第二天上午，调研团来到了江苏的第三家公司——云沃智造。
这家公司是国内做扫地机器人的龙头，市值三百亿出头，总经理李泰带着董秘在门口迎接，和陆光明握了握手，寒暄了几句，侧身引着调研团往展厅走。
展厅在一楼，最显眼的位置是一排扫地机器人，从早期随机碰撞机型到最新的激光加视觉融合旗舰款，按技术迭代的时间线排开。
最新那台正在地面上自主移动，能绕开地上放的几个障碍物。旁边还有一台拆了外壳的工程机，激光雷达模组和视觉传感器全暴露在外面，电路板上的走线看得一清二楚。
研发中心在三楼，算法实验室的墙上贴着一张迭代时间表，从2017年第一代到今年第三代，每一版的突破点和上线时间都标得清清楚楚。
林深站在那张表前面看了一会儿，三年三代，不快不慢，但同行也在追，有些公司的算法团队规模比云沃还大。
他的目光扫过工位区时，注意到角落里有还几个空位。桌上没有电脑，没有资料，这种情况出现在核心算法团队的区域，总让人心里不太踏实。
他在本子上记了一笔，准备座谈会时找机会问。
下午两点，座谈会准时开始，总经理李泰和海外事业部负责人汪海洋出席。
他先做了一个简短的开场。“各位都是专业机构，公司的基本情况年报里都有，我就不照着念了。2018年营收接近七十二亿，增长三成，利润增长接近三成六。一季报大家应该也看到了，营收增长放缓，利润有压力。主要原因是主动砍代工和研发销售费用加码，各位有什么想了解的可以直接问。”
华曜证券的分析师第一个开口，问的是一季报净利下滑后全年业绩指引要不要调整、代工砍掉之后利润缺口怎么填。
李泰回答得很干脆，一季度代工订单降了八成，少赚了差不多三千六百万，清洁小家电代工受贸易摩擦影响又少了一千二百万，但自主品牌增长不错，全年应该能覆盖代工收缩的损失。全年指引暂时不动，如果下半年行业继续下行，不排除调整的可能。
林深在笔记上写了几笔，逻辑自洽，但措辞里藏着模糊地带——“增长不错”是多少？“应该能覆盖”是多大把握？和华茅酒业那种“我告诉你具体数字，你自己判断”的风格比起来，李泰的措辞明显更保守，或者说，更不愿意把话说死。
南方资本的陈绍军接着问经营现金流的问题。年报经营现金流从2017年的好几亿骤降到2018年不到两千四百万，一季报更是只剩三百多万，他想知道清退代工能不能把现金流拽回来，回款周期拉长是暂时的还是趋势性的。
“能。”李泰回答得很快，“代工客户账期长，三到六个月，坏账风险也大。自主品牌经销商的回款一般不超过一个月。砍掉代工之后，现金流的改善会在下半年体现出来。”
明泽资本的崔金源问的是研发投入的转化效率，他的风格一如既往——要数据，不要形容词。
李泰的语速比回答财务问题时明显放慢了，说SLAm算法从2017年到今年迭代了三版，第一版基于开源框架，识别精度接近八成四，第二代开始自研底层代码，精度提到接近九成二，第三代引入视觉和激光的多模态融合，复杂场景下的避障成功率到了九成六左右。每一版迭代都有内部测试数据。
瑞银的陈志敏把话题拉到海外市场，问海外自主品牌什么时候能盈亏平衡，关税风险怎么评估。
汪海洋负责海外业务，数据掌握得比李泰更细，说海外自主品牌去年在美国市场收入翻了将近一番，线下门店已经铺到五千四百家左右。盈亏平衡要看区域，欧洲最快预计明年下半年能打平，美国市场因为渠道投放还在加码，可能要到后年，关税影响目前可控。
林深注意到汪海洋说“明年下半年”和“后年”这两个时间点时，语气明显不如报门店数量时那么笃定。海外盈亏平衡的时间表一推再推，从“明年”变成“明年下半年”，又从“明年下半年”变成“后年”——时间节点的每一次推移，本身就是一种信号。
嘉时基金的周鹤鸣问的是高端机型占比的天花板，他今天的问题角度和前几场调研不太一样，没有问业绩指引，直接切入了消费趋势的核心。
李泰往前坐了坐，语速明显比回答财务问题时更积极，说高端占比提升的趋势不会停，今年的目标是做到七成二以上，扫地机器人正在从可选消费向必选消费过渡，一二线城市的双职工家庭，扫地机已经成了刚需，消费分级对公司来说是好事。
这个回答在战略方向上没问题，但李泰回避了“天花板”这个关键词。他说了“不会停”、“七成二以上”、“过渡期”，却没有正面回答天花板在哪里。是八成四？还是到七成二就触顶了？公司自己对高端占比的长期目标也没有一个清晰的量化判断。
廖俊的问题延续了他在华茅座谈会上的风格，但这次更尖锐，直接问扫地机器人不是刚需，经济下行可选消费第一个被砍，同行线上增长很快，云沃和他们的技术差距在缩小还是拉大。
李泰沉默了两三秒，这个沉默比之前任何一次都长。
他说同行的竞争力在增强，这一点公司承认，对方的激光雷达技术路线和他们不同，但在中端市场的性价比优势很明显，公司的对策是往高端走，AIVI视觉导航在复杂场景下的识别能力，激光雷达做不到，技术差距能不能拉开，关键看今年新品的市场反馈。
林深在笔记上写了一行字：承认同行竞争力增强，但未给出量化对比。
这和李泰回答研发效率问题时如出一辙——有定性描述，缺定量数据。技术差距在缩小还是拉大，光靠“复杂场景识别”这种定性表述判断不了，需要具体的对比测试数据。李泰没有给出这些数据，要么是没准备，要么是数据不好看。
麦克风递到了林深手里，他问的是上午参观时留下的疑问。
“上午在研发中心看到算法团队区域有几个空位，桌上没有设备。研发团队核心骨干的流失率大概是什么水平？视觉导航方向上的核心技术人员稳定性怎么样？”
李泰把手里的笔放下了。“研发团队流动率确实不低，核心骨干流失率过去一年大概在一成八左右。主要是算法工程师被同行挖。我们在薪酬和股权激励上一直在加码，但这个压力短期内不会消失。”
一成八。这个数字在科技行业不算离谱，但对一家靠算法迭代构建护城河的公司来说，核心研发团队每走五个人就少一个，这个节奏确实让人不太放心。而且李泰说“压力短期内不会消失”，等于承认公司在留住核心人才上并没有太好的办法。
林深接着追问SLAm算法迭代的具体节点和研发费用的转化效率。
李泰这次没有看研发负责人，开口比回答前面几个问题时更快，说第一版2017年基于开源框架，第二代去年上半年上线，开始自研底层代码，识别精度从接近八成四提到九成二左右，第三代今年初完成，精度到了九成六以上，最大的突破是多传感器融合。“我回头可以让研发部整理一份详细迭代时间表给林总。”
这个回应本身没什么问题，但李泰需要“回头整理”，要么是数据太细需要研发部协助，要么是他自己对技术细节的掌握没有到能脱口而出的程度。
不管是哪种，给人的感觉都差了那么一点。