旷视科技:安全与盈利,AI难以逾越的两座山?

旷视科技:安全与盈利,AI难以逾越的两座山?

题图来自Unsplash,基于CC0协议

工业革命促进了技术进步:第一次工业革命把人类带入了工业化时代;第二次工业革命让人学会用电;第三次催生了生物医学等新技术;而目前我们正身处第四次工业革命–计算机和互联网的爆发式应用。

正是技术的发展让许多聪明人萌生了“计算机模拟人的行为和决策”的念头–在1956年Dartmouth会议上人工智能这一概念被首次提出。几十年来,满怀憧憬的技术专家声称AI将颠覆商业世界,为企业和客户带来巨大福祉。他们的语言现在终于在变成现实,先后上市的商汤、云从、格灵深瞳成为这一赛道福祉的获益者。

而仅过一年,商汤科技估值已蒸发近2500亿元,剩740余亿元;带着“国家队”标签的云从科技上市首日涨幅近40%,收报21.4元/股,总市值158.5亿元。这与两年前的估值相比缩水了近100亿元。

这些曾经带有光环的独角兽们正受困于“何时盈利、技术落地和业绩下滑”的问题。随着AI变得越来越平平无奇,抛开最初为之欢呼鼓舞的想象空间,我们将焦点放回企业本身,以四小龙之一的旷视科技为例,聊聊AI行业的近况:一是盈利;二是安全。

01 高科技公司,是不是就得亏损?

生物医药、量子通信,甚至过去的O2O,打车软件,都喜欢标榜自己是高科技公司。一提到高科技,就会联想到“烧钱”,和平凡产业相比,高科技需要更多的资金,而对于如何合理地烧钱,投资人看重两件事:一是烧钱能烧出极速增长;二是烧钱烧得有效率,能烧出一个稳得住的企业。

在实际操作中,这些企业试图通过低价策略淘汰竞争者,剩者谋求成王;或者通过大幅让利,打入重要客户供应体系;或者把利润让给低税率主体,以亏损来避税。在投资领域中也有极端情形,比如,通过“大幅亏损故弄玄虚”来吸引融资。这个有点像不法商人苏洪波的套路,让人捉摸不透自身业务来增加“硬科技”隐蔽色彩。

我们来看下AI四小龙的财务情况,清一色“营收越大,亏得越多”。不仅是利润表的亏损,现金流量也净流出。在2022年,亏钱依然是它们逃不开的魔咒。据机会宝统计,按已有数据计算(除依图和旷视部分数据暂缺),2019~2021年,四家企业的累计亏损合计高达500亿元。其中,商汤科技的亏损额分别为34.28亿元、49.63亿元、121.58亿元和171.40亿元,四年累计亏损376.89亿元;云从科技的归母净利润金额则分别为-1.81亿元、-6.40亿元、-8.13亿元和-6.32亿元,累计亏损额也是多达22.65亿元。

据机会宝统计,2018~2020年,旷视科技分别实现营收8.54亿元、12.60亿元和13.91亿元,整体有所增长,但其年度亏损额却分别高达28亿元、66.39亿元和33.27亿元。至于依图科技,由于企业早在2021年6月便主动撤材料,但也能看出来它在申报IPO时同样处于亏损状态。

为什么会亏损这么多?巨额亏损的背后,是企业们高企的研发费用、高额的薪酬成本和漫长的产业化之路。

就以AI四小龙之首——商汤科技为例,2018~2022H1,商汤科技的研发费用率分别高达45.82%、63.30%、71.21%、76.89%和143.82%,远超其他期间费用,绝对值甚至超过营业成本;再以今年上市的云从科技为例,2018~2022Q3,云从科技的研发费用率也是分别为30.61%、56.25%、76.59%、49.67%和94.24%,同样相对较高。

而在研发费用中,人工成本即技术人员薪酬又占据了很大一部分。以云从科技为例,招股书及财报显示,2019~2022H1,云从科技的研发人员薪酬费用分别为2.24亿元、3.20亿元、2.98亿元和1.13亿元,占当期研发费用的比例均在40%以上。

而旷视科技404个管理人员,总薪酬高达3.55亿,人均88万元;293个销售人员,薪酬2.99亿,人均102万元;1345个研发人员,薪酬5.67亿。

除了研发费用外,对四小龙净利润造成影响的,还有一个最重要的因素,那就是产品转化有限导致创收能力较弱。

在笔者看来,在产品转化方面,现有的人工智能技术,一是依赖于大量高质量的训练数据,二是对长尾问题的处理效果不好,三是依赖于独立的、具体的应用场景,通用性很低。目前,四小龙实现商业化的产品,主要被限制在计算机视觉领域。除了摄像头、门禁应用,主要涉及数据处理、决策的应用等。这也决定了目前的AI技术承担的更多是“基础赋能“的角色。比如,更精确的人脸识别实现更快的手机解锁,更多的摄像头可以更好地管理城市,甚至AI在医学上更快地进行癌症筛查,但本质上仍是“锦上添花”。并未解决、突破“卡脖子”的问题。

实际上,这是由AI技术变现路径决定的。AI技术如果按落地模式来划分,第一种是项目制,单价高,但是定制化程度也高,难以复制;第二种就是简单易复制的AI技术,可以大规模复用,一项技术多次出售。

两种模式都算不上太好优秀,第一种项目来源不稳定,大多是政企机构,回款周期长,而且需要大量研发费用投入;第二种虽然可以复用增加企业造血能力,但是能够复用的场景有限。

而计算机视觉是极少数拥有大量可复用场景而市场较为广阔的领域,不管是智慧城市中的摄像头,还是金融上的人脸验证亦或者自动驾驶中的视觉算法方案,都离不开视觉二字。

而人工智能的两大重要资源-研究人才和数据“原料”需要付出庞大的成本。拿数据为例子,AI技术的成本构成中,基本半数以上都是数据成本,从大量数据中提取各种规律,供试用的数据越多,算法学到的东西越多,人工智能所提供的服务越智能而对数据的采集、清洗、标注、增强等处理过程,往往是大量人力堆积的结果。

这就导致覆盖AI领域之广同样意味着企业亏损之巨。这也是云从科技为什么一定要讲元宇宙故事的原因,因为云从科技们非常清楚,即便其涉足的AI领域初步实现商业化落地,或许仍然难以满足其亏损的巨口。

也就是说,在相当长的一段时间内,高科技产业会没有利润。实际上,全球的计算机产业始于1947~1948年。直到20世纪80年代初期,也就是30年后,整个产业才达到盈亏平衡点。但确切地说,即使这样,但在当时,确有几家公司(实际上都是美国公司)在更早的时候就开始赚钱了,而业界领袖IBM公司,在更早的时候就赚了大钱。

为了处于不败之地,高科技必须越跑越快。

02 安全:永远不能突破的底线!

在大力鼓励AI发展的同时,政策也高度重视引导AI向善,对技术隐私安全与伦理问题的关注程度也在同步提升。AI技术引发的隐私保护、AI技术滥用、算法不可解释等伦理问题,是技术“双刃剑”的典型体现。中国相继出台多项法律法规,加强与AI技术相关的数据安全管理。

旷视科技此次IPO的注册申请是在2021年9月30日正式提交的。在此前的2021年9月初召开的上交所科创板上市委2021年第66次审议会议上,旷视科技IPO申请才刚刚顺利获得了上交所的审核通过。

一年多时间过去了,旷视科技依然还在证监会拟科创板IPO企业待注册的队伍中等待着。云从都上市了,旷视难道有什么问题吗?

在等待IPO过程中,旷视受到媒体质疑多集中在:公司股权结构比较特殊,其中有采用协议控制架构;研发资本化;部分硬件毛利率为负;核心研发人员去世等等。

但笔者认为,旷视与其它AI公司的不同在于股东比较特殊。

阿里旗下的蚂蚁集团为旷视科技第一大机构股东,蚂蚁集团通过全资子公司API(HONGKONG) Investment Limited间接持有旷视科技15.08%,而阿里则通过淘宝中国间接持有旷视科技14.33%股份;二者共同持有旷视科技高达29.41%的股份。

还有就是数据安全问题。安全是底线中的底线,比任何关联交易、输送利益等等问题都更加重要。蚂蚁和阿里,可能涉及半个中国的人民的隐私数据,各种金融资产、密码、人脸、购物记录、家庭住址等各种信息。谁敢想象,这种信息一旦泄露会造成什么问题?

旷视作为人工智能算法公司,人脸识别算法技术是其核心技术之一。其号称拥有规模领先的计算机视觉(Computer Vision)研究院,主要业务就是处理各种数据,而且极有可能是极其隐私的数据。美国为什么要针对华为、针对大疆、针对TIKTOK、针对中国诸多公司,给出的理由都是威胁到国家安全。旷视的高管中,大多拥有海外留学、从业经历,三位独董中两位拥有中国香港籍,如何保证旷视接触到的数据安全,是一个必须要重视的安全。

二十大核心关键词就是“安全”。在如今的互联网、大数据时代,数据安全已经成为核心安全环节。笔者相信,旷视一定是考虑过数据安全问题,可能做了一些准备工作,例如脱敏、搭建安全环境等来保证数据的安全,但是,如何从机制、技术上保障数据安全的万无一失,可能是摆在四小龙面前一个很大的问题。

03 实现安全和盈利,AI还要等多久?

从1988年第一个网络蠕虫病毒诞生以来,互联网危机四伏的观念就已经深入人心。如果只是这样,不给电脑联网、禁止使用任何可移动储存介质,数据就安全了吗?来自以色列本·古里安大学的Mordechai Guri教授甚至提出了一种名为AiR-ViBeR的数据窃取技术。令人震惊的是,这种技术的窃取方式是借助电脑内部的风扇振动。

我们的四小龙,在巨大的盈利压力面前,是否投入足够的资金和人力来保障数据的绝对安全。在安全的基础上,未来能够盈利的商业模式又在哪里?从目前发展进度可以发现,AI的商业模式无非是2B和2C。

无论是哪一种,近况都比较接近,产品缺乏明显的效率提升效应。曾有人开过一个玩笑:搞一套矿山自动驾驶软件如果需要一百万/年的成本,为什么不请一个司机呢?也就是说,锦上添花的产品往往是无法获取高毛利的。对于AI公司的挑战在于,核心技术的突破和规模商业化。

普遍观点认为,人工智能领域目前尚未有科学原理层面的成果,也尚未产生支撑一个产业的基础共性技术。它基于目前的系统级技术,如操作系统、数据库、集成电路,得以规模化落地。

从未来看,人们对人工智能的定位绝不仅仅只是用来解决狭窄的、特定领域的某个简单具体的小任务,而是真正像人类一样,能同时解决不同领域、不同类型的问题,进行判断和决策,也就是所谓的通用型人工智能。

原文链接:https://36kr.com/p/2090045508965637

本文地址:https://www.cknow.cn/archives/13536

以上内容源自互联网,由百科助手整理汇总,其目的在于收集传播生活技巧,行业技能,本网站不对其真实性、可靠性承担任何法律责任,如有侵权请联系删除。特此声明!

题图来自Unsplash,基于CC0协议