他要做颠覆式的价值创造——从0到100，不是从50到100。
文｜《中国企业家》记者 苗诗雨
见习编辑｜张昊 编辑｜马吉英
图片来源｜受访者
第一次见到周宇翔时，很难想象这个生在1989年的科技公司创始人，已经在工厂里泡了10年。
如果有大把时间，他会有兴趣出一本工业区的“米其林指南”——佛山哪个工厂门口的烧鹅最好吃，苏州哪里有半夜还能吃到的面……跑的工厂太多了，他一清二楚。
4月，黑湖科技（以下简称“黑湖”）完成近10亿元的D轮融资，但他的行程依然是每天往返于不同城市的工厂，现在更是多了东南亚、墨西哥……因为AI在“逼”他的进度，以当下进程推演，黑湖很有可能吃到“AI进入工业场景”的第一波红利。
目前，黑湖累计服务近4万家工厂，是亚太地区服务工厂最多的科技公司。
一家20人的小厂可以用“黑湖小工单”先管起报工；一家几千人的大厂，可以通过“黑湖智造”把排产、质检、仓储的“积木”全拼上；如果是像蜜雪冰城、特斯拉这样的链主企业，还可以用“黑湖供应链”把几百家供应商拉到同一个平台上协同。
“中国制造业就是一个生态系统，没有任何能独立而存在的东西，相互之间的连接很深，各种连接方式都会传导。”周宇翔不喜欢说大话，但他认为，随着客户、数据和产品能力不断积累，黑湖的飞轮效应已经开始形成。
这始于一次在中小工厂的偶然发现。2020年，黑湖响应新冠疫情复工复产，把产品免费开放给企业使用。一段时间后，团队发现，有几十家参与试用的小企业正以一种不同寻常的方式使用产品。
“我们是一个协同系统，正常来说，一家公司开几千个账号，每个账号每天都会有互相操作和活跃度。但这些工厂，每天只有三四个账号高度活跃，远远高于那些大企业账号的最高活跃度。”周宇翔去回访这些工厂，小老板们用得非常熟练，答复客户进度、追踪车间主任和班组长进度、计工资……有的还会要求协作工厂用系统报工。
这让他意识到，小工厂需要一款新产品，“黑湖小工单”因此诞生。“在中小工厂数字化这件事上，我们几乎可以算是最早，也是少数一直坚持做的企业。”黑湖科技联合创始人李想说。
产品是从产业空白处长出的，很长一段时间里，外界都很难用一个现成概念概括它。大数据、算法、数字化、AI……它与许多既有产品形态都有所交集。
周宇翔不喜欢被归类，他甚至总是在做别家不做的事，这让他显得不“合群”：早期的产品更像一个“工厂版微信”，与庞大复杂的传统工业系统相比，它显得过于简单；让公司出圈的“黑湖小工单”，面向的小工厂就几十号人，厂房都四处漏风，怎么会上数字化……
他对自己的评价是有较强的“抽象能力”。他天天在一线跑，和客户聊，每天都在大量地“输入”高质量语料，他自己就像一个“模型”——快速输出洞察，接近需求的本质。
今年1月，他在博客中写道：随着大语言模型时代的到来，在“数据记录→人借助工具产生决策→分发决策→业务协同和运营优化”，这个习以为常的运作流程中，“人借助工具产生决策”这一环节，会逐步但整体被Agent取代。
这也让黑湖的商业模式第一次被概括——用Agent去解决专业工种技能的缺失，用工业系统去解决工作流，未来词元（token）来解决收费模式。
“报价Agent”对应的是工程部，要把图纸拆解成工序、耗时、材料、良率等，最后算出报价，现在只需要几秒钟；“排产Agent”解决的车间排产更复杂，订单交期、机器产能、模具状态、物料库存、工人排班等，变量多达几十个，现在连插单或设备故障，都可以迅速调整；“质检Agent”顾名思义，质量追溯的时间从数小时缩短到了分钟级。
周宇翔对这一天有预期，但也没想到如此剧烈。他是坚定的AI主义者，第一次创业就要做“中国版Palantir”，那是更纯粹的AI梦想。
以至于黑湖的裂变过程，现在看几乎是一家AI原生公司的路径。周宇翔相信企业是自然长出来的，他是第一个“干细胞”，然后吸引了三个干细胞进来，构建出了第一个组织，继而长出了第一个器官……他有时也觉得很奇妙，只要“无机”长出来的分枝全都没干成，而“有机”自然演化的东西全成了。
洞察一次次被验证，也让他在商业逻辑上有了一些执念，有些很难在经典管理学著作中找到。
比如定价。黑湖的定价策略从不复杂，大致是所创造价值的十分之一。这在Agent时代更容易描述，一个老师傅一年的成本大约30万元，那就定价3万元每年。他还从不降价，而是“鞭策”团队去创造更大价值，“必须要在技术端做更大的创新，才能攫取更大价值，我们的小盘子才会变大”。
再比如普惠。这是他思考产品的一个方式，一定要惠及更多的人。他第一次在硅谷看到大语言模型正朝着这个方向演进时，那种惊讶无法表述，因为在过去很长一段时间内，他都认为此路不通，投入庞大资源和普惠似乎是互斥的。
“上个时代的AI算法，只能惠及单个企业，做个3000万元的项目，我不感兴趣，我要做几万元的产品，卖给上百万家企业。”
现在更吸引他的是未来AI可能重构的“生产关系”。“淘宝时代是非标需求对应标准供给，而这个时代应该是非标需求对应非标供给。非标供给怎么发生？它会是怎样的形态？在哪个产业？这些是崭新的东西，每天都给我带来很大的刺激。”他说。
“中国版Palantir”
周宇翔出生在四川，中学时就曾得过计算机奥赛一等奖。在美国留学时，他选择的达特茅斯学院，是“常春藤联盟”里特殊的存在。它被认为是AI的诞生地，1956年的夏天，几个科学家在这里开展了一项为期2个月的研究，他们有一个在当时看来疯狂的假设——人类智力的每一个特征，都可以被精确描述到足以让机器模拟的程度。
达特茅斯浓厚的AI学术氛围，也影响了周宇翔解决问题的方式。
2015年，他开始创业，最初希望做一家“中国版Palantir”。这家当时估值已超过200亿美元的公司，被视为硅谷最神秘、最值钱的大数据公司。“马达数据”在北京东四六条的一个四合院里诞生，致力于用数据和算法帮助工厂分析预测，但很快夭折。
并不是团队没有构建出整个底层算法和框架，而是工厂端的数据根本采集不上来。同期的许多中国工厂，管理者还在依赖纸质记录和人工经验。缺少数据，再先进的算法也难以发挥作用。
他们迅速调整了方向，先帮助工厂完成数据的采集和连接。但他也庆幸在构建黑湖的第一天起，还是带了很多对于数据的底层思考和经验，“万一10年后，我们再做Palantir呢？”
2016年，团队迁至上海长宁区一个漏水的招待所，黑湖诞生。名称寓意深刻：传统工厂中尚未发掘的数据宝藏，如深不可测的湖水蕴含着能量，黑湖要做的是投入一颗“数字化”的石子，让数据驱动制造。在他看来，他选的赛道是“工业”，而不是狭义的工业系统，他要做颠覆式的价值创造——从0到100，不是从50到100。
黑湖第一版产品的理念是“车间现场的微信”。公司成立之初，周宇翔曾到一家化妆品包材厂打工，和一线工人待了好几个月，他感受到了割裂感。
工厂原本接欧美大牌的包装订单，毛利很低，一个SKU可以做几十万件，工人三班倒连着生产二三十天，然后停产一天切换产线。而新的日韩、国产品牌客户涌入，一个SKU只有几千件试产，卖得好再加单，但这些订单有几倍的毛利。
工厂很愿意接，但搞不定：一个订单几小时就完成了，切换到新产线很耗时，过程中五六个工种要协同配合。虽然毛利提高了，产能的利用效率却急剧降低。
如果把以前通过经验来协作的方式，变成一个简单的App，是否能提高效率？这就是黑湖产品的源头，周宇翔在其中加入了任务机制，让信息变得结构化，基于角色和前后条件来触发任务，这样工人就很容易知道下一步如何安排。
团队用两周就完成了一版粗糙的产品，测试效果意外地好——产线切换两小时就能完成，计件制工人一个月能多赚大几百元。
他兴奋于这背后的大机会——柔性生产。“如果电商化的工厂是未来的主流，那中国工厂要走的路径就和西方世界完全不同。”那时数字化的主流思路，是用西方最佳实践的模式去改造工厂，工厂会被要求先仿照某个相关性较强的外企，改变管理流程，让标准化体系更容易落地。
“的确出现了一小波纠结的企业，到底是沿着标准的大工厂规模化生产，去谈降本增效，还是说去顺应中国消费行业的‘卷’，去满足电商非常细分的需求，做小批量，多品种，快速反应的柔性生产？”
周宇翔全押了柔性生产，他觉得工厂未来至少有一半要变成那个样子，“接非标订单，打开的是新市场，你在做中东市场的香水瓶、南美市场的某种定制狗粮，毛利就能提升。”
锦瑞是成立于2009年的手机背板企业，长期面对非洲、东南亚市场繁杂且快速变化的订单。创始人金烈说，非洲市场“换手机可能3个月一次”，倒逼制造端具备“极致柔性”。黑湖的产品让锦瑞即使频繁切换产线、月出货量最高达千万张，仍能稳定交付。
被低估的柔性生产
柔性生产并没有经历太长的市场教育阶段，到了2019年，它已不再是小众需求，客户开始规模化地自涌现。
黑湖科技联合创始人、CMO肖哲回忆，黑湖从未试图把所有工厂改造成同一种样子，“我们会说，即便你的工厂再落后，只要数据流动变快，消耗的数据变准确，你就能从一个做标准品的工厂变成有柔性反应能力的工厂。”
事后看来，这一决策影响深远。尤其是大语言模型爆发后，“90%以上的数据都有价值了”，周宇翔说，“反而是把所有工厂都打造成一个样子，数据丰富性大打折扣，对于模型的训练很差。”
第一波涌入的是“聪明”的企业，不想卷价格了。第二波企业的特征更明显——在小红书等平台上崛起的品牌，从代工厂模式转向自有工厂，属于“柔性原生”。大厂也在提高柔性生产的比例，来应对产品节奏，比如茶饮企业每季都会推限定产品，也把触角伸向了功能饮料等其他赛道。
周宇翔坚决抵制“闭门造车”，传统工业系统总是内部开发几个月才拿出去测试，这也是他第一次创业的失败总结。他要求团队扎在一线，快速测试产品是否符合客户需求，带去价值感。所以，一个新系统或产品的落地是以周为单位规划的。
2021年，黑湖完成C轮融资，金额近5亿元。除了柔性生产的巨大价值已经在商业数据上有所呈现之外，云化模式是另外一个估值支撑。放在云端，意味着可以在研发上重投入，代码成本最终会被客户规模摊薄，这也是周宇翔最享受的组织形态。
拿到工业系统赛道的最大一笔融资，自己的战略判断屡屡命中，可想而知他的状态。但2022年并不顺利，受新冠疫情影响，有好几个月根本见不了客户，单月亏损一度达到千万元。他算过账，现金流只能撑15到20个月，“生存变成第一主线，你不能只倚重研发，不在乎商业化。”
2022年9月，周宇翔如往年一般去硅谷待了几周，他发现同学全在讨论大语言模型，已经有一些论文发表，大公司内部的研发也有了一些突破。他发现，新的模型架构已跟传统AI高举高打的模式有了本质区别，“有着跟我们构建产品逻辑相同的普惠特征——花大价钱去做模型训练，模型达到一定可用度以后，作为优质生产力廉价地分发出去。AI竟然还能普惠？”
他觉得这事太牛了，有了不少新思路。
2023年3月，他邀请了30个团队成员在浙江安吉开了三天会，除了高管，还特意给新员工和“刺头”留了席位。他第一次把账本晒在大家面前——15个月后，黑湖该去哪？
他们后来制定了一系列目标，包括在24个月内现金流转正，以及不打算裁员。
“裁员只会让你落入死循环，产品变得更烂。”周宇翔反而搭建了新业务线，扩充了销售团队，但传统业务的研发团队没再加人。因为2023年初，他就将AI引入辅助编程，随着研发效率不断提升，同样规模的团队支撑起了更大的业务体量。
黑湖迅速迎来一波业绩爆发，竟然在2023年完成了一个阶段性目标，而且毛利率还提高了近一半。
投资人对团队的状态也很兴奋，周宇翔趁势提出了另一个策略——构建黑湖的AI原生产品。他看到了多模态的能力，对图形、空间的理解和推理，跟工厂场景已非常相关了。
他秘密成立了一个研发小组，探讨有哪些场景可以产品化AI，实际上那就是Agent的前身。当两年后出现“龙虾热”时，黑湖内部已经孵化出可售卖的AI产品了。
“我们给用户的价值释放，相比之前被吐槽的少多了，现实是国内很多客户不像西方公司经历了几十年的工业时代，管理成熟度高，数字化系统用得很溜。有了Agent以后，我们交付的是最终结果，用户就非常认可。”他觉得，中国制造业可能直接进入“Agent时代”。
驶向工业AI
一开始，周宇翔的策略比较直接，主要依赖模型的进步，团队更多是做提示词工程以及一些工厂相关的FDE（前沿部署工程师）工作。但他发现，在新旧版本的模型上，同样的提示词提升差别很小。
而那时黑湖已服务近3万家客户，有大量工厂知识的积累：订单如何流转、工艺如何调整、人员如何协同、异常如何处理，以及工程师最终如何做出判断。把这些资源利用起来后，Agent准确率竟然瞬间提升到了90%。
“我们原本预期是超过70%，这不可想象。”他说，90%意味着已经可以作为“辅助驾驶工具”了，“一个师傅原来处理一张图要半天，现在两分钟搞完，他再去修改那10%的错误。”这种修改作为决策痕迹反哺Agent，让准确率进一步提升，彻底解决了一部分工厂面临的问题——缺少有经验的师傅，很多工厂只能在车间里边做边试，返工率很高。
几万家工厂的覆盖，若干Agent在现场跑出来的良好效果，让黑湖的销售转化非常快，现在有一半的新增收入来自于AI。
“黑湖想要构建的是数据快速反馈、更柔性的工作流，只是此刻可能三分之二是人，三分之一是Agent，2年以后比例就反过来了，直到最终变成Agent串联在一起的工作模式。”周宇翔说。
AI直接把内部的想象力打开了，工厂有太多还未触达的场景。团队设置了红蓝军，红军的策略是借助AI让产品更好用，而蓝军更激进，他们要用AI构建新的商业模式。两方互相竞争，也互相依赖。蓝军要依赖红军的数据和流程，而红军很多时候面对的吐槽不是产品问题，是对用户本身的认知不够。
黑湖的组织架构也更激进地向蜂巢式演进。单个蜂巢就是一个小组，属性不同，蜂巢之间也协同联动。比如拆单Agent有8个人——2个底模工程师，2个工程化工程师，再加上三四个与客户沟通的人员。一旦准确度达到可用级别，他们就会把产品推给更多的销售蜂巢。
这跟之前大后端、大前端的架构完全不同。不过团队转换得很快，“早期组织就拆得很细，但还是以层级架构来管。蜂巢之后，管理方式被AI重塑了。”他提到无锡的销售蜂巢，所有的客户沟通都能成为AI的语料。以前一个管理者带7个人，每两周只能抽一天陪访一个客户，现在可以通过Agent覆盖所有组员的信息，并给予指导。
黑湖看上去越来越“碎”。内部有一个立项流程，对应着投决机制，但周宇翔的判断逻辑有七成基于对人的认知。有失败概率，他能清晰地说出几个孵化失败的项目，但这个体系依然在高速运转。
他的时间分配也有了很大变化，之前大部分的时间花在客户那里，现在40%要用在AI上。虽然体系在“自运转”，他还是在不断跟团队互动，了解发生了什么，以及客户拿到一个Agent之后，到底会怎么用。
倒不是警惕竞争。“工业门槛一直都很高，没有七八年的积累，没有场景和Know-how积累，做不到。只是触达都挺难的，这是个特别分散的市场。”在他看来，技术和产品推高门槛的速度，要远远高于内卷的产生，此时投资研发是最划算的事情。更何况去年公司已经全年实现盈利，“已经不烧钱了，我们的融资会全部投向未来”。
当下他反而更担心把事情“做小了”。比如国际化，很多中国工厂都在国外布局了产能，这或许是一个比10年前柔性生产更大的“叙事”。在接受采访的前一周，周宇翔还在南美洲调研市场。
Agent之后，国际化更轻了。在墨西哥，他临时组织了一个虚拟团队驻扎一年——一个类似于“外交官”的角色，英语、西班牙语都很好，在当地去接触和服务客户；一个“老法师”，了解工厂情况；再加上一个工程师。跟早期他们驻扎在工厂里的“快速反应部队”，如出一辙。
他谈到很多趣事。有的工厂聚集带紧邻毒品生产区，每天都要坐安保车上门，“工厂大门都做三层，防火门、钢铁门、水泥门”；有的在海港旁边，“鸟不拉屎”，团队硬生生吃了半年的泡面……
他还把40%的时间用在新业务的探索上，AI带来生产力的极度提升，一定会带来生产关系的重塑，那是他的终极梦想。
“产业应用应该是AI时代的第二步，做得好的公司没多少，黑湖算其中之一。到了第三步，探索的公司就更凤毛麟角。”周宇翔说看到最聪明的一帮“脑袋”从大公司离职，去探索跟生产关系相关的事。他十分好奇，在那件事上，“谷歌时刻”什么时候发生？