出品｜虎嗅科技組
作者｜陳伊凡、孫曉晨
編輯｜苗正卿
頭圖｜AI生成
“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「10」篇文章。
人類從未停止過與癌症、阿爾茲海默症、艾滋病等疾病等抗爭。
但苦於新藥研發的速度，這場疾病抗爭史遲遲未能出現質的改變。而以生成式AI爲基礎的大模型的出現，正在從根本上改變這一進程。
第一縷夕陽透過會議室玻璃窗，與C12的創始人兼CEO陳志剛的對話已經進行了兩個半小時。生研灣，我們這次談話發生的地方，是大量新藥的創新源頭。陳志剛正在做的，是一個針對實驗室場景的通用機器人——這個機器人將會先被用在新藥研發，之後泛化到新材料和化工等場景。
他厚厚的鏡片反射出一道光——那是比窗外陽光更銳的東西，此時，全球藥物研發行業創新浪潮正洶湧來襲，AI已成爲這場創新風暴的核心驅動力，這場能力，比10年前更大、更足。
2022年，陳志剛的公司C12成立，嘗試將垂直領域的AI Agent與具身智能結合，突破溼實驗（虎嗅注：溼實驗通常涉及生物樣本、化學物質或其他液體材料的操作和處理。這類實驗往往需要特定的實驗室條件,如無菌環境、溫度控制等）的效率瓶頸。
一年多前，他做了一個決定，將機器人的解決場景收斂到“純化”的步驟，而不是溼實驗的全流程——這是客戶最痛也最願意買單的關鍵環節。再往前一點，他決定加入硬件部分，從最初設計實驗的AI Agent，變爲做一個能夠完成一套工作流的機器人，因爲客戶說，設計實驗只是解決了7%的需求，科研人員還有70%的時間在做苦活累活，希望能把這些也用Agent解決。總之，一切判斷都來自客戶。
如果說上一輪AI，只是對藥物研發“錦上添花”，這一次由大模型引領的生成式AI變革，可能正在改寫人類與疾病賽跑的時間規則。
我們談話間，製藥領域正在發生着一場大規模的資金流動。在過去1個月的時間，近100億美元資本密集湧入AI製藥領域，諾和諾德、禮來、阿斯利康等跨國藥企，與AI公司達成超過20項重大合作。這是一個明顯的信號。
第三方調研機構Evaluate Pharma報告預測，到2030年全球處方藥市場將達1.756萬億美元，AI製藥將成爲核心增長引擎。
傳統意義上，一款新藥的誕生是個漫長且高風險的過程：從早期研發到最終上市，10年以上才能壘起 100層樓，塌掉9棟才成1棟，成功率不到10%。
而現在， AI 技術正爲這一過程注入新的可能性：通過加速化合物篩選、優化臨牀試驗設計、輔助數據分析等方式，新藥研發週期有望縮短30%-50%，部分環節的效率提升更爲顯著，在一定程度上降低了研發的時間成本與不確定性。
陳志剛要做的，是把“發令槍”再往前挪幾格。
在藥物研發的傳統版圖裏，從靶點驗證到臨牀前研發，100個白大褂要在通風櫥前重複數千次移液，累計 100 多萬小時——相當於114個人連軸轉10年，燒掉 3 億美金是常態，這個數字壓垮過太多中小型藥企。
大模型的出現，像突然打開的射燈，照進了隧道，“大模型把地基打好了。”陳志剛說。
在部分試點場景中，初步驗證顯示，這種方式有潛力將生產效率提升數倍，成本也顯著下降，爲實驗室研發帶來了全新的可能性。
陳志剛的這雙手曾操盤過藥明康德的數字化轉型，他曾是藥明康德高級副總裁兼首席數字官，也曾在騰訊醫療大數據實驗室搭建底層架構，在阿里健康擔任總架構師。陳志剛稱自己的職業生涯，剛好串起了一款藥從研發到上架的全鏈路。
在對話多數時候陳志剛都像臺精密運轉的儀器，邏輯鏈條嚴絲合縫。你很難從他的臉上看出情緒的變化，甚至是在提到公司在創立之初所走的“彎路”，聊起創業初期踩過的坑，他語氣平穩得像在說別人的故事；說起從職業經理人到創業者的身份撕裂，也只是輕描淡寫。
陳志剛對公司的每一步未來規劃了清晰的節奏，A輪之前把產品和運維做好，讓客戶感受到真正的價值。
瞄準實驗室的效率瓶頸
虎嗅：爲什麼想要在2022年成立這樣一家企業？畢竟，你在藥明康德已經做到一個不錯的位置。
陳志剛：起源其實來自兩個方面：第一件事，我自己在CRO（虎嗅注：合同研究組織,是爲醫藥企業提供醫學研發專業化服務的第三方機構,涵蓋藥物研發全流程支持。）的時候經常會去實驗室，因爲我們做的事情緊密地貼合業務，要通過數字化和智能化的手段幫助業務團隊提升效率，提升生產力。
科學家其實非常辛苦，他們一天八個小時，其中六、七個小時都站在實驗室裏，要不就是做實驗，要不就在不同設備和不同工作區域往返。如果在工作任務非常多的時候，他們還要加班。如果從實驗室效率的角度，這裏面有很大提升改進的空間，效率提升特別需要通過新的技術改進。
第二件事，幾年前，我曾與多位資深領導者探討醫藥研發外包服務行業的未來走向，他們提出：這個行業的真正競爭對手是未來出現的新物種。因爲這兩件事情，我就想未來實驗室怎麼突破效率的瓶頸。
第一，不是讓人突破人的極限，而是要用新的技術突破人的極限；第二，我覺得要用新的技術去替代人做髒活、累活，人和機器人在智能或者操作方面實現有機結合。
這個行業有太多挑戰，有很多疾病現在沒有好藥去治療，如果能夠在這些實驗室等場景中，讓人效率更高一些，一個人就能夠在一定的時間和精力範圍內，探索更多的未知空間，能夠找到更好的藥或者材料，這是我進行這次創業的初衷。
虎嗅：在2022年，其實已經有不少AI製藥的公司，比如晶泰，英矽智能，已經在嘗試AI製藥的研發，他們會是未來C12的競爭對手嗎？
陳志剛：我們和他們其實專注於藥物研發的不同環節。
像晶泰、英矽智能這些公司，主要通過AI技術做藥物分子設計，用計算的方法去設計和篩選候選分子，這是一個非常重要的環節。
而我們聚焦的是溼實驗驗證這個環節。當AI設計出來有潛力的分子後，需要在實驗室裏進行實際的合成和驗證，這就是我們用機器人來做的事情。
所以可以說，我們在產業鏈中處於不同的位置，各自發揮專業優勢，實際上是互補的關係。
虎嗅：上一波AI的算法沒有解決藥物研發的什麼問題？這一次的大模型帶來了什麼新的可能？
陳志剛：新的生成式模型對藥物分子設計非常關鍵。大語言模型讓決策切入得更快，在有比較好基礎模型的情況下，針對不同應用場景做微調，所需要的數據、成本以及時間要比以前少。
以前每一個垂直賽道都是專業的模型，舉個例子，以前大家修房子都是從海平面開始修，如果修100米高，那麼這100米都是自己修。現在底層實際上已經有50米了，你接下來只用修剩下的50米。
虎嗅：在決定創業之後，做的第一件事情是什麼？
陳志剛：融資和建團隊。我們做這個事情的時候正好碰到疫情時期，在那個時間點，我們確實經歷很多的挑戰。不過，當時行業裏面一些做傳統自動化、實驗室自動化的公司業務就有顯著的發展，這也給了我們很好的激勵。
如果溼實驗能夠像計算一樣，更加靈活地執行，那麼不論是對供應鏈，還是對生產效率來說，都會是顯著的突破。
虎嗅：在找投資等過程中，投資人會更關注公司的定義是什麼嗎？比如，他們可能會把C12定義爲機器人公司？或者AI for science的藥物研發公司？你對公司的定義是什麼？
陳志剛：每個投資人都有自己的一個角度。像我們做這種垂直領域Agent+硬件，整體上說，對於投資人而言確實有一點挑戰。
有些時候，我們接觸一些投資機構，他們跟我們聊的可能是AI，發現這個領域看不太懂，然後把投生物醫藥的人叫來，生物醫藥的人又覺得與平時看的管線邏輯不一樣。
C12的機器人產品LabBot
我覺得本質上，它其實是AI+機器人的產品。
大家一開始看不懂也很正常，新的AI和機器人應用的邏輯在往前走，大家會慢慢把方法論和框架建立起來，更多的投資機構會更容易看懂，這會有個過程。
醫藥行業的釘子挺多也挺硬，最終解決客戶的問題才能夠創造價值
虎嗅：在藥明康德、阿里健康、騰訊等公司做醫療健康和技術結合的工作，這些不同的經歷有沒有給你帶來不一樣的影響？這些影響能夠投射在創業中。
陳志剛：我覺得這個影響其實一直在延續，而且不斷地迭代。我在阿里的時候，阿里總部“雙十一”晚上每個業務部門都會有一個大屏，大屏會有兩條曲線，一條曲線是預期的業務板塊的GMV（商品交易總額）數據，另外一條曲線是實際的GMV成交的數字。
很多時候，你會發現兩個數字之間剛開始會有差異，特別是實際的GMV比預期的數據少的時候，會及時地實施一些營銷策略，希望能夠把GMV提上來。最後會發現這些調整還挺管用的——實際曲線會不斷接近，最後甚至超越預期曲線。
我確實從中學習到重要的東西。當產品在實際場景應用的時候，需要運營。
第一，只有通過運營才能夠真正讓客戶把產品用好。因爲當新的產品到客戶手上，客戶不一定馬上就能完全掌握，也不一定馬上就能夠充分發揮產品的價值；第二，產品跟業務場景的契合度需要磨合，就算提前把事情分析清楚，但實際應用可能還是會有偏差；第三，應用場景在不斷變化，產品也要快速迭代、快速滿足新的需求。
藥明康德有一個非常重要的BU，他們最核心的生產設備就是製藥反應釜，當時該BU訂單爆滿，儘管反應釜數量很多，但巨大的需求和供給之間的匹配仍面臨挑戰。
我們在整個工作流上用算法把信息流串起來。以前由人安排每個項目放到哪個地方生產、什麼時候開始、什麼時候結束等，後來是用算法做這件事。
我們爲他們做了一個匹配需求和供給的AI產品，培訓業務團隊使用這個產品解決他們的問題。在用的過程中，他們有新的需求。因爲業務需求在發生變化，他們業務邏輯也在發生變化，也會有一些業務上的新策略，我們把這些新的需求、新的變化迭代到產品裏面。
這個過程中的方法論是，從應用場景中解決應用的問題，形成技術和產品，回到應用場景中驗證這些產品，然後不斷打磨，讓它創造真正的價值。
這要求我們既要“進得去”，又要“出得來”。“進得去”是要理解這個問題，你的回答要能夠解決這個問題；“出得來”是要有產品的思維，能夠讓它標準化，把研發和運維的成本降下來。
虎嗅：這些方法論是如何形成的？和你之前的職業經歷相關嗎？
陳志剛：若干年前，有一些互聯網公司的人出去談合作，好像自帶光環。就好像每個人手裏拿了個錘子，到處找釘子。這可能在某些行業確實取得一些成功，但是醫療健康行業釘子挺多而且也挺硬，輕易能錘不下去。
我覺得這個行業的專業性、複雜性和強監管需要深入理解，利用互聯網的技術、算法和思維，圍繞解決問題去做，並不是說我有互聯網的算法，就好像有個錘子，找個釘子就錘，並且周圍還有很多釘子，只錘的一個是不夠的。
我覺得這是一個非常重要的思維轉變，最終解決客戶的問題才能夠創造價值，只有創造價值，產品才能夠被大規模應用，這樣商業纔是成功的。
虎嗅：在藥企的經歷和在互聯網公司的經歷有沒有什麼不太一樣的地方？
陳志剛：我之前在阿里和騰訊一直都是從事AI加互聯網醫療這個板塊，在整個工作的過程中，更多的是醫療健康下游的事情。做了一段時間以後，我覺得我對整個醫療健康產業比較感興趣，所以就想去嘗試做醫療健康上游的事情。
其實很多疾病不僅僅是效率的問題，很多時候其實是這個病本身沒有好的解決方案，就是所謂的患者需求沒有被滿足。所以我想看看產品研發端的痛點是什麼，去做一些事情。
我有時候開玩笑，我的回國之後的職業生涯就是藥的研發和生產全流程，只不過我是從下游往上游走。
虎嗅：在這三年的過程中，有沒有一些感覺特難的時候？
陳志剛：當然有。我覺得我確實在花時間適應新的角色，更重要的其實是大環境的變化，我覺得這個給大多數企業都帶來了很大的挑戰。
這種挑戰是一個基線，大家都會面臨這樣的挑戰。在這個過程中間，要思考怎麼能夠更快地分析和理解新環境帶來的挑戰，以及能不能快速地找到應變方法，把產品做得更好。對於困難的地方，我更多是從發展角度來看，這個難，其實大家都難。
虎嗅：對於創始團隊，有什麼樣的考量？
陳志剛：都是一個過程，很難說一開始所有東西都到位。這裏面有資源的問題，有實際的問題。很多時候我覺得這種東西是水到渠成。首先要定位，你要找什麼樣的人。其次纔是能力，他能不能做這個事。第三個就是在過程中調整。
虎嗅：對於能力匹配以及團隊的適配度如何考慮？在覈心的初創團隊中，每個人又扮演怎樣的角色？
陳志剛：我們現在團隊比較小，所以實際上沒有分那麼細。對於人的嘗試，我覺得無非是兩個，第一，對於之前認識的人，可能對他有一定的瞭解，這能夠減少一些試錯；第二，即使是瞭解的人，隨着環境發生變化，事情不一樣，承受壓力不一樣，反應和表現也會不一樣。所以我覺得不需要特別多的思考，招人本身佔成功的40%，更多的是磨合，磨合佔60%。
從全流程到單點突破
虎嗅：第一款產品是什麼時候出來？
陳志剛：我們之前在AI agent那一塊做了一些東西，幫客戶解決了一些很複雜的問題。我們最早有一個關鍵的AI agent，是做藥物分子的路線設計。在新藥研發領域會有新分子，是從來沒有被人做過的。它的合成應該是怎麼樣，怎麼才能把這個分子結構做出來，這對於行業是一個關鍵而且困難的問題。
虎嗅：所以第一代產品從沒有加入硬件。
陳志剛：沒有。第一個產品可以認爲是設計實驗，再往後就是用機器人做事。
虎嗅：但是那個時候已經有客戶了。
陳志剛：對。
虎嗅：第一款AI Agent出來之後，已經可以去收錢了，因爲商業模式已經跑通了，那爲什麼要再去做高成本的硬件產品？
陳志剛：客戶反饋是幫助設計實驗挺好，但只是解決7%的問題，替代了不到10%的人工，科研人員還有70%的時間在實驗室幹苦活累活，希望能幫忙把這件事情幹了。
虎嗅：這樣的產品未來可以泛化在別的場景？
陳志剛：我們不僅僅看醫藥研發，也會看新材料，也會看化工。
虎嗅：這個是一開始就這麼規劃的, 還是經過一些迭代纔有的？
陳志剛：其實是客戶找到我們。我們發過幾個視頻，沒有做任何的商業化推廣。早期的視頻在微信視頻號上的播放量是70萬次。
這個其實是整個產業對於這個事情的需求。很多一些客戶找到我們，覺得這個東西很有價值和潛力，想一起做一些事情，這裏面也不只是藥物研發。
虎嗅：在模型訓練和硬件這兩部分，你會控制精力的分配嗎？這兩塊都是難啃的“硬骨頭”，硬件該做到什麼程度？孰輕孰重怎麼判斷？
陳志剛：對於這個事情的邊界，其實我們有比較強的考慮。如果某個需求非常明確且市場規模足夠大，通常會有設備廠商關注。
如果還沒有成熟的解決方案，可能存在技術門檻、成本考量或市場時機等因素。
如果硬件需求的複雜度過高，我們通常會重新審視解決方案的設計思路，看是否有更簡潔高效的實現路徑。
虎嗅：你從一開始就沒有想要往人形方面做？
陳志剛：人形與否對我們沒有那麼重要，我們最關心是雙臂協同。
虎嗅：在研發過程當中，是如何抽象出這幾個流程和工作流，然後用AI體系做閉環？
陳志剛：其實這都是我們跟客戶一起做的，就像我們在藥明康德一樣，會扎進去理解這個工作流，做很多分析。我們按照工作流程去看，從項目執行的角度分幾個階段，考慮每個步驟需要機器做哪些事情，需要人做哪些事情，以及每個步驟最後的ROI（投資回報率）是什麼。
虎嗅：現在的大模型有幻覺，通用機器人和真實世界的互動數據不夠，導致無法大規模商業化，這些會影響一些決策的準確度。在藥物研發這樣對於精度、準確度和穩定度要求更苛刻的場景下，你們怎麼解決這個問題？
陳志剛：解決幻覺首先要把複雜問題切分成簡單的問題，這樣出現幻覺的空間會相對小。第二要能有grounding（和現實對齊），要能夠ground到可被現實論證的基礎上。
我們現在的模式是通用機器人，它會在中間起到核心作用，把很多不同的專業設備串起來。我們現在會給通用的機器人加上一些定製的手指。
因爲操作不同的設備要用不同的機器人手指，在這些方面我們會做一些設備，進行一些簡單的適配。這種情況下，我們能夠跨越以前All-in-one系統需要高度定製的技術侷限性，實現更加靈活、更加便宜的實驗室自動化解決方案。
我們剛開始的時候想的是在醫藥研發實驗室通用，並沒有考慮其他的行業。
但是這裏面有一個底層邏輯，就是所謂的叫做湧現的機會。
因爲我們實際上是用通用機器人對接不同的設備，其他行業也有同樣的問題。我們在醫藥研發行業做這個事情的模式，其實在其他行業也適用。
第二，大家認識到之前的定製硬件產品研發時間和投入成本都非常高，比軟件產品高4倍到5倍。大家一直在考慮存不存在通用性的解決方法，不需要那麼高的通量，但需要通用靈活。
第三，得益於機器人生態的快速發展，好處就是廣泛地進入大衆視野，大衆都會更容易理解和接受它；成本不斷降低，機器人的能力在不斷提升。如果在封閉的定製化系統裏，成本和迭代週期等等都不是優勢，反而變成包袱；但是如果在開放的生態裏，這些東西未來都是優勢，對創業公司來說，就是能不能把競爭壁壘立住。
虎嗅：對你們來說這個ROI怎麼量化？
陳志剛：從這個角度來說，我們就是機器人公司，這也是與傳統All-in-one的自動化系統很關鍵的區別。
第一我們按工作流。工作流其實就是機器人的技能包，機器人會做更多的事情，那租的費用會更高，機器人會做的事情較少，那租的費用更低。
我們機器人未來的商業模式就是租轉售。很多客戶反饋機器人迭代太快，希望總是用新的東西，也有客戶不知道這個機器人到底能不能解決問題。站在客戶的角度，他們有這樣的訴求。
站在我們的角度，第一，趨勢其實就是按結果付費；第二，因爲裏面涉及到硬件，這樣獲客成本和時間就會少很多。
虎嗅：這個怎麼理解？
陳志剛：傳統的 All-in-One 自動化系統通常需要數百萬元甚至上千萬元的初始投入，屬於資本性支出（Capex），其決策成本和週期都較高。在大型企業中，這類決策往往涉及多個部門與十餘位相關負責人。
相比之下，租賃模式被歸爲運營支出（Opex），審批流程通常只需Capex一半的週期。設備租賃的價格一般是購買成本的二十分之一到十五分之一，大大降低了試錯成本，便於快速驗證新技術的有效性。
虎嗅：對於現在的商業模式，我們未來會有一些側重嗎？現在有沒有某塊業務的收入更好？
陳志剛：我們現在既在賣，也在嘗試租，也有軟件的訂閱，都有市場需求，我們都會去推，但是我們重心會放在租轉售。我們聊了很多不同的客戶，發現這就是市場。作爲採購的流程，客戶試用以後，會有初步的數據，也可以更好地走採購流程。
虎嗅：還沒有比較統一的定價？
陳志剛：肯定按照客戶心儀的價位，這就是市場的價格。從按結果付費的角度來說，結果的費用在不同的場景有不同的定義。
我們現在有一些算法，只是我們會拿這些算法與客戶的溝通，在商業合作的過程中間不斷迭代。
虎嗅：如果從現在回看2022年創業之初，有哪三個決定是覺得不應該做或者應該改變的？
陳志剛：我們在創業之初走了些彎路。
最初我們更多的是把它作爲行業的問題去解決。行業的問題很多，包括方方面面，所以我們當時看得比較遠，也比較寬，比如化學實驗，從反應稱量、投料，到反應過程監控，再到反應的後處理，這中間可能有十到二十個不同的任務要解決。
裏面每一個任務都有變種，比如稱量，稱量的東西包括液體的、固體的，固體又分粘稠的、塊狀的、粉末的，還有好多其他不同的細節，我們希望能夠用AI自動化這裏的全流程，最後發現這個流程上的每個問題都解決不透。
虎嗅：這個彎路走了多長時間？
陳志剛：可能半年到一年。我發現不能看那麼寬泛，需要抓住一個問題解決。不應該看一個面，而是先做一個點。
我們現在做的是純化。這是我們通過跟客戶不斷溝通後做出的決定——很多客戶在投料、稱量上耗時不多，但在純化環節花了大量時間和人力。我們最終聚焦解決這個客戶最痛、最願意買單的關鍵環節，這個過程我非常感謝合作伙伴和試點客戶在探索階段給予的信任與反饋，他們的真實需求推動了我們聚焦產品、打磨方案，也幫助我們更快走上正確的方向。
然後在機器人這塊，我們剛開始用通用機器來做的時候，嘗試了不同的機器人的硬件，我們自己做過一些初步整合。但我們現在就用供應商的整合。在創業過程中，對這件事情的認知是在不斷深化的。
虎嗅：除了純化的工作流，你們會再找其他的環節切入嗎？
陳志剛：有，包括整個反應過程工藝的研發，還有生物Assay實驗，有好多客戶找我們。我們因爲人手不夠，接不過來，研發團隊正在加急擴充人員，爭取儘快跟上需求。
虎嗅：在與客戶共創的過程當中，客戶的數據也會變成你們垂直模型的一部分嗎？
陳志剛：不會。如果客戶想把這個東西放到模型裏面，無非是兩種：一種模式是把客戶的數據用來強化或者改善模型，那這個模型只是給這個客戶，我不能拿出來賣給其他客戶。這往往是比較常見的模式。
第二個模式是與某些客戶形成戰略合作關係，他甚至可能在一定程度上佔股權，變成股東，那麼他會把一部分數據給放進來。這個時候企業的發展也與這個客戶形成了比較緊密的利益綁定。
虎嗅：怎麼判斷客戶的需求是否是真實需求？
陳志剛：要跟客戶談，看他願意爲這件事投入的力度有多大。
虎嗅：在銷售和談合作上面，創業公司有沒有優勢？這個行業大家是不是比較願意相信一些大的品牌？
陳志剛：傳統的All-in-one系統確實會更相信大品牌，但是現在，客戶還是最終要看問題有沒有被解決好。只要客戶的核心問題還沒有得到很好的解決，市場上通常還會有新的機會。
“我不會預設立場，我跟着問題走”
虎嗅：在創業的過程中，有沒有發現一些反常識的事情？
陳志剛：在這個領域裏面，很多事情都在認知範圍之內。但我確實也在關注新的可能性，未來可能會變成我們往前面走的機會。比如傳統創業基本需要5個人，但現在的硅谷出現一兩個人的創業公司，一兩個人就把產品做起來，然後快速試錯。
我自己也在用很多的AI工具，做很多不同的事情，現在最多的就是用AI工具做思考助手。
我覺得這些新的東西確實會帶來一些反常識的做法，會很關注這些新的做法，希望能用到我們公司的運營和研發中。
虎嗅：下一步的挑戰會在哪裏？
陳志剛：我覺得接下來就是把關鍵的客戶場景做透，形成持續發展的模式。我們目前其實在這個路上，到A輪之前，要被市場接受的話，需要有產品、運維，要能夠讓客戶收穫價值，在客戶大規模接受之後能擴展到其他實驗室，能夠規模化。實際上我們正在積累，走透之後，再往其他的應用場景走的話，我們至少知道怎麼辦。
虎嗅：規模化的難點現在是在哪裏？
陳志剛：更多的其實是一個新生事物。當真的有很多機器人在實驗室幹活的時候，客戶會有什麼樣的新的問題，我們怎麼幫助客戶應對這些問題？因爲這種事情從來沒有出現過。
虎嗅：這也是現在這一批創業裏面比較有意思的點，大家都在嘗試新的東西，都在一條起跑線上。未來是未知的。
陳志剛：是的。在這個過程中間，我不會預設立場，更多是跟着客戶走，跟着問題走，碰到問題，解決問題。在剛開始底層邏輯設計方面，我覺得這件事情其實給了我們一個很好的工具支撐，讓我們做了很好的積累。
比如，我在客戶那裏碰到一個問題，我能不能在我們的模擬場景復現它。如果能復現，那在這個過程中，我就積累了很多的經驗。這個經驗不是單純在人腦裏積累，而是在產品的研發平臺上積累。
虎嗅：對於公司的發展，你的設定時間規劃是什麼樣？
陳志剛：我覺得到今年年底把行業裏面一兩個大客戶走透了，到明年我們起規模。再往前走的話，我覺得產業行業裏的拓展優先，然後再看其他行業。在其他行業，要集中在一兩個點投入一些資源，快速試錯，之後可能會引入新的資源共同去做。
本文來自虎嗅，原文鏈接：
https://www.huxiu.com/article/4643012.html?f=jinritoutiao
