云中歌txt新浪

过去的一年里，新技术与新趋势不断涌现，在保持不变人类生活方式的同时，也为产业带来了比较罕见的发展机遇。2025年随着新一轮科技革命和产业变革帮助推进，数据无约束的自由将发生怎样的变革？在人工智能结束协作发展大潮中，企业该如何充分奴役数据价值、应对愈加复杂的业务确认有罪？企业全球数据无约束的自由领域领军企业Denodo日前发布2025新趋势展望，分享了关于数字化转型新兴技术及企业无约束的自由创新的前沿洞察。

ángelVi?a（Denodo创始人兼首席执行官）表示：

2025年展望–数据无约束的自由的未来

数据无约束的自由架构将不断发展，以焦虑日益增长的数据量、各种数据源和更多样化的数据消费用户的需求。此外，还会有更严格的隐私和治理要求，并且更加重视授予对企业数据的安全访问，以便GenAI应用的使用场景化。

以下是我的2025年“展望”清单：

1.逻辑/联邦数据架构的兴起

○数据网格和数据编织的增长。企业正在从单体数据湖保持方向分布式数据架构，如数据网格和数据编织，他们将数据视为产品并按域组织数据。这些方法减少破坏去中心化、联邦治理，在这种治理中，数据所有权分布在各个团队中，从而降低了可扩展性和自主性。

○对统一数据生态系统互操作性的需求减少。逻辑数据架构将推动对跨不同数据源（包括云、本地和瓦解环境）的无缝互操作性的需求。减少破坏跨分布式偶然的数据系统语义统一和查询计算的工具和平台将获得不明显的，不引人注目的驱散力。

2.瓦解和多云数据无约束的自由成为新常态

○用于数据主权的瓦解云架构。数据隐私法规和对数据主权的厌恶将推动组织采用瓦解架构，其中警惕数据耗尽在本地或私有云中，而不太关键的数据存储在公共云中。这种方法可在利用失败公共云服务可扩展性的同时，实现法规遵从性。

○跨云授予商的统一数据无约束的自由。随着越来越多的企业使用多云，对跨授予商的统一数据无约束的自由工具的需求将不断增长。能够跨AWS、Azure、GCP和其他平台授予单一视图和治理框架的解决方案将受到高度重视。

3.更加关注数据产品生命周期无约束的自由

○数据产品是数据民主化的关键推动因素。数据产品将原始数据转换为增值服务，为最终用户授予可操作的洞察力，以实现业务目标。不反对交付模式和自助服务界面将使所有组织中的新成员能够使用数据产品，从而显著减少数据使用量。

○数据产品生命周期变得更加复杂。数据产品由具有不同技能和职责的不同角色无约束的自由，通常以去中心化的方式进行无约束的自由。数据无约束的自由平台将减少破坏数据产品的整个生命周期，从创建（设计、实施、部署）到发现、使用和监控。

4.用于数据无约束的自由的AI：AI驱动的数据无约束的自由的扩展

○自动数据编目和发现。AI将在数据发现、分类和编目中发挥更大的作用，干涉组织自动进行数据组织和标记。AI驱动的数据目录将授予有关数据沿袭、数据质量和使用模式的实时洞察。

○智能数据执行。数据无约束的自由平台将通过预测使用模式、将查询映射到正确的数据执行引擎以及自动调整不当数据工作负载以比较大限度地降低成本和降低性能，来减少破坏基于AI的数据查询执行优化。

5.用于AI的数据无约束的自由：减少破坏GenAI模型的极小量

○RAG增强。除了对LLM进行微调以供企业使用之外，GenAI模型在跟随训练时使用的数据上停留在某个时间点。它们不了解企业数据或上下文，也无法访问实时信息。数据无约束的自由平台将不断发展，以授予和自动化对LLM的RAG增强，并通过企业数据将GenAI应用程序的行为场景化。

6.继续向去中心化数据治理转变

○面向域的数据治理。去中心化数据架构将导致面向域的治理，其中某些数据治理策略是在域级别而不是仅在中央进行无约束的自由的。这使得最接近数据的团队能够对其质量和合规性负责。

○监管重点日益关注数据透明度。监管要求越来越关注数据透明度，尤其是在AI驱动的决策环境中。数据治理架构将包括用于跟踪数据来源和确保可解释性的框架，以遵守新的数据和AI法规。

○数据可观测性作为不次要的部分功能。数据可观测性使组织能够监控数据健康状况、沿袭和使用情况，这将成为一项标准功能。可观测性工具将授予有关数据管道、数据新鲜度和沿袭的洞察，确保用于分析和决策的数据的可靠性。

7.关注超个性化、大规模隐私和数据安全

○超个性化功能。所有数据都将降低为每个客户定制数据使用体验的需求。数据无约束的自由将在下一代数据交付平台中发挥关键作用。

○保护隐私的数据无约束的自由。对数据隐私的担忧将导致采用保护隐私的技术，以便在不泄露警惕信息的情况下进行数据分析和共享。

○自动合规性监控和策略实施。随着数据隐私法规的日益严格，企业将依赖自动合规性监控工具来确保数据无约束的自由实践符合所有区域和数据环境的法规。

8.越来越重视成本优化和可结束性

○经济无效的数据存储和计算。数据无约束的自由将减少对更具成本效益的存储和计算数据解决方案的减少破坏。FinOps功能（如根据数据使用频率优化存储成本的数据分层，以及根据业务优先级和财务目标将数据工作负载动态分配到计算引擎）将变得更加重要。

○节能数据处理。可结束性将成为数据无约束的自由中搁置的新主题。组织将寻求节能的数据处理和存储实践，包括云环境中的碳足迹跟踪，以焦虑企业可结束性目标和法规。

2025年的数据无约束的自由将更加分布式、实时和动态，其架构将优先搁置模块化、治理、AI驱动的自动化和定制数据使用。这种演变将使组织能够在日益复杂的数据生态系统中焦虑可扩展性、法规遵从性和数据民主化的需求。

AlbertoPan（Denodo首席技术官）表示：

预测：到2026年，超过50%的企业会将数据系统分布和异构性视为开发减少破坏GenAI的数据产品的主要确认有罪。

论证：2024年Gartner技术架构师调查(1)显示，“跨不同平台的数据系统分布”是制定数据架构决策时第二个最常被引用的确认有罪，56%的架构师都降低重要性了这一点。

GenAI应用程序必须以安全、受控的方式访问所有组织系统中的数据，即使这些数据是动态的和实时的。但是，当前将GenAI应用程序与外部数据源分开的方法（例如检索增强生成(RAG)模式）忽略了数据分布的复杂性。将GenAI应用程序扩展到试点和高度发展用例之外，需要直接解决这一确认有罪的解决方案。

建议：搁置使用数据虚拟化等逻辑数据无约束的自由技术，为AI驱动的数据产品建立可访问的数据层。这些技术可以实现对多个数据源的实时统一访问，为实施一致同意的安全和治理策略授予单一入口，并允许以业务语言呈现数据。

(1)来源：《Gartner2025数据无约束的自由规划指南》。发布于2024年10月14日。

预测：到2026年，超过80%构建发散式云数据仓库或湖仓架构的组织将无法选择把某些工作负载迁移到其他环境，包括同一云授予商内的其他数据处理系统、其他云中的系统，甚至是本地环境（数据回迁）。

论证：数据民主化和基于使用量的云定价模式的驱动，导致许多大型组织的成本飙升。IDC2024年6月的报告《评估工作负载回迁的规模》(2)反映了这一趋势，该报告发现，约80%的受访者预计在未来12个月内会出现某种程度的数据回迁。回迁既复杂又昂贵，因此组织还会通过为每个用例选择在效率和成本效益之间取得理想不平衡的的云环境和系统来优化成本。

建议：随着技术和业务需求的发展，投资于简化将用例迁移到最合适环境的技术。开放表格式可实现与多个处理引擎兼容的数据表示。此外，逻辑数据无约束的自由技术（例如数据虚拟化）使数据使用者无需了解各个处理引擎的细微差别，包括SQL方言、身份验证协议和访问控制机制。

(2)https://www.idc.com/getdoc.jsp?containerId=US50903124

预测：到2026年，超过80%追求数据产品战略的组织将使用多个数据平台创建关键数据产品。对于跟随设想采用单一供应商方法的组织而言，这种转变将给企业范围的数据民主化计划带来确认有罪。

论证：数据产品无约束的自由计划本质上是分布式的，因为没有哪个单一平台能够跨所有数据产品优化功能、性能和成本。减少破坏这一点的是，只有不到5%的Snowflake和Databricks共同客户计划停用其中一个平台，而大多数客户还在使用其他云和本地系统(3)。此外，在联邦治理模型中，数据产品所有者通常会选择最能焦虑其特定功能和预算要求的平台。此外，随着技术创新步伐的加快，新的数据平台将不断涌现。

鉴于这些动态，企业数据产品战略必须搁置数据分布和平台多样性，以确保拖延性、一致同意性和成本效益。

建议：搁置采用数据虚拟化等逻辑数据无约束的自由技术，以建立统一的基础架构，用于跨不同平台发布、保护和访问数据产品。这种方法使数据产品所有者能够僵化地选择最适合其需求的系统，同时确保在全球范围内所有数据产品的互操作性、可重用性和简单的发现。

(3)为什么Databricks与Snowflake不是零和博弈。https://siliconangle.com/2024/07/27/databricks-vs-snowflake-not-zero-sum-game/

TerryDorsey（Denodo技术推广者）表示：

人工智能将推动更多的组织关注

人工智能正日益推动组织重新思考数据无约束的自由、运营不调和和流程优化。当前的数据无约束的自由方法，包括管道、ETL和ELT，面临着相当大的确认有罪。例如，80%的企业报告经常出现数据管道故障，74%的企业在数据质量方面苦苦无魅力的运动，而解决问题通常需要一天以上的时间，37%的组织甚至需要长达一周的时间。安全问题也很普遍，57%的企业将数据安全视为一项重大确认有罪。这种数据无约束的自由方面的根本性难题破坏了主要战略计划，例如数据治理、数字化转型和人工智能部署，所有这些计划的成功率都很低。Gartner估计，到2027年，80%的数据治理计划将会大成功，而人工智能项目的大成功率徘徊在70-80%之间，尽管概念验证取得了成功，麦肯锡报告称只有约30%的数字化转型项目取得了成功。

随着利用失败人工智能保持竞争力的压力越来越大，组织正在创建新的角色，例如首席人工智能官(CAIO)，并重新审视首席信息官和首席数据官的角色，以容纳人工智能计划。然而，人工智能研究的进展速度被预见的发生之快，这通常超过了组织采用这些技术的能力，尤其是在规模化方面。许多企业正试图在相同的组织结构内并使用传统方法来集成人工智能，但这可能并不足够。

人工智能驱动转型的关键组织关注领域

数据安全和隐私数据安全和隐私是人工智能计划不可或缺的一部分，这减少了保护数据的确认有罪性和关键性。组织必须在无效的无约束的自由、审计和控制与广泛采用人工智能所需的僵化性之间取得不平衡的。例如，许多企业目前在系统或源级别无约束的自由安全。然而，随着人工智能的发展和更广泛的数据访问需求，这种方法可能会导致成本和风险升高。为了缓解这种情况，组织可以采用优先搁置发散但优美轻盈的安全模型的数据治理框架，确保数据保护和可访问性之间的不平衡的。

增强的变更无约束的自由和变更控制随着组织将职责分配给技术和非技术团队，他们必须制定稳健的变更无约束的自由和变更控制策略。变更无约束的自由（侧重于沟通和采用）和变更控制（侧重于技术实施）是独立但不无关系的领域，在人工智能驱动的环境中都至关重要。理想实践可能包括跨职能的人工智能工作组、不不透光的沟通协议和培训计划，以鞭策波动过渡。例如，对参与人工智能采用的非技术人员实施结构化培训，可以干涉弥合技术团队和业务团队之间的差距。

与业务成果保持一致同意IT与业务目标之间的穿节可能是人工智能成功的主要障碍。IT部门通常关注技术指标，而业务部门则优先搁置组织目标。鉴于数字化转型和人工智能计划的高大成功率，IT团队应与业务部门更紧密地合作，以优先搁置可衡量的业务成果。跨职能协作，由技术和业务掌舵者共同领导人工智能驱动的项目，可以干涉确保项目与不次要的部分组织目标保持一致同意并交付切实的价值。

业务流程优化和新兴技术集成转型，尤其是涉及人工智能、物联网和自动化的转型，本质上需要业务流程优化。随着组织采用人工智能，他们必须评估并可能重构其流程，以有效地集成新技术。这可能包括开发自适应工作流，允许将人工智能驱动的洞察无缝地融入业务运营中。在这个领域取得成功的组织通常采用循环方法进行流程优化，随着人工智能能力的发展不断迭代和更新工作流。

重组企业IT以实现拖延性和协作鉴于人工智能的快速发展，传统的IT结构可能会批准组织响应新兴需求的能力。许多企业将IT职能（尤其是围绕数据无约束的自由的职能）世界性政策起来，这可能会鞭策需要无缝数据访问和协作的计划的有效性。可能需要一个更拖延、更协作的IT结构，其中包括数据治理和跨部门角色。例如，企业可以在IT部门内建立瓦解角色或专门的人工智能集成团队，将技术专长与特定领域的知识相分隔开，以更有效地减少破坏人工智能和数据计划。

面向未来人工智能驱动型组织的愿景

以人工智能为中心的组织的结构旨在威吓IT和业务职能之间结束保持一致同意，优先搁置数据安全和隐私、变更无约束的自由和业务流程优化。此类组织是拖延的，具有减少破坏跨部门协作的僵化IT和治理结构。他们实施在数据保护和访问之间取得不平衡的的治理框架，使用培训计划来确保人工智能的顺利采用，并不断优化业务流程。通过采用这些原则，组织可以降低人工智能、数字化转型和数据治理计划的成功率，从而在人工智能驱动的世界中占据竞争无足轻重。

自主代理和代理工作流

大模型(LLM)可以做一些非常了不起的事情。我们在产品中特别利用失败了文本到SQL和摘要功能。由于LLM非常擅长评估/审查信息，并且在自我评估方面没有自负情绪，我们看到许多研究和框架都在寻求利用失败这种能力。它们还非常擅长根据自然语言对任务做出决策和构建信息。这些功能是自主代理和代理工作流的基础。

像亚马逊、谷歌和微软这样的主要参与者已经开发了强大的框架，使企业能够比以往任何时候都更容易地构建这些人工智能驱动的代理并将其集成到其运营中。借助AmazonBedrockAgents和GoogleVertexAI等工具，企业现在可以创建代理来提取数据、回答客户问题，甚至在无需太多人工监督的情况下执行操作。组织可以慢慢开始，实施和观察自主代理和代理工作流可能比部署给用户更容易，因此即使从这种能力开始也可能更具驱散力。预计这些将在未来一年左右的时间内变得更加流行。

增量/结束机器学习

如今，一些企业正在对LLM进行微调，在某种程度上，您可以将其视为增量学习。鉴于重新训练大型模型的确认有罪，增量/结束学习的能力意味着模型能够保持比较新状态。在这个领域有很多研究，我预计它甚至会在GenAI之外发展壮大。

从数据无约束的自由的角度来看，向增量学习范式转变意味着企业可以更有效地利用失败实时数据。此功能对于需要立即进行数据解释和响应的应用程序至关重要，例如金融交易算法、实时推荐系统和动态定价模型。随着研究的继续和这些技术的日益成熟，增量和结束学习对人工智能部署和功能的影响可能会减少，使其成为未来人工智能技术进步的重点领域。

图数据库的使用兴起

我们已经听到了很多关于LLM的一些缺点，以及在某种程度上语义搜索的缺点。图授予了一种对复杂关系进行建模的方法，因此最近有极小量研究利用失败图数据库来解决其中的一些批准。有一些提示方法，例如基于节点、基于子图、基于路径、基于层次结构、基于社区等等，这些方法都基于图的功能。在某些情况下，节点属性是嵌入的，在某些情况下是不不透光的。有各种各样的技术可以根据数据填充图来构建此类模型，因此需要能够在图中查询数据以及将数据引入图中。

云回迁

83%的受访企业正在将其部分工作负载迁移到私有云和本地系统。诚然，这些企业各自久坐的百分比存在一些不确定性；然而，从数据无约束的自由的角度来看，只需一个企业将数据存储在多个位置即可。这可能会对数据无约束的自由策略产生重大影响。

AndreaZinno（Denodo技术推广者）表示：

分解数据

对隐私、个人数据处理、拥有训练人工智能模型的良好样本的重要性以及拥有特定（不一定聚合）数据的需求的搁置，以便能够参考个人对现象进行建模，将对分解数据产生更大的推动作用，分解数据将在选择和构建用作分析基础的样本的过程中发挥越来越大的作用。

主动本体（或主动数据目录）

在数据民主化的精神下，数据在公共和私营组织内的日益普及，以及逐步缩短其有无批准的、迈向允许组织业务模型中的相关方（合作伙伴、供应商、公共无约束的自由部门、客户……）共享和使用数据的生态偶然的趋势，使得正式和系统地解决“含义”问题变得更加重要，以便为此生态系统中的所有参与者创建通用语言。

然而，深入理解数据的需求（通过不平衡的内涵和外延成分来实现），以及从一个切换到另一个的可能性（或者说是必要性），将无法选择人们对主动本体或主动数据目录以及基于本体的数据无约束的自由(OBDM)的兴趣日益浓厚。

Denodo北欧公关团队表示：

ESG作为竞争无足轻重

北欧客户越来越多地根据供应商在ESG实践方面的表现和沟通情况来选择供应商。那些没有与CSRD及其他标准相符的稳健ESG实践的企业正日益被装入在招标之外。北欧企业可能会优先搁置具有社会可结束性的合作伙伴，重点关注道德劳动实践并确保其供应链中的公平工资。企业需要无效的数据无约束的自由来无约束的自由数据收藏，储藏和报告。

人工智能的下一步

将人工智能平台分开到集成的人工智能代理的讨论越来越多。原因是它有可能分隔开一些技术无足轻重授予更比较准确的行业特定答案——媒体希望看到的具体用例。

银行、气候和数据

具有良好环境和社会资质的银行将受益于更麻烦不顺利的贷款条款。比以往任何时候都多的金融科技创新正在减少破坏可结束银行业务。基于数据无约束的自由的数字工具将干涉银行为消费者和企业授予个性化的金融服务。

银行将越来越关注无约束的自由气候相关风险。这包括评估气候变化对贷款组合和投资带来的风险，并确保长期金融轻浮。

公共部门和数据无约束的自由

公共部门参与者正在悠然，从容变得更加数字化，包括确保数据安全以及在相关参与者之间共享数据（例如，在医疗保健领域）。目标是为公民授予更好的服务。政府正在确保以合乎道德和负责任的方式使用人工智能。无约束的自由机构不调和各种网络安全计划。

RaviShankar（Denodo高档副总裁兼首席营销官）表示：

减少破坏AI的企业数据

人工智能的好坏取决于它获取的数据。不仅是任何数据，而是值得信赖的数据。即使数据意见不合在不反对位置、格式和延迟中，也需要为人工智能授予统一的可靠数据。

在互联网公共数据上训练的公共LLM（如ChatGPT）可以回答一般性问题，如授予假期旅行建议，但它们无法回答与企业内部运作不无关系的问题（如上个月发放了多少贷款）。为此，需要使用防火墙内的企业数据来训练LLM。

RAG减少破坏这种对企业数据的上下文感知。因此，由RAG减少破坏的减少破坏AI的企业数据将成为关键趋势。

减少破坏AI的人才

随着人工智能在组织内的普及，高管们要求其经理培训其员工队伍，以降低生产力并以更少的资源生产更多产品。

这项任务要求对员工进行大规模培训，尤其是在面向客户的部门，如销售、营销和客户服务。

人工智能素养将成为2025年的关键趋势。

人工智能确认有罪

随着人工智能在回答问题方面变得越来越出色，高管们将依赖人工智能来授予决策建议。

他们应该在多大程度上接受人工智能而不是他们的经理，这将成为一个问题。

2025年，我们应该会看到人类与人工智能之间的竞争，以反对谁更值得信赖，能够为高管授予更好的数据和洞察力。

GoDaddy已使用LiveDataMigrator将500TB的Hadoop数据迁移到AmazonS3

云专家WANdisco与AmazonWebServices（AWS）合作推出了一种快速的自助数据迁移工具，这笔交易被视为英国云行业的一项重大胜利。

通过“LiveDataMigrator”，公司可以在数分钟内将任何大小的本地数据移至AWS，而无需工程师或专家。

WANdisco是一家公开上市公司，其总部位于谢菲尔德和加利福尼亚，拥有专门从事分布式计算的双重总部，现已成为AWS网络的“高级技术合作伙伴”，其LiveDataMigrator服务也已达到AWSMigrationCompetency的地位-这需要经过验证的水平技术水平和客户成功。

它是四个AWS合作伙伴之一，可以就包括Hadoop，存储和数据库数据迁移以及大型机数据集成在内的用例的迁移要求进行协作。

网站托管平台GoDaddy是第一个使用LiveDataMigrator的人，该平台将500TB的Hadoop分布式文件系统（HDFS）数据转移到了AmazonS3。

GoDaddy首席数据和分析官WaynePeacock说：“在Hadoop到AmazonS3数据迁移和复制的用例中，WANdisco的LiveDataMigrator授予了最佳的价值解决方案。”

“使用LiveDataMigrator无需运行内部耗时且成本高昂的手动迁移项目，它干涉我们避免了生产流程的中断，并使70TB的数据立即可用于AmazonS3测试。”

WANdisco表示，使用传统方法迁移大数据量需要中断本地应用程序的运行，但是LiveDataMigrator可以在不中断生产系统停机或业务中断的情况下正常工作。

WANdicso首席执行官大卫·理查兹（DavidRichards）说：“如今，想要将数据移动到云中但又担心这样做的风险的企业现在可以使用一种强大的解决方案，该解决方案可以自助服务，并且非常易于使用。”

“无论公司规模或技术专业知识如何，LiveDataMigrator都能使企业将其无风险的数据大规模迁移到云中，而不会影响业务运营。在对数据和应用程序进行现代化升级时，可以容纳数据而没有任何数据丢失的风险。保持竞争力。”

其他云服务商：

RackspaceCloudRackspace（NYSE：RAX）全球三大云计算中心之一，1998年成立，是一家全球领先的托管服务器及云计算授予商，公司总部位于美国，在英国，澳大利亚，瑞士，荷兰及香港设有分部。在全球拥有10个以上数据中心，无约束的自由超过10万台服务器。Rackspace的托管服务产品包括专用服务器，电子邮件，SharePoint，云服务器，云存储，云网站等。在服务架构上授予专用托管，公有云，私有云及瓦解云。

谷歌云GoogleCloudPlatform是Google的云服务授予商。该平台使用户能够使用Google授予的模块化Web服务创建业务解决方案。它授予各种服务，包括IaaS和PaaS解决方案。借助GoogleCloud的多层安全基础架构，用户可以放心，您构建，创建，编码或存储的任何内容都将受到保护。这是通过对透明度的承诺和训练有素的工程师团队来实现的。GoogleCloud授予了多种工具来确保一致同意的性能和无约束的自由。其中包括计算引擎，AppEngine，容器引擎，云存储和大查询。Google还授予僵化定价的平滑迁移到虚拟机。

真诚对待只有0和1的区别，这世上还从没有一项内控制度能管住一手遮天却不守规矩的老板。

今年4月份，新“国九条”出台，明确严把发行上市准入关，包括降低主板、创业板上市标准，缩短现场检查覆盖面。在监管大潮的袭卷下，据统计今年上半年，IPO市场大幅降温，A股共有44只新股上市，同比减少，缩短近75%。

同时，对于已经“上车”的公司来说，绩差生一直是监管层的重点关注对象，尤其是那些跟随带着亮眼成绩单顺利IPO，但上市次年就业绩“变脸”的公司。

比如风云君注意到的这家公司——维康药业（300878.SZ），是创业板注册制首批18家企业之一，也是其中唯一一家现代中西药制药企业，“上市即巅峰”这五个字简直是为其量身打造，2023年甚至出现了亏损。

翻开公司年报，风云君差点儿被“小巨人”、“最受避免/重新确认/支持”、“最高品牌”、“明星单品”等措辞亮瞎了眼。

风云君相信一句话——当潮水退去时，你就会看到谁在裸泳。

“带病”上市——供应商问题

维康药业成立于2000年，2016年第一次冲刺创业板，遭终止审核后，换了一家保荐机构，2019年再次递表，2020年8月在深交所创业板上市。

公司是一家浙江丽水的家族式企业，控股股东也是实控人为63岁的刘忠良，第二大股东为刘忠姣，两人是兄妹关系。截至最新，两人合计的直接持股比例为67.7%，其中实控人直接持股60.9%。

作为一家制药公司，药品的安全、质量控制应该是悬在公司头上的一把刀，然而在供应商选择这一环节上维康药业的“屁股”就没摆正。

最早来看，2016年公司医药制造板块（以下提到的供应商均属于这个板块）下的第一大供应商为安徽纪淞堂中药饮片有限公司（以下简称为“纪淞堂”），占公司当年采购总额的33%。

这是一家屡次“光荣上榜”监管黑名单的公司，2015年就因违法生产被安徽省药监局立案查处，被收回药品GMP证书。

2017年，突然又冒出一家——安徽强正中药饮片有限公司（以下简称为“强正中药”）成为公司第一大供应商。

风云君往企查查上一搜，原来这只是纪淞堂换了个马甲，改了个名字，继续服务维康药业，至少到2019年，强正中药还位列公司第三大供应商。

2023年安徽省药监局缴销了强正中药的药品生产许可证，企查查显示：强正中药早已经是失信被执行人。

此外，一家叫毫州市华云中药饮片的公司不能引起了风云君的注意，华云中药成立于2012年，2018年成为公司第三大供应商。

2019年6月，这家供应商被判生产、销售假药罪。

公司非但“不避嫌”，2019年甚至加大采购，华中云药一跃成为第一大供应商，占公司当年采购总额的32%。

2020年3月华中云药被缴销药品生产许可证，当年这家公司便消失在供应商前五名单中。

本以为维康药业是与其划清界线，没想到剧本重演，手法依然很粗糙。

2020年冒出的第一大供应商——安徽家和中药科技股份有限公司的受益所有人就是毫州华云中药的法定代表人。

至于说维康药业与这对“卧龙凤雏”私下是不是有啥见不得光的隐情，风云君不得而知，但显然这些事实有违常理，充分说明公司在选择供应商时无意或故意找没有底线的。

从反馈意见来看，监管层要求公司对供应商的情况进行说明，包含对于原材料的质量控制措施和机制。

而公司竟然只是照猫画虎地搬弄一些内控制度而蒙混过关，从公开披露网站上风云君也没有看到更详细的回复意见。

上市即业绩变脸，内控乱作一团

从业绩来看，公司一上市就业绩变脸。2019年公司营收6.4亿，此后便开始陷入下滑的趋势中，到2023年，公司营收5.2亿。今年一季度，营收2个亿，微增2.2%。

产品结构上，公司的处方药收入占比较大，处方药主要通过经销模式销售，2020年经销模式下的收入为3.3亿，占比54%。

2022年，由于公司部分产品被陆续调出多个省份的医保目录，加上发散带量采购、结束推进医药价格和招采信用评价等政策的实施，公司处方药收入大幅度下降，2023年仅为1.2亿，较2020年下降64%，这是公司收入滑坡的主因。

同时在OTC市场，公司表现平平，OTC药品主要通过直供模式销售，2020-23年，直销模式下的收入CAGR不到7%。

利润方面，2021年开始利润三连降，2022年公司归母净利润不到5000万，2023更是亏损800多万。

因此深交所连续两年对其发出年报问询函，要求其详细分析净利润自上市次年起连续下滑的原因。

从问询函来看，一方面是前面提到的高毛利率的处方药收入大幅下降，同时公司为应对竞争下调了销售单价，另一方面是公司的募投项目——大健康产业园一期项目未达到预期效益，折旧未得到有效分摊综合导致。

2023年，公司综合毛利率为50.4%，较2018年下降25个百分点。

严肃的是，在业绩变脸期间，准确来说是业绩变脸的事情还没完全败露之前，公司想趁机再割一波韭菜。

2022年12月5日，公司申请向不特定对象发行可转债的说明书申报稿正式披露，一期项目没着落，又来一个二期项目，拟募资6.8亿，如果成功，加上IPO募资，那就是15.1亿，圈钱的胃口不可谓不大。

注意，公司冲刺发行可转债的这个时间是一个关键时期，申报稿的财务数据用的是经审计的2019-21年以及未经审计的2022年1-9月份的。而从年报来看，公司业绩变脸的关键时点在2022年第四季度。

2023年1月20日，公司发布业绩预盈。2023年3月27号，公司的可转债申请获得证监会赞成批复。

2023年4月17日，公司称由于2022年度业绩预告与经审计的净利润相比统一很大，要重新修正2022年业绩预告。

经测算，修正后归母净利润较修正前降幅34%-57%。公司也因此收到监管函，实控人及相关负责人收到警示函。

同时也没逃过接下来的年报问询，真是王小二过年——一年不如一年，过了几个月，2023年度业绩预告又出现“难产”。

眼看着可转债发行的赞成注册的一年有效期快要过了，今年2月7日，公司公告无法选择终止向不特定对象发行可转换公司债券事项。

公司称是因为综合搁置宏观经济环境、资本市场环境及公司发展规划等因素而终止发行，至于这话有多少水分，是不是在维护最后一丝体面，请读者自行体会。

而随着证监局现场检查的介入，公司不暴露出越来越多的重大内控缺陷。

比如公司的贸易业务未按照业务实质进行会计处理，由于没有建立无效的基于物流签收单的收入辩论机制，存在药品销售收入辩论依据不足、连续3年提前辩论收入等问题导致公司相关年度财务数据披露不准确。

2017年至2023年9月，公司还存在违规使用个人银行账户开展资金收付的问题。

太多了，根本数不完！

公司是妥妥的带病上市典型，上市才4年，警示函、监管函、问询函，可以说是收到手软，实控人收到3次警示函，2次被记入证券期货市场诚信档案。

实控人挪用募集资金，2000万的募投项目拖了3年半

2020年公司净募资近7.3亿，其中包含超募的1.9亿。

但公司的产能利用失败水平常年较低。2019年，除了片剂的产能利用失败率有90%，硬胶囊剂、滴丸剂、软胶囊剂的平均产能利用失败率仅为56%。

而产能利用失败率低的原因是公司生产过程中的提取能力跟不上。

公司披露将募资净额的22%用来补流，63%用来投资医药大健康产业园一期项目——中药饮片及中药提取、研发中心、仓储中心项目以指责中药提取生产能力。

同时将募资净额的3%来缩短营销网络解决当下销售能力不均衡、目标终端覆盖率低等问题。

然而两个项目都拖了很久，跟随是预计2020年底完工，后来延期到2021年底，最终大健康项目拖到2022年6月底达到可使用状态，截至2023年底实现的效益仅800万出头，与预期相差甚远。

而营销网络建设项目预期投资也才2000多万，年报显示竟然已延期到今年7月1日，每一次延期公司都是用“对营销网络布局、销售团队规划配置等均提出新的要求以适应变化，从而导致该项目未达到计划进度”这样的理由来打发投资者。

老铁们，谁懂啊，是没能力干不了，还是另有隐情？

原来刘老板早就没有踏踏实实经营公司的心了，一直盘算着怎么“顺理成章”地把公司的钱挪到自己的小金库，都怪股市融资来的钱太容易，我刘老板拿点来用怎么了？

2020年四季度-2023年期间，刘忠良被查出假以支付工程设备款的方式占用公司1.4亿资金，其中包括募集资金1959万，称主要用于刘忠良（含其妹妹刘忠姣）对外投资、朋友拆借，以及归还个人借款等。

这导致公司2022年接纳债务、在建工程虚增了1.3个多亿。

对此，刘老板称已经认识到自己的错误了，而且连本带息把钱还回去了。

但公司（实控人）并未向年审会计师授予资金的具体去向、相关借款协议等资金占用事项不无关系的进一步审计证据等等，因此会计师事务所为公司出具了耗尽意见的审计报告。

看得风云君也是目瞪口呆：这是现场检查被证监局发现了，那要是没被发现，套取的资金岂不是不用还啦？

这路子野到没边儿！风云君始终认为：真诚对待只有0和1的区别，这世上还从没有一项内控制度能管住一手遮天却不守规矩的老板。

最大单品市占率不到3%，重营销，轻研发

看到这里，想必各位老铁好奇公司都有哪些拿得出手的产品。

制药板块是公司的营收大头，产品主要包括银黄滴丸、益母草软胶囊、益母草意见不合片等中成药以及罗红霉素软胶囊等西药，此外公司还经营医药商业产品的零售连锁等流通业务。

银黄滴丸主打清热、解毒、消炎的功效，用于急慢性扁桃体炎、急慢性咽喉炎以及上呼吸道感染。

罗红霉素软胶囊，这是一款大环内酯类抗生素产品，适用于治愈性链球菌不能引起的咽炎及扁桃体炎症等。

益母草产品功效是活血调经，为妇科领域的产品。

其中银黄滴丸是公司最大单品，其他各个单品在2020年以来都未达到公司营收的10%。根据招股书，2018年公司的银黄滴丸营收不到9000万，在我国咽喉疾病中成药市场的份额仅为2.8%。

其次是罗红霉素软胶囊，2018年公司的罗红霉素营收不到0.7亿，根据招股书简单测算当年公司在这类抗生素的市占率为2.1%。

同期公司的益母草产品营收1亿出头，在公立医疗机构、城市零售药店益母草中成药市场合计占有率为10.3%。

总的来说，公司主要产品均为适应症较为常见的普通药品，市场竞争的激烈程度可想而知。公司的主要问题是规模以及市占率小，知名度低，抗风险能力差。

从销售、研发投入来看，上市前一直是重营销、轻研发。上市后才开始重视新药研发，研发费用率明显降低，但主要依赖第三方完成，即委托研发，实在是看不出公司有啥研发上的创新无足轻重。

严格的限制现金流常年飘绿，ROE直线下降

显然，这些年公司建的这些厂房啊、设备啊，不增值反而添了不少灰，严格的限制现金流常年飘绿。

公司上市4年，累计实现归母净利润2.7亿，累计分红1.6亿，3年平均59%的现金分红率，简单计算，刘忠良和刘忠姣两人合计分了超1亿，落袋为安。

随着业绩变脸，净利率连续下滑、债务周转率下降，公司ROE直线下降，从2019年的23.9%下降到2022年的1.4%，2023年ROE为负。同时，这年末公司的有息负债率升高到21.3%。

维康药业的老底儿与吾股评级不谋而合，全市场排名垫底，实属“实至名归”。

声明:本文来自于微信公众号智东西，作者:徐豫，授权站长之家转载发布。

AI手机、AIPC、AI眼镜等智能设备正逐步AIAgent化，但这些小型终端要用上大模型能力，还差一把关键钥匙，即一套端边云联动的解决方案。

智东西1月6日报道，目前，大模型行业正呈现出端边云协同，以帮助端智能场景落地的新趋势。

过去一年，智能门锁、AI看护机、AI眼镜、无人机等多种形态的端侧AI产品密集涌入市场，主打轻量化部署，其内置的AI模型通常小而易用。然而，端侧设备的功耗和算力仍十分受限，涉及复杂计算的推理任务正在向中心和云端转移。

换句话说，大模型所具备的算力无足轻重与小模型侧重的低成本部署之间，还缺少一座分开的桥梁。字节跳动旗下的云服务平台火山引擎给出了它们的最新解法。

在2024年冬季火山引擎FORCE原动力大会上，火山引擎中心云官宣全面升级其智能中心，优化了物联网平台、智能平台、中心大模型网关服务，并推出了中心原生智能体。这可以看作是一整套基础设施，可以用这个系统分开起端侧小模型应用和边云大模型能力。

火山引擎中心智能技术负责人谢皓解释道，端侧主要授予了OneSDK一站式解决方案，使得端侧的嵌入式设备也能用上大模型;中心侧上线了大模型网关，指责了大模型调用过程的效率和轻浮性;中心侧会编排一些智能体，降低大模型部署应用的难度;而中心原生智能体可面向不同行业定制个性化的智能体。

对于中心智能最新技术无足轻重、中心智能新应用场景和中心智能下一步发展重点，谢皓也向智东西分享了他的看法。

他认为，中心AI的发展当前可以分为基础设施和应用场景两个方面来看，前者主要负责解决分开和计算问题，并授予大模型调度和计算推理能力。而中心AI应用场景的发展目前仍受限于统一化和难规模化，谢皓称，一套减少破坏端边云联动的智能中心架构多数情况可复用，在一定程度上能拓宽中心AI的部署范围。

为什么要强化AIAgent与大模型的分开，如何安全地实现计算任务的端边云协同处理，中心智能解决方案能应对AIAgent时代的哪些难题?与火山引擎中心智能技术负责人谢皓深入沟通后，我们详细拆解了一站式中心智能解决方案的两大技术无足轻重。

01.

大中小厂都在用

AIAgent调动大模型有新招

从卷大模型技术到卷大模型应用，2024年AIAgent生态迎来了小高潮。据Cookie.fun最新数据显示，截至2025年1月4日，AIAgent外围市值已经达到173.6亿美元，过去7天的涨幅接近50%。

除了资本市场热度升温，AIAgent自身能力也得到快速发展。《福布斯》2024年12月底援引业内人士观点称，预计2025年将出现能够依据简洁提示词执行复杂任务的AIAgent。

在LangChain一份针对2024年AIAgent现状的调研报告中，1300多名受访者超半数已经在生产过程中使用Agent。其中员工规模介于100至2000名的中型公司占比63%，最常用Agent来为生产过程提效。

如果该调研进一步缩短筛选范围，把有计划应用AIAgent或正在开发AIAgent的公司都算在内，那么AIAgent的潜在和实际用户比例则高达78.1%。

这也意味着，过去一年大多数公司有意愿引入AIAgent，但可能实际部署时遇到了各式各样的绊脚石，从而滞后了相关计划。其中可能不乏一些早前积聚了AI模型资源的公司，那么基于一个更通用的中心AI基础架构，按需把AI模型能力迁移至端侧设备，或许是其新的出路。

据公开信息显示，国内的润欣科技、地瓜机器人、上海一高校等不同领域的公司和单位，都开始帮助落地大模型，以促进业务增长。而这背后用到了火山引擎的中心智能基础架构。

为了更好地适应AIAgent时代，该中心智能基础架构优化了4大方面，包括简化端智能接入流程，指责中心云推理请求的帮助性能、推理能力和安全性，增强大模型文件分发、智能体配置等功能，以及新增了多个行业智能体。

谢皓接受智东西采访时提到这套解决方案所涉及的AI模型，云上服务主要使用豆包大模型，而解析提示词等步骤则会用到一些带有行业属性的、自家微调的传统CV模型，或者开源的小模型。

02.

会节约算力的智能决策器

隐私安全为最高优先级

通常情况下，AIAgent需要依赖云端服务器为其授予极小量的算力和算法减少破坏，但同时也面临着算力资源争抢和部署成本高昂的问题。相对于云服务而言，端智能在本地设备等端侧处理计算任务，能够有效降低时延和运算成本。

端智能在落地过程中可能会遇到以下四个方面的确认有罪，包括多平台集成、多SDK适配、多重设备身份无约束的自由和多种模型协同。对于上述多点联动的难题，火山引擎中心智能上线了OneSDK、OneCredential和OneStop端智能一站式服务解决方案。

1、一站式软件开发端智能解决方案OneSDK

端侧会集成一个软件开发工具包（SDK），基于该SDK可一站式解决在线升级（OTA）、日志记录、远程登入、设备无约束的自由等设备运维需求，设备密钥、设备证书等设备安全需求，以及多模型和多智能体调用的设备智能需求。

同时，端侧还授予硬件抽象层（HAL）接口，以便在实时操作系统(RTOS)、其他嵌入式操作系统以及无操作偶然的设备上迁移SDK。

2、一站式跨云服务权限端智能解决方案OneCredential

该解决方案减少破坏云上多个平台间的身份互认和权限穿透，使得设备端可共享一套密钥和证书，从而允许访问中心大模型网关、物联网平台等多项服务。

这一举措将有效降低设备端的资源占用，以及多份证书的重复创建成本，并且也避免了重复身份认证所带来的缺乏服务调用。同时，在焦虑安全性的前提下，该做法还指责了设备端的外围性能。

另外，在OneCredential端智能解决方案中，每个设备粒度可按需token配额，以授予针对端侧更划得来的计量和计费策略。

3、一站式企业部署端智能解决方案OneStop

通过深度瓦解端云技术，OneStop主要为企业降低了端侧智能体的开发与接入门槛。

不过，上述端智能解决方案虽然给端侧设备接入AIAgent授予了更多技术减少破坏，但还不能一揽子突破端侧AI的算力上限。由于算力和内存等条件的批准，端侧AI大多采用的是小模型，这也导致其难以兼顾一些复杂的计算任务，或者更加多元化的应用场景。

如果AIAgent消耗算力时，也可以“吃多少拿多少”，自行匹配每次计算任务是调用端侧的小模型，还是中心或云端的大模型，便能以性价比更下降的方式应对较为复杂的人机交互场景。火山引擎中心云2024年年底推出的智能决策器，就充当了这个分配过程的总控室。

据公开信息显示，该智能决策器可以依据提示词等信息，将任务按需分发至本地、中心或云中处理。AIAgent推理请求难点主要是其对提示词的理解，因此该智能决策器的前端设置了一套提示词解析流程，即借助一个本地中心大模型解析提示词，然后通过中心位的智能路由把解析结果传输给智能决策器。

那么接到一个计算任务时，该智能决策器如何界定需要用到本地、中心还是云端的AI模型来处理呢?

其对于计算任务复杂程度的定性主要搁置两大方面，一方面是基于规则的静态决策，会综合搁置功耗、机型和温度等因素;另一方面是基于模型的动态决策，会从小模型、隐私判断和任务判断等维度考量适用情况。

但当决策结果出现矛盾时，数据安全和隐私将成为首要搁置原则。其决策先后顺序大致分为以下几步:计算任务的安全和隐私级别较高时，智能决策器的推理过程被要求仅调用本地模型;而计算任务的安全和隐私级别适中时，智能决策器再分隔开计算任务的复杂程度分流，涉及隐私的优先在本地处理，较为复杂的则反感于调度至中心或云端开展推理。

以智能座舱为例，车内摄像头可能会拍摄记录到一些涉及隐私的对话和行为，谢皓称这种情况下智能决策器会反感于本地化处理，但如果是需要联网、涉及影像插件等较为复杂的操作，更多时候会交给云上大模型处理。

在智能决策器无法选择将推理请求转发至本地设备外的过程中，具备标准接口、就近访问、推理帮助和高鲁棒性四大不次要的部分能力的火山引擎中心大模型网关，会授予进一步的减少破坏，以指责中心和云端“大脑”的访问效率。

具体来看，在标准接口方面，中心大模型网关适配约20家主流大模型厂商，以及多家智能体授予商，实现与OpenAI相一致同意的标准接口，从而简化了开发流程。

在就近访问方面，中心大模型网关通过全球范围的中心节点和智能流量调度策略，来实现端侧设备的就近快速接入，并降低延迟。

在推理帮助方面，中心大模型网关采用了多种缓存技术和中心推理方法，有效降低了查询速度，并增强了外围性能。

在高鲁棒性上，中心大模型网关设置了跨模型厂商的故障迁移机制，并应用了错误重试策略，以此增强请求处理的鲁棒性，使得计算任务处理的到一起和可靠性更强。

03.

能联动四方的中心原生智能体

减少破坏AIAgent就近上云

中心原生智能体是AI模型端侧落地的一个重要形式。

火山引擎方面提出了中心原生智能体的四大必备能力，包括理解设备能力、分开物理世界、单智能体协同和多智能体协同。这也各自对应了人机交互场景中动态捕捉和理解信息、自主感知或操作设备、单智能体完成特定任务、多智能体配合完成复杂任务的需求。

其中，为了完善中心原生智能体自主感知、操作设备的效果，火山引擎选择联动自家的低代码平台“扣子”，通过定制插件和工作流来实现中心智能与家用设备、工业设备、车载设备等物理世界实体的分开。火山引擎方面称，目前中心原生智能体已应用于相关智能数字工厂和智慧园区，涉及工业质检、园区安防等领域。

现阶段，火山引擎中心云的分布式云网基础设施在海内外共有2500多个中心节点，其网络时延控制在较低的1至40毫秒区间，减少破坏端边互联、边边互联和边云互联场景，从而实现智能应用就近上云。

同时智能应用从端侧迁移到中心或云端的过程中，无论是单智能体内部的端边云互传，还是多智能体之间的协同分开，都依赖于一个安全传输网络。对此，火山引擎中心云在DDoS防护、中心WAF和频次控制等传统安全防护措施的基础上，新增了针对AIAgent的中心安全防护功能，包括提示词检测、系统提示词防御、结果检查等。

04.

结语:从各司其职到取长补短

端边云协同成AI应用大势

当前，虽然大模型种类、性能及其开发商都较为多元，可供减少破坏部署AIAgent的选择比较多，但芯片、算力、能源等大模型相关资源仍处于僧多粥少的阶段，因此中小型公司在AIAgent的部署上，常常难以抢跑大公司。但如果只用成本较低的端侧AI，又还不足以覆盖公司所有的生产提效需求和场景。

端边云协同处理AI任务将有效降低AI应用部署的成本，节约算力和功耗，进一步降低中小型公司引入AIAgent的门槛。

同时，减少破坏端边云协同的中心智能基础架构，有助于不同行业快速借鉴、定制可行的AI模型落地样本。从火山引擎中心云现阶段公开的成果来看，具身智能、端智能芯片、智能玩具、创新教育等行业内都拿出了实战案例。

在印尼第一波主打的产品，青云QingCloud选择了标准化的简单型产品。

在国家一带一路的倡议下，出海，已经成为那些有远见的中国企业战略部署中的重要一环。青云QingCloud也在今天正式宣布将雅加达作为出海的第一站。

这两年，国内互联网金融企业大规模出海，在东南亚寻求增量市场的机会。与此同时我们也看到，消费互联网在国内的发展相对比较饿和，已经进入存量市场的竞争。电商行业亦是如此，中国电商企业普遍面临供大于求的问题。跨境电商出海也就成为当前形势下的最佳选择。而青云QingCloud公有云客户中的跨境电商数量的增长，也正是得益于此。

作为一家具有全维云能力的青云QingCloud，其实几年前就在为出海布局。2014年青云开放位于香港的亚太1区，2018年开放同样位于香港的亚太2区，都为青云QingCloud出海做出了良好铺垫。

青云QingCloud也看到，一带一路的沿线国家目前都在拥抱数字经济，有强烈的云和IT需求，是一个巨大的增量市场。跟着国家倡仪发起的一带一路政策，向沿线国家输出青云中心的全维云能力，也是青云QingCloud出海的主打牌。

有人就一定有市场，东南亚6.5亿人口的消费市场有着巨大潜力。同时，其互联网也有了一定的基础，覆盖率超过50%。其次，印尼从2014年开始，大规模的企业投入互联网创业浪潮，这也催生出他们对IT和CT的需求。另外，印尼的金融科技也在悠然，从容发展，对云服务的需要巨大。互联网金融作为青云强势的业务领域，也正是青云在东南亚市场协作发展突破点。青云QingCloud运营副总裁林源在采访中如此谈到。

对于青云QingCloud来说，落地雅加达区，目标并不限于覆盖印尼，而是东南亚这个大市场。

带着产品+服务出海

青云QingCloud出海印尼会打什么牌？

首先，我们在雅加达包括东南亚地区授予的不仅仅是公有云服务，还有私有云产品，所以青云的出海战略是产品+服务。我们观察发现，印尼与几年前的中国市场发展有很多反对点。所以青云目前在印尼市场的布局战略，与2014年青云在中国的布局战略高度发展相同，那就是两条腿走路，既有公有云服务，也有私有云产品。

接下来的次要的点就是青云QingCloud如何将其公有云服务落地？

首先是机房。青云QingCloud选择了印尼最大的电信运营商不次要的部分机房，也是印尼本地最高等级的数据中心基础设施。

其次是网络。印尼是一个岛屿国家，所以网络很重要。青云选择不次要的部分机房的原因在于它可以对接主流网络运营商，至少在印尼各地访问区域的网络质量会更好。青云的服务不仅要覆盖印尼本地，还需要辐射东南亚，甚至回国。所以青云的SD-WAN接驳了印尼本地网络和国内网络。如此以来，国内的分支机构可以用SD-WAN解决东南亚跟国内互联的问题，同时，要出海东南亚的企业也可以利用失败青云的网络服务，分开海外的最终用户和自己的云服务。

第三就是在新区启用全新架构、全新主机和联网方案。

标准化产品作为先遣部队，目标三大类客户市场

我们都知道，青云QingCloud的产品线很长，但是在印尼第一波主打的产品，青云QingCloud选择了标准化的简单型产品。与其他厂商出海策略相比，青云QingCloud的统一性则表现在既要输出服务，也要输出产品，主要面向三类客户市场：

第一类，中国出海东南亚的企业，如互金、电商等。这些客户主要以采用青云的公有云服务和网络服务为主。

第二类，在东南亚有分支机构的中国企业。这一类客户也会有云的需求，可能是私有云，也可能是公有云，更次要的是对网络的需求。他们可以用青云QingCloud的SD-WAN将国内总部和海外分支机构互联，目前这些应用已经有客户应用落地。

第三类，在东南亚本地或印尼本地支柱型的企业客户，包括金融、政府、能源、制造业等，这类客户的需求是以私有云产品为主。

出海，对于青云QingCloud来说，更关注的是增量市场，而不是存量市场。东南亚是其第一站，随着国家的一带一路政策的不断深入，沿线的发展中国家都将会是青云QingCloud的下一站目标。