文 | 锦缎
近一个月，AI公司再次博得市场极大的关注：前有几经辗转的商汤-W(HK:00020)成功上市，4个交易日股价翻倍；后有李开复担当董事长的创新奇智在港交所二次交表，“AI制造第一股”的噱头风头无两。
港股投资者对AI公司可以说又爱又怕：
可爱之处，毫无疑问表示在科技是第生平产力，而AI是科技的前沿之一。恐怖之处，在于AI公司仍无造血能力，除了现金流雄厚的商汤，IPO在为数不少的人眼中仍是保命的举措，这一点可能被不喜亏损的港股市场无限放大。
创立于2018年“AI寒冬”的创新奇智对付亏损是有切肤之痛的。以是上市不敷一年它就调度了业务方向：从面向终端用户的AI公司，变成面向系统集成商的“AI铲子”，2018年-2020年其按客户类型划分的收入明细足以佐证。
创新奇智转向成铲子票，彷佛运营繁芜度就能低落（发卖和履行层面），从而分开亏损的泥潭。但事实却并未如此，我们该当若何衡量AI铲子呢？
01 AI铲子的基本面
据招股书显示，创新奇智是企业AI办理方案供应商，拥有专有打算机视觉和机器学习AI技能，并供应全栈式AI产品和解决方案。从而帮助客户优化业务或生产流程，继而降落本钱，提高营运效率、生产灵巧性及实现业务运营及信息管理的智能化转型。
以上官方先容不随意马虎弄懂，你可以这么理解：创新奇智的商业模式大部分是定制符合客户需求的软硬件，再交给系统集成商履行的软件开拓商。
公司紧张客户行业按照收入分为三类：
◆制造业，紧张是汽车装备（摩托车发动机）、3C高科技（电子产品）、OLED面板制造等。
◆金融业，紧张是面向银行、保险。
◆其他，包含零售等。
对上述制造业来说运用处景紧张是：利用机器视觉进行产品考验，园区送料小车自动驾驶，实时评估建筑工程整体情形，监控风电设备运转情形等。对金融行业来说是整合和管理不同类型的数据库和帮忙决策软件等。
从技能维度看，创新奇智在AI方面拥有三个自建平台：Orion，卖力模型演习；ManuVision，卖力打算机视觉；MatrixVision，卖力边缘视频剖析。
例如在风电的运用中，通过在现场支配摄像头来监视设备运转情形。ManuVision来回答拍摄物是什么的问题。如果风力发电机在运转中溘然转速非常，且须要及时上报并办理问题。这可以在现场附近架设小型打算设备的办法通过ManuVision来识别情形。视频剖析许可动态的捕捉锁定监视的工具，而边缘打算许可在监视器周围就近的剖析问题。两者结合就能做到快速高效的反应。末了，Orion卖力这些剖析和判断的准确度进一步强化提升。
AI产品的功能看似大略，但在这条赛道上的公司们目前基本都没能实现盈利。那么在本日，尤其是在AI制造这条细分赛道上，成本看重的是什么？是一旦产品能够标准化，整体行业带来的蛋糕实在是太大了。
02 背靠行业基本盘的大蛋糕
近年来有关云打算、SaaS、大数据、AI这样的新名词层出不穷，但实际上AI科技公司的交付物，仍旧和传统办理方案供应商没什么不同。实质上都还是为了知足客户提出的哀求。
只不过之前是客户哀求提高工厂产能利用率，承包商们优化工厂物流。现在则是承包商不仅优化了工厂物流路线，乃至把人工剔除，转而利用AI来代替。AI在这个中的位置便是取消掉人工所不能避免的轻忽和不精准。
在创新奇智与中冶赛迪的互助中，就利用了这种办法来转运铁水。提高效率，节省人力。而其余一家客户同样也反应得益于AI优化带来的本钱降落，每年每个熔炉园地节省四百万元。
按照2020年中国钢铁协会关于人力资源情形的报告，我国现存工人数有176万人，均匀人为约为10万元。若AI能够节省行业20%的人力，则AI能为家当带来352亿元的开支减免。
在现存的成熟制造业进行人工替代以外，光伏和风电等未来趋势明显的行业同样运用广泛。如打算机视觉监控下的光伏运营中，常日10MW的光伏电站配备5-8名职员来卖力维修和运营。
而截止统计到2021上半年，我国新光伏装机发电量达到2.6亿千瓦时。在这个根本上若能利用AI技能进行合理替代人工，那未来的需求强度会随着项目成熟度进行爆炸式增长。创新奇智在近几年的业务中也反响了这种潜在的弘大需求，从2019年接到钢铁冶炼和能源电力的项目，到2021年9月为止，收入增长334%。
这种运用于制造业的AI，并不像自动驾驶一样须要软件拥有极高的智能度，但就对生产来说，仅能完成单一的替代就已经足够了。而且还不须要那么难。
如在生产线的毛病检测环节，原来人工的形式难免无法处理针对每一个产品的检讨。而机器视觉的办法可以，深度学习打算机视觉可以与工业摄像头和照明设备进行联动，担保每次生产的毛病能够被精确识别和分类。
但由于工业产品毛病的可重复和情形有限性，利用少样本学习就足够应对。在最近创新奇智的一份专利表明，是基于神经网络迁移标注方法表明其采取的数据剖析方法属于小样本学习。小样本学习许可AI在不须要大样本和大模型的办法对视觉内容判断，该方法的上风在于输出结果更为直不雅观和便于打算和公式化，而劣势在于设计较难和对识别工具详细差异上难以把控。
有趣的是，对一家以AI作为软件办理方案的公司来说，是否能供应标准化的办理产品极为主要。而工业生产的毛病在被哀求检出的主要性也远远大于理解这些毛病到底“长得”有多不同（图片来自招股书）。
小功能，大回报。创新奇智牢牢把握着自己拥有算法和平台的上风，或许能做到的事情并不如百度、特斯拉、商汤等大型AI公司那么多，但工业+AI一旦能够在业界被广泛认可，那基本盘其实不小。
03 一亩三分田的隐忧
创新奇智在商业模式上跟“AI四小龙”不太一样，它把不赢利的部分都剥离掉了。
从下贱互助方来看，到2021年玄月份，创新奇智紧张的客户是系统集成商。从上游采购的情形来看，不仅是定制硬件，创新奇智把数据标记和软件外不雅观开拓的任务也交给了第三方。如此一来，该公司的在业务上的位置就清晰了起来。
得益于业务的拆分，创新奇智不再须要承担与核心技能不干系的项目履行所须要的开支，也不用承担大略重复的开拓事情带来的职员本钱。但与此相对的代价是毛利随着互助客户的稳定，终极落在30%（见下图），而“四小龙”的毛利基本都坚持在60%-70%这个水平区间。
创新奇智通过坚持核心生产力的办法，来达到其他AI科技公司暂时做不到的本钱掌握。
但我们先暂且把利润率降落的代价放到一边，我们来思考这样的个问题：如此的AI三平台真的能够形成壁垒吗？
我们的答案是很难。
首先创新奇智选择投入做研发的大部分资金并不在AI模型本身上，而在于对客户的定制化开拓。
相对付其他大模型AI，如自动驾驶、语音识别等，工业生产产生的数据太少了。这种数据少分为两个含义，第一个含义是AI对意外情形的反应条件非常单一；另一个是由于工业产品本身能够产生的情景多样性就少，这使得创新奇智的AI三平台运用上限不高。
第二，坚持AI相称于要和后来者在技能上硬碰硬，但AI技能在行业内的专利壁垒不随意马虎搭建。
AI技能在本日还在一个早期探索的阶段，每天都有数个新算法出身，这些算法又相互利用开源平台，或者本便是开源的。同时，创新奇智目前利用的小样本学习方案虽然目前被认为建立模型难度较高，但实在难度紧张来源于该技能被提出的韶光非常短。
第三，创新奇智没有AIDC。
AIDC是专门用来实行AI任务的数据中央，这些年被国际AI技能巨子热衷建造。缘故原由之一便是AIDC能够实行大数据任务。
来自于创新奇智在上述两点的劣势，这很随意马虎设想其被AI巨子降维打击的可能性，和今后若哀求工业AI实行更多繁芜操作的限定。但创新奇智在目前的运用与未来的募资解释中都没有看到类似的展望，乃至其在利用云打算做事已经开始霸占五大供应商的位置。
创新奇智选择在开年第一天再度冲刺IPO或许在开释着这样一个旗子暗记：综合公司成立以来的增长和商业模式来看，AI制造已经开始走向成熟。但这同样也意味着其作为一家AI科技公司，计策越来越不“硬核”。
现在的繁荣或许是由于传统工业和金融业的数据整理在一个呼声甚广的时候，AI的先发上风可以背靠这块蛋糕吃的满嘴流油。但在数字化和智能化的未来，却预见着终有一战。