基础工业软件厂商的行业深耕之路（云合汇森工业信息化行业研究之2） - 行业洞察 - 公司动态

基础工业软件厂商的行业深耕之路（云合汇森工业信息化行业研究之2）

来源：汇森投资 | 日期：2021-02-03 12:56:25 作者：汇森投资行研组 | 原创阅读次数：

工业软件赛道中的主要企业可以分为三类，分别是：仰攻者（正面仰攻以工业设计软件为代表的基础软件高地）、深耕者（垂直深耕化工、制造、能源、建筑等行业纵深腹地）、跃进者（战略跃进工业4.0时代的工业互联网体系）。具体分析详见《工业软件三岔口（云合汇森工业信息化行业研究之1）》

从根本上说，在工业软件/工业互联网这张大产业地图上，发展的终局可能是殊途同归，只是不同企业在不同时间节点/Timing选择了不同的发展路线。原因无他，真相在于这种选择可能会直接影响企业的成长速度、融资进度乃至生死存亡。

这三条路线，没有好坏之分，对企业来说只有合适不合适的区别。

从观点上看，仰攻者一派认为，决定软件先进性及生命力的主要因素是软件基础技术，而并非特定的应用技术，比如“从CAD 软件30年的发展历史来看，带来工业软件商业化能力跃迁的，不是细分应用的拓展，而是从2D到3D，从造型到仿真这种技术革命带来的进步”。

但在其他两派看来，在基础软件和软硬一体化产品方面，我国整体发展水平与其他工业化大国存在较大差距，像Autodesk、Adobe以及西门子、艾默生等公司在技术产品上的完善度已经非常高。单点突破弯道超车难度大、收益小。

只是在一致的基本判断之下，深耕者和跃进者选择了不同的突破口。

跃进者直接瞄准了工业互联网这一更新式的产品业务形态，他们认为工业软件和5G、云计算等新技术的融合，对产业链变革和制造业整体技术水平提升的意义更为重大。当前，云计算、物联网、5G等底层技术日趋成熟，因此我国工业软件可以遵循和国外工业软件不同的发展路径，着眼用新技术解决产业链研发、制造协同的效率问题，挖掘工业软件增量价值。

而深耕者虽然在技术上也有迭代升级，但更强调对特定行业的专注。相对于技术本身，更强调行业Know-how的掌握。

简单的说，两者的区别在于一个要高举高打，一个要伏低深挖。本文的重点在于剖析深耕者们的竞技场。

肥美之地

2020年年中，国际三大油服巨头之一的哈利伯顿（Halliburton）宣布了与微软的一大合作，表示将其物理数据中心迁移到微软的云计算平台上。按照该公司的设想，后续将通过实时运营中心完成远程设计和监视作业，来自钻机的作业数据将被传输到云中，以供工程师进行远程下载和分析。

业内认为，油田行业的数字化将为微软等数字化供应商带来了巨大的机遇。据估计，该行业整个潜在市场每年高达500亿美元。

今年早些时候，在巴克莱的一份研究报告中，云计算服务商Buurst表示，石油行业代表着巨大的云计算机会，因为它们存储的数据堪称海量。与大多数其他行业相比，石油和天然气公司数字架构消耗的地理空间数据量几乎是医疗行业和电子商务公司的100倍。

（油气行业云计算市场空间，IDC、巴克莱）

油田行业企业大多财大气粗，但他们也需要思考如何在新兴的数字环境中独树一帜，而数字化可能代表着强大的长期增长机会。据IEA预测，数字技术的大规模应用，能够让油气生产成本减少10%~20%，让全球油气技术可采储量提高5%。

如今，油服行业的三大巨头（斯伦贝谢、哈里伯顿和贝克休斯）的数字化转型已经持续近二十年。BP公司在两年前收购了爱尔兰物联网专业公司Ubiworx，由此Ubiworx公司的机器学习和人工智能将与BP可再生能源和储能领域的技术整合在一起。

一年前，埃克森美孚公司也与微软建立了合作伙伴关系，通过后者的“数据湖”平台改善其上游生产活动，并计划每年投入约10亿美元用于机器学习的研究。埃克森美孚还通过一个可监控数百万个传感器数据的人工智能程序管控着旗下分散在全球各地的炼厂和化工厂，旨在监测石油流量等重要数据和信息。

在中国，像中石油、中石化等大型央企也都在开始与华为等IT公司合作。比如华为公司就为中石油规划建设了认知计算AI平台，试图将过去勘探和生产领域的沉默数据、无用数据发掘出更大价值。像中智软创这类新创公司的MES、RTO（流程优化）等产品方案也开始国内各大油企炼厂中得到应用。其中，仅仅RTO领域的市场规模就能达到近千亿元人民币，留给相关企业的成长空间可谓巨大。

与石油行业相比，建筑行业虽然在全球整个社会经济中举足轻重（体量上占全球GDP的约13％，在我国占GDP的25%），但仍被认为是全球数字化程度最低的行业。

根据麦肯锡的《行业数字化指数》，在所有主要行业中，建筑业在数字化方面排名倒数第二，仅次于农业和狩猎业。麦肯锡估计，在过去的二十年中，建筑行业的劳动生产率平均每年增长约1.0％，而全球经济的年平均增长率为2.8％！

（行业数字化指数，麦肯锡）

另外，麦肯锡的数据显示，全球年度建筑支出（包括新建筑以及正在进行的维护和改造），预计将从2017年的约10万亿美金增加到2025年的约14万亿美金（2019 年我国建筑行业总产值达到 24.84 万亿元）。2017年时，联合国曾估计，在未来40年中，为了满足人口增长和城市化的期望，全球差不多每个月建造的城市建筑体量大小相当于一个纽约市。‍

根据德勤报告，建筑业在IT上的花费是全球所有行业平均水平的一半。在国内，最近这些年，随着建筑业产值增速放缓，对行业的精细化管理提出更高的要求。根据行业信息数据，2018 年，中国建筑信息化投入占总产值的比例仅为0.10%（同期发达国家是1%，国际平均水平是0.3%）。可见，国内的建筑信息化仍存在巨大的发展空间。

2020 年7月和8月，住房和城乡建设部等部门先后发布了《关于推动智能建造与建筑工业化协同发展的指导意见》、《关于加快新型建筑工业化发展的若干意见》两个文件，其中提到：鼓励搭建建筑产业互联网平台；以数字化、智能化升级为动力，形成涵盖科研、设计、生产加工、施工装配、运营等全产业链融合一体的智能建造产业体系。

汇森资本行研组在今年走访上海一家最大的水利工程建筑公司时，该公司表示，无论从国家政策引导、还是从最终客户的意愿、新生代员工的工作方式，几乎所有层面都在推动建筑企业加速进行数字化转型。

在美股市场，刚刚上市不久的建筑行业SaaS软件企业Procore公司，其在招股说明中就表示，鉴于建筑行业缺乏软件采用，其潜在目标市场（软件/SaaS）的规模约为92亿美金。

2020年，很多行业受到疫情影响，全球建筑行业下降3％。但是软件巨头Autodesk的工程和建筑部门（该公司最强大的业务部门，占收入的43％）却实现同比增长19％。根据2020第二季度的投资者介绍，其核心的BIM产品功能项在过去一年中翻了一番。在建筑行业内，BIM功能（建筑信息模型）这一“基于智能模型的规划、设计、建造和管理建筑物和基础设施的方法”很容易成为绿色工业革命中强大的增长催化剂。

国内软件企业广联达一直深耕建筑行业，2010年上市后股价涨了15倍，2017年后云化业务逐步加强。在一个行业中深耕20多年，产品线不断拓宽，业绩保持不断增长，自身在建筑行业中已经具备相当大的话语权。

除了石油行业、建筑行业等，当我们放眼整个工业互联网，你会发现一大片蓝色的海洋，这片似乎深不见底的市场空间有多大呢？

对此，中国国际经济交流中心副理事长黄奇帆先生有过多次精彩的论述，他在“2020中国未来独角兽高峰论坛”上发表的演讲中提到，根据有关材料分析，目前全球有60多个、万亿美元级的产业集群，可以和数字化结合。

具体测算一下：仅仅在油气、航空、电力、医疗、保健、铁路等这5个领域，如果引入数字化平台支持，假设只提高1%的效率，全球在未来的15年中可以预计节约近300亿美元；平均每年产生约200亿美元的效益；如果数字化转型能拓展10%的产业价值空间，每年就可以多创造2000亿美元以上的价值。

具体到我国，去年全国工业产业总销售值是100万亿人民币，涵盖了上百个各种各样的行业。这些行业作为传统工业，一旦有数字经济赋能，颠覆性的资源优化配置就会带来1%~10%上下的增量产值。如果以5%来计，就是5万亿的增值。

除了整体规模够大之外，各行业之间“隔行如隔山”，形成的不同行业Know-how也导致在工业互联网/产业互联网领域很难产生跨行业的赢家通吃的现象。反过来，恰恰因为深耕者在行业内部进行产业链上下游的拓展具备天然的优势，使得他们能够在一个行业内做深做透，在行业内部形成专有的规模经济和网络效应成为可能。

也正是从这两个角度出发，黄奇帆先生认为，在产业互联网领域，今后有可能产生或者容纳几十家同等规模的创新企业，今后的独角兽将主要产生于工业互联网的体系。

三维拼图：行业+场景+技术

一入行业深似海。在这个市场中能帮助人们辨明方向、站稳脚跟的另外两个维度就是场景和技术。

简单一点说，工业互联网/产业互联网中最大、最典型的场景就是工厂，而在这场产品大变革中最激动人心的话题就是其中的智能工厂革命。

广义的智能工厂，有观点是将其分成现场层、管控层、企业层、平台层和协同层。

如果只是从核心的物理场景来看，粗略来分就两个场景：首先是现场层，代表最核心的工厂车间场景（过去偏蓝领）；其次是企业层，更多偏重的是办公室场景（过去偏白领）。在过去很长一段时间里，企业层受关注度最高，传统上说的IT/信息化部署主要集中在这个层面。

除了现场层和企业层之外，管控层、平台层和协同层，基本上可以算是在这两个物理场景中又衍生提炼出来的三个虚拟场景。

如此，这五个场景负责不同的职能。现场层负责工厂车间内的现场控制和执行；企业层负责企业各部门之间的协同办公；管控层则偏重于连接现场层和企业层两个层级，实现整体架构的互联互通；平台层完成信息管理的集中统一；协同层关注的则主要是企业内外的供应链协同、研发协同、生产协同和服务协同等等。

不同的场景职能，自然对技术产品有不同的诉求。

比如在现场层，主要的现场工控设备与系统包含DCS（集散控制系统）、PLC（可编程逻辑控制器）、SCADA（数据采集与监视控制系统）、AGV（自动导引运输车）、传感器、数控机床、智能仪表、工业机器人等；管控层涉及到的主要是MES（制造执行系统）、PLM（产品全生命周期管理）、WMS（仓储管理系统）等信息系统；企业层最常见的就各种企业IT系统比如ERP（企业资源计划）、CRM（客户关系管理）、SCM（供应链管理）、CAD（计算机辅助设计）、CAE（计算机辅助工程）、CAM（计算机辅助制造）、CAPP（计算机辅助工艺过程设计）、OA（办公自动化）等等。

场景以及相应的技术产品一直在不断进化、进行工业界的“有效分蘖”。

比如相对于企业层、管控层的传统软件产品居多，平台层、协同层出现的更晚，用到的技术产品也就相对更新一些，比如平台层利用的云计算、大数据等数字化技术，也都是在近几年才逐步成熟。

今天，在行业、场景和技术三个维度的排列组合中，汇森资本认为，尤其值得创新企业关注的有三个新要点。

其一是应用场景和技术之间的适配颗粒度正在变得越来细微。

比如在图1中，场景大概可以分为五层；但在图2中，则可以细分为核心业务优化、生产力保障提升、社会化资源协作等3大环节、13个小场景；这些细分场景与横轴上的5G、人工智能等技术相交，每一次相交很可能代表着一种新技术产品/解决方案的诞生。

（图一）

（图二）

与图1和图2相比，图3（来自中智软创）的场景划分就更有意思，它把工厂最核心的场景分为5个子场景。从上至下，从时间周期最长（月/年）的计划优化层到反应时间最快（秒）的基础控制层，不同场景对应的是不同的机理模型、数据驱动模型，适配的也是不同的技术产品。在这个几个场景之中，中智软创专注解决的就是其中的实时优化环节（RTO）。

（图三）

其二，不同场景的机理复杂度和价值是不一样的。

在行业中越深挖，对“机理模型”的理解就越深刻。如上文所说，场景分割的颗粒度越来越细。与此同时，工业机理复杂度也会越来越高，数字化模型构建的难度越大，开发成本也就越高。

此时，就需要创新企业重新掂量一下面向某一个特定场景进行技术产品开发的可操作性。原因在于，高机理复杂度模型的构建需要长时间的积累，构建的数字化模型才能更精准，也会具备更高的壁垒；但在另一方面，这种高复杂度未必能带来高价值的回报（如图4）。

（图四）

以化工领域为例，同样是RTO技术，早期的应用场景主要是辅助性的，集中在节能、降低生产成本上，并没有引来很多关注；但在2016年后，应用场景直接体现在产品收率的改善上，经济效益上的贡献大了好几个量级。整个行业的关注度一大就大了许多。

同样的道理，在基础设施行业，基于增量市场和存量市场的区分以及项目交付的节点，可以将主要场景分为项目全生命管理（Project Lifecycle）管理和资产全生命周期（Asset Lifecycle）管理两大阶段。
与一些传统软件厂商主要瞄准了前一阶段不同，定位于基础设施智能监测业务的云庐科技主要瞄准了后一阶段的场景。

在云庐科技看来，国内基础设施经过多年的发展目前已具备较大的存量，然而由于基础设施承载需求的快速增长、基建行业相关规范相对滞后等问题，导致很多既有项目在传统的运维过程中面临比较大的挑战。其中主要表现在两方面：第一，当下基础设施的真实健康状况是否可以满足目前的需求不能确定，尤其在规范不明确、逐步进入老化期的情况下很难通过传统手段进行大范围判定，即安全阈值确认问题；第二，传统的运维手段面对快速增长的基建数量已面临巨大压力。

根据云庐在交通行业的探索，铁路、公路、轨道交通均已开展此类业务，存在巨大的市场空间。如果以2021年轨道交通服务市场可达1500亿元左右，其中，检测维保的规模亦可达到200亿元左右。

其三，对企业基于场景的产品/方案封装能力要求越来越高。

基于场景的产品/方案的成熟度，在客观上要取决于相关技术的成熟度。

比如化工行业中的RTO，支撑这项技术的人工智能算法（以美国的卡耐基梅隆大学为代表）其实在几十年前就已经开始不断推出，为何直到最近几年才逐渐产品化？核心原因有二，一是在早期，很多工业界人士搞不懂什么是人工智能算法，更谈不上引入使用；二是人工智能算法早先受制于计算机算力有限，很多研究只能停留在学术研究阶段。直到5年前（2016年前后），工业界再次将人工智能算法跟行业机理模型相结合，此时算力（在云计算的加持下）已经能够支撑人工智能，于是形成了一次突破（毫秒级的计算速度）。如此，所谓RTO的产品方案才算有可能真正商用。

在主观上，这种产品/方案的成熟度也取决于企业在产品研发、商业模式上的努力。

还是以云庐科技为例。最近几年，随着传感器的日益完善，工程监测项目已经逐步推广开来。但在传统监测方法中，最常见的数据处理方法就是单个测点监测值超过设定阈值就进行报警，手段简单。一方面由于算力和技术限制，在数据挖掘方面的工作几乎为零，或者只能通过组织专家的方式进行人工评判和事后分析，不能做到实时分析和挖掘，大量监测系统的数据就浪费无用了。

从技术上看，云庐科技的多物理场仿真属于CAE领域，能实现结构、流体、电磁、传热等多种类型的物理场仿真，与Ansys、西门子、达索等海外大鳄同场竞技。但与国外这些通用分析软件不同的是，云庐科技将多物理场仿真技术与AI结合，与5G、物联网深度融合，进行边云协同，构建了云庐数字孪生平台，从描述、诊断到预测、决策，实现了云端的结果反演与大数据分析。

在产品和方案层面，云庐科技重点布局基础设施、能源、建筑等行业纵深腹地。值得一提的是，并行计算在仿真技术中的重要作用，它直接影响了多物理场仿真的精度和应用场景规模（海外CAE厂商也有融入了并行计算的多物理场仿真部分，但并不对中国市场开放）。云庐科技承袭了国内超大规模并行计算顶级技术的衣钵，而且还在不断开拓CAE技术应用的超大规模场景。通过构建城市机理模型，用于分析城市级自然灾害（地震、内涝、洪涝等）、基础设施（各类管网、大型公共建筑、交通等）、环境问题（大气、水污染等），甚至流域水治理领域，不断将场景推向更小的颗粒度，丰富产品模块，提高市场响应速度，降低边际成本。

（城市内涝风险仿真预警系统，来自云庐科技）

美股案例：Veeva、Procore和Bentley

过去十多年里，美股市场上共诞生了大约20家专注于行业深耕的软件公司，产生的并购案例就更多。但也有观点认为，垂直行业的云软件公司在很大程度上依然被投资界所忽略，因为有人认为这类企业所服务的市场受制于行业，无法支持十亿美元的营收业绩——显然，事实并非如此。

汇森资本认为，如果要从美股市场中选出两家最有代表性的行业垂直SaaS公司，那么，第一家是Veeva，第二家就是被认为“自2013年Veeva上市以来最令人兴奋”的Procore公司。

Veeva公司被认为是全球生命科学行业SaaS软件工具的领头羊，市值400亿美金。早在2014年Veeva的市场占有率就达到了50%，如今据说已经达到70%！

该公司成立于2007年。创始人是曾任Salesforce高管的Peter Gassner。

从产品上看，简单的说，Veeva是为行业客户提供了一个工具集，涵盖了从早期研究到最终商业化的多个阶段。比如Veeva商业云，是一个完整的客户关系管理（CRM）套件，可在Veeva的客户与医疗保健专业人员或组织之间建立更智能、更高效的关系。此CRM主要面向医疗保健公司的销售代表；Veeva数据云，则是为药品分销商提供大量的关于患者和处方药的数据集，例如患者画像、区域市场以及其他商业分析。

自成立以来，Veeva的增长轨迹堪称无可挑剔。其中，订阅收入占八成多；剩余约2成收入是通过为潜在或已有的客户提供咨询、IT支持和其他专业服务。

Veeva客户基本都是业内非常知名的大公司，例如拜耳、礼来、吉利德、默克和诺华等等。除了搞定了行业内的这些龙头客户之外，Veeva整体的客户保留率也非常惊人，达到了121％！在过去的几年中，这一比率一直非常稳定。另外，根据年报披露信息，Veeva的客单价在经过前期大幅增长之后，已经稳定在100万美元的水平。

显然，高续约率和高客单价成为Veeva营收保持高速增长的直接动力。与那些需要靠大量销售投入来开拓市场的通用型SaaS厂商相比，Veeva相应的营销与销售费用其实比较低，而这也是Veeva在IPO前三年就实现盈利的原因之一。

2020年，疫情给很多行业造成严重破坏，但反过来也促进了生命科学整个行业和Veeva公司的创新。在最近一次的财报会议上，该公司表示，对于在2025年实现30亿美元收入目标“比以往任何时候都更有信心”。

Veeva之后，2020年刚刚上市的Procore同样引人关注。

Procore成立于2002年，其IPO的规模比2019年所有SaaS行业IPO的规模都要大不少。根据Pitchbook的数据，截至上市前，Procore一共从Bessemer，ICONIQ，Dragoneer，Tiger，Lead Edge，Persistence Capital Partners等投资者那里筹集了4.9亿美元。

从收入上看，在2017年为1.123亿美元，在2018年为1.864亿美元，在2019年为2.892亿美元，年收入增长66％（不过还在亏损）。

Procore的上市招股书中，对自己的描述非常宏大：“我们的使命是在全球平台上连接施工中的每个人。我们是基于云的施工管理软件提供商，并且正在帮助改造世界上最古老，最大和最不数字化的行业之一”。

该公司第一个项目管理产品就是Web网页版的产品，但后来Procore之所以取得成功，更重要的一点是充分利用了云计算和移动互联网普及的契机，Procore使施工团队能够通过现场的平板电脑和智能手机完成工作。云软件的实用性以及在场景上的灵活性，使得Procore成功让那些从未购买过软件的建筑公司也开始为此类产品买单。

Procore的产品包括SaaS和PaaS，几乎涵盖了建筑项目的全生命周期，包括招投标、调度、劳动力跟踪、财务管理、建筑信息模型，并提供开放的API和应用市场，使客户能够在Procore产品与他们的内部系统和第三方应用程序进行整合。

根据Procore的数据：对于其自有产品，截至2019年12月31日，有59％的客户订购了3个或更多产品（41％的客户购买了4种以上）；此外，其应用市场也已被客户广泛采用，约72％的客户有至少1个集成，而40％+的客户具有两个或更多。

通过自有产品和外部集成产品，Procore最终让自己成为客户建筑项目的一个记录系统。截至2019年底，Procore的用户活动在2019年产生了3,000 TB以上的数据，平均每月增加110+ TB的数据。可谓非常可观。

除了Veeva和Procore之外，其实，美股市场上还有一家公司也在今年上市，从另一个层面说明了行业数字化市场的活力。那就是，Procore的“老大哥”——同样在建筑行业的Bentley。

该公司由Bentley兄弟于1984年成立，在一个行业里耕耘了近40年后终于登陆资本市场。2019年，该公司的订阅收入为6.08亿美元，总收入为7.37亿美元，净收入为1.03亿美元。公司在招股书中写道“我们2018年和2019年总收入中，有80％来自超过十年的老客户、87％来自超过五年的老客户”。

Bentley针对在建和建成项目分别提供项目和资产两种生命周期解决方案。前者主要涵盖概念，计划，勘测，设计，模拟和构造，以及协调和共享跨学科和/或分布式项目团队的工作所需的协作软件服务；后者主要负责捕获和管理对工程模型和企业信息的更改，并对性能和可靠性进行建模以支持操作和维护决策。其客户即有公共工程（包括公路、铁路、机场、港口等），也包括其他一些离散和流程制造企业（发电、水处理、石油和天然气等）。

Bentley在其原有的软件基础上，新增了不少新技术和新理念，比如通过无人机完成现实建模；通过云原生的数字孪生来实现OT、IT和ET（资产工程模型）的融合，等等。

Bentley认为，每个基础设施项目都需要多专业学科之间的无缝和深度协作，其中包括土木结构工程师，建筑师，地理空间专业人员，城市和区域规划师，承包商，制造商以及运营和维护工程师等等，其“开放式建模和开放式仿真应用程序促进了学科之间的迭代交互以及项目参与者之间的协调”。

当然，在Veeva、Procore和Bentley之外，分布在汽车、金融等行业的行业数字化公司还有不少。汇森资本将另有专文处理。

深耕者十条成长建议

汇森资本认为，以下十条法则既是行业深耕者企业增长的建议，当然，你可以认为这是我们评估项目时会用到的一些标准。

第一条：从基石业务到战略业务，深耕者首先通过基石业务切入行业，然后马上找到业务的第二落点（也即第二增长点）、增加产品线，通过交叉销售，继续做大营收规模。

深耕者这样做的好处是可以把客户价值最大化。都是同一批客户，销售环节最难的一关已经突破，继续扩大单个客户的营收贡献顺理成章。

比如云庐科技在基础设施领域，先有仿真分析，然后迅速切入智能监测；中智软创在化工领域，先做MES，然后开拓出RTO业务，皆是如此。基石业务帮你立足，但战略业务可能是让你再上层楼的关键抓手，也是你获得新一轮融资的关键。

在美股市场，一个很典型的案例是Shopify。2013年，当他们推出Payments产品之前，其ARR（年度经常性收入）为5000万美元；而在推出Payments之后的18个月里，Shopify的ARR增长了3倍，达到1.5亿美元。到2015年，该公司上市。如今市值1300亿美金。再比如Veeva，在生命科学行业够牛了吧，但依然在开拓化妆品等新市场。

当然，此处需要注意的是，新业务不是凭空而来，它必然源自你对客户业务的深度理解。你需要不断与您的客户交流，了解他们的问题，搞清楚可以在什么场景、可以用什么技术来提供增值服务。

第二条：不断更新你的行业市场认知，最直接的就是对TAM（可寻址市场）的计算。

驱动行业发生变化的因素有很多，比如国家政策、工艺突破、产品创新、技术创新等等。有些市场之前没有，但是随着技术的突破就出现了，比如云庐科技在基建领域针对存量基建工程的监测，中智软创在化工行业的RTO业务，都是如此。（具体原因可见本文第二部分对场景的表述。）

不同的认知之下，可能是几十亿到几百亿的市场量级差别。如果只是固守原有的市场格局，你可能只能在竞争的红海中翻腾；快人一步找到新的蓝海市场，你才有可能建立新的霸业。

第三条：中国市场上客户群体够大，造成工业3.0需求与4.0共存，先不要纠结于技术产品属于3.0还是4.0范畴，能满足客户场景的需求就是好东西。

行业发展过程中，一个时代会有一个时代的典型特征。但这种代际特征不是一刀切，因为进化有快有慢。这种现象在经济层面可以称为二元经济；在行业层面，更明显的体现为数字化渗透率的参差不齐。

举例来说，同样是在工业领域，当你开始讲工业互联网的时候，隔壁的人可能依然在谈工控自动化；当你讲公有云的时候，有的客户可能还在坚持私有化部署。

这都很正常。

以Autodesk为例，该公司在相关的表述中就说——我们是在从大型机和工程工作站到个人计算机的平台过渡期间成立的。我们基于个人计算机的桌面软件开发并建立了自己的价值主张。就像30年前从大型机向个人计算机的转变改变了整个行业一样，软件行业也经历了从开发和销售永久许可和本地产品到订阅和云计算技术的转变。

其中所表达的就是，行业的大趋势会影响供应商和用户的选择。

第四条：清晰的认知到自己现阶段（注意“现阶段”）是项目型/关系型项目还是产品型项目（长时段看这两种类型是螺旋迭代关系），我们不能一概而论的认为前者就比后者价值低，但显然，两者在成长和融资上有着不同的路径。

应该承认，项目的基因千差万别。有的基于方案集成，主要借助销售层面的深厚行业资源，迅速做大；有的则基于产品技术的一招鲜、吃遍天，也能迅速形成燎原之势。

企业创始团队需要对自身有足够客观的认知，在销售团队打造、产品成熟度分出优先级。

从中长期来看，销售和产品必然是不可偏废的。只是在短期内，你是要先冲量，还是要完善产品，如果无法兼顾时就要好好想想。

第五条：尽量保持较高的利润率，不要学某些公司主要擅长画饼烧钱、然后流血上市，那条路可能并不属于你。

中国市场上经常会出现一些企业，技术产品看上去很美、研发投入无底洞、估值一轮轮不停、估值一路飞涨。

美股市场上对于SaaS软件公司，有个知名的“40法则”（即：增长率与利润率之和如果大于40，则说明项目比较健康优质；如果小于40，则说明该项目资质一般）；除此之外，一些优质的SaaS软件项目的毛利率大都能做到70-80%。

对于国内公司而言，尤其是做大B生意的深耕者来说，保持足够的利润率是非常关键的。

第六条：在比如石油、建筑、化工等行业，一定要搞定行业的龙头客户，越早越好；如果你迟迟不能搞定，那么肯定有其他人能搞定。

你可以一开始就做大客户，也可以一开始先做中小客户，但终究你要做大客户；大客户可以保证项目的客单价和利润率，以为业绩的稳定性。更关键的是，行业龙头客户可以帮你确立在行业内的地位。

以财税数字化创新企业迅联云为例，该公司在客户群体上，就首先选择服务制造业央企，并在此基础上借助央企在其庞大的产业链中的影响力，拓展上下游企业客户。因为大型央企的体量大、覆盖面广、供应链长的特点，通过大型央企背书、推荐，可以更容易获客。如今，迅联云在成功服务了国家电网、国家能源、中国中车、ABB（中国）、西门子（中国）等数十家世界一流的集团型企业，并且以他们为核心，迅联云已构建了95条供应链，覆盖大型供应商3万余家，受益用户达15万名，月处理业务突破一百万份。一个智慧供应链协同生态网络已经初步成型。

第七条：自己要力争成为行业数字化龙头，最次也要进入行业数字化前三。资本的头部溢价现象在2B行业也越来越强烈。

行业市场可以做深做透，但竞争也非常激烈。不管从客户的角度还是从投资的角度，大家眼里可能只会看到龙头。因为龙头企业吃透行业的结果，可能一家就能占到行业市场的7成市场（比如Veeva在生命科学数字化市场）。

当然，对于新创企业来说，首先找到一家龙头（最好是上市公司）做对标，更为现实。只要你可以证明行业市场足够大（比如可以容纳下三四家上市公司的体量）、你有自己的独家竞争力，那么，你的成长故事也会更容易展开。

第八条：产品提供完善的API接口，积极的集成到行业数字化生态系统中。

如今的数字化经济，从另一个角度说也可以成为“API经济”。有了云计算、移动互联网作为基础，各种各样的企业级应用越来越多，也越来越容易被使用（或替换掉）。

美股企业级身份平台公司Okta最近每年都会发布一个报告，报告指出，在所有行业和公司中，应用程序（SaaS、App等）的采用数量一直在稳步上升。2020年，每个企业客户的平均应用程序数量达到88个，这比一年前的数据（83个）增长了6％，比三年前的数据（72个）增长了21％。Okta平台上有10％的客户部署了超过200个应用程序！

这种情况决定了新创企业在产品功能以及市场渠道上的很多标准动作。

第九条：围绕数据做文章（有数据不等于会用数据），要擅长基于数据做好产品封装。

行业内的数字化洼地还有很多，这几乎是在召唤着相关企业前去开垦。

在互联网革命之前，公司通常根据其有形资产进行估值。比如评估一家能源公司可以根据其油气储量、也可以根据其机器设备价值。这是因为这些有形资产是创造价值的关键。但如今，许多数字化公司都是从虚拟资产（即数据）中获得价值。诸如社交媒体、搜索、电子商务、人工智能和云计算等高科技公司都是如此。

与有形资产不同，数据是准无限的非线性增长资产。世界每天产生2.5万亿字节的数据，但是随着越来越多的人和设备连接到云中，该数字将以更快的速度增长。随着数据收集的持续增长和用于货币化的新技术的出现，我们相信它将成为越来越有价值的资产。因此，投资者会考虑使用新框架来更好地评估公司数据，以便更好地表达其内在价值和增长潜力。

当然，有了数据之后，还要能封装成高价值产品。以上文提到的云庐科技为例。在他之前，其实已经有些传感器厂家、检测公司提供监测服务，但卖了硬件之后，在数据服务上的体现主要就是在一块大屏上展示相关的数据曲线；与他们不同，云庐的技术路线再往前一步，建立了数据与被监测目标的本构关系，从而完成损伤识别和安全阈值判定，为业主提供的最终的诊断结果（损伤部位、损伤模式、安全阈值，若结合上数据趋势可提供预测预警）。此类方式对用户来说显然更有实用价值。