指。

由于操作不同设备需配备不同类型的机器人手指，我们将研制多种设备并对其做简易适配。在这种条件下，我们得以突破先前All-in-one系统所受的高度定制化技术限制，从而提供更为灵活且成本更低的实验室自动化解决方案。

起初，我们的设想仅限于医药研发实验室的广泛应用，并未将目光投向其他行业领域。

但是这里面有一个底层逻辑，就是所谓的叫做涌现的机会。

实际上，我们采用的是通用机器人与各类设备进行对接，这一做法在众多行业中也普遍存在。在医药研发领域，我们采取的模式同样适用于其他行业。

其次，众人普遍意识到，以往针对特定需求的硬件产品在研发周期和资金投入上存在显著的高昂，其成本是软件产品的四至五倍。大家持续在思考，是否有可能找到一种通用的解决方案，该方案无需极高的通量要求，却需具备广泛的适用性和灵活性。

第三，得益于机器人生态的迅猛发展，它已广泛受到公众关注，使得大众对其有了更深的理解和接纳；同时，其成本持续下降，功能也在不断增强。在封闭的定制化系统中，成本和迭代周期等不再是优势，反而可能成为负担；然而，在开放的生态系统中，这些因素将转变为优势，对于创业公司而言，关键在于能否稳固其竞争优势。

虎嗅：对你们来说这个ROI怎么量化？

陈志刚指出，从这一视角来看，我们的身份实际上是一家机器人企业，这一点与传统的All-in-one自动化系统存在本质的不同。

首先，我们依照工作流程进行。实际上，工作流程可以视作机器人的技能组合。若机器人能执行的任务增多，其租赁价格相应也会提高；反之，若能执行的任务较少，其租赁费用则会相对较低。

我们的机器人未来将采取租赁与销售相结合的商业模式。众多客户表示，机器人的更新换代速度过快，他们更倾向于使用最新的产品。同时，部分客户对于机器人能否真正解决问题存在疑虑。从客户的角度来看，这些是他们普遍的需求。

从我们的立场来看，首先，这种模式实际上是以成果为报酬的；其次，由于其中包含硬件因素，因此吸引客户所需的成本和时间都将大大减少。

虎嗅：这个怎么理解？

陈志刚指出，一般而言，传统的All-in-One自动化系统初始投资额动辄数百万元，甚至高达上千万元，这属于资本性支出。此类决策的成本和周期都相对较高。在大型企业中，这类决策通常需要多个部门的参与，并且涉及到十余位负责人的共同决策。

相较于其他模式，租赁方式被视为运营费用的一部分，其审批过程所需时间往往仅为资本支出的一半。租赁设备的费用通常仅为购置成本的二十分之一至十五分之一，这显著减少了试验和错误所带来的成本，同时也便于迅速检验新技术的实用效果。

虎嗅：在未来的商业模式中，我们是否将有所偏重？目前是否某一业务领域的收入表现更为突出？

陈志刚表示，目前我们既在销售产品，也在探索租赁模式，同时提供软件订阅服务，这些方式都受到市场的欢迎。我们将积极推广各种销售渠道，但我们的主要关注点将放在租赁转售业务上。在与众多客户交流的过程中，我们了解到市场需求的具体情况。在客户进行产品试用后，我们能够收集到初步的数据，这有助于我们更顺畅地推进采购流程。

虎嗅：还没有比较统一的定价？

陈志刚表示，将严格按照客户所期望的价格进行操作，这正是市场所确定的价格。在按成果支付费用的角度来看，不同情境下对于成果费用的界定各不相同。

我们已掌握数种算法，并会通过和客户的交流，持续优化这些算法，在商业合作的各个环节中不断进行更新迭代。

虎嗅提问：若以现在的视角回顾2022年的创业起点，有哪些决策在当时看来是不适宜采取或有必要调整的？

陈志刚：我们在创业之初走了些弯路。

起初，我们处理这个问题时，将其视为一个行业性问题。这个行业问题涉及诸多方面，因此我们的视角较为广阔，考虑得也更为深远。例如，在化学实验领域，从反应物称量、投入原料，到反应过程的监控，再到反应完成后的处理，这一过程中可能需要解决多达十至二十个不同的任务。

每个任务都存在多种变体，例如，在称量任务中，涉及的对象既可以是液体，也可以是固体；而固体又可细分为粘稠的、块状的、粉末状等，此外还有众多其他复杂细节。我们期望通过AI技术实现这一流程的全面自动化，然而，最终我们发现，流程中的每一个问题都未能得到彻底解决。

虎嗅：这个弯路走了多长时间？

陈志刚表示，时间可能介于半年至一年之间。他强调，不能过于泛泛而谈，必须针对具体问题进行解决。他建议，不应只关注整体，而应先从某个具体点入手。

我们正在进行的是纯化过程。这一决策是基于我们与客户频繁交流的结果——我们发现许多客户在原料投入和称量阶段所花费的时间并不算多，然而在纯化阶段却投入了大量的时间和人力资源。我们最终锁定并着力攻克客户最为关切、最愿支付的焦点问题，在此过程中，我深切感激合作伙伴与试点客户在摸索阶段所提供的信任与宝贵意见，他们的切实需求促使我们集中精力优化产品、精炼方案，同时也助力我们更迅速地步入正确的轨道。

在机器人领域，起初我们尝试采用通用型机器，期间对众多机器人硬件进行了探索，并自行进行了一些基础整合。然而，目前我们已转向使用供应商提供的整合方案。在创业的历程中，我们对这一问题的理解也在持续地加深。

虎嗅：除了纯化的工作流，你们会再找其他的环节切入吗？

陈志刚表示，涉及整个反应流程的工艺研究以及生物Assay实验等方面，我们确实有众多客户寻求合作。然而，由于人手紧张，我们暂时无法满足所有需求。为此，我们的研发团队正在紧急增员，力求迅速满足日益增长的业务需求。

虎嗅：在共同构建的过程中，客户所提供的数据信息是否会纳入贵公司的专业模型体系之中？

陈志刚表示：并非如此。若客户意图将此物品纳入模型之中，大致可分为两种情况：其一，是将客户数据应用于增强或优化模型，此类模型仅供该客户使用，我无法将其出售给其他客户。这种做法较为普遍。

该模式涉及与特定客户建立战略合作伙伴关系，甚至有可能在某个层面上获得股权，成为股东，进而将部分数据纳入其中。在此阶段，企业的成长与该客户之间形成了较为紧密的利益联结。

虎嗅：怎么判断客户的需求是否是真实需求？

陈志刚：要跟客户谈，看他愿意为这件事投入的力度有多大。

虎嗅提问：创业公司在销售洽谈及寻求合作方面是否具备独特优势？业界是否普遍倾向于信任那些知名的大品牌？

陈志刚表示，虽然传统的All-in-one系统往往更倾向于信任大品牌，然而，客户最关心的还是问题是否得到了妥善解决。只要客户面临的核心问题尚未得到充分解决，市场上便往往存在新的发展机遇。

“我不会预设立场，我跟着问题走”

虎嗅：在创业的过程中，有没有发现一些反常识的事情？

陈志刚表示，在当前这个领域，众多事物均处于我们的认知范畴。然而，他也在密切关注着新的可能性，这些可能性未来或许将成为我们前进道路上的机遇。以传统创业为例，通常需要五人团队，但如今的硅谷却出现了仅需一两个人的创业公司，他们凭借两人之力就能将产品打造出来，并迅速进行试验和修正。

我本人也广泛运用了众多AI工具，从事着各式各样的活动，目前最频繁的使用场景是将其作为思考的辅助工具。

我认为这些新颖的事物确实可能导致一些与传统认知相悖的举措，我对这些新颖举措非常感兴趣，并希望它们能被有效应用于我们公司的运营与研发工作之中。

虎嗅：下一步的挑战会在哪里？

陈志刚认为，接下来的任务是深入挖掘关键客户的使用场景，并构建一个能够持续发展的模式。目前，我们正行进在这条道路上。在完成A轮融资之前，若想获得市场的认可，我们必须拥有优质的产品和高效的运维服务。同时，我们还必须确保客户能够从中获得实际价值。一旦客户群体大规模接受我们的产品，我们便有能力将其推广至其他实验室，并实现规模化运营。实际上，我们正在不断积累经验，一旦深入挖掘完成，对于如何拓展至其他应用场景，我们至少已经有了应对的策略。

虎嗅：规模化的难点现在是在哪里？

陈志刚表示，这实际上是一种新兴事物。一旦实验室中充斥着大量机器人进行作业，客户可能会提出何种新的疑问？我们又将如何协助客户解决这些疑问？此类情形前所未有。

虎嗅评论：这批创业者中，存在一个颇具趣味的现象，那就是他们都在积极探索新鲜事物，并站在同一起跑线上。面对未来，一切都是充满变数的。

陈志刚表示，在参与这一过程时，他不会事先设定立场，而是会紧密跟随客户的需求和问题的导向，遇到问题便积极寻求解决方案。尤其是在初始阶段进行底层逻辑设计时，他认为这为我们提供了一种有效的工具支持，极大地促进了我们的经验积累。

我在客户处遇到了一个难题，是否可以在我们的模拟环境中重现这一问题。若能成功重现，那么在此过程中，我将累积丰富的经验。这种经验并非仅仅停留在人脑之中，而是存储在产品的研发平台上。

虎嗅：对于公司的发展，你的设定时间规划是什么样？

陈志刚认为，到今年年底，我们应深入理解行业中的几个重要客户，以此为基础，明年我们可以扩大规模。继续发展的话，产业和行业的拓展应放在首位，随后再考虑其他领域。在其它行业，我们应集中力量在少数几个关键点投入资源，迅速进行试验和修正，成功后或许可以吸引更多资源，共同推进项目。

本篇内容源自虎嗅，具体出处可查阅原文链接：https://www.huxiu.com/article/4643012.html?f=wyxwapp。