中国SaaS公司的下一步棋怎么走？
这是一个已经在社交媒体引发热烈讨论的问题。周宇翔给出的答案是，SaaS这个标签本身就有问题，它的概念太广了，他不想把这个标签贴在他所创立的黑湖科技身上。
他补充说，沿着“一个软件”的思路打造公司，就会给自己设立太多限制。这个回答“来自实践”。
周宇翔认为中国企业，尤其是工厂，目前整体的管理成熟度与世界最高水平仍然差了很多。如果满分是100，最高分是70，中国现在可能只有30分。中国制造业的管理，在对数字化的实施，以及管理认知方面，有很大的提升空间。
黑湖科技正在做的是推进中国企业数字化的第一步，从最基础的数据数字化开始。
与大部分To B（To Business，企业面向企业）服务的创业者来自相关产业不同，周宇翔的团队大多是数据背景出身，而非制造业出身。因此，他们是带着“数据能为哪些行业带来更大价值”的思考进入到制造业中的。
长久以来，中国制造业的数据因各家公司的规模和管理理念等方面的差异，呈分散状态。这使得数据无法汇总产生聚集价值，公司内部和公司之间难以达到高效统一的协作。
黑湖科技通过制造业服务平台的搭建，帮助身处产业链各个环节的企业积累行业数据，并让来自不同部门和组织的数据之间产生关联，进而实现结构化的分析。以数据为依据，实现企业生产活动的优化。
把数据转移到云上，意味着工人要改变传统的填写表单的习惯，适应数据上传。
最初，工厂管理方会“放一沓人民币”，如果工人按要求操作便直接进行现金奖励。但这种直接的“民间智慧”治标不治本，工人始终在被迫使用数字化软件。随后，长期在工厂进行观察的黑湖科技员工想出了一个方法——让工人变成既得利益者。
让软件显示出每名工人的产量和工作时间，可以直接当天算出他们的工资，甚至进一步寻求与银行的连通，实现工资当日发放。这对很多打短期零工的人来说是强大的吸引力，有效增强了他们主动操作系统的意愿。
一个个来自一线的具体问题的解决，帮助黑湖科技度过了方向感模糊的第一阶段。周宇翔说那时候不用去讲故事，只需要抓具体的“点”。而他自己也不知道“这个点”能做多大。比如，如果工厂需要报工，黑湖科技就做一个报工软件，既不会考虑行业壁垒，也没用到VR这类前沿技术。“它未来到底是什么都不清楚，但是我们切实地解决了用户的一个问题，然后再解决第二个、第三个。”他说。
周宇翔觉得，“很多公司死得早，就是故事讲得太大了，那些远大的设想，靠初期手里的几百万资金根本无法做到。”
最初的一两年是“随时可能死掉”的危险期，但对周宇翔而言，这并不是黑湖科技最难的阶段。在他眼中，那时候公司没有很多员工，也没有来自投资者和客户的高期望，反而压力相对比较小。
周宇翔体验到的艰难时刻是发展的第二阶段。即便那时黑湖科技已经完成三轮融资，拥有上百家客户。但当时理应进入商业化获客阶段的公司，团队还是以工程师和产品经理为主。
“所以有一段时间我们很扭曲。一度公司账上单月收入只有28.5万，而我们在资本市场的估值已经到了两三亿元。”他说。
2019年的七、八月份，黑湖科技的估值和外界给予的荣誉让周宇翔的焦虑情绪达到了顶峰，因为他认为当时做得还不够好，“这种落差会让人陷入一种死循环，手脚僵硬，不知所措。”他说。
周宇翔决定摒弃外界声音的干扰，将注意力回归公司健康结构搭建本身。他知道，原地不动是最快的死亡方式。
华为、阿里云、SAP，这些业内成熟公司的高管被请来讲课，黑湖科技把先进者的经验加以改良，为自己的商业化和客户成功部门搭建了框架，从而深入了解客户需求，让公司的产品更好地满足客户，达成公司与客户的双赢。
2019年底，公司转起来了。
进入2020年后，黑湖科技单月收入达到之前的几十倍。能赚到钱后，周宇翔隐约察觉到，这个产业还有待解的题。解开这道题，成为黑湖科技当前最重要的任务。
“我们就在思考已有的云计算、大数据、软件，还有各种技术组合在一起，能帮到中国工厂什么？”他说。
中国工厂也在逐渐走向成熟。它们知道，数字化工厂不是单纯地将流程搬到线上，也不再像ERP时期那样，寻求一个工具去匹配流程，而是看软件系统是否真正为工厂创造了价值。这让黑湖科技更加注重数据的连接，不只是厂内各条线数据的连接，还有工厂之间以及供应链整体的数据连通。
据他观察，之前工厂的管理方式为“烟囱式”结构。例如，生产部门包含车间生产主管、生产运营主管、小队长，以及工人，这些人构成了单独的一条管理线。而负责质量的部门则是单独的另一条管理线。每条管理线之间数据并不互通。在做决策时，所有信息需要一层层传递到各自的管理层，随后各部门再“碰头”，遇到问题还要走回头路，效率极低。
周宇翔认为，现在的SaaS应该倡导尽量向所有生产人员开放更多的数据权限，实现企业内部的数据互通。这一点在黑湖科技过去几年的经营中已基本实现。
而现在他们正着力于“数据民主化”的第二层含义：整个产业链中公司之间的关键数据互通。他隐约觉得这将成为中国的独特路径。
“中国工厂有必要将厂内管理做到波音公司那种程度吗？未必。”周宇翔说，“现在要分析效率耗损是发生在工厂内部还是工厂之间，答案明显是后者。不是一个组织的人，互相之间会有很多不信任，信息沟通会有很大失真。如果能将这一点打透，其价值是五到十倍之于工厂内部数据连通的。”
在黑湖科技的设想中，最终目标就是建立一张网络，每家工厂都是其中的一个节点，同时也自成中心，实现数据在产业链的全环节互通。黑湖科技想做的是以第三方角度创造面向制造业的工具平台。目前，黑湖科技推出了三款产品——针对大型企业的黑湖智造、针对中小型企业的黑湖小工单，和负责下一步数据连接的黑湖供应链。
在周宇翔的观察中：中国工人与美国工人很像，日本工人和德国工人很像，他们分别呈现出不同的特征。日本与德国的文化比较墨守成规，它们的工人接收到命令后会高效执行。而中国和美国工人的主观能动性很强，若向他们开放足够的信息，他们往往能在实际生产中自主地找到更好的解决方法。
“针对中国工人的特点，如果收集与他们工作相关的数据并开放给他们，他们会根据数据做出最好的判断。”周宇翔说。
这个结论同样被周宇翔来支持自己的另一个判断——“我不认为全世界的工人，尤其是中国工人，会被AI机器人彻底替代掉。”
周宇翔曾经对AI的“ChatGPT时刻”非常焦虑。看到很多“大佬”在这个领域纷纷“All in”创业，他担心冲击会不会来得太猛，“摧毁我们的护城河”。
周宇翔召集几位产品线负责人，讨论公司业务与AIGC结合的可能性。“探索半天，我们觉得现在AI应用层的进程，很像互联网行业2000年的时候，那时基于互联网技术想象出来的只有黄页，而非搜索引擎。”
这两者的区别在于黄页被搬到网页上是互联网赋能，而搜索引擎的出现则是互联网原生。黄页是利用了技术，而搜索引擎则是由技术创造了新的价值。因此，周宇翔认为，在没找到AI原生的突破点之前，不能因为浪潮下的恐慌，而盲目地创造出一个“黄页”来，否则很容易“死在沙滩上”。
让周宇翔彻底消除焦虑的是他意识到，黑湖科技帮助制造业领域的客户积累下的大量数据，是OpenAI及其他AIGC模型无法接触到的。
“外界买不到这些数据，那么这些数据就是我们的壁垒。ChatGPT是向学术买文献，扒公开数据，但制造业的专业数据是买不到的，就像医疗领域的数据积累在各家医院的平台一样。”他说，“尤其是听说下一代ChatGPT对于数据结构化处理能力会更强，对一些场景的应用会更擅长，那么就算行业内要进行类似OpenAI的变革，大概率也需要通过黑湖科技来进行。”
周宇翔透露，黑湖科技已有团队正在对AIGC领域进行开放探索。“没准试10个东西，8个都不成，但也许会有2个成功。我们要找的是AI原生的东西。”他说。
在黑湖科技之前，周宇翔曾创立马达数据。首次创业的逻辑是，基于工厂数据，通过大数据技术进行分析，从而实现生产工艺优化。但现实是，中国工厂没有数据。更为准确的说法是，当时的数据都存在工人手中纸质的表单上，并没有变成数据库中的有效数据。这直接导致了他第一次创业的失败。
他把那段经历形容为拿着锤子找钉子：一味要把手中现成的数据技术应用在中国工厂中，但忽略了中国工厂管理基础薄弱，数据根本无法利用的问题。
几个星期前，周宇翔把马达数据时期的模型翻了出来。他发现，这个曾经无用武之地的产品，由于数据的积累和质量的提升，如今可以跑通了，已经可以围绕单个工厂内的数据做出判断，但黑湖科技早已经不走这条路了。
“帮助工厂建立供应链上下游的连接，这是目前对制造业价值最大的选择。”周宇翔说。（财富中文网）
编辑：岳巍
推荐阅读
微信扫码关注该文公众号作者
戳这里提交新闻线索和高质量文章给我们。
来源: qq
点击查看作者最近其他文章