自2020年7月寒武纪成功登陆科创板，各家AI公司就陆续开始推进各自IPO的进程。整个过程可谓一波三折。率先冲刺的依图科技折戟科创板“AI第一股”，云知声被科大讯飞指出“数据作假”而主动撤材料，旷视科技中止港股上市计划。但事情很快迎来转机，2021年7月20日云从科技顺利通过科创板上市委审议，被认为是AI公司上市风向标转变。紧接着，8月6日云天励飞通过科创板上市委审议，8月27日，港交所网站披露了商汤港股IPO申请材料。9月9日，旷视科技科创板上市首发获通过。2021年被认为是中国人工智能企业的上市潮。

      随着AI公司对外披露的信息越多，有越来越多困惑甚至质疑的声音。AI公司的盈利能力与估值不匹配，数额巨大的融资金额、畸高的股权激励、薪酬与巨额的经营亏损，同质化严重的商业模式，让人看不懂AI公司，也看不清AI公司的未来。

      与此相对的是，AI技术的应用在我们身边越来越普遍。从个人的人脸支付、人脸验证开户、美颜相机，家用的智能音箱、扫地机器人，到机场、办公室的安检门禁，工业上的智能相机，机器人客服，智能的医疗服务，基于AI算法的新药研发，到智能汽车的自动驾驶，甚至虚拟世界的人物形象，到处都有AI的身影。基于场景、基于数据的AI时代已经到来，AI公司正四路出击，从摄像头、手机、汽车到VR设备，从安防行业、医疗阅片、商业分析到智慧出行，从提供SDK，到提供定制方案，再到系统集成，甚至于芯片研发。AI公司，奋力追赶，为了追上那个曾被寄予厚望的自己

一、备受资本追逐的AI公司

2016年3月15日，谷歌人工智能AlphaGo与围棋世界冠军李世石的人机大战最后一场落下了帷幕。人机大战第五场经过长达5个小时搏杀，最终李世石与AlphaGo总比分定格在1比4，以李世石认输结束。这一次的世纪大战让人工智能正式的被世人所熟知，不管以前听过还是没听过工人工智能这几个字的人，在这一刻都基本知晓了人工智能，整个人工智能市场也像是被引燃了导火线，开始了新一轮的爆发。

随着深度学习在图像识别领域的成功应用，成功引爆了国内的AI创业潮。就以AI四小龙的商汤和旷视为例，这些年的融资历史如下表：

       从商汤的股东名册可以看到，软银、阿里巴巴、春华资本、IDG、国调基金、上海国际集团、赛领资本、鼎晖资本、中金等PE巨头；旷视科技的股东中有联想之星、创新工场、启明创投、韩国SK集团、蚂蚁集团、阿里巴巴、国风投、建银国际等；云从的股东名册里有佳都科技、广东粤科金融集团、广州产业投资基金、越秀产业基金、海尔金控等。依图科技股东名册里有红杉资本、真格基金、高瓴资本、云锋基金，高榕资本等。从AI四小龙的长长的股东名册可以看到，AI公司在资本市场的热度。
       除了“AI四小龙”之外，AI公司就如雨后春笋般冒出来，云知声、思必驰、优必选、声智科技、云天励飞、第四范式、竹间智能、追一科技、地平线、瑞为科技等都获得巨额的融资。据不完全统计，国内叫的出名字的AI创业公司不下50家。无论是创业公司还是投资公司，如果没有参与到Ai浪潮中，都显得有点落伍，从市场供给和需求来看，呈现一片繁华气象。

中国AI公司简图

       根据IT桔子的统计，2012年到2021年，获得融资的AI公司有3274家，投资事件4644起，总融资额17230亿元。

一时之间，就如同之前的“互联网+”一般，所有产业都可以用“AI”重新做一遍，“AI”被视为企业竞争力升级的万能药，从安防、医疗、智能家居、供应链管理、先进制造、学生教育等，大家期待AI带来更便捷、更高效、更革命性的服务体验，让我们的生活变得更轻松简单。

也可以看到，中国 AI 行业融资规模与投融资数量 2013-2018 年整体快速增长，但 2019 年出现 45%左右的显著下滑，2020 年投融资金额恢复 42.5%正增长，但距 2018 年颠覆时期仍有差距，投融资数量仍有下降。普遍认为资本市场早期对于人工智能行业回报周期过于乐观，以及市场对当前创业型 AI 公司商业落地和变现模式存疑是近两年资本市场遇冷的主要原因。随着AI公司的上市窗口期临近，商业模式和变现能力是行业发展的主要瓶颈。

二、四路出击、疯狂成长的AI公司

AI技术的普适性，让Ai应用有无限的想象空间，在巨额资金加持下，Ai公司不断探索下游应用场景，通过产品研发及商业模式探索形成壁垒，开辟新的道路。

1、 商业模式上从简单到复杂，从赋能客户到下场竞争
（1）轻量化、标准化、通用化的SDK模式受到挑战

早期AI公司的商业蓝图中，AI公司通过研发出标准化的模块，然后被集成在所有公司的各个解决方案里。这样的交付方式轻且边际成本近乎为零，只需要培养开发者生态，所得几乎都是利润。
      但很快，对外提供SDK的模式就受到了挑战。AI公司重视算法精度提升，然而算法走出实验室环境，对具体的场景适应能力仍有差距。如：人脸识别技术易受静态和动态、是否化妆、有无戴口罩等外部因素影响。数据是模型训练的重要生产资料，纯AI技术公司缺乏对业务场景的理解和高质量的业务数据所有权，需要与数字化程度高、数据资源丰富的客户合作，政企客户成为重要起点。以数字化程度最高的公安和金融为例，客户需要的非单个模块或开发包也不具备 SDK 集成能力，而是一整套定制化的解决方案。不同业务应用无法规模化，使 AI 算法公司业务变重。以SDK销售为主的商业模式，投入周期长、见效慢，无法匹配AI公司高成本的投入及AI公司估值的快速增长。

     （2）定制化解决方案陷入低利润、长周期的挑战

      既然SDK模式不足以支撑企业的增长，所以AI公司就只能下场自己为终端客户提供定制解决方案。由于AI公司创业开始，并没有非常强的产业应用背景，更多的是算法相关的“高大上”的人才，在转向为客户定制方案的过程中，需要付出更多的努力。

      首先，是理解客户的业务逻辑。客户的需求是多元的、全面的以及和客户的业务逻辑相匹配的。很多AI公司切入某一细分领域的逻辑是，先为行业里面的头部企业提供“咨询”+“软件定制”+“硬件定制方案”，形成一套大而全的行业解决方案，尽可能提升解决方案的复用性及通用性，以此为行业里面其他客户提供类标准化解决方案。

这样的商业模式下，前期的研发投入、商务渠道费用投入基本都可以归为“学习成本”。而且由于头部客户一般较为强势、要求也多、开发周期长，企业需要承担较高的时间成本投入，刚开始基本没有盈利的可能。企业只能期待，为头部客户开发的方案，在不要大改的前提下，为行业里的其他客户提供，以此摊薄成本获得收益。

      在这个商业逻辑下，AI公司选定的终端客户都是有比较强付费能力、行业通用性较高的领域。比如政府城市建设、医院、银行、公共交通、智能驾驶等领域。行业方案的定制深度及行业影响力成为该模式的核心竞争力。

      目前，主要的AI公司营收大部分来自为客户定制解决方案，但改模式也有比较大的问题。一是下游客户比较集中且强势，需要比较强的商务关系，导致市场割裂，无法形成强大的规模效应。比如在城市建设领域，一家AI公司往往只能局限在一定区域的市场。二是解决方案的项目周期市场长，付款条件较差，导致很多AI公司的资金大量堆积在应收账款和存货中。资金的占用、周转率的下降导致AI公司的业绩增长是以巨额外部融资作为支持，一旦融资节奏放缓，增长就会遇到瓶颈。

     由于解决方案的长周期属性，所以对公司的成本管控、项目管理能力都提出了较高的挑战，哪一个环节如果做得不好，就很容易陷入亏损的环节，导致项目做得越多，亏损越严重。

（3）重资金投入建设超级计算集群建立竞争壁垒

由于AI应用的基础在于“数据”及“算力”，头部的AI公司开始将轻量化的SDK模式做重，通过大规模投入建设超算中心，在“数据”和“算力”的基础上构建壁垒。

以商汤为例，截至2021年6月30日，商汤已经战略性地在主要区域市场建立了23个人工智能超级计算集群，拥有超过20,000块GPU，总算力达到每秒1.17百亿亿次浮点运算，以充分支持SenseCore的模型生产。商汤正在建设上海临港AIDC，将于2022年初完成建设，并将成为亚洲最大的超算中心之一，建成后算力将达到每秒3.74百亿亿次浮点运算。

      构建超级超算中心，固然有AI加快自身算法迭代，降低成本的考虑，但也是AI公司开始走向为客户提供AI训练市场的野心。虽然目前商业模式并不清晰，但具备区域的超算中心，为企业拿下区域性的政府建设的业务也有不少背书，一旦政府数据计入，就会形成事实上的数据壁垒，为后续的商业落地留下空间。

      （4）定制专用AI芯片，加快下游应用部署及降低应用成本

在构建“算力”和“数据”的壁垒上，单单构建超算中心还不够，AI公司也加入到开发AI芯片的浪潮中，希望通过“算法”+“芯片”的形式将之前的SDK模式应用到更广领域的AIOT中，也可以加快下游应用部署及降低应用成本。百度、依图、思必驰、云天励飞、商汤都已经开始和第三方合作或者自己组建团队研发专用AI芯片。

暂时还没有哪一家AI公司的芯片开始大规模的商用，对于未来AI公司能否通过AI芯片走出新的商业通路还有较多的不确定性。

       在AI产业发展的初级阶段，研发与开拓市场都需要时间，短期盈亏不代表什么，而找对技术方向和商业模式，真正解决客户问题，将关乎一家AI公司的未来。

2、 从安防、新零售、自动驾驶到智慧城市、智慧商业、智慧出行，AI 公司依然不想被定义

目前AI已在诸多场景中应用，未来会在金融、安防、制造、医疗、交通等数据量巨大的领域加速渗透，这一趋势在拥有海量数据资源的中国将尤为明显。

以商汤为例，根据商汤的招股说明书，商汤将自身的下游应用分为智慧商业、智慧城市、智慧生活和智能汽车。

      商汤官网披露的产品主要有三类：计算平台、软件算法、硬件终端设备。根据产业链调研， 公司产品多以私有云为部署方式，算法平台封装成 SDK 按照调用次数收费，软件按订阅制收费或单独出售license，硬件按件出售，具体依项目情况而定。
      根据旷视的招股说明书，旷视将自己的业务分为移动终端类、云端SaaS类、智慧城市、智慧建筑、智慧物流、智慧工业。

旷视业务聚焦消费、城市、供应链三大场景，通过为客户提供软件、硬件及解决方案获取收入。 2020 年三大场景分别占公司 28%、 64%和 7%的营业收入。业务同时辐射 C 端、 G 端和 B 端，打造个人、城市、供应链“最强大脑”。消费物联网聚焦于 C 端客户， 提供移动终端和云端 SaaS 两类解决方案：移动终端类主要包括设备解锁解决方案和计算摄影解决方案，利用人工智能算法为移动智能终端提供刷脸解锁和高清摄影等功能， 以固定授权费和终端出货量计算的专利费进行收费；云端 SaaS 类方案依靠公司研发的计算机视觉平台 Face++，为客户提供云端身份验证方案， 按服务调用量收费。城市物联网聚焦 G 端客户，公司推出智慧城市操作系统“盘古”和智慧建筑操作系统“昆仑”，提供综合管控、通行管理、警戒管理等可视化业务。 公司直接和客户签订销售合同获得收入。 供应链物联网聚焦于 B 端客户，公司以 AI 赋能操作系统、机器人与自动化装备，帮助企业实现工厂、库的智能化升级，提高供应链效率， 通过硬件设备的销售和平台软件的授权获得收入。

根据依图的招股说明书，依图的主要业务可以分为智能公共服务和智能商业两大类。

智能公共服务业务覆盖城市管理、医疗健康等场景，终端客户包括政府部门、医疗机构及大型企业等；智能商业业务覆盖园区管理、网点服务、安全生产、交通出行和互联网服务等场景，终端客户包括商业地产、金融业、制造业、交通运输、互联网等领域的企业客户。

      依图为客户提供人工智能硬件、软件及软硬件组合及 SaaS 服务等解决方案，三类产品营收占比分别为 24%、 15%和 61%。其中硬件产品销售主要为内嵌操作系统和基础功能软件的服务器、摄像机等。 其中，原石系列智能服务器搭载公司自行研发的 QuestCore 求索芯片， 该芯片单颗代替人工智能推理计算中所需的 CPU、 GPU 及解码器等多种类型算力的组合， 适用于云端计算和边缘端计算场景，主要为缩短人工智能芯片与算法、服务器的适配过程，加快设备的设计开发及发布， 目前尚未单独销售。

依图软件及软硬件组合产品销售价格

根据云从的招股说明书，云从的业务分为智慧治理、智慧金融、智慧商业和智慧出行。

      云从2020 年度公司 31%的营业收入来自人机协同操作系统，共计完成 422 个项目，其中 46 个项目收入超过 100 万元。 标准产品通过向客户交付相关应用产品收取一定期限或永久的使用权费用，或按服务器长度使用直线法进行收费；定制开发场景，根据验收节点向客户进行交付，客户根据工作量或开发进度分期结算。
      人工智能四小龙的过半收入来自 “智慧城市”、“智慧商业”（商汤）、“城市物联网”（旷视）、“智慧治理”（云从）、和 “城市管理”（依图）。这类业务被认为是传统的类安防业务，但AI四小龙都不约而同的尽可能规避被列为安防行业的类中，以免陷入安防企业的估值逻辑里。在商汤递交给港交所的 672 页招股书中，只提及一次安防。依图在 584 页的招股书中，只提到安防 7 次，称其承担政府的安防科研项目、有安防相关的软件著作权等。相比之下，仅为它带来不到 2% 收入的 “医疗” 出现了 589 次。

AI四小龙2020年收入构

AI公司不想被定义，正在各个细分领域积极的开拓新业务，以求重新定义一个公司类别。以商汤为例，商汤给自己的定位为一家赋能百业，行业领先的人工智能软件公司，截至2021年6月30日，商汤软件平台的客户数量已超过2,400家，其中包括约250家《财富》 500强企业及上市公司， 119个城市以及30余家汽车企业，同时商汤赋能了超过4.5亿部智能手机及200多款手机应用程序，其中有5款每月活跃用户超5亿的手机应用程序。

商汤科技的SenseMARS软件平台是元宇宙的技术赋能平台。通过手机厂商、半导体制造商、移动应用开发商及游戏开发商合作，共同构建多层基础设施，以支持元宇宙的发展，打造全新交互体验。SenseMARS搭载多种关键功能，包括感知智能、决策智能、智能内容生成（包括增强现实、混合现实及软件智能体）及其他基础设施（如云引擎等），为各类元宇宙应用提供支持。SenseMARS可兼容(i)app、小程序及H5等不同应用形式，及(ii)超过200款手机、平板计算机、 AR及VR眼镜、智能电视及消费级无人机等多种物联网设备。截至2021年6月30日， SenseMARS总共提供超过3,500个人工智能模型。

      下图展示了通过SenseMARS实现的数字重建及MR效果

     而商汤是2022年亚运会的智能视觉技术供货商，提供由SenseMARS支持的多种AI和MR应用。

     商汤的智慧医疗人工智能软件平台SenseCare，以人工智能工具辅助医生进行诊断、制订治疗规划及康复建议。 SenseCare中嵌入诸多人工智能模型，支持对多种器官的异常检测、识别及自动诊断分析，服务于重点临床科室。

    下图展示了SenseCare支持的肝脏筛查诊断界面，应用了多维成像及自动三维重建功能：

三、关于AI公司的几点思考

1、 如何看待AI公司的估值与其财务表现之间的差距

首先，AI公司享受了一波科创板上市政策红利，但这个窗口有多长，还得看后续AI公司未来的发展状况，是否能实现商业模式的闭环，并给下游客户创造价值，带动社会经济效率提升。

     上交所科创板的设立是中国资本市场走向成熟的里程碑事件。根据科创板的定位，科创板坚持面向世界科技前沿、面向经济主战场、面向国家重大需求，主要服务于符合国家战略、突破关键核心技术、市场认可度高的科技创新企业。重点支持新一代信息技术、高端装备、新材料、新能源、节能环保以及生物医药等高新技术产业和战略性新兴产业，推动互联网、大数据、云计算、人工智能和制造业深度融合，引领中高端消费，推动质量变革、效率变革、动力变革。而AI产业属于被重点鼓励的行业，作为AI行业的领头羊的创业公司，没有硬伤的条件下，登陆资本市场是一个水到渠成的事情。市场上也存在可比的“非AI”标签的和“AI四小龙”的业务形态类似公司， 比如虹软科技、大华、海康等，市场并不需要重新认识AI公司。

但同时，科创板的市场定价也更市场化，上市对于创业公司而言，未必意味着成功。在科创板上市的公司，已经有许多破发的案例，出现市值大比例下降的案例比比皆是。随着破发的出现，也可能会出现未能完成资金募集的想象出现。

根据各家招股说明书数据统计，AI公司财务数据如下：

      目前，头部的AI创业公司还没有任何一家处于盈利状态。以商汤为例，公司2018年、2019年、2020年和2021年上半年的收入分别为18.53亿元、30.27亿元、34.46亿元和16.52亿元，三年半累计扣非净亏损为28.6亿元。2018年、2019年、2020年及2021年上半年经调整的扣非净亏损分别为人民币2.2亿元、10.4亿元、8.8亿元及7.3亿元。但商汤上一轮融资的估值已经超过800亿人民币。

      AI作为技术工具，应用场景广泛。以 AI四小龙为例，收入构成多样，且当前基本仍处于亏损阶段，建议采用 PS 估值。但每家公司业务难以完全对标，无法一刀切，采用相同的 PS 倍数。 我们认为 AI 公司未来会向两个方向发展——“从软到硬”或“从硬到软”： 前者主要出现在 To B 行业，个性化定制、 获客周期长、产品实施成本高，重型解决方案使 AI 企业成为集成商；后者产品以内容、软件能力为主，标准化程度高，盈利能力相对强。理论上 PS=PE*E/S，稳态盈利能力是估值关键。

      我们可参考当前已上市公司估值。 海康威视作为安防行业龙头， 具备显著的先发优势、客户积淀与成本优势。受到市场竞争、研发投入等多方面因素影响， 2006 年至今净利率从 30%逐渐下行至 20%左右， PS 基本稳定在10x；大华股份作为紧跟海康的龙二，净利率在 10%-20%之间波动， 三年前开始 PS 与海康威视逐渐扩大，基本稳定在 5x 以下。我们认为造成二者估值差异的核心原因是安防行业总体发展已成熟，行业增速不到 10%，市场格局基本已定，马太效应显著，后来者较难突围。

      科大讯飞在教育行业优势突出，虽有硬件产品出售，但核心竞争力在软件和内容，且产品标准化程度高， 因此即使过去三年归母净利率不到 10%，市场仍给予 10x 左右PS。 虹软科技作为算法提供商，商业模式佳且盈利能力强，归母净利率稳定在 30%，市场愿意给予估值溢价， PS 逐渐回落也仍维持在 30x左右。

      以提供解决方案为主、硬件占收入结构高的公司若主要布局安防等成熟行业， 可参考大华股份，给予 5x PS 估值。若要提升总体市值，需寻找格局未定、标准化程度高、大颗粒的新兴赛道，如：自动驾驶、人形机器人等。待行业全面爆发，竞争格局逐步清晰，龙头厂商可给予 10x 估值。 以标准化产品和软件能力见长的公司可参考科大讯飞与虹软科技，给予 20x 左右PS。 我们认为随着训练模型开源、技术普及，市场对 AI 认知更清晰，需求更加明确，且总体需求只增不减。头部、腰部或垂直领域的 AI 公司总能在特定的客户需求中找到生存价值。如何估值还取决于具体业务构成。

      以2020年的财务数据为基础，商汤市销率PS超过24倍，从直观上，目前以解决方案为主要业务的商汤的估值被高估了，另外商汤收入增速的放缓也值得关注。但长期来看，AI产业总体呈现增长状态，头部企业未来还是有机会通过业务增长去消化估值溢价。

     2、 未来AI公司还有多少增长空间

虽然短期内 AI 行业遇冷，但长期看市场空间广阔。AI 市场主要构成有 AI 芯片、硬件、软件等， 2025 年规模有望超千亿美元。根据 IDC 报告， 2019 年中国市场 AI 服务器出货量 7.9 万台，未来 5 年CAGR 约 20%。假设数据中心单台服务器平均售价约 7 万美元， 可配臵 8张 GPU 芯片卡，每张卡单价约 5 万元人民币，则 2025 年中国 AI 服务器市场规模约 165 亿美元。当前 AI 服务器大约占 AI 硬件市场 85%份额，未来更多边缘侧计算设备接入，假设 AI 服务器占比下降至 80%，则 2025 年AI 硬件市场规模 206 亿美元。 GPU 卡出货量约 188 万片。 AI 芯片主要用于数据中心服务器，但在车载计算单元、边缘及终端设备等也有广泛使用，产品形态丰富，单价相对较低，保守估计 AI芯片市场规模约 200 亿美元。当前 AI 软件占比较低，约 30%-40%，预计未来软件及服务占比能提升到60%+， 2025 年中国 AI总体市场规模有望超 1000 亿美元。

5G、云计算等技术进步推动 AI 协同发展。 AI 深度学习算法依赖数据， 高数字化程度的行业拥有较密集数据资源，成为 AI 优先落地的领域。 云化是智能化的基础， 行业数字化还需遵循 C—>B—>A 的路径，即先云化，再有大数据最后实现智能化。 大带宽、低时延、万物互联的 5G 网络有望带动流量和数据量爆发，我们认为 5G 网络杀手级应用在当前建网阶段尚未出现， 2C 端 VR/AR 和 2B 端工业互联网或许是两个孵化方向。 云计算与5G 技术推广、渗透率提升有望推动更多人工智能场景落地。

     深度学习框架是战略制高点，同样具备国产化替代机遇。 深度学习框架作为底层语言和算法模型的骨架， 将数据、算力、算法三者相连接，向下对接芯片（算力），向上支撑应用，可省去开发者从 0 到 1 地搭建地基的成本，提高开发效率，与 AI 芯片构成 AI 基础设施底座，是“智能时代的操作系统”。 如今 TensorFlow 和 PyTorch 占据全球主要市场份额，但开发端的需求动态化、多元化，没有一个框架可以满足全部市场需求，也不断出现挑战者，即：后来者仍有机会突围。 当前中国的 AI 训练严重依赖美国的开源框架，数据安全存在隐患，在中美关系影响下或提前生变。

      更多的 AI 人才供给或降低人力成本，提升人均效益。 AI 四小龙持续亏损的原因之一在于人力成本过高。特别是高度定制化的碎片场景，需要较多人力投入，导致人均效益低。经测算， AI 行业人均费用约 50 万，与人均收入相当。 海康威视之所以能在安防行业跑通 AI 商业模式，一方面是安防行业数据量大、业务场景明确，另一方面是人效优势叠加规模化效应使公司将“成本三低”做到极致：平均人力成本低、运营和销售成本低、产量扩大后边际成本低。随着 AI人才供给增加，人力成本下降， AI 技术公司盈利和变现能力提升，或能改变行业结构，使行业拐点前臵。

      AI行业市场进一步细分，经营管理效率成为AI公司的核心竞争力，AI公司可能会逐渐收缩业务版图，专注在其优势行业。目前，AI公司的业务领域有比较大的重合，在智慧城市、医疗、智能终端、AIOT、智能汽车等领域，未来经营效率更低的企业迫于财务业绩压力，会选择逐步退出，市场会出现“专精”的AI公司，大而全的AI公司逐渐减少。