題圖/官方授權

來源/億歐網??文/陳俊一??編輯 /苑晶銘 常亮

對于3月17日在科創板上市的格靈深瞳來說，此前很多人一直誤解的那句投資人估值玩笑，總有人依然誤解。被誤解不僅是人類的宿命，也是很多企業的宿命。但投資人不會在意自己的玩笑被誤解，投資回報才是更重要的事情。

格靈深瞳天使輪投資者當初數百萬元的投資，即使參考目前的估值，回報也都在百倍以上。時至今日，真格基金仍然合計持有格靈深瞳8.43%的股份也是明證：不要看投資人說什么，而要看投資人做什么，認可什么。

當然，判斷一家企業的長遠發展，不能只看一時的投資回報，還要看更多技術、財務與市場指標。AI賽道的終點遠沒有到，更重要的，應該是去看格靈深瞳從起點跑了多遠，跑姿變化了幾次，初心是否仍然堅定？

三維技術切入場景，尋找技術“處女地”

AI企業切入產業，最初往往都是“拿著錘子找釘子”的狀態。也就是說，在某個可能的AI應用領域，根據客戶需求，結合自己的技術實力去定制解決方案。至于是用大錘子找小釘子，還是用小錘子找大釘子，就是兩種迥然不同的打法。

在2013年創業之初，格靈深瞳的選擇，是用三維技術切入二維視覺技術為主的場景。

三維視覺技術與二維視覺有著本質不同。比如，空氣是透明的，普通攝像頭無法看到空氣的流動，但通過紋影光學法結合三維攝像頭，利用光折射率梯度與氣流密度成正比的關系，就能夠觀測到空氣的流動。

格靈深瞳創始人趙勇在創業之前，是谷歌眼鏡的核心研發人員，不僅在運算影像學、三維視覺領域積累深厚，也曾在谷歌自由的研發環境中，在實驗室使用紋影光學法、三維視覺等技術，做過一些有趣的應用嘗試。比如測量打一個噴嚏到底可以打多遠，甚至還嘗試用這種技術去在風洞等工業領域進行空氣動力學檢測。

格靈深瞳借助三維計算機視覺技術，增加了物體的深度信息，更完整真實地還原了物體信息。相比于二維圖像識別，三維視覺可以做到的事情更多，其處理信息的維度從平面擴展到了三維空間，在很多應用場景中堪稱“降維打擊”。

以格靈深瞳2015年推出的“皓目行為分析儀”為例， 通過三維空間檢測能力，用戶可精確定義空間熱點區域，有效地避免因遮擋引發的誤報；通過三維背景和二維圖像相結合的背景變化檢測，也能夠有效預防視覺欺騙。

就這樣，格靈深瞳借助三維視覺技術解決了實際場景中相互遮擋、比例混淆、影隨人動等問題，提高了智能檢測和分析的準確度。三維視覺與深度學習結合，就能幫助計算機像人一樣在真實世界中吸收、學習和理解復雜的信息，完成高難度的識別任務：如更加精確地檢測、分析、預警人物動作姿態（如跌倒）和人物運動軌跡（如越界、逆行、徘徊等）。

據招股書，格靈深瞳的3D立體視覺技術，包括多目傳感器標定與深度估計技術、運動姿態分析技術、3D 重建與立體視覺分析技術等多個方向，其點云局部和局部配準的精度也是目前該領域技術指標的最好水準。

當然，二維和三維只是兩種不同的技術路線，并無高低之分。它們適切不同的場景：要想在更復雜場景下實現更精確的視覺感知，三維是繞不開的技術路線。

格靈深瞳作為最早押注三維視覺技術的AI企業，一方面憑借核心技術優勢，以三維視覺技術切入智慧金融、體育健康、軌交運維等應用場景。

另一方面，技術的超前性，也意味著往往需要嘗試更多場景，才能找到一片屬于AI企業的處女地。否則，再領先的技術，用在不能由AI企業主導的場景中，都可能是為他人作嫁衣裳。

這也關系到一個AI企業都會面臨，但外界卻可能忽視的關鍵問題：落地應用不僅要看規模，更要看落地應用中AI企業的份額比例。只有在屬于AI企業的處女地中，AI企業才能夠獲取最大的市場份額。

處女地在哪里：壁壘與開放

在很多傳統場景中，硬件商、總包商往往拿走比AI企業更高比例的訂單額。這也使得AI市場規模看起來很大，落到AI企業盤子里的卻不多。

除非，AI企業開辟出一片屬于自己的處女地，建構全新的落地場景，在“賣算法”“賣服務”之外，為軟件匹配最合適的硬件，將先進技術封裝為一個軟硬一體、完整可見的產品包——這樣，也有助于在較高的毛利之外，還獲取較高的營收總額。否則，AI企業總是難逃“看起來市場空間很大，落到自己手上的份額卻沒有那么高”的困境。

“處女地”在哪里，或許可以從毛利率最高的產品去推斷。

據招股書，格靈深瞳銷售的產品主要通過純軟件或軟硬一體形式交付，純軟件產品因不含硬件成本，毛利率始終較高；軟硬一體產品的毛利率受到硬件數量和功能配置等因素的影響，存在一定波動。

軟件比硬件毛利率高，這是行業常態。但毛利率較低的硬件，在AI行業中地位也越來越重要。隨著邊緣端傳感器、計算單元的逐漸普及，軟硬一體的產品也更能助力企業建立獨到優勢。

實際上，格靈深瞳非常重視“云邊端一體化”的產品體系建設。

從早期的皓目行為分析儀，到其他智源智能前端產品、雙光溫測智能識別設備，以及用于商業零售領域的深瞳慧目攝像機、車路協同邊緣感知設備等邊緣計算設備，格靈深瞳一直在打通全棧云邊端業務線，并通過云邊端一體化的產品體系不斷拓展應用場景，如體育健康、軌交運維等新領域。

各類硬件及軟硬件一體化設備的體系化建設，在毛利率上也有體現。2019年至2021年上半年，格靈深瞳主營業務毛利率分別為 53.13%、61.57%和 72.37%，整體上還是逐年提升。而且，與同行業可比公司毛利率對比，格靈深瞳的毛利率也超過市場平均值。

有趣的是，按應用場景去看毛利率，除了2018年，智慧金融以70.87%的毛利率在格靈深瞳主要業務場景中位居第一之外，2019年至2021年上半年，毛利率最高的一直是城市管理產品及解決方案。

要知道，AI賽道競爭最激烈的就是計算機視覺領域，而計算機視覺領域落地應用場景最多、競爭最激烈的，就是城市管理領域。在這個堪稱紅海的AI企業“修羅場”，格靈深瞳還能維持較高的毛利率，這也從側面反應公司技術能夠“征服”客戶。

對AI企業來說，要想提高毛利率，找到毛利率最高的那片“處女地”，還有一種成長路徑，就是從項目制到平臺化。2021上半年，深瞳行業應用平臺的毛利率較2020年上升，一方面是2020年銷售的軟件產品定制化開發及安裝部署成本較高，顯著降低了當年毛利率；另一方面，2021年上半年銷售同類軟件，定制化開發所需要的人工成本大為減少，毛利率自然提高。

同樣有趣的是，格靈深瞳并沒有像行業類似企業那樣，對平臺進行商業化發展；而是仍在一步一個腳印，不斷摸索AI應用的全新可能。

平臺化發展意味著規模化、低成本、可復用，意味著可以降低高端研發人才所不可避免的高研發成本。但同時，當前AI應用到新場景，全新的研發和部署工作也難以避免，想完全將一個場景的研發復用到另一個場景，且不增加開支，似乎還不到時候。

格靈深瞳在成立初期便搭建了集數據采集、數據預處理、數據標注、模型訓練、模型優選等模塊于一體的底層 AI技術平臺——深瞳大腦，并賦能自己的智源智能前端產品、靈犀數據智能產品、深瞳行業應用平臺等產品的商業化運作。

但深瞳大腦這一平臺本身，目前還沒有看到格靈深瞳直接商業化的打算。格靈深瞳反倒是基于平臺高效的數據生產能力以及模型自動化訓練與跨平臺推理能力，于2020年先開源量化算法 EasyQuant，后開源全球最大的人臉識別數據集 Glint360K。

將自己自研、自用多年的算法與數據集開源，降低相關AI算法的研發門檻，讓更多人借助這些源代碼持續學習、測試，也為AI應用落地產業提供了更多的智力支持。

在開拓新場景的路上，格靈深瞳還有一項亮眼的數據表現——研發人員人均創收較高。據招股書信息，格靈深瞳的研發人員人均創收已經從2018年20.79萬元增長至2020年的92.29萬元，位列行業可比公司第一。

提高人效，雖然有助于規避AI企業成長初期的人力成本過高問題，但在行業快速發展階段，人才的適度冗余也有必要，一旦市場有變化，就能組建團隊快速出擊。據招股書，截至2021年上半年，格靈深瞳研發人員的數量為153人，占格靈深瞳員工總人數的比例為54.64%。

一百多名精兵強將，如果要在AI賽道開啟平臺化發展模式，或許尚不夠多。但格靈深瞳也展示了AI企業成長的另外一種路徑：

平臺化發展對格靈深瞳來說，也許還不是構建競爭壁壘的首要條件，因為AI企業提供的軟硬件產品與服務，短時期內也難以規避硬件采購、項目現場安裝調試、施工等各種成本。還不如將人均創收發揮到極致，先在商業上打贏一個又一個項目，將平臺中多年積累的先進算法和數據開源，逐漸形成平臺生態體系，并從容尋找自己的“處女地”。

看懂中國，就等于看懂世界

中國AI產業在全球的影響力正不斷提升，據億歐智庫《2021中國AI商業落地市場研究報告》，2017至2019年，我國政府工作報告連續三年均提及加快人工智能產業發展；2020年，人工智能更是與5G基站等一起被列入新基建范圍；2018-2020年，中國AI企業數量在全球占比由20%提升至約25%；2021年至今，中國人工智能產業正進入深入融合發展期。

計算機視覺也是AI企業競爭最激烈的領域，億歐智庫調研數據就顯示，2021年，計算機視覺在AI市場占比已達三分之一。還有研究認為，計算機視覺賽道占據了整個AI賽道的半壁江山。

計算機視覺可以做什么？格靈深瞳那句“讓計算機看懂世界”的slogan就是最好的解釋。中國AI市場無數場景應用的復雜性，也意味著“看懂中國就等于看懂世界”。

其實在看什么、怎么看上，格靈深瞳切入的場景是一條少有人走的路。就以智慧金融領域為例，雖然也有部分AI企業切入，但多是運用人臉識別、語音語義識別、OCR等技術，或者指紋識別、指靜脈識別、虹膜識別、聲紋識別等模式識別技術，幫助客戶進行身份認證、業務核驗等。

而格靈深瞳的解決方案主要應用于銀行金庫、加鈔間、網點的安全運營場景，依托三維行為識別分析系統，實現場景中的合規性監控、異常人員或可疑行為的實時預警。這些場景，一方面比單純的安防監控更加復雜，一些細微動作中就可能藏有潛在的金融風險，需要進行更細微的分析；另一方面，越早涉足這些場景，積累更多的數據用于模型訓練，也越能夠提高算法的精確度。

在看懂中國多種細分場景上，格靈深瞳還有更多探索與研發。

比如，不同于美國以汽車為主的城市交通，中國的城市化以集約化的軌道交通、公共交通為主要方向。但由于軌道交通部件結構復雜、檢修范圍廣、細小部件多、檢修頻次高、作業強度大，目前人工為主的運維體系一直處于高負荷運作狀態，智能化已是軌道交通發展的必然趨勢。

相比于行業，格靈深瞳率先涉足軌交運維，已經與中車電氣等單位建立了長期合作關系：格靈深瞳的智能運維產品，能夠對列車150種以上的車況指標進行檢測，幫助中車電氣大大提高了其在寧波、無錫等城市的地鐵運維效率。

中國已經成為世界上人工智能應用最大的場景地，人工智能也上升為國家級戰略。中國AI公司也正在讓技術與中國場景深度結合，用中國場景+AI技術，產生世界級應用影響。

當然，從技術到產品，從產品到落地商用，從一個場景的落地商用到更多場景的落地——AI技術要給企業帶來營收與利潤，需要經過無數個環節的考驗，也需要前期投入海量資金。

這也是高營收之下，很多AI企業難以規避虧損的主要原因——AI是一個知識密集型、資金密集型、人才密集型產業。

據招股書，格靈深瞳2020年經營性現金流已回正，達到3508.82萬元，在最近一波申請科創板上市的AI企業里絕無僅有，且扣除股份支付費用后，最后一期已實現經營性盈利。若不考慮股份支付費用的影響，公司 2020 年扣非歸母凈利潤為 1031.69萬元，已實現扭虧，成為行業內首家實現經營性盈利的AI公司。

哪怕營收更高的企業，面對瞬息就會波瀾變化的市場，現金流持續流出，也會導致公司處于危險的境地。現金流盡快回正，才能安穩人心。可以說，避免了行業中營收越大虧損越大困境的格靈深瞳，距離凈利潤轉正已經不遠。

在AI賽道泡沫膨脹的那幾年，格靈深瞳確實沒有變成胖子；但在行業普遍縮水之后，沒有虛肉的格靈深瞳，相信也會在AI賽道繼續快速奔跑，在已有優勢細分領域之外，不斷探索AI的邊界，賦能更多領域。

本文由億歐原創，申請文章授權請后臺回復“轉載”，聯系相關運營人員，未經授權不得轉載。