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。
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 Markets and Markets 近日发布报告称,2019 年全球 AIoT 市场规模为 51 亿美元。到 2024 年,这一数字将增长至 162 亿美元,复合年增长率为 26%。Markets and Markets 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 2020: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。
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,2015 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。
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 MMC Ventures 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(to B 服务)和面向终端消费者提供服务(to C 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 to B 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 to B,应该用最先进的技术,而 to C 的话,用的是比较便宜的技术。但实际上,to C 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 to B 的公司会相对较多,而 to C 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,行业关注重心开始转变为人工智能如何落地产业。
根据 Gartner 的研究,三年后计划实施人工智能项目的公司比例,将从 1/25 提升到 1/3。在最新报告《市场指南:中国人工智能初创企业》中,Gartner 认为中国的人工智能 AI 初创企业在各类 AI 应用的发展中发挥着越来越重要的作用。
因此有研究机构判断,人工智能技术的采用已经跨越鸿沟,从创新者和早期尝试者扩展为早期大众,并将对企业、消费者和社会产生深远影响。
02
AIoT 独角兽的市场表现如何?
回到 4 年前,2017 年被称为 AI 产业元年。
这一年,寒武纪先后获得了高通创投和阿里巴巴的战略融资。其中,阿里的投资额达 15 亿元,创下当时 AI 领域最高的单笔融资金额。
在招股书中,寒武纪提到:
“自 2016 年 3 月成立以来,寒武纪实现了技术的产业化输出。寒武纪 1A、寒武纪 1H 分别应用于某全球知名的中国科技企业的旗舰智能手机芯片中,已集成于超过 1 亿台智能手机及其他智能终端设备中。”
“截止 2020 年 2 月 29 日,寒武纪已获得授权的境内外专利有 65 项,PCT 专利申请 120 项,正在申请中的境内外专利共有 1474 项。”
旷视科技的表现也非常亮眼:
“自 2017 年初以来,我们在多项国际人工智能顶级竞赛中累计揽获 22 个项目的世界冠军,在多个计算机视觉项目中表现突出。我们向客户提供包括算法、软件及人工智能赋能物联网设备的全栈式解决方案,并在多个行业取得领先地位。”
“2017 年和 2019 年,我们跻身《麻省理工科技评论》最新发布的两项「50 大最聪明公司」榜单中。”
然而,能否健康持续的盈利才是企业的“真功夫”,如此亮眼的技术实力和科研数据,又有多少转化为实际的营收和利润?和“传统企业”相比,从财务指标上来看,AIoT 独角兽有哪些优势?
我们先看寒武纪。
这家公司最近广受诟病的问题是客户集中度过高。
这点在招股书中已有说明:2017 年、2018 年和 2019 年,公司前五大客户的销售金额合计占营业收入比例分别为 100%、99.95%和 95.44%,客户集中度非常高。
根据创道投资咨询创始人步日欣的分析,问题比想象的更加严重。
首先,招股书中提到 2017 年和 2018 年,公司向第一大客户“公司 A”销售占比最高,公司 A 得到公司授权后,将寒武纪终端智能处理器 IP 集成于其旗舰智能手机芯片中。
显然,这家“公司 A”代指大客户华为。
在 2017 年、2018 年,可以说寒武纪主要的营收来源就靠对华为的销售,占其总营收比例高达 98.34%和 97.63%,这是唯一的寄托。
不过大客户华为有很大概率将转向自主研发。
于是寒武纪将目光转向“公司 B”。
2019 年寒武纪对“公司 B”的销售规模与华为相当,为 14.38%,文件中披露“公司 B”为公司关联方,寒武纪为这个客户提供加速卡和研发试制品。分析认为,“公司 B”较大概率是联想或者中科曙光。
最后,令业内毫无意外的是,寒武纪的收入主要来源于几个地方政府背景的项目,且其中有关联关系或战略性质的因素夹杂其中,而不是纯粹的商业需求。
2019 年寒武纪分别与西安沣东仪享科技服务有限公司、上海脑科学与类脑研究中心和珠海市横琴新区管理委员会商务局达成了智能计算集群系统的相关合作,并实现销售收入 29,618.15 万元,占主营业务收入的比重为 66.72%。
招股书显示,寒武纪 2017-2019 年实现营业收入 784 万元、1.2 亿元、4.4 亿元,同比增速分别为 1392%、279.4%。
2017 年、2018 年和 2019 年,寒武纪综合毛利率分别为 99.96%、99.90%和 68.19%,呈下降趋势,主要原因是 2019 年寒武纪拓展了云端智能芯片及加速卡、智能计算集群系统业务,该两项业务的毛利率低于终端智能处理器 IP。
在招股书中,寒武纪对比了其主要产品与可比公司竞品的毛利率情况。
报告期内,寒武纪的毛利率均高于可比公司,招股书中给出的解释是:
(1) 终端智能处理器 IP 业务的毛利率水平高于可比公司平均水平,主要是由于公司的研发项目涉及的技术属于前沿科技,采购用于芯片研发设计所需的软件工具和硬件平台不针对特定客户项目,可供公司多个项目、多个环节使用,将终端智能处理器 IP 相关研发支出计入当期研发费用。
虹软科技相应业务成本包含负责产品整合的技术人员成本;芯原股份相应业务成本包含定制化 IP 授权成本和在该类业务中提供的定制化 IP 组合、技术支持所需人员成本。
(2) 云端智能芯片及加速卡业务的毛利率水平高于国内可比公司平均水平,主要原因是公司云端智能芯片属于人工智能领域通用型智能芯片,售价高于一般专用型功能芯片。
云端智能芯片及加速卡业务毛利率水平高于 Nvidia 整体毛利率水平,主要原因是 Nvidia 整体业务中包含消费类显卡、终端 SoC 等毛利率相对较低的产品。
(3) 智能计算集群系统业务的毛利率高于可比公司相应业务板块毛利率的平均水平,主要原因是公司智能计算集群系统使用了自主研发的云端智能芯片及加速卡、基础系统软件平台,因此毛利率高于同行业可比公司。
不同于传统芯片领域显著的规模效应,AI 芯片领域呈现出了独特格局:目前市场上几乎没有以 AI 芯片为主营业务上市的公司,AI 芯片企业大多还处于定制化的技术服务阶段,距离规模化量产存在一定距离。
业务涉及 AI 芯片的企业可大致分为三类:
一是大型公司,比如阿里、华为;
二是传统芯片企业,比如全志科技、瑞芯微等;
三是初创型 AI 芯片企业,比如寒武纪、地平线等。
总的来说,尽管许多公司已经发布 AI 芯片产品,但无论智能驾驶、智能安防都需要基于特定场景进行算法开发。因此,AI 芯片基于场景的定制化程度十分高,目前未达到大规模商用的地步。
由于寒武纪创立的时日尚短,看总体营收及增速的意义不大,中国的芯片战事才刚刚开始。
另一头,再看旷视科技的业绩表现。
旷视认为其自主研发的 Brain++深度学习框架是其创新核心,为算法训练过程提供重要支持。凭借人工智能算法,旷视打造了创新性的平台软件及应用软件,满足不同垂直领域终端用户的需求。旷视自主研发的人工智能及软件能力,可为物联网网络(包括云端中心、边缘服务器及 / 或物联网设备)赋能。
结合截止到 2019 年 6 月 30 日(2019H1)的相关财务数据,我们能初步掌握旷视的运营状况。
随着产业数字化带来的数据基础的日益成熟,人工智能在营销、金融、数字政府、零售、医疗等行业的落地持续推进,并开始带来显著的效益,但落地进展有先后之分。
从人工智能的发展情况来看,智慧城市和数字政府是相对成熟的领域,我们以此为重点分析。
旷视在招股书中引用了灼识咨询的研究报告,以收入计算,中国智慧城市管理垂直领域的市场规模预计将从 2018 年的 119 亿元增至 2023 年的 1,031 亿元,复合年增长率为 54%。
其中市场占有率数一数二的非人工智能技术公司 1 和公司 2,答案不言自明。
我们不妨将旷视、海康威视和大华在城市物联网领域的利润率情况做个对比。
在报告期内,旷视的毛利率波动性较大。城市物联网解决方案的毛利率由 2017 年的 34.8%增至 2018 年的 64.8%,并在 2019 年产生回调。
招股书给出的解释是由于业务增长,可达更佳规模经济效益并控制成本,加上解决方案更受客户欢迎,故可提高定价。
不过旷视的经营历史有限,目前的毛利率未必能作为日后毛利率的指标。
旷视所处的赛道中,在城市安全管理领域,有海康、大华等巨头长期坐镇,智慧物流也要面对 Geek+、快仓等新兴仓储机器人公司的围追堵截。
大数据和人工智能的浪潮兴起已经有几年时间,但真正建立起可持续的商业模式,并且能够实现自我造血的企业却是寥寥无几。
未来旷视科技能否保持如此势头,还需且行且珍惜。
03
商业模式有哪些颠覆式创新?
绝大多数的 AIoT 企业立足于 B2B 企业端,这一领域的产品、技术、销售等门槛较高,竞争激烈程度低于 B2C 消费端。
如果长期处于同质的商业模式下,虽然 AIoT 企业在技术创新方面略胜一筹,但仍难从众多竞争者中最终胜出,项目投资失败概率较大。
那么 AIoT 独角兽们是否给商业模式带来了颠覆式创新呢?
从寒武纪的招股说明书来看,该公司一直采取直销模式,内部设有专门的销售团队同客户进行及时接洽。
在直销模式下,公司直接参与客户的公开招标或商务谈判,达成意向后,公司直接与客户签订销售合同。
其竞争企业瑞芯微,则采用“经销为主、直销为辅”的销售模式。
在经销模式下,经销商向瑞芯微采购芯片后销售给整机厂或方案商,采购组件后销售给电子产品开发者或热爱者等终端客户。
在直销模式下,瑞芯微直接向整机厂、方案商销售芯片,或是提供专业技术服务;向电子产品开发者或热爱者等终端用户销售组件。
根据爱分析的研究,人工智能企业的销售模式大致可以分为四类。
API 调取:常见于基础层厂商和通用层厂商,通过 API 形式输出自身的技术能力。
如计算机视觉领域的商汤科技、自动驾驶领域的百度 Apollo 平台、语音识别领域的科大讯飞等,都是通过将人工智能技术输出给应用厂商,由应用厂商完成最后一步产品及方案封装。
这种模式的优势在于模式较轻,规模化复制能力强。
产品订阅 /License:主要是以机器人、APP 等方式面向个人用户的产品,以标准 SaaS 模式面向互联网客户和传统行业中小型客户的产品。
例如,大疆、松鼠 AI 等公司主要采取这种方式服务个人用户。
“产品+服务”解决方案:主要是面向传统行业中大型客户,这类客户的应用场景相对复杂,单一产品很难解决其需求,因此需要一定程度的定制化服务。
例如旷视科技、明略科技等公司服务公安领域客户,需要提供端到端的解决方案。
按效果付费:人工智能与业务场景结合后,按照其产生的可衡量的实际业务价值进行收费。
人工智能公司与客户更多是类似合作模式,按照业务量收取一定费用,目前在应用较为成熟的金融、智能客服领域有一些早期落地。
例如,智能客服厂商根据帮助企业客户节省多少人力成本来衡量效果,可以按照工作量和坐席数量进行收费。
如果将旷视科技的产品、商业化以及经营模式进行详细梳理,大致符合上述几种商业模式。
不过旷视科技的商业模式探索似乎并未止步于常见的上述几种。
在《智联网·新思维》一书中,我曾提到过生态型的商业模式。
在建设“生态系统”的唆使下,典型的做法就是试图经营全产业链,上下游布局、垂直整合、互相配套,形成全产业链的“生态圈”。
AIoT 独角兽可以担任生态构建者的角色,布局基础计算能力、数据,通用算法、框架和技术,以及应用平台和具体解决方案的全产业链,聚集大量开发者和用户,并促进生态型商业模式的形成。
因此旷视科技构建了平台软件的连接、控制和协调能力,力求实现对各种业务场景的智能、数字化管理。
旷视平台软件的作用类似于微软对个人计算机的作用和安卓对智能手机的作用。其平台软件不仅支持我们开发的应用软件及物联网设备,还兼容其他业务伙伴提供的软硬件产品,使旷视可以在全产业链内为我们生态系统中的不同参与者创造价值。
按照同样思路,在 2019 年 1 月,旷视发布了针对垂直领域的平台软件:河图智慧物流平台,以在各类物流环境中智能协调软件、物联网设备和人员。
河图作为软件系统及自动化设备的统一平台,允许终端用户数字化管理仓储及制造任务,配备自动化设备令分拣运输任务自动化。
作为生态系统的连接器,河图能整合全产业链内不同参与者所提供的产品,从而孵化自已的生态系统。
由于人工智能技术本身并不包含直接的应用解决方案,这使得 AI 必须融入各行各业,深度改造已有产业才能创造价值。可以说,AI 技术是“大脑”,没有物联网作为“身体”就无法独立行走。
另一方面,B2B 本身是个“慢赛道”,只靠技术赋能似乎满足不了 AIoT 独角兽希望在 B2B 领域一路狂奔的超速感。很多企业正在尝试用金融手段,通过投资加速生态布局的过程。
因此产生了 AIoT 企业普遍“一边融资,一边投资”的独特风景。
比如,旷视就成立了投资部门直投项目,并于 2018 年 4 月全资收购了艾瑞思机器人,目前已在无人仓储上有一些落地项目;同月,旷视还宣布领投了 AI+文娱公司 Video++3.49 亿元的 B 轮融资。2019 年 10 月,旷视参与了慧联无限的 C 轮融资。
旷视曾表示他们的主要投资方向有两个:
一是和旷视现有业务强相关,通过投资和收购,提升旷视的技术能力和市场竞争力;
二是应用场景,诉求是形成完整数据闭环提升技术,逐步控制几个关键应用场景。
同样位于 AIoT 赛道的涂鸦智能,也担任了生态构建者的角色。
作为连接消费者、制造品牌、OEM 厂商和零售连锁的全球化 AIoT 平台,涂鸦智能为客户提供一站式的人工智能物联网解决方案。“Powered by Tuya”已经在全球范围内连接 1 亿台智能产品投放市场,累计赋能超过 3 万款产品。
在 2018 年,涂鸦智能与汇思锐合作的智能家电开发模式,可以取代旧版开发费时费力费钱的传统方式,让拥有出货渠道但却没有好产品的公司能够快速出货。2019 年 5 月,涂鸦智能参与了汇思锐的数千万元 A 轮融资。
生态构建者的角色虽然辛苦,但却是在 AIoT 领域构建护城河的有效方式。
使用开放的生态系统去同时兼容存量市场和新增需求,将会大大降低客户和合作伙伴的使用门槛。即便面对锱铢必较的 B2B 企业级客户,也能顺利通关。
---- 写在最后 ----
国外 AIoT 独角兽为何鲜有 IPO?
AIoT 独角兽扎堆 IPO 是中国独有的现象吗?
是的。
但这并不代表中国的 AI 初创企业独领风骚。
美国在 AI 初创企业中处于领先地位。在 CB Insights 发布的前 100 家 AI 初创企业中,有 77 家来自美国。相比之下,此名单上只有 8 家中国公司。
根据美国风险投资协会的数据,2019 年前 9 个月,美国有 965 家与 AI 相关的公司,共筹集了 135 亿美元的资金。
为什么这些 AI 初创公司不申请 IPO 呢?
答案是,国外的 AI 独角兽们普遍的终局是被苹果、谷歌、微软等巨头并购。
不过,中国的确具有培育 AIoT 独角兽的独特土壤。
看张图感受一下。
左侧是全球各国对部署 AI 的兴趣度,颜色越深热情越高。
右侧是全球各国对部署 AI 的冷淡度,颜色越深越排斥。
根据此前提到的报告《市场指南:中国人工智能初创企业》,Gartner 分析认为已经采用 AI 技术的中国企业的比例从 2018 年的 18%增长到了 2019 年的 34%,比全球同期的平均水平高出 4%到 14%。
中国企业对 AI 的采用非常积极,超过了世界平均水平。
24%的中国企业计划在未来 1 年内部署 AI,20%的企业计划在未来 1-2 年内部署 AI,显示了中国 AI 市场的增长前景。
Gartner 预测,到 2030 年,AI 在中国的商业价值将超过世界其他地区,可能将占据全球三分之一的市场份额。
感谢你一口气坚持读到这里。
在我们喘气的功夫,你猜有多少家 AIoT 独角兽正在跃跃欲试 IPO?
股票市场,短期是投票机,长期是称重机。
让我们静待市场的反馈吧。
本文总结:
1. 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。
2. 人工智能行业可划分为基础层、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。
3. AIoT 初创公司有两条发展路径:其一是以一个应用场景(如智能家居)作为突破口;其二是以一种通用技术(如机器视觉)作为突破口。
4. 尽管许多公司已经发布 AI 芯片产品,但无论智能驾驶、智能安防都需要基于特定场景进行算法开发。因此,AI 芯片基于场景的定制化程度十分高,目前未达到大规模商用的地步。中国的芯片战事才刚刚开始。
5. AIoT 企业可以担任生态构建者的角色,布局基础计算能力、数据,通用算法、框架和技术,以及应用平台和具体解决方案的全产业链,聚集大量开发者和用户,并促进生态型商业模式的形成。因此产生了 AIoT 企业普遍“一边融资,一边投资”的独特风景。
参考资料:
1. TheState of AI 2019 Divergence, MMC Ventures
2. 《人工智能:未来制胜之道》,阿里云研究中心
3. Fortypercent of ‘AI startups’ in Europe don’t really use AI, says report, The Verge
4. AIstartups on pace to break funding records in 2019, VB
5. ArtificialIntelligence Stocks To Buy And Watch Amid Rising AI Competition, Investor'sBusiness Daily
6. IPOSeason, China’s First Wave of AI Companies Are Going Public, Synced
7. Sustainability,AI and 5G: What does the future hold for IoT, Silicon Republic
8. Gartner:到 2030 年,中国 AI 企业将占据全球 1/3 的市场份额,赛博安全
9. 《智联网·新思维》,作者:彭昭,电子工业出版社
10. 旷视 IPO 在即,看清“AI 第一股”的商业真相,微信公众号:我思锅我在
11. 为什么 AI 公司都在一边融资,一边投资?,甲子光年
12. Timeline: EveryBillion-Dollar Artificial Intelligence Exit, CB Insights Research
13. VCs Nearly Doubled TheirInvestment In This Tech Last Year, CB Insights Research