新一輪 AI 比賽才剛剛開始，而 token 生成數量不能作為唯一的指標。

文丨江思遠

云知聲創始人黃偉約在十點整見面，不到十點他就已經準備好了，于是我們的采訪少見地能準時開始。同事說，這跟他軍人家庭出身有關——“約好的時間，除非有什么特別大的事，黃總一定準時”。

另一個可能和家庭出身有關的特點是對高強度工作的耐受度。一季度黃偉出差飛了三十多趟，高鐵十幾趟，用他自己的話說，很少連續在一張床上睡超過 3 天，但黃偉 “沒覺得身體吃不消”，倒是助手累得受不了辭職了。

和創始人一樣，在中國 AI 行業，云知聲也是一個不太典型的存在。2012 年成立的云知聲從語音識別起步，十多年的時間，技術布局逐步覆蓋自然語言理解、AI 芯片和多模態大模型，業務則聚焦在智慧醫療和智慧生活兩條線上，一方面為醫院提供 AI 輔助病歷生成和醫療質控，另外也為家電、車載等終端提供語音交互方案。

作為比 AI 四小龍更早，經歷了統計學習、深度學習、大模型三個時代的 AI 元老公司，云知聲從來沒有成為聚光燈下最亮眼的那個。

2023 至 2025 年，大模型熱潮席卷行業，六小虎崛起，融資額動輒數十億美元——而云知聲正卡在港股上市的靜默期里，不太方便對外講話，也從來沒有融到過那么多錢。

2025 年，云知聲終于完成港股上市。不到五百人的團隊，年營收超過 10 億元，人均產值 252 萬，按照這種算法，云知聲在中國 AI 公司里人效穩居第一梯隊。黃偉說他們可能是 “AI 公司里人均產值最高的”。這個數字不性感，但結實。同年云知聲的大模型相關收入突破 6.1 億元，同比增長超過 10 倍，下半年幾近盈虧平衡。

與此同時，AI 發展正在經歷著更深刻的變化，智能體開始能夠獨立完成復雜任務，用黃偉的說法，生成式 AI 已經變成了生產力 AI，這意味著比賽來到了一個新的階段。黃偉提出了一個公式，AI 公司的行業價值等于智能密度乘以 token 價值，這是云知聲作為一個 AI 行業的老兵在十多年商業化落地中總結出來的經驗。在他看來，新的大模型競爭不是比誰生成的 token 多，而是誰的 token 更有價值，能轉化為商業收入。

除了技術前瞻，黃偉還想告訴外界的是，AI 會讓中國誕生幾家比移動互聯網時代更偉大的世界級公司，而云知聲已經占據了一個有力的生態位。這家有著十三年歷史的公司沒有躺平，也不打算躺平。

2026 正賽開始：AI 公司行業價值 = 智能密度 × Token 價值

晚點：云知聲名字里有 “聲”，很多人以為你們就是做語音識別的。

黃偉：聲音的背后是語言，語言的背后是意圖。云知聲從成立第一天起就不是只做語音識別，我們同時在做語音識別和自然語言理解。到今天的大語言模型、Agent，其實都是云知聲過去十多年始終在投入的方向。

我們聽的不是聲音，是聲音背后的意識——這話我講了快十年了。

晚點：“聲音背后的意識” 能再展開講講嗎？

黃偉：三層，從聽懂到理解是一層。傳統語音識別只是把聲音轉成文字，就像一個沒有感情的打字員。比如同樣一句 “胸痛加重，伴大汗”，普通模型只能識別文字，而我們的系統能理解這背后是急性心梗的高危信號，會自動觸發預警。

第二層是感知意圖，用戶對智能家居說 “我冷了”，不是想聽一句 “好的，我知道你冷了”，而是希望空調自動調溫度、窗簾自動關上。人機交互的本質不是對話，是服務調度。

第三層是理解意識。真正的智能應該能理解人的情緒、習慣和場景。比如一個獨居老人說 “今天沒什么事”，AI 能從他的語氣和語速中感知到孤獨，主動陪他聊天，或者提醒子女聯系。

所以云知聲這個名字——“云” 是智能的載體，“知” 是認知的核心，“聲” 只是我們進入這個世界的第一扇門。過去十多年我們從語音識別走到自然語言理解，走到通用大模型和 Agent，一直在沿著這條線往前推進。

晚點：你說過 “2023 到 2025 年是大模型的熱身賽，2026 年正賽才剛開始”。這個判斷的依據是什么？

黃偉：2022 年底 OpenAI 發布 ChatGPT，國內公司開始跟進，追趕了三年。一方面差距越來越小——從落后三到五年，到現在可能就三到六個月。另一方面模型能力本身也在躍升，從一開始可能只有三四十分，到現在七八十分。

但最關鍵的變化是 AI 從生成式 AI 變成了生產力 AI，后者是我自己的一個叫法。Agent 的概念并不是新的，但那時候它只能聊天，上下文理解、記憶、推理能力都不夠，只能做單步任務。今天不一樣了，可以自動訂票、可以獨立完成復雜任務。一旦能工作，整個 AI 的產品和商業化就進入新階段。所以 2026 年可能正賽才剛開始。

晚點：正賽的競爭邏輯是什么？

黃偉：云知聲提出一個公式：AI 公司的行業價值等于智能密度乘以 token 價值。智能密度就是用較小參數、較低成本達到足夠高的智能水平。

過去幾年你看到很多公司發了兩三個版本的模型，比如 2000 億參數一個、6000 億參數一個、1 萬億參數一個，三個版本下來可能花了一兩億美金。但上一個版本現在誰還在用？那些錢本質上就是做了一個非常昂貴的科學實驗。

所以我們思考的問題是：能不能用一個 1000 億或 2000 億參數的模型，達到上萬億參數模型 90% 甚至 95% 的智能？如果可以，那我的研發投入更低、部署成本更低、服務性價比更高。

我經常舉例子：我不需要一個中科院院士來開滴滴。很多任務場景不需要最高智能，碩士博士水平就夠了。

這就是智能密度，用更高效的資源投入，用模型架構工程能力方面的優化，打造出能滿足絕大多數場景的智能水平。

晚點：如何量化地看智能密度這個概念？

黃偉：智能密度就是單位計算資源所能產生的智能價值。從參數角度看，那就是模型性能與參數規模的比值。比如 U2 用 2600 億參數達到了 1.2 萬億參數模型的性能，它的參數效率就接近是后者的 5 倍。

另一個指標是任務完成率，這是最核心的指標，因為只有你把任務完成才能產生價值。

晚點：云知聲在智能密度方面的優化主要通過什么實現？

黃偉：主要靠模型架構、訓練方法，比如我們的原生 Agentic 架構和高質量數據。

晚點：說說高價值 token，大家現在談論 token，往往是在談算力的緊缺。

黃偉：黃仁勛喜歡說 token efficiency，這是硬件視角，是生產端的概念——同樣 100 萬 token，我用更少的電費、更少的算力把它生產出來。他說 “未來十年 AI 計算效率提升 1000 倍”，我非常認同。

但我們還要再往前追問一步，這 100 萬 token 生產出來之后，它到底值多少錢？如果這 100 萬 token 都是閑聊廢話，效率再高也沒什么商業價值。

所以云知聲更強調 token 價值。我們對 “高價值 Token” 的定義非常明確：能夠直接轉化為商業收入、降低運營成本、規避重大風險或提升決策質量的 Token。

在醫療場景里，可能就 100 個字的 token，但能救命。在保險行業，一千字的 token，能幫保險公司省十幾億。這跟聊天場景里生成 10 萬字的情緒價值完全不是一回事。

云知聲把 90% 以上的研發精力都投入到提升高價值 token 的質量上。這也是為什么我們的大模型業務能夠在 2025 年實現收入 6.1 億元，同比增長 1076% 的核心原因——我們生成的每一個 token，幾乎都是高價值 token。

大模型競爭的下半場，不是比誰生成的 token 多，而是比誰生成的 token 有價值。

晚點：這種高價值 token 在云知聲的商業場景落地情況是什么樣的？

黃偉：舉幾個已經驗證了的場景。去年北京友誼醫院順義院區超過 45 萬份病歷由云知聲的 AI 大模型生成，直接引用率超過 90%。

在商業車險理賠上，我們的控費率相比傳統 TPA （第三方管理公司）服務提高了 3%，每年幫助某頭部保險公司節省了大概一二十億的保費。

晚點：可以把追求智能密度理解為云知聲的戰略定位？

黃偉：對。

AI 時代，每個公司都在找自己的生態位——阿里在找，騰訊在找，我們也在找。生態位這個事情一定要跟你自己的資源、能力、稟賦相匹配。我們不去追求智能的上限，不去追求 scaling 的極限。我們找到的路是：用更高的智能密度，去服務那些 token 價值最高的場景。

晚點：前面說了正賽，那熱身賽開始應該是 ChatGPT 發布，那時候你第一反應是什么？

黃偉：小震撼了一下。

如果我是一個很年輕的創業者，看到之后 90% 是興奮——能做很多想做的事。但我們從 1.0 走了十多年，恰恰就是在解決 AI 的各種能力不足的問題。我們一直做人機交互，以前的痛點就是自然語言理解不行，智能音箱聊三五句就卡殼了，大家開玩笑說是 “人工智障”。

所以當時看到 ChatGPT 的第一感覺是前面十幾年的功夫都白做了。

差不多有一周左右，我跟團隊都沒怎么交流，一直自己在消化這件事。但一周之后我發現，其實這個方向云知聲很早就在做——2018、2019 年我們就在做 GPT-1、GPT-2.5，也在做 BERT。過去的積累不是沒用，只是需要換條路。所以很快就轉變過來了，差不多兩個月我們就拿出了第一版模型。

晚點：兩個月就出了第一版模型？

黃偉：2022 年 12 月立項，中間還過了個春節，2023 年 2 月第一版就出來了，5 月正式發布。

因為云知聲在這個行業做了十多年了。很多投資人來跟我們交流的時候，會很簡單地以 ChatGPT 發布作為分界點，好像前后兩段是完全割裂的，基于這個就認為我們做大模型是從零開始。這時候我就會問他們，難道我的卡是 2023 年才買的嗎？云知聲的超算系統很早就搭好了，第一版只是把模型參數從 10 億放大到幾百億，對我們來講跨度并不大。

有句話說，你走過的每一步都算數。今天回頭看確實是這樣。

晚點：云知聲馬上要發新一代通用基座模型，為什么時隔這么久才推出新模型？

黃偉：我們做 U2 的判斷依據是，模型技術的范式發生了一次新的質變。我們不需要每個月、每個季度都訓一次模型，看準了技術趨勢，算好賬，我們才動手。

晚點：這一代叫 U2，但上一代叫山海，為什么換了名字？

黃偉：U2 更多是個符號意義，整個 AI 的范式已經從 1.0 進入 2.0，云知聲也完成了上市。我們希望從上到下都意識到，不能再用 1.0 的思維看 2.0 的事。

晚點：U2 代表的 2.0 范式是什么？

黃偉：U2 采用了 2600 億總參數的 MoE 架構，通過架構創新和訓練方法優化，U2 在大多數純文本任務上的表現已經接近或超越了國內萬億參數級別的模型，這正是我們 “智能密度” 理念的完整落地。

另外，U2 是原生通用 Agent 大模型，工具調用、狀態管理、多步規劃都是模型本身的原生能力，不是外掛。傳統大模型是 “為生成而設計”，U2 從第一天起就是 “為執行而設計”。

U2 還完全繼承了山海大模型在醫療、物聯網領域積累的所有數據和知識，通過把 “駕馭工程（Harness Engineering）” 從應用層下沉到了模型層，U2 在醫療、金融等嚴肅場景的幻覺率降低了 92%。

晚點：也是智能密度的一種體現。通用模型，但參數量更少，性能也不錯，性價比更高。

黃偉：沒錯。

晚點：前面你說，走過的每一步都算數，那有沒有哪一步后來被時代證明太早了？

黃偉：太多了。2014 到 2016 年，我們以為語音交互會很快成為智能家居的標配，但當時技術不成熟，識別準確率低，誤喚醒率高，市場真正爆發是 2018 年以后，比我們預期晚了三四年。醫療 AI 的落地節奏也比預期慢——我們 2016 年就推出了語音電子病歷系統，但直到 2019 年才開始規模化商業化。醫療行業信息化基礎薄弱，政策監管嚴格，醫生的使用習慣需要時間培養。我們用了整整 7 年才把醫療業務做起來。

但踩早總比踩晚好。踩早了你付出的是時間成本，踩晚了你連入場的機會都沒有。

大模型格局正在發生變化，單純通用模型公司解決不了的 “最后一公里”

晚點：我想追問一下商業場景里的更多細節，咱們先從醫療領域開始。

黃偉：前面說了，去年我們在北京友誼醫院順義院區，超過 45 萬份病歷由我們的 AI 大模型生成。把一份病歷的生成時間從 10 分鐘縮短到 2 分鐘左右。每份病歷節約 8 分鐘，45 萬份就是幾百萬分鐘，這等于我給這一個院區創造了幾十萬患者額外的就診時間。

而且直接引用率超過 90%——100 份病歷里有 90 多份醫生改都不用改，直接點 OK。剩下幾份需要調整的，可能是因為噪音污染引入的誤差，也可能是大模型在醫學領域還有約 1% 的幻覺率。

晚點：這看上去是單一流程的一個固定環節的提效？

黃偉：但這個任務其實非常復雜。醫院是個非常復雜的聲學環境，一個病房里可能兩到三對醫患同時說話，患者還沒回答，家屬搶答了。我們的設備放在醫生桌上，大模型不僅需要聽懂對話，還得從對話里分辨夾雜的閑聊、寒暄，最后根據上下文來做診斷和處置建議。

我們的 “山海?知音”2.0 端到端語音大模型，在醫院復雜的噪音環境下，識別準確率達到了 97% 以上，而 U2 通用大模型內置了 1002 萬個醫學關系的醫療知識圖譜，可以自動提取關鍵的問診信息，生成符合醫學規范的結構化病歷。

用了我們這套系統之后，醫生寫病歷的時間少了 90%，而且我們還有內置的醫療質控 Agent，能自動檢查病歷的完整性、邏輯性和合規性，準確率達到 98%，而且特別好的一點是，它整個過程完全是嵌入醫院的 HIS 系統中的，醫生什么操作習慣都不用改變。

這個案例很好詮釋了我們的理念：“強基模” 是基礎，“深應用” 是關鍵。只有把模型能力深度融入客戶的業務流程，才能真正創造價值。

晚點：云知聲過去積累的聲學能力在大模型時代依然有用。

黃偉：還有十多年積累的工程化能力。比如我們能把模型壓縮到零點幾 B 大小放在離線終端芯片里運行，這在車上很有用，車是個相對私密的環境，用戶并不想把每句話都上傳到云端。

另外，座艙也是個復雜的聲學環境，外面的風噪，馬路上的聲音，還有座艙里多人同時說話，這些復雜噪音環境下的定向識別、多人同時說話的分離，國內能做好的翻來覆去就那么兩三家公司。大模型廠商或許模型很好，但需要云端算力，而汽車里面這些復雜的聲學場景是我們的事。

晚點：除了生成病例這個單點環節之外，還有什么環節可以通過大模型介入？

黃偉：山海?知醫 5.0 已經可以做到主動提醒可能遺漏的鑒別診斷。比如，當醫生提到 “患者胸痛伴大汗” 時，系統會自動彈出急性心梗的診療路徑，提示立即做心電圖和心肌酶檢查；當醫生開出兩種有相互作用的藥物時，系統會實時預警并給出替代方案。

這一步其實更關鍵，意味著大模型從被動效率工具變為主動提供支持的決策參謀。當然，醫療場景對安全與合規要求是非常嚴格的，在醫療領域 AI 永遠不能替代，只能輔助醫生，云知聲有非常嚴格的幻覺控制和數據合規措施。

晚點：保險場景呢，前邊你說你們幫助保險公司節約了一二十億保費？

黃偉：云知聲在某頭部保險公司做商業車險理賠。車險跟患者傷病有關，需要到醫院檢查。那這些檢查哪些合理、哪些不合理？比如你路上擦傷了腿，不能把糖尿病的基礎病檢查也報了對吧。

在過去，保險審核員不是醫生，沒有這個醫學能力來判斷。簡單一點的還行，復雜一些的真判斷不了，但云知聲的 AI 可以。也就是前邊說的我們的控費率相比傳統 TPA 服務提高了 3%，這樣就可以每年幫助保險公司節省大概一二十億的保費。

同時，在醫保場景，我們把控費率從一點幾個百分點，提高到了 7%，提高了將近 6 個百分點。

全國醫保費用支出去年已經突破了 3 萬億，而 2024 年全國監管只挽回了 31 億。如果將云知聲控費率 7% 的醫保監管系統推廣到全國，那就是每年可以為國家節省 2000 多億。

晚點：如果一個企業客戶問：我直接用 DeepSeek、Qwen 甚至 GPT，再做點私有化部署，為什么還要用云知聲？

黃偉：單純開源模型可能解決 70% 到 80% 普通用戶的普通問題，但 20% 的專業用戶的 20% 的專業問題，很難解決。比如醫療場景需要私域數據，互聯網上搜不到這些知識。沒有這些數據，你最多做到 90 分，做不到 95 分、99 分，達不到使用標準。

高價值行業 “最后一公里” 問題，一定是通用模型 + 行業 know-how 來解決，云知聲已經做了十多年了。

不同企業業務流程一定是個性化的，正是因為有這種需求差別，才有所謂的大模型企業的生態位。

晚點：那為什么這些個性化場景只有云知聲能做？新公司難道不行嗎？

黃偉：因為我們在 AI 1.0 時代就在做了。并且公司長期堅持強基模 + 深應用的戰略路徑，一邊自主研發通用基座大模型，一邊扎根垂直產業場景做深度落地。尤其在醫療、物聯網領域，積累了大量真實場景的語音和文本數據，包括大量合規脫敏的醫療病歷。這些數據是訓練大模型最寶貴的資源，也是其他公司很難復制的。

另外，醫療行業它除了專業門檻高，信任門檻更高。我們已經服務了 400 多家三甲醫院、超過 500 家企業客戶，積累了超過 10 億條真實的醫療數據，已經建立了非常扎實的信任基礎。

晚點：云知聲的商業模式好擴張嗎？直白一點，很多人覺得做醫院的生意有點累。

黃偉：資本總想賺快錢。大家都想要網絡效應一下放大，但我們的模式不是這樣。

正確的道路一開始總是很難理解的，就好比我們過去很難理解為什么是農村包圍城市。如果是大家都想得到的路，那大家都成功了，憑什么是你？

從結果上看——我去年人均產值 252 萬，收入規模在 AI 公司里也是最靠前的幾家之一。

晚點：但一家一家搞項目也太不 AI 了吧？

黃偉：可以把產品做到標準化，甚至遠程部署，也能做到像訂閱制這種增長。

晚點：說到底，大模型能幫云知聲從項目制走向產品化嗎？外界一直覺得你們的模式偏重。

黃偉：過去我們確實以項目制為主，每個客戶需要大量定制化開發，交付周期長。但大模型正在改變這個局面。比如我們的保險理賠審核系統，現在已經是一個標準化產品，客戶簡單配置就能上線，交付周期從 3 個月縮短到 1 周，成本降低了 80%。

晚點：讓你總結一下云知聲的競爭壁壘，你會怎么說？

黃偉：總得來說，云知聲的策略叫 “強基模 + 深應用”。用足夠強的通用基座支撐垂直應用，同時用垂直應用的數據和知識反哺基座，這會形成一個良性循環。我們的通用基座會不斷吸收垂直領域的知識，變得越來越專業；而我們的垂直應用也會因為通用基座能力的提升，變得越來越強大。這樣的循環會讓智能密度越來越大。

晚點：如果只看資本市場最關心的指標，未來一兩年云知聲最應該證明什么？

黃偉：我們一方面收入會比去年有比較快的增長，同時收入構成會發生非常好的變化——毛利和來自 token 的收入占比都會增加。

我們的客戶現在對 AI 的需求比以前明確、旺盛得多。客單價在提高，人均效率在提高。再加上新的 model-based 的 token 收入，應該能做到人數不怎么增加的情況下，收入還能保持相對快速的增長。

所有的成功都不是輕易得到的，如果很輕松，那對別人不公平

晚點：云知聲能從 AI 1.0 活到 2.0，靠的是什么？

黃偉：展開說原因有很多，我們能活下來，靠的不是運氣，而是一套結構化的能力：拒絕誘惑的定力，深入行業的深度，和面對困境的韌性。但一個比較重要的原因是在每個關鍵決定都沒有出大錯。

晚點：拒絕誘惑的定力？都有哪些誘惑呢？

黃偉：太多了。2012 年剛創業時，很多人說你就這點融資，別做自然語言理解了，專注把語音識別做到 98% 準確度就行，這個話其實沒錯，但不符合我們對技術的理解。

2016 年 AlphaGo 之后，投資圈開始熱 AI，很多人勸我做安防——收入規模能快速沖上去，估值也好看，但我也沒做。

我們在做的是超算集群的時候投資人也過來說，“你們這種小破公司搞什么超算中心”，但沒有它哪有后面的模型啊，只不過當時沒有人料到這一點。

2021 年，SaaS 概念在資本市場 50 倍 PS，很多人勸我講 SaaS 故事，我直接就說，中國沒有 SaaS，大家都是地推。

晚點：拒絕這么多，不怕融不到錢嗎？

黃偉：我們的堅持是有邏輯的嘛，不是盲目堅持。資本市場上的人可以炒一波就走，但我們還得在啊，所以真的不能人云亦云。

當然，我們堅持背后的邏輯可能沒有外界想象那么好，因為現實就沒有那么好嘛，但云知聲成立 13 年，我們的創始團隊和核心高管一直都很穩定，可見大家還是比較認可我們的邏輯的。

晚點：云知聲過去幾年很少對外發聲。現在選擇重新出來，是因為上市完成了，還是覺得行業到了一個新的階段？

黃偉：兩個都是。我覺得一家企業本來就應該正常地對外輸出觀點、更新動態。但我們客觀上確實因為上市靜默期，這方面不太方便。我們整個上市過程非常漫長，2019 年準備科創板，然后 2022、2023 年轉港股。這期間剛好是人工智能從 1.0 切到 2.0 最關鍵的幾年，而我們都在靜默。

另外我們的商業模式決定了，過去兩年多我們更多是為企業客戶提供基于模型的產品和解決方案，并不直接把模型提供給 C 端或者公眾。真正知道我們模型能力很強的，大多是我們的付費企業客戶。

所以現在接受采訪也不是什么特別的舉動，就是一家上市公司做它該做的事。

晚點：在很多人看來，現在大模型的格局已經比較清楚了——大廠、六小虎、然后是其他。

黃偉：2018 年人們也這么認為，然后很多公司就死掉了。

AI 2.0 時代留在牌桌上的公司比 1.0 時代少多了——1.0 號稱做 AI 的有上百家，現在做大模型的有幾家？屈指可數，但市場空間比以前大多了。

云知聲是完整經歷過周期的，我們看到太多起起落落了。有些公司情況好的時候非常光鮮，不好的時候也經歷過融資困難。大模型公司們不也是這樣嗎？但其實這都是事件驅動的。它跟行業格局是兩碼事，而產業格局還遠遠沒有定下來。

就是我前面說的，AI 2.0 時代的熱身賽結束了，正賽才剛剛開始。

晚點：云知聲接下來最想做什么？

黃偉：三件事。

第一，技術上我們還是個有追求的團隊。我們不是舞臺正中間最亮眼的那個，但我們始終希望留在舞臺上，始終是世界一流水平，拿出更好的模型來。

第二，商業上，一方面用升級的模型把現有的產品做得更深——原來 80 分的做到 95 分，原來做不了的任務現在能做。另一方面，嘗試新的商業模式，比如基于我們強大的基礎模型，直接向客戶輸出 token，打造一種新的基于 token 的商業模式。

但 token 經濟學在中國是不是成立，還得用結果來驗證。我覺得有可能，但今天有泡沫，我們需要探索一個適合中國的 token 商業模式。

第三，也是最關鍵的——團隊。前面兩件事都是靠人做的。我最怕的是我們身體在 2.0 了，腦子還是 1.0 的。不是換一批年輕人就能解決——你公司原生上沒有新的文化和思想，換了也沒用。我們已經在做漸進式的改造了。

晚點：身體和腦子都在 2.0 的狀態是什么樣的？

黃偉：I don't know。技術在變，最終狀態沒人知道。但我理想中的方向是公司任何崗位，管理、HR、法務、財務、工程、銷售都深度使用 AI，全業務流程用 AI，一個十幾年的公司，從思想到組織到行動，變成一個 AI native 的團隊。

晚點：感覺上市之后，云知聲慢慢進入了一個比較舒服的狀態？

黃偉：從實際情況看，沒有遇到什么太大的困難。不過我過去十多年養成一個習慣：企業越是順的時候，越要充滿危機感；越是困難的時候，越要充滿希望。你的情緒要逆周期。

所以我現在是危機感。

晚點：最近一次危機感是什么時候？

黃偉：龍蝦最熱的時候。它一出來我自己就在很積極地嘗試，還順手炒了炒股票（笑），但我發現團隊反應有點慢，就是我剛才說的，身體進入 2.0，腦子還在 1.0，這讓我有點焦慮。

后來我反思了一下，不是他們不想動，是現有的組織架構是按原來的業務模式設計的，沒有多余的人和腦子來想這個事。

晚點：后來這個焦慮怎么緩解的？

黃偉：我看到我們有個老員工一個人一天做了 3 個版本的輸入法，要知道以前這種活至少要小幾十人的團隊做幾個月，我就從容了，說明公司還是有人往 AI native 的方向走的。

晚點：你希望外界看到一個什么樣的黃偉？

黃偉：這個不太好說。

今年一季度我飛了十幾趟航班、三十多趟高鐵，很少連續在一張床上睡超過三天。

我不覺得年齡是問題。馬斯克也不年輕，沒人否認他的創新意識。有的年輕人 20 來歲每天只會吃喝玩樂。年齡只是生理符號，更重要的是對新事物的敏感度和擁抱的程度。

我對團隊說的最多的一句話是：我最怕我們上了岸就躺平了。如果今天覺得已經上市了、上岸了，我覺得再大的機會也沒機會了。

晚點：你說的再大的機會，對云知聲來說是什么？

黃偉：還在找，但確定性的事是，如果說我對行業有把握做一個相對準確的預測，我覺得這個行業會誕生幾家可能比移動互聯網時代更偉大的世界級公司，而且是在中國。

云知聲會不會是其中之一？我不知道。但我們想做的事遠遠沒有做完，而且我們這幫人沒有躺平，我覺得這可能是最大的機會。

題圖來源：云知聲