旷视寒武纪等独角兽扎堆IPO,2020

作者:物女王(彭昭)

物联网智库原创

转载请注明来源和出处

导读

最近,AIoT智联网领域的独角兽们迎来了一波即将上市和即将“被”上市的热潮。打头阵的代表企业包括旷视科技和寒武纪,云从、商汤、云知声等也纷纷“被”披露上市时间表。对这些AIoT独角兽的真实发展情况,外界一直都保持着极大的好奇心,这篇文章我们就一一来进行分析。

全文字数:字,阅读时间:20分钟

物女王:当AI遇到IoT,究竟擦出了什么不一样的火花?

这是我在专栏写的第篇文章。

最近,AIoT智联网领域的独角兽们迎来了一波即将上市和即将“被”上市的热潮。

打头阵的代表企业包括旷视科技和寒武纪,云从、商汤、云知声等也纷纷“被”披露上市时间表。

为什么这些企业位于AIoT智联网赛道?

从他们对自己的定义可以看出端倪。

本周,AI芯片公司寒武纪的科创板上市申请获准受理。

寒武纪的招股说明书并没有在首要位置提到物联网或者智联网AIoT,但创始人陈天石在采访中提到:

“未来时代,物联网和AI相辅相成,密不可分。物联网让各类的设备和终端有了生命,而AI让它们有了智商…即将到来的5G时代,也会进一步加快物联网和AI等技术的爆破式进步。物联网连接的物理对象多样且应用场景丰富…全部场景中的这些智能数据处理,都需要AI芯片参与其中。”

其招股书中将智联网换了一种说法进行呈现:

“寒武纪已推出的产品体系涵盖云端、边缘和终端…辐射智慧互联网、智能制造、智能交通、智能教育、智慧金融、智能家居、智慧医疗等“智能+”产业。”

旷视科技的创始人则在招股说明书的开篇提到:

“在过去八年里,我们研究推出了包括人脸识别技术在内的诸多具有实际价值的人工智能应用,也更加坚定地认为物联网是人工智能技术应用的主要场景…”

“我们的愿景是构建连结及赋能百亿物联网设备的人工智能基础设施。”

伴随着招股书的披露,这批独角兽的财务、业务等状况清晰地浮出水面。

在AIoT时代,人工智能从技术迭代到应用落地的过程逐渐加速。

技术创新不再是衡量AI的唯一标准,如何获得市场认可和创造产业价值成为AIoT独角兽们正在奔赴的征途。

对这些AIoT独角兽的真实发展情况,外界一直都保持着极大的好奇心。这篇文章我们就来进行分析:

什么是智联网AIoT?为什么在最近几年,AIoT领域诞生了大量初创公司?AIoT独角兽普遍进行了多轮融资,募资至少数亿。他们砸钱打造了哪些核心竞争力?他们和传统的软硬件公司有什么区别?和“传统企业”相比,从财务数据上来看,AIoT独角兽有哪些优势?AIoT独角兽在商业模式上是否存在着颠覆式创新?AIoT除了技术创新之外,对于各行各业而言,其真实价值是什么?为什么国外鲜有AIoT独角兽上市的消息?01

到底什么是AIoT?

随着科技的不断发展,一些在功能上具有相互补充作用的技术,正在自然而然的结成“天作之合”:例如,人工智能AI和物联网IoT,就是其中的一对“良人”。

由于物联网IoT的快速发展,企业中规模庞大的设备或“物体”实现了网络连接和数据共享。由于AI能够从海量物联网数据中“学习”,从而快速作出决策并建立深刻洞察,因此对于希望扩展物联网IoT价值的企业而言,AI都是一种必不可缺的分析能力。

在《智联网·新思维》一书中,我曾给出了智联网AIoT的定义:

智联网AIoT是建立在互联网、大数据、人工智能、物联网等基础之上,是具备智能的连接万事万物的互联网,是智能时代的重要载体和思维方式。智联网通过将物理世界抽象到模型世界,并借此建立完整的数字世界,构筑新型的生产关系。智联网改变旧有思维模式,从而实现人与人、人与物、物与物之间的大规模社会化协作。

市场研究机构MarketsandMarkets近日发布报告称,年全球AIoT市场规模为51亿美元。到年,这一数字将增长至亿美元,复合年增长率为26%。MarketsandMarkets还指出,物联网设备生成的大量实时数据的有效处理需求,是全球AIoT市场增长的主要驱动力。

根据爱分析的研究报告《人工智能:落地挑战与应对》,按照从底层基础技术到上层行业应用的逻辑,可以把人工智能行业划分为基础层、通用层和应用层三部分。

基础层为图像、语音等人工智能基础技术提供芯片、计算框架等计算能力支持,通用层提供感知、认知计算等通用技术,而应用层则是人工智能通用技术与各行业深度融合产生应用价值的产品和服务。

基础层:为计算机视觉、语音识别等人工智能基础技术提供计算能力支持,是人工智能的基础设施,包括AI芯片、AI平台以及AI计算框架等。

典型代表公司包括寒武纪、华为海思、燧原科技、地平线等。

人工智能技术在智联网AIoT领域的云、边、端设备中均有广泛应用,且都需要由核心芯片提供计算能力支撑。云、边、端三种场景对于芯片的运算能力和功耗等特性有着不同的需求,单一品类的智能芯片难以满足实际应用。

以寒武纪为例,面向云、边、端三个场景,其分别研发了三种类型的芯片产品,分别为终端智能处理器IP、云端智能芯片及加速卡、边缘智能芯片及加速卡,并且为这三个产品线所有产品研发了统一的基础系统软件平台。

目前,“AI芯片”成了中国创新市场最受瞩目的赛道之一。中国已有超过30家新创AI芯片设计企业,吸附了一级市场大量资金。

通用层:基于基础设施开发出的通用性人工智能技术和产品,如计算机视觉算法、机器人系统等,主要分为两大部分:以感知计算和认知计算技术为代表的软件通用技术,和无人机、机器人等软硬一体化通用产品。

得益于深度学习技术的快速发展,在过去几年中,语音识别和机器视觉等通用性人工智能技术“超越”了人类的水平,快速登上历史舞台。

作为里程碑事件,年微软所研发的计算机视觉系统比人类(准确度为94.9%)更能有效地识别图片中的对象(准确度为95.1%)。

因此,围绕语音识别和机器视觉,诞生了一批AIoT初创企业。

语音识别领域的典型代表包括:科大讯飞、思必驰、云知声、出门问问等。

机器视觉领域的典型代表包括“AI四小龙”:旷视、商汤、云从和依图。

旷视科技拥有自研深度学习框架,主要提供个人物联网解决方案、城市物联网解决方案、供应链物联网解决方案。

商汤拥有原创底层算法平台,依托平台将技术赋能于其他行业。

云从是国家队企业,重点布局银行金融、安防、交通;依图深耕医疗领域,逐步向安防、金融拓展。

虹软科技重点布局智能手机领域,向智能汽车、智能家居扩展。

海康威视和大华则为传统安防巨头,均以安防业务为核心,向新领域布局。

应用层:人工智能通用技术与各行业应用深度融合的领域,以垂直行业的人工智能应用公司为主。应用层人工智能企业将通用技术封装成能够落地的产品,包括软硬件一体化产品以及针对具体应用场景的端到端解决方案。

随着通用技术走向成熟,行业应用价值凸显,大量通用层的公司也在基于基础技术能力向各行业应用层延伸。

典型的应用层场景包括智能家居和智能网联汽车。

智能家居领域的代表企业包括:涂鸦智能、欧瑞博、Broadlink博联、绿米联创等,均已获得多轮融资。

智能网联汽车的代表企业包括:小马智行、Roadstar.ai、文远知行、智行者、驭势科技等。

大部分国内AI公司都会从通用层或应用层切入,并且随着技术的沉淀和业务的拓展,两层的界限变得逐渐模糊。但整体来说AIoT初创公司有两条发展路径:

以一个应用场景(如智能家居)作为突破口:通过连接企业客户内部系统或自建场景入口如传感器等方式获取数据,基于多维度的数据不断训练模型、优化算法,在某一个场景问题中找到最佳解,再向其他行业中相似的场景复制;以一种通用技术(如机器视觉)作为突破口:深耕算法和底层框架,尤其当机器学习被工业界接纳后,从底层驱动训练模型,不仅能提升方案在不同场景下的普适性和运算效率,也最终提升了实际应用效果。前者由于对场景理解深刻,便于触达客户、累积数据,因此产品更容易被客户接受,变现能力较强。

后者希望借助算法和底层框架的优势高效地触达更多行业,赋能业内合作伙伴,通过开放合作的方式获取数据,其间未必能直接触达客户,因此覆盖范围广,但变现能力较弱。

整体而言,根据MMCVentures的研究,基于应用场景和通用技术的AIoT初创企业数量比例约为9:1,大部分企业由垂直应用场景切入。

从客户群体划分,AIoT企业可以分为面向企业提供服务(toB服务)和面向终端消费者提供服务(toC服务)两种。

面向企业toB的服务是为企业用户设计的,侧重点是商业价值,功能逻辑和信息架构相对繁琐和严格,体现在如何让企业保护好权限信息、提高工作效率、带来经济效益。商业模式的要点包括:提效、降费、定价权。一个toB公司的本质,是在帮助整个产业链的某个环节提升效率或是降低费用来获取收益。面向消费者toC的服务是为广大普通用户设计的,这类产品往往可向用户免费提供;侧重点是用户体验,逻辑流程尽量简单,体现在如何让用户更加方便地使用产品、更愿意主动去使用产品。蓝驰创投投资合伙人姚欣,认为人们往往有一个错觉:“如果toB,应该用最先进的技术,而toC的话,用的是比较便宜的技术。但实际上,toC对技术的要求更高,它往往要求的是过剩的技术,就是今天已经成熟到非常廉价的技术。”

现在人工智能行业还在早期的成长阶段,所以toB的公司会相对较多,而toC的公司较为艰难。所以一项刚刚投入使用的最新技术,其实不适合面向C端来创业。

根据统计,事实的确如此。在人工智能领域,B2C和B2B公司的比例为1:9,绝大多数公司从B端切入。

就产业成熟度而言,在过去一年,人工智能逐步进入了技术成熟度曲线的低谷期,技术炒作的泡沫破裂,行业


转载请注明:http://www.aierlanlan.com/rzdk/7961.html

  • 上一篇文章:
  •   
  • 下一篇文章: 没有了