芯片|商汤上市,从一篇论文到 AI 第一股( 二 )



汤晓鸥在 2019 年亚洲博鳌论坛上 | 来源:视觉中国

那一年年初 , DeepMind 被谷歌以 6.6 亿美元收购后 , 开始研发 AlphaGo 。 那时距离 AlphaGo 击败围棋世界冠军李世石 , AI 走进大众视野并成为资本风口 , 还有两年 。
在 2015 到 2016 年早期 , 商业化前景尚不明朗的商汤团队并不被大部分资本赏识 。 雪中送炭的第二笔资金来自演员任泉的 StarVC 。 2016 年 4 月 , 作为唯一投资方 , StarVC 在 A+轮投了商汤科数千万美元 。
随着 AI 风口到来 , 形势发生了变化 。 2016 年 12 月的 B 轮融资开始 , 除了融资额度节节攀升 , 投资阵容中也先后出现了万达资本、高通创投、阿里巴巴、淡马锡的身影 。 2018 年 9 月 , 软银愿景基金在 D 轮独家投资 10 亿美元 。 这不仅是商汤历史上最大一轮融资 , 也是 AI 企业获得的最大单笔融资 。
牛奎光最初看中的是商汤团队的计算机视觉技术实力 。 他曾评价:「这个团队应该是该领域在中国能找到的最强团队 , 即便在世界范围内也能进前五 。 」这也成为 AI 技术风口时期 , 许多投资机构的投资逻辑:投技术与团队 。
但从学术圈走到商业世界 , 「值钱的技术如何赚钱」 , 则成为商汤和其他人工智能企业 , 需要持续求解的问题 。


02
怎么把「值钱的技术」转变成「赚钱的产品」

当人脸识别算法的精度首次超过人眼时 , 学界和风投都嗅到了其中的机遇 。 但在商业化落地时 , 商汤和 AI 四小龙的其他三家都遇到了相同的难题 。
第一个难题是给技术找到商业场景 。 不论是人脸识别还是背后的计算机视觉技术 , 都是一个技术模块 , 不像搜索引擎使用的超链分析算法或者字节跳动的智能推荐算法 , 计算机视觉算法没有一个天然的商业化落地场景 , 而是要依附于其他已有的业务场景 。 比如与在线支付合作加强密码安全 , 比如与美图软件合作提高人脸识别精度 , 比如与安防合作提供实时的人脸检索功能等等 。
2015 年 , 刚开始创业的商汤真正赚到的第一桶金 , 来源于互联网金融领域 。 此外 , 安防也是商汤早年间重要的客户来源 。 2016 年 , 商汤开始布局基于人脸识别的打卡考勤机 。 2017 年 , 商汤科技已经与中国安防行业前十中超过一半的客户有了合作 。
目前 , 商汤将商业化落地的方向梳理为四大场景 , 分别对应商汤主营业务的四大板块:智慧城市、智慧商业、智慧生活和智能汽车 。

四个产业 2018 年至今收入情况|来源:商汤招股书

从收入构成来看 , 主要面向制造业、交通、商业管理、物业管理、金融等领域 B 端用户的智慧商业 , 以及主要面向 G 端用户的智慧城市两大业务 , 从 2018 年以来一直占据总营收的 80% 以上 。 2021 年上半年 , 智慧城市(47.6%)和智慧商业(39.2%)的营收占比已经超过全部营收的 85% 。
ToB 和 ToG 业务是目前商汤的营收支柱 , 而主要面向 C 端用户的智慧生活 , 以及面向汽车场景的智能汽车 , 则是商汤科技的未来 。 智慧生活覆盖的领域包括当下最热的物联网、AR 元宇宙和医疗三个方向;智能汽车平台「绝影」则已经与 30 余家车企合作 。 商汤在招股书中写道 , 预期后两个板块「收入来源的敞口增加将可能会改善我们的运营资金 , 因为这些收入来源的客户倾向于拥有较短的付款周期」 。
找到了场景之后 , 商汤面临的第二个问题是:如何构建可持续盈利的商业模式 。
美国风险投资机构 A16Z 曾在 2020 年一篇文章中指出 , 与传统软件公司「一次建构+多次销售」的模式不同 , AI 软件应用需要持续的物力和人力成本投入 。 因为即使同一个 AI 算法也需要迭代以适应不同的场景 。 数据清洗和标注、乃至算力支持都需要持续的成本投入 。