商汤科技IPO，被资本热捧的AI到底是不是一门好生意？

今天，AI已经成为了一个所有人耳熟能详的名词了，各种各样的AI公司层出不穷，行业中最耀眼永远只是塔尖上的少数……

旷视 科技 、依图 科技 、云从 科技 和商汤 科技 就属于这一类少数派，这四家企业也被称为“AI四小龙”。

最近商汤 科技 开始IPO，我们就从它谈起，来看看AI这项业务到底行不行。

商汤 科技 属于含着金钥匙长大的邻家小孩，学习能力出众，自然也特别受到金主爸爸的疼爱，从来都不缺钱，喊一声，就有资本送钱来了。

商汤 科技 成立之初就在全球首次突破了人眼识别能力，自研算法在人脸数据库中的识别准确率高达98.52%，3个月后，商汤把这一数字提高到了99.55%。

根据天眼查的数据显示，商汤 科技 从成立到现在，共获得了12轮融资，融资总额超过52亿美元，投资人遍布国内外。

其中不乏阿里、苏宁这样的国内互联网巨头，还有招商证券、中金证券、东方证券这样的国资券商，还有高通创投、软银这样的国外顶级创投机构，厉害的是，这里面还出现了万达的身影。

简单来说，商汤 科技 既被国内看好，同时也被国外看好，即被互联网行业看好，还能被传统行业的房地产商看好，大有未来 科技 之光的架势。

当然，它也确实用一系列的实力证明了自己。

2016年，商汤 科技 研发的自动驾驶平台刷新了行人及车辆识别领域的世界纪录，2020年，商汤 科技 又完成了首个专业用人工智能芯片STPU流片，2021年，商汤又建造了世界上最大的计算机视觉模型，参数超过了300亿个。

我们过去的文章里经常说，研发是一个 科技 企业的立身之本，商汤 科技 确实是做到了。

招股书上显示，从2018年到2020年，商汤 科技 的研发费用占比分别是46%、63%、71%，他一家公司就囊括了40位教授、250多名博士，以及3593名科学家和工程师。

但是，在光芒的背后，是一谈到赚钱就掉链子，这也确实挺尴尬的。

在充足资金与研发人员的投入之下，商汤 科技 在全球的各类竞赛中拿到了70多个冠军，发表了超过600篇顶级学术论文，拥有8000多个专利申请。

但是，根据商汤 科技 的招股书显示，从2018年到2021年上半年，商汤 科技 的营收分别是18.5亿、30.3亿、34.5亿、16.52亿。

看着还不错，但同期他们分别亏损了34.28亿、49.63亿、121.58亿和37.03亿，三个财年加上今年上半年总共亏损达到了242.52亿。

融资来的52亿美元基本上快亏得差不多了。

一边是技术的绽放与资本的热捧，另一边是长期陷入利润不佳的窘境，商汤 科技 的问题到底出在哪里了呢？

我们从技术，市场供需这两个纬度来看。

第一、再好的技术落地都需要时间。

我们在过去的文章里谈过关于产研结合的问题。

科技 的发展，企业的壮大是需要让更多的研究和专利能落地商用的。

虽然商汤 科技 在顶级期刊上发表了诸多论文，而且专利数量也相当庞大，但作为一家企业来说，研究的目的是为了能让技术落地，并且推向市场，被市场所接受，而不是单纯的秀论文数量。

而且，在技术深度方面，商汤 科技 拥有自己的独占技术其实并不多。

它的很多技术和专利是根据公开论文，开源代码的基础上实现的应用，虽然读懂这些公开论文的门槛很高，但对于人才济济的 科技 大厂来说，这不是什么太深的护城河。

比如在活体识别这个领域，玩家不仅只有商汤，云从这样的AI 科技 ，百度、腾讯也拥有深厚的技术积淀。

百度钱包用的就是自家的技术，腾讯的微众银行用的也是自家的技术。

前边提到的人脸识别准确率，百度在2015年达到了99.77%，刷新了商汤的纪录。

面对BAT这样的老牌大厂，商汤的技术护城河仍然是一个问题。

第二、市场供需还未爆发，业务领域细分且垂直。

不了解AI的人仿佛都觉得AI是个筐，啥都能往里装，万物皆可AI。

客观来说，AI是未来没错，但它并不是对现有产业的颠覆，更多的是一种赋能，高效的赋能。

比如用AI赋能垃圾分类，用智能化监管代替人工监管；比如AI赋能药物研发，谷歌就专门推出了可识别蛋白质结晶的AI系统，用于药物开发。

本质上，AI的价值是提高传统产业的生产效率，解放生产力。

AI这个赛道非常的广阔，实际上的业务十分细分、垂直。

目前被应用最多的是计算机视觉识别。

2020年中国的计算机视觉识别市场规模也不足150亿，这个规模的产业，无论是深度还是广度上都远远不能和手机、 汽车 这些万亿产业相比。

小池塘也很难养出大鱼来。

另一方面，国内AI产业化高度依赖于政府项目，比如智慧城市、智慧生活、智慧商业几大板块。

商汤 科技 的业务中，87%的业务都是来自于智慧商业和智慧城市两大板块。

但这也牵扯到了另一个问题，AI四小龙并没有独立获取项目的能力，项目真正的来源都在一些央企总包方手里。

智慧城市听上去很美好，可城市的智能化改造是一项大工程，项目周期至少需要3年，涉及的流程繁多，商汤等AI新兴势力所做的事只是诸多环节之一。

由于AI产业的碎片化特征，这就导致不同的用户需求不同，无法用同一个标准去面对所有人，这自然就很难形成规模化。

项目之间的差异，使得上一个项目的方案在这个项目无法适用，亏损就成为了常态。

从市场竞争的层面上看。

华为、腾讯、百度这些平台型巨头都在切入AI领域，甚至传统的半导体企业，比如德州仪器、英特尔、英伟达都在半道研发自己的AI解决方案。

举个简单的例子，在AI被广泛应用的安防行业当中，安防行业的原生巨头海康威视也在研发自己的AI解决方案，而且相对于商汤 科技 来说，海康威视本身就是终端生产商，更具有拿项目的优势。

仅以营收比较，2020年，商汤的营收24.5亿，而海康威视的营收635亿，换句话来说，商汤的规模只有海康威视的5%不到，海康威视对商汤具有碾压优势。

上面所说的这些问题，不仅仅是针对一家商汤 科技 ，而是整个AI产业的企业都需要面对的问题。

其实，我们仔细对比一下AI四小龙，会发现这几家的处境都出奇的相似。

从过往的财报来看，AI四小龙都是亏损比营收多，营收越多，亏损越大。

这四家企业的崛起，都和中国安防摄像头的升级息息相关，简单地说就是吃到了政府升级安防项目的红利。

面对越来越多的亏损，投资人很着急，四小龙也很着急，所以在最近一年多时间里，四小龙都在集体冲击IPO。

作为 科技 企业，四小龙大书特书的都是自己的研发投入，旷视 科技 、云从 科技 和依图 科技 ，研发占比都超过了50%，商汤 科技 的研发占比更是高达70%。

在这些漂亮数字的背后，还得回到怎么样找到盈利模式这个本质的问题上来。

我们可以把视线转向另外一家AI企业，号称AI芯片第一股的寒武纪。

当年风光无限，成功登陆科创板的寒武纪，最高市值高达1191亿。

但后来，整个股价一路走跌，市值只剩下406亿，跌去6成之多。

寒武纪也是长期在研发上高投入，在AI芯片产业同样面对来自华为、百度这些巨头的夹击，自身造血能力不够，导致市场不看好。

对于一个 科技 企业来说，它跟平台型企业不一样。

京东持续亏损了12年，但它的商业模式很清晰，京东用12年的亏损回答了市场一个问题， 淘宝天猫跟我竞争，我凭什么能活下去？

答案是京东用巨资砸出来的基础物流设施，这是京东底层的护城河。

不解决根本的盈利和路线问题，即使上市融到了更多的资金，企业也只是拖延时间而已。

当前AI四小龙们还没有一条明确、长远的盈利模式。

不管是从技术上，还是未来的发展路径上，并没有一个可以信服的指引给到市场，自然也很难得市场认可。

在过去的文章中，我经常说技术是 科技 企业的立身之本，但我们也要时常问问自己，这些技术是不是我们的客户真正需要的？假如腾讯和阿里也要做这项业务，凭什么我能活下去？

回顾一下前辈们，台积电的技术很牛逼，全球第一，但这项技术的根基是在台积电创新的晶圆代工模式。

明白客户需要什么，比追求产品技术的先进性，可能更为重要，利润思维，一定不能舍去。

当然，AI未来一定是一门大产业，现在它仍然具有一定的超前性。

市场还没有快速发展到那一步，还需要更多的积累。

我们的AI企业还需要时间，需要尽快找到自己的商业模式和领域，助力和赋能更多的相关企业实现产业的升级。

但是，这个前提是路要扎扎实实地走，别贪快，贪快就容易摔倒。

—

责任编辑 | 罗英凡

Wave Computing

Wave Computing在2018取得了不少进展，推出其第一个DataFlow处理单元，收购MIPS，创建MIPS Open，并将首批系统交付给少数客户。虽然Wave架构有一些非常有趣的功能，但我们更期待用户的大规模真实体验反馈。

Wave不是插入到服务器的加速，它是用于图形计算的独立处理器。这种方法有利有弊。从积极的方面看，Wave不会受到GPU等加速面临的内存瓶颈影响。从消极方面来说，安装Wave设备将是新的升级，需要完全替换传统的X86服务器，也让其成为所有服务器制造商的竞争对手。

我不认为Wave能从某个点击败NVIDIA，但该架构的设计的非常好，该公司已经表示它很快就会有客户的反馈。

图1：Wave是从上面显示的4节点“DPU”构建的系统。Wave Computing

Graphcore

Graphcore是一家资金雄厚（融资3.1亿美元，目前估值为17亿美元）的英国独角兽创业公司，拥有全球化的团队。它正在构建一种新型的图形处理器架构，其内存与其逻辑单元位于同一芯片上，这应该能够实现更高的性能。该团队产品的发布时间暂不明确，不过他们去年四月表示“几乎准备好发布”了，12月的最新信息表明它将很快开始生产。

Graphcore的投资者名单令人印象深刻，包括红杉资本、宝马、微软、博世和戴尔 科技 。

我了解了该公司的架构，它非常令人印象深刻。从边缘设备扩展到用于数据中心的训练和推理的“Colossus”双芯片封装。在最近的NeurIPS活动中，Graphcore展示了其RackScale IPU Pod，它在一个32台服务器的机架中提供超过16 petaflops的算力。虽然该公司经常声称它将提供比同类最好GPU强100倍的性能。

Graphcore表示，4“Colossus”GC2（8芯片）服务器可提供500 TFlops（每秒数万亿次 *** 作）的混合精度性能。单个NVIDIA V100可提供125 TFlops，因此理论上4 个V100就可提供与其相同的性能。

与往常一样，细节更能发现差别，V100峰值性能仅在重构代码执行TensorCore的4x4矩阵乘法时才可用，这是Graphcore架构巧妙避免的限制。更不用说V100消耗了300瓦的电能和大量现金这一事实。

此外，Graphcore支持片上互连和“处理器内存”（片上存储器）方法，可以得到超出TFlops基准所认可的优秀性能。在一些神经网络中，如Generative Adversarial Networks，内存是瓶颈。

再次强调，我们将不得不等待真实的用户用实际应用程序来评估此体系结构。尽管如此，Graphcore的投资者名单、专家名单和台天价估值告诉我，这可能是一件好事。

图2：GraphCore展示了ImageNet数据集处理的照片。 可视化可帮助开发人员了解其训练处理占用处理周期的位置。

Habana Labs

Habana Labs是一家以色列创业公司，去年9月在第一次AI硬件峰会上宣布它已经准备好推出其首款用于推理的芯片，其创纪录的性能用于卷积神经网络图像处理。结果显示在Resnet50图像分类数据库中该处理器每秒分类15,000张图像，比NVIDIA的T4高出约50％，功耗仅为100瓦。

在2018年12月，Habana Labs的最新一轮融资由英特尔风险投资（Intel Venture Capital）领投，WRV Capital，Bessemer Venture Partners和Battery Ventures跟投，该公司的融资也由此前的4500万美元增加了7500万美元。

据悉，Habana Labs新的融资将部分用于流片其名为“Gaudi“的第二款芯片，该芯片将专注于训练市场，据称可扩展到1000多个处理器。

其它创业公司

我知道世界上有超过40家公司在为人工智能设计训练和推理芯片。我发现大多数公司都在进行简单的FMA（浮点乘法累加）和混合精度数学（整型8位和浮点16位和32位）。对此我不会感到惊讶，因为这种方法相对容易实现并且会获得一些成果，但它不会为像NVIDIA，英特尔以及少数初创公司做出不一样的架构提供持久的架构优势。

以下是一些引起我注意的公司：

中国AI芯片初创公司

中国一直试图找到一条摆脱美国半导体的方式，人工智能加速可能会提供它一直在寻求的机会。中国设定了2030年要建立一个价值数万亿美元的人工智能产业的目标，自2012年以来，投资者已经向创业公司投入了超过40亿美元的资金。

寒武纪 科技 估值为25亿美元，是已经发布了第三代AI芯片的中国独角兽公司。寒武纪称它可以用更低的功耗提供比NVIDIA V100更好的AI性能，他们还销售其AI IP，搭载在华为麒麟970和麒麟980的处理器当中，作为AI加速硬件。

商汤 科技 也许是估值最高的AI创业公司，以在中国推广智能监控摄像头而闻名。这些安防摄像头数量超过1.75亿，包括其他公司生产的摄像头。商汤 科技 在香港成立，最近一轮融资数额达6亿美元，由阿里巴巴领投。据报道，这家初创公司的价值目前为45亿美元。

商汤 科技 与阿里巴巴、高通、本田甚至NVIDIA等主要公司建立了战略合作伙伴关系。该公司今天拥有一台超级计算机，运行大约8000块（可能是NVIDIA提供？）GPU，并计划再建造5台超级计算机来处理数百万个摄像头采集的面部识别数据。

雷锋网编译，via forbes

美国是最重要的半导体出口国

凭借出色的技术实力，美国半导体产业在全球保持着较强的竞争优势，2021年美国半导体公司在全球各个主要市场的份额均超过35%，其中在中国和欧洲市场达到了50%，在最低的美洲市场也有38.7%的市场份额。

值得一提的是，随着全球其他国家半导体产业的不断升级，目前美国半导体产业的竞争力有减弱趋势，拿美国本土市场来说，2013-2021年，美国半导体市场中本土公司的市场占有率从56.7%下降至43.2%，降幅超过10个百分点。

2021年，美国半导体产品出口额达到了620亿美元，是美国第五大类出口商品，仅次于精炼油、航空产品、原油和天然气而在电子产品领域，半导体则是出口金额最大的商品种类，远高于无线通讯、电脑等设备。

高研发投入助力产业腾飞

美国在半导体行业出色的竞争力，很大程度上得益于美国企业大规模的研发投入。2021年美国半导体行业研发经费占销售收入的比重为18%，在美国的主要行业中仅次于药物和生物科技行业在世界范围内则排在第一位，高于排在第二的欧洲地区约3个百分点，而中国半导体行业这一比重仅为7.6%。

—— 以上数据参考前瞻产业研究院《中国半导体行业市场前瞻与投资战略规划分析报告》

---