采访｜谷丰

编辑｜小麦

在一场技术浪潮滚滚向前的时代里，江琦始终站在风口，但他从不盲目逐风。

作为有云数智的联合创始人兼董事长，他选择了一条看似不那么“耀眼”的路径——不造基础大模型，不拼通用能力，而是专注做一个“拼图者”，用智能体把AI从象牙塔带入真实世界。

在与央国企的复杂交付中，他带领600多名技术人员，将碎片化的数据“拔出来、洗出来、切出来”，炒成能喂给AI的“好菜”。江琦说，这不是技术炫技，而是用“懂业务”的AI，真真正正解决问题。

时代面孔总编辑谷丰，对话有云数智联合创始人兼董事长江琦，聊聊他为何坚持走一条“务实而深耕”的技术创业之路。

谷丰：“有云数智”未来的发展方向，主要是人工智能，跟DeepSeek 有什么差别？

江琦：我们本身是不做通用大模型的，我们自己的产品生态，还是基于人工智能的三要素——算法、算力和数据来提供的。我们其实是结合这些大模型厂商，作为它的合作方，然后把一些生产的应用、具体的 AI 应用场景，用人工智能的方式，以智能体的形式，去进行交付。

我觉得这是两个不同的方面， DeepSeek 为代表的、通用的基础大模型厂商，可以理解为它们是行业的基石，在他们的基础之上，底层又需要有算力和数据，提供大家的语义，提供大家的教材。所以其实是一个相辅相成、相互促进的产业生态。

谷丰：您的智能体主要在哪些行业应用？

江琦：我们主要还是针对于央国企的市场，一种是在能源、电力领域的一些生产应用，比如主控室这样一些智能诊断和专家系统，比如具体生产线上的智能分拣和数据检修的工作。

第二个，面向我们央国企用户的话，通用的话还是办公需求，我们是想通过智能体的方式，提供除了 OA 系统审批流之外额外的一些智能功能，比如 AI 写作、智能检索，包括对外的宣讲、直播等等，都可以通过智能体的方式实现。

所以其实智能体最终是人机交互的一个生产结果，对我们而言的话，是希望能够通过这种松耦合、模块化的方式，比如说现在大家需要智能体是通过 DeepSeek 来生成的，那我们底层可以DeepSeek，然后去训练一些行业智能体大模型。

谷丰：更符合工业的应用场景。

江琦：对，而且越是标准化，越是模块化，越是轻量级不被感知。这个就跟当年的云计算，从一个人人关注的重点技术，突然变成了大家习以为常的基础设施一样，它越是不被感知，就表明它越成熟，说明它真正的被各行各业接纳和使用了。

谷丰：就跟 DeepSeek一样，我们天天感知它，说明它应用还不够广泛。

江琦：对，但是到了明年这个时候，如果大家不再这么热烈地讨论 DeepSeek本身 了，而是讨论 AI 在具体生产场景、生活场景中的应用时，那说明 DeepSeek 已经变成了像自来水一样的基础设施了，其实说明那个时候它已经很成熟了。

谷丰：基础大模型、应用大模型，它是两个不同的赛道。 AI 加我们的行业智能体上，中美之间的差距有没有？

江琦：我觉得美国在原始创新、基础能力上，给我们做了一个很好的示范，但是中国有很强的技术创新和跟踪能力。但是如果从 AI 的应用场景上来说，也就是迭代创新和AI 应用上，那我觉得一定是中国能力更强，因为我们有广泛的产业基础，有庞大的创新创业者。

另外还有一个很重要的原因就是，不管是从国家政策，还是从民众对于新技术、新应用的接受程度而言，中国人对新技术的拥抱度是要比美国更高的，更愿意去使用新技术，更接受新技术影响我的生活。

其实我们一直是在亲历着整个技术和行业的发展。在这个过程中的话，其实对我们有个很大的挑战，就是你得拥抱变化，因为它的迭代速度在过去，比如说在早期的 IOE 时代， EMC 做存储，或者说 IBM 的大机、小机，只要形成了一个技术壁垒，这个技术壁垒可以形成十年甚至数十年的技术优势。但现在，从技术兴起到产业成熟到被替代的周期已经越来越短了，可能 1 ~ 2 年就是一个新的技术迭代。

谷丰：这个行业是很苦的一个行业，怎么坚持下来的呢？

江琦：还是要有对技术的好奇心和对产业的热爱。其实中国的软件从业者是有全世界最强的工作强度的，因为我们面对着最复杂的用户需求和最激烈的、同质化的行业竞争，那么在这个过程中，你会需要在理想化、产品化、标准化和客户定制化、项目制之间不断平衡。这其实是中国创业者普遍的一个需求，就是既要做一个理想主义者，同时又要做一个企业的经营者。

谷丰：从同方有云变成了有云数智，为什么这么变呢？

江琦：这里面有两个产业定位。第一个是我们随着同方计算机，进入到了软通动力产业生态，从硬到软，整个集团能力的大的生态赋能。第二点的话，就是随着我们“云、数、智”这三个板块的业务展开，我们在数据和人工智能领域的占比和能力已经越来越成熟，我们希望对外界传递一个更清晰的市场定位，希望更强化我们“数”和“智”的能力和大家对我们的认知。

谷丰：这个投资的过程是重还是轻？

江琦：其实在中国的信息化行业，软硬件结合它是一个常态，软件是最容易做技术创新和应用结合的，但硬件它其实是你的基础，它是最容易做标准化和整体交付的。在中国市场，特别是你要进行大客户，它更多是以国央企为主，而很多国央企它其实就代表着一个行业，那在这个过程之中的话，它更适合私有化的交付。但是一旦私有化交付就会受到算力的制约、数据质量的制约。我们做的工作其实就是通过对 AI 算力架构的能力，去进行私有化、去部署。

通过这样提高数据质量的方式，去降低大模型的幻觉，因为即使像 DeepSeek这样领先的，在私有化环境里，也会受到语料的制约，那怎样能和业务场景相结合，不断地对它进行微调和训练？怎么把用户场景里这么多年的纸质化、碎片化的数据，把它矢量化，形成语料喂给它？在这个过程中，其实有很多工作要做。

我们试过各种算法调优、算力加速，希望去提高 AI 的认知度。但我们最后发现，最直接的方式还是提高语料的质量，数据质量直接决定着 AI 的幻觉的程度。

谷丰：从哪能拿到那么好的数据？

江琦：我们认为通用大模型，它其实就是人类文化这么多年沉淀的结果，但是最终它在某个行业里面的应用其实就是私域的、被外界不可获取的，这部分的话其实就类似于我们这些 AI 服务商，去替客户把这些数据和它的行业应用和智能体相结合。所以我们要做大量的算力架构实施和数据治理的工作，最终把这个数据变成沉淀下来的知识，变成大模型能够听得懂、学得会的数据。

谷丰：喂它一些比较好的料。料好的话结果就会很好。

江琦：对，很多语料它是好的料，但它可能还是长在田里的菜。你需要把它拔出来、洗出来、切出来、炒成菜，然后喂给它吃。

谷丰：把它分类处理，什么样的数据喂给什么样的平台？

江琦：是的，包括它需要哪些具体的元数据的标记，它需要有哪些语义？需要哪些关键量？这个是需要去懂它的业务去定义的。

谷丰：您最早创业的时候不是做这个行业的。为什么突然进入人工智能这个赛道呢？

江琦：其实我是学核的，大学的专业是热能与动力工程，创业的初衷是因为我们赶上了一个好的时代，不管是资本的兴起，还是技术的革新，当时我们有很好的机会可以去从事一些新的工作，所以这是时代给我们的一个机会，我们的初衷是希望利用这个好的历史时代的机遇，做一点自己觉得有价值的事情。

谷丰：在创业的过程当中有没有至暗时刻？

江琦：有的。早期的时候，凭借着理想主义和对技术的热衷，确实赶上了一个好的时代。但是一旦资本浪潮褪去，特别是在 2016 年到 2018 年，资本热度下降之后，很容易就看出来谁在“裸泳”，在这个过程中其实挺考验大家的经营能力的。

谷丰：公司科研人员有多少？销售人员有多少？

江琦：软件开发人员已经有 600 多人了。基础设施、平台开发团队，大概是80几个人，也是我们最核心的一个团队。

谷丰：你怎么评价自己的？是个市场官、技术官，还是个企业家？

江琦：我觉得我在有云数智，其实做的是资源整合的工作，在每一个方面我都不是整个公司能力最强的，但是我要做的工作就是把大家整合在一起，为一个整体的目标去进行长期主义的坚持。最终我们希望，我们提供的解决方案，能帮客户真的解决了一些问题，提高了一点点效率，这个其实就是我们的价值。