自2020年7月寒武紀成功登陸科創板，各家AI公司就陸續開始推進各自IPO的進程。整個過程可謂一波三折。率先沖刺的依圖科技折戟科創板“AI第一股”，云知聲被科大訊飛指出“數據作假”而主動撤材料，曠視科技中止港股上市計劃。但事情很快迎來轉機，2021年7月20日云從科技順利通過科創板上市委審議，被認為是AI公司上市風向標轉變。緊接著，8月6日云天勵飛通過科創板上市委審議，8月27日，港交所網站披露了商湯港股IPO申請材料。9月9日，曠視科技科創板上市首發獲通過。2021年被認為是中國人工智能企業的上市潮。

      隨著AI公司對外披露的信息越多，有越來越多困惑甚至質疑的聲音。AI公司的盈利能力與估值不匹配，數額巨大的融資金額、畸高的股權激勵、薪酬與巨額的經營虧損，同質化嚴重的商業模式，讓人看不懂AI公司，也看不清AI公司的未來。

      與此相對的是，AI技術的應用在我們身邊越來越普遍。從個人的人臉支付、人臉驗證開戶、美顏相機，家用的智能音箱、掃地機器人，到機場、辦公室的安檢門禁，工業上的智能相機，機器人客服，智能的醫療服務，基于AI算法的新藥研發，到智能汽車的自動駕駛，甚至虛擬世界的人物形象，到處都有AI的身影。基于場景、基于數據的AI時代已經到來，AI公司正四路出擊，從攝像頭、手機、汽車到VR設備，從安防行業、醫療閱片、商業分析到智慧出行，從提供SDK，到提供定制方案，再到系統集成，甚至于芯片研發。AI公司，奮力追趕，為了追上那個曾被寄予厚望的自己

一、備受資本追逐的AI公司

2016年3月15日，谷歌人工智能AlphaGo與圍棋世界冠軍李世石的人機大戰最后一場落下了帷幕。人機大戰第五場經過長達5個小時搏殺，最終李世石與AlphaGo總比分定格在1比4，以李世石認輸結束。這一次的世紀大戰讓人工智能正式的被世人所熟知，不管以前聽過還是沒聽過工人工智能這幾個字的人，在這一刻都基本知曉了人工智能，整個人工智能市場也像是被引燃了導火線，開始了新一輪的爆發。

隨著深度學習在圖像識別領域的成功應用，成功引爆了國內的AI創業潮。就以AI四小龍的商湯和曠視為例，這些年的融資歷史如下表：

       從商湯的股東名冊可以看到，軟銀、阿里巴巴、春華資本、IDG、國調基金、上海國際集團、賽領資本、鼎暉資本、中金等PE巨頭；曠視科技的股東中有聯想之星、創新工場、啟明創投、韓國SK集團、螞蟻集團、阿里巴巴、國風投、建銀國際等；云從的股東名冊里有佳都科技、廣東粵科金融集團、廣州產業投資基金、越秀產業基金、海爾金控等。依圖科技股東名冊里有紅杉資本、真格基金、高瓴資本、云鋒基金，高榕資本等。從AI四小龍的長長的股東名冊可以看到，AI公司在資本市場的熱度。
       除了“AI四小龍”之外，AI公司就如雨后春筍般冒出來，云知聲、思必馳、優必選、聲智科技、云天勵飛、第四范式、竹間智能、追一科技、地平線、瑞為科技等都獲得巨額的融資。據不完全統計，國內叫的出名字的AI創業公司不下50家。無論是創業公司還是投資公司，如果沒有參與到Ai浪潮中，都顯得有點落伍，從市場供給和需求來看，呈現一片繁華氣象。

中國AI公司簡圖

       根據IT桔子的統計，2012年到2021年，獲得融資的AI公司有3274家，投資事件4644起，總融資額17230億元。

一時之間，就如同之前的“互聯網+”一般，所有產業都可以用“AI”重新做一遍，“AI”被視為企業競爭力升級的萬能藥，從安防、醫療、智能家居、供應鏈管理、先進制造、學生教育等，大家期待AI帶來更便捷、更高效、更革命性的服務體驗，讓我們的生活變得更輕松簡單。

也可以看到，中國 AI 行業融資規模與投融資數量 2013-2018 年整體快速增長，但 2019 年出現 45%左右的顯著下滑，2020 年投融資金額恢復 42.5%正增長，但距 2018 年顛覆時期仍有差距，投融資數量仍有下降。普遍認為資本市場早期對于人工智能行業回報周期過于樂觀，以及市場對當前創業型 AI 公司商業落地和變現模式存疑是近兩年資本市場遇冷的主要原因。隨著AI公司的上市窗口期臨近，商業模式和變現能力是行業發展的主要瓶頸。

二、四路出擊、瘋狂成長的AI公司

AI技術的普適性，讓Ai應用有無限的想象空間，在巨額資金加持下，Ai公司不斷探索下游應用場景，通過產品研發及商業模式探索形成壁壘，開辟新的道路。

1、 商業模式上從簡單到復雜，從賦能客戶到下場競爭
（1）輕量化、標準化、通用化的SDK模式受到挑戰

早期AI公司的商業藍圖中，AI公司通過研發出標準化的模塊，然后被集成在所有公司的各個解決方案里。這樣的交付方式輕且邊際成本近乎為零，只需要培養開發者生態，所得幾乎都是利潤。
      但很快，對外提供SDK的模式就受到了挑戰。AI公司重視算法精度提升，然而算法走出實驗室環境，對具體的場景適應能力仍有差距。如：人臉識別技術易受靜態和動態、是否化妝、有無戴口罩等外部因素影響。數據是模型訓練的重要生產資料，純AI技術公司缺乏對業務場景的理解和高質量的業務數據所有權，需要與數字化程度高、數據資源豐富的客戶合作，政企客戶成為重要起點。以數字化程度最高的公安和金融為例，客戶需要的非單個模塊或開發包也不具備 SDK 集成能力，而是一整套定制化的解決方案。不同業務應用無法規模化，使 AI 算法公司業務變重。以SDK銷售為主的商業模式，投入周期長、見效慢，無法匹配AI公司高成本的投入及AI公司估值的快速增長。

     （2）定制化解決方案陷入低利潤、長周期的挑戰

      既然SDK模式不足以支撐企業的增長，所以AI公司就只能下場自己為終端客戶提供定制解決方案。由于AI公司創業開始，并沒有非常強的產業應用背景，更多的是算法相關的“高大上”的人才，在轉向為客戶定制方案的過程中，需要付出更多的努力。

      首先，是理解客戶的業務邏輯。客戶的需求是多元的、全面的以及和客戶的業務邏輯相匹配的。很多AI公司切入某一細分領域的邏輯是，先為行業里面的頭部企業提供“咨詢”+“軟件定制”+“硬件定制方案”，形成一套大而全的行業解決方案，盡可能提升解決方案的復用性及通用性，以此為行業里面其他客戶提供類標準化解決方案。

這樣的商業模式下，前期的研發投入、商務渠道費用投入基本都可以歸為“學習成本”。而且由于頭部客戶一般較為強勢、要求也多、開發周期長，企業需要承擔較高的時間成本投入，剛開始基本沒有盈利的可能。企業只能期待，為頭部客戶開發的方案，在不要大改的前提下，為行業里的其他客戶提供，以此攤薄成本獲得收益。

      在這個商業邏輯下，AI公司選定的終端客戶都是有比較強付費能力、行業通用性較高的領域。比如政府城市建設、醫院、銀行、公共交通、智能駕駛等領域。行業方案的定制深度及行業影響力成為該模式的核心競爭力。

      目前，主要的AI公司營收大部分來自為客戶定制解決方案，但改模式也有比較大的問題。一是下游客戶比較集中且強勢，需要比較強的商務關系，導致市場割裂，無法形成強大的規模效應。比如在城市建設領域，一家AI公司往往只能局限在一定區域的市場。二是解決方案的項目周期市場長，付款條件較差，導致很多AI公司的資金大量堆積在應收賬款和存貨中。資金的占用、周轉率的下降導致AI公司的業績增長是以巨額外部融資作為支持，一旦融資節奏放緩，增長就會遇到瓶頸。

     由于解決方案的長周期屬性，所以對公司的成本管控、項目管理能力都提出了較高的挑戰，哪一個環節如果做得不好，就很容易陷入虧損的環節，導致項目做得越多，虧損越嚴重。

（3）重資金投入建設超級計算集群建立競爭壁壘

由于AI應用的基礎在于“數據”及“算力”，頭部的AI公司開始將輕量化的SDK模式做重，通過大規模投入建設超算中心，在“數據”和“算力”的基礎上構建壁壘。

以商湯為例，截至2021年6月30日，商湯已經戰略性地在主要區域市場建立了23個人工智能超級計算集群，擁有超過20,000塊GPU，總算力達到每秒1.17百億億次浮點運算，以充分支持SenseCore的模型生產。商湯正在建設上海臨港AIDC，將于2022年初完成建設，并將成為亞洲最大的超算中心之一，建成后算力將達到每秒3.74百億億次浮點運算。

      構建超級超算中心，固然有AI加快自身算法迭代，降低成本的考慮，但也是AI公司開始走向為客戶提供AI訓練市場的野心。雖然目前商業模式并不清晰，但具備區域的超算中心，為企業拿下區域性的政府建設的業務也有不少背書，一旦政府數據計入，就會形成事實上的數據壁壘，為后續的商業落地留下空間。

      （4）定制專用AI芯片，加快下游應用部署及降低應用成本

在構建“算力”和“數據”的壁壘上，單單構建超算中心還不夠，AI公司也加入到開發AI芯片的浪潮中，希望通過“算法”+“芯片”的形式將之前的SDK模式應用到更廣領域的AIOT中，也可以加快下游應用部署及降低應用成本。百度、依圖、思必馳、云天勵飛、商湯都已經開始和第三方合作或者自己組建團隊研發專用AI芯片。

暫時還沒有哪一家AI公司的芯片開始大規模的商用，對于未來AI公司能否通過AI芯片走出新的商業通路還有較多的不確定性。

       在AI產業發展的初級階段，研發與開拓市場都需要時間，短期盈虧不代表什么，而找對技術方向和商業模式，真正解決客戶問題，將關乎一家AI公司的未來。

2、 從安防、新零售、自動駕駛到智慧城市、智慧商業、智慧出行，AI 公司依然不想被定義

目前AI已在諸多場景中應用，未來會在金融、安防、制造、醫療、交通等數據量巨大的領域加速滲透，這一趨勢在擁有海量數據資源的中國將尤為明顯。

以商湯為例，根據商湯的招股說明書，商湯將自身的下游應用分為智慧商業、智慧城市、智慧生活和智能汽車。

      商湯官網披露的產品主要有三類：計算平臺、軟件算法、硬件終端設備。根據產業鏈調研， 公司產品多以私有云為部署方式，算法平臺封裝成 SDK 按照調用次數收費，軟件按訂閱制收費或單獨出售license，硬件按件出售，具體依項目情況而定。
      根據曠視的招股說明書，曠視將自己的業務分為移動終端類、云端SaaS類、智慧城市、智慧建筑、智慧物流、智慧工業。

曠視業務聚焦消費、城市、供應鏈三大場景，通過為客戶提供軟件、硬件及解決方案獲取收入。 2020 年三大場景分別占公司 28%、 64%和 7%的營業收入。業務同時輻射 C 端、 G 端和 B 端，打造個人、城市、供應鏈“最強大腦”。消費物聯網聚焦于 C 端客戶， 提供移動終端和云端 SaaS 兩類解決方案：移動終端類主要包括設備解鎖解決方案和計算攝影解決方案，利用人工智能算法為移動智能終端提供刷臉解鎖和高清攝影等功能， 以固定授權費和終端出貨量計算的專利費進行收費；云端 SaaS 類方案依靠公司研發的計算機視覺平臺 Face++，為客戶提供云端身份驗證方案， 按服務調用量收費。城市物聯網聚焦 G 端客戶，公司推出智慧城市操作系統“盤古”和智慧建筑操作系統“昆侖”，提供綜合管控、通行管理、警戒管理等可視化業務。 公司直接和客戶簽訂銷售合同獲得收入。 供應鏈物聯網聚焦于 B 端客戶，公司以 AI 賦能操作系統、機器人與自動化裝備，幫助企業實現工廠、庫的智能化升級，提高供應鏈效率， 通過硬件設備的銷售和平臺軟件的授權獲得收入。

根據依圖的招股說明書，依圖的主要業務可以分為智能公共服務和智能商業兩大類。

智能公共服務業務覆蓋城市管理、醫療健康等場景，終端客戶包括政府部門、醫療機構及大型企業等；智能商業業務覆蓋園區管理、網點服務、安全生產、交通出行和互聯網服務等場景，終端客戶包括商業地產、金融業、制造業、交通運輸、互聯網等領域的企業客戶。

      依圖為客戶提供人工智能硬件、軟件及軟硬件組合及 SaaS 服務等解決方案，三類產品營收占比分別為 24%、 15%和 61%。其中硬件產品銷售主要為內嵌操作系統和基礎功能軟件的服務器、攝像機等。 其中，原石系列智能服務器搭載公司自行研發的 QuestCore 求索芯片， 該芯片單顆代替人工智能推理計算中所需的 CPU、 GPU 及解碼器等多種類型算力的組合， 適用于云端計算和邊緣端計算場景，主要為縮短人工智能芯片與算法、服務器的適配過程，加快設備的設計開發及發布， 目前尚未單獨銷售。

依圖軟件及軟硬件組合產品銷售價格

根據云從的招股說明書，云從的業務分為智慧治理、智慧金融、智慧商業和智慧出行。

      云從2020 年度公司 31%的營業收入來自人機協同操作系統，共計完成 422 個項目，其中 46 個項目收入超過 100 萬元。 標準產品通過向客戶交付相關應用產品收取一定期限或永久的使用權費用，或按服務器長度使用直線法進行收費；定制開發場景，根據驗收節點向客戶進行交付，客戶根據工作量或開發進度分期結算。
      人工智能四小龍的過半收入來自 “智慧城市”、“智慧商業”（商湯）、“城市物聯網”（曠視）、“智慧治理”（云從）、和 “城市管理”（依圖）。這類業務被認為是傳統的類安防業務，但AI四小龍都不約而同的盡可能規避被列為安防行業的類中，以免陷入安防企業的估值邏輯里。在商湯遞交給港交所的 672 頁招股書中，只提及一次安防。依圖在 584 頁的招股書中，只提到安防 7 次，稱其承擔政府的安防科研項目、有安防相關的軟件著作權等。相比之下，僅為它帶來不到 2% 收入的 “醫療” 出現了 589 次。

AI四小龍2020年收入構

AI公司不想被定義，正在各個細分領域積極的開拓新業務，以求重新定義一個公司類別。以商湯為例，商湯給自己的定位為一家賦能百業，行業領先的人工智能軟件公司，截至2021年6月30日，商湯軟件平臺的客戶數量已超過2,400家，其中包括約250家《財富》 500強企業及上市公司， 119個城市以及30余家汽車企業，同時商湯賦能了超過4.5億部智能手機及200多款手機應用程序，其中有5款每月活躍用戶超5億的手機應用程序。

商湯科技的SenseMARS軟件平臺是元宇宙的技術賦能平臺。通過手機廠商、半導體制造商、移動應用開發商及游戲開發商合作，共同構建多層基礎設施，以支持元宇宙的發展，打造全新交互體驗。SenseMARS搭載多種關鍵功能，包括感知智能、決策智能、智能內容生成（包括增強現實、混合現實及軟件智能體）及其他基礎設施（如云引擎等），為各類元宇宙應用提供支持。SenseMARS可兼容(i)app、小程序及H5等不同應用形式，及(ii)超過200款手機、平板計算機、 AR及VR眼鏡、智能電視及消費級無人機等多種物聯網設備。截至2021年6月30日， SenseMARS總共提供超過3,500個人工智能模型。

      下圖展示了通過SenseMARS實現的數字重建及MR效果

     而商湯是2022年亞運會的智能視覺技術供貨商，提供由SenseMARS支持的多種AI和MR應用。

     商湯的智慧醫療人工智能軟件平臺SenseCare，以人工智能工具輔助醫生進行診斷、制訂治療規劃及康復建議。 SenseCare中嵌入諸多人工智能模型，支持對多種器官的異常檢測、識別及自動診斷分析，服務于重點臨床科室。

    下圖展示了SenseCare支持的肝臟篩查診斷界面，應用了多維成像及自動三維重建功能：

三、關于AI公司的幾點思考

1、 如何看待AI公司的估值與其財務表現之間的差距

首先，AI公司享受了一波科創板上市政策紅利，但這個窗口有多長，還得看后續AI公司未來的發展狀況，是否能實現商業模式的閉環，并給下游客戶創造價值，帶動社會經濟效率提升。

     上交所科創板的設立是中國資本市場走向成熟的里程碑事件。根據科創板的定位，科創板堅持面向世界科技前沿、面向經濟主戰場、面向國家重大需求，主要服務于符合國家戰略、突破關鍵核心技術、市場認可度高的科技創新企業。重點支持新一代信息技術、高端裝備、新材料、新能源、節能環保以及生物醫藥等高新技術產業和戰略性新興產業，推動互聯網、大數據、云計算、人工智能和制造業深度融合，引領中高端消費，推動質量變革、效率變革、動力變革。而AI產業屬于被重點鼓勵的行業，作為AI行業的領頭羊的創業公司，沒有硬傷的條件下，登陸資本市場是一個水到渠成的事情。市場上也存在可比的“非AI”標簽的和“AI四小龍”的業務形態類似公司， 比如虹軟科技、大華、海康等，市場并不需要重新認識AI公司。

但同時，科創板的市場定價也更市場化，上市對于創業公司而言，未必意味著成功。在科創板上市的公司，已經有許多破發的案例，出現市值大比例下降的案例比比皆是。隨著破發的出現，也可能會出現未能完成資金募集的想象出現。

根據各家招股說明書數據統計，AI公司財務數據如下：

      目前，頭部的AI創業公司還沒有任何一家處于盈利狀態。以商湯為例，公司2018年、2019年、2020年和2021年上半年的收入分別為18.53億元、30.27億元、34.46億元和16.52億元，三年半累計扣非凈虧損為28.6億元。2018年、2019年、2020年及2021年上半年經調整的扣非凈虧損分別為人民幣2.2億元、10.4億元、8.8億元及7.3億元。但商湯上一輪融資的估值已經超過800億人民幣。

      AI作為技術工具，應用場景廣泛。以 AI四小龍為例，收入構成多樣，且當前基本仍處于虧損階段，建議采用 PS 估值。但每家公司業務難以完全對標，無法一刀切，采用相同的 PS 倍數。 我們認為 AI 公司未來會向兩個方向發展——“從軟到硬”或“從硬到軟”： 前者主要出現在 To B 行業，個性化定制、 獲客周期長、產品實施成本高，重型解決方案使 AI 企業成為集成商；后者產品以內容、軟件能力為主，標準化程度高，盈利能力相對強。理論上 PS=PE*E/S，穩態盈利能力是估值關鍵。

      我們可參考當前已上市公司估值。 海康威視作為安防行業龍頭， 具備顯著的先發優勢、客戶積淀與成本優勢。受到市場競爭、研發投入等多方面因素影響， 2006 年至今凈利率從 30%逐漸下行至 20%左右， PS 基本穩定在10x；大華股份作為緊跟海康的龍二，凈利率在 10%-20%之間波動， 三年前開始 PS 與海康威視逐漸擴大，基本穩定在 5x 以下。我們認為造成二者估值差異的核心原因是安防行業總體發展已成熟，行業增速不到 10%，市場格局基本已定，馬太效應顯著，后來者較難突圍。

      科大訊飛在教育行業優勢突出，雖有硬件產品出售，但核心競爭力在軟件和內容，且產品標準化程度高， 因此即使過去三年歸母凈利率不到 10%，市場仍給予 10x 左右PS。 虹軟科技作為算法提供商，商業模式佳且盈利能力強，歸母凈利率穩定在 30%，市場愿意給予估值溢價， PS 逐漸回落也仍維持在 30x左右。

      以提供解決方案為主、硬件占收入結構高的公司若主要布局安防等成熟行業， 可參考大華股份，給予 5x PS 估值。若要提升總體市值，需尋找格局未定、標準化程度高、大顆粒的新興賽道，如：自動駕駛、人形機器人等。待行業全面爆發，競爭格局逐步清晰，龍頭廠商可給予 10x 估值。 以標準化產品和軟件能力見長的公司可參考科大訊飛與虹軟科技，給予 20x 左右PS。 我們認為隨著訓練模型開源、技術普及，市場對 AI 認知更清晰，需求更加明確，且總體需求只增不減。頭部、腰部或垂直領域的 AI 公司總能在特定的客戶需求中找到生存價值。如何估值還取決于具體業務構成。

      以2020年的財務數據為基礎，商湯市銷率PS超過24倍，從直觀上，目前以解決方案為主要業務的商湯的估值被高估了，另外商湯收入增速的放緩也值得關注。但長期來看，AI產業總體呈現增長狀態，頭部企業未來還是有機會通過業務增長去消化估值溢價。

     2、 未來AI公司還有多少增長空間

雖然短期內 AI 行業遇冷，但長期看市場空間廣闊。AI 市場主要構成有 AI 芯片、硬件、軟件等， 2025 年規模有望超千億美元。根據 IDC 報告， 2019 年中國市場 AI 服務器出貨量 7.9 萬臺，未來 5 年CAGR 約 20%。假設數據中心單臺服務器平均售價約 7 萬美元， 可配臵 8張 GPU 芯片卡，每張卡單價約 5 萬元人民幣，則 2025 年中國 AI 服務器市場規模約 165 億美元。當前 AI 服務器大約占 AI 硬件市場 85%份額，未來更多邊緣側計算設備接入，假設 AI 服務器占比下降至 80%，則 2025 年AI 硬件市場規模 206 億美元。 GPU 卡出貨量約 188 萬片。 AI 芯片主要用于數據中心服務器，但在車載計算單元、邊緣及終端設備等也有廣泛使用，產品形態豐富，單價相對較低，保守估計 AI芯片市場規模約 200 億美元。當前 AI 軟件占比較低，約 30%-40%，預計未來軟件及服務占比能提升到60%+， 2025 年中國 AI總體市場規模有望超 1000 億美元。

5G、云計算等技術進步推動 AI 協同發展。 AI 深度學習算法依賴數據， 高數字化程度的行業擁有較密集數據資源，成為 AI 優先落地的領域。 云化是智能化的基礎， 行業數字化還需遵循 C—>B—>A 的路徑，即先云化，再有大數據最后實現智能化。 大帶寬、低時延、萬物互聯的 5G 網絡有望帶動流量和數據量爆發，我們認為 5G 網絡殺手級應用在當前建網階段尚未出現， 2C 端 VR/AR 和 2B 端工業互聯網或許是兩個孵化方向。 云計算與5G 技術推廣、滲透率提升有望推動更多人工智能場景落地。

     深度學習框架是戰略制高點，同樣具備國產化替代機遇。 深度學習框架作為底層語言和算法模型的骨架， 將數據、算力、算法三者相連接，向下對接芯片（算力），向上支撐應用，可省去開發者從 0 到 1 地搭建地基的成本，提高開發效率，與 AI 芯片構成 AI 基礎設施底座，是“智能時代的操作系統”。 如今 TensorFlow 和 PyTorch 占據全球主要市場份額，但開發端的需求動態化、多元化，沒有一個框架可以滿足全部市場需求，也不斷出現挑戰者，即：后來者仍有機會突圍。 當前中國的 AI 訓練嚴重依賴美國的開源框架，數據安全存在隱患，在中美關系影響下或提前生變。

      更多的 AI 人才供給或降低人力成本，提升人均效益。 AI 四小龍持續虧損的原因之一在于人力成本過高。特別是高度定制化的碎片場景，需要較多人力投入，導致人均效益低。經測算， AI 行業人均費用約 50 萬，與人均收入相當。 海康威視之所以能在安防行業跑通 AI 商業模式，一方面是安防行業數據量大、業務場景明確，另一方面是人效優勢疊加規模化效應使公司將“成本三低”做到極致：平均人力成本低、運營和銷售成本低、產量擴大后邊際成本低。隨著 AI人才供給增加，人力成本下降， AI 技術公司盈利和變現能力提升，或能改變行業結構，使行業拐點前臵。

      AI行業市場進一步細分，經營管理效率成為AI公司的核心競爭力，AI公司可能會逐漸收縮業務版圖，專注在其優勢行業。目前，AI公司的業務領域有比較大的重合，在智慧城市、醫療、智能終端、AIOT、智能汽車等領域，未來經營效率更低的企業迫于財務業績壓力，會選擇逐步退出，市場會出現“專精”的AI公司，大而全的AI公司逐漸減少。