本文系基于公開資料撰寫，僅作為信息交流之用，不構成任何投資建議。

近一個月，AI公司再次博得市場極大的關注：前有幾經輾轉的商湯－W（HK：00020）成功上市，4個交易日股價翻倍；后有李開復擔任董事長的創(chuàng)新奇智在港交所二次交表，“AI制造第一股”的噱頭風頭無兩。

港股投資者對AI公司可以說又愛又怕： 可愛之處，毫無疑問體現在科技是第一生產力，而AI是科技的前沿之一。可怕之處，在于AI公司仍無造血能力，除了現金流雄厚的商湯，IPO在為數不少的人眼中仍是保命的舉措，這一點可能被不喜虧損的港股市場無限放大。 創(chuàng)立于2018年“AI寒冬”的創(chuàng)新奇智對于虧損是有切膚之痛的。所以上市不足一年它就調整了業(yè)務方向：從面向終端用戶的AI公司，變成面向系統(tǒng)集成商的“AI鏟子”，2018年－2020年其按客戶類型劃分的收入明細足以佐證。

創(chuàng)新奇智轉向成鏟子票，似乎運營復雜度就能下降（銷售和實施層面），從而脫離虧損的泥潭。但事實卻并未如此，我們應該怎樣衡量AI鏟子呢？

01 AI鏟子的基本面

據招股書顯示，創(chuàng)新奇智是企業(yè)AI解決方案提供商，擁有專有計算機視覺和機器學習AI技術，并提供全棧式AI產品和解決方案。從而幫助客戶優(yōu)化業(yè)務或生產流程，繼而降低成本，提高營運效率、生產靈活性及實現業(yè)務運營及信息管理的智能化轉型。 以上官方介紹不容易弄懂，你可以這么理解：創(chuàng)新奇智的商業(yè)模式大部分是定制符合客戶需求的軟硬件，再交給系統(tǒng)集成商實施的軟件開發(fā)商。 公司主要客戶行業(yè)按照收入分為三類：

·制造業(yè)，主要是汽車裝備（摩托車發(fā)動機）、3C高科技（電子產品）、OLED面板制造等。

·金融業(yè)，主要是面向銀行、保險。

·其他，包含零售等。 對上述制造業(yè)來說應用場景主要是：利用機器視覺進行產品檢驗，園區(qū)送料小車自動駕駛，實時評估建筑工程整體情況，監(jiān)控風電設備運轉情況等。對金融行業(yè)來說是整合和管理不同類型的數據庫和協助決策軟件等。

從技術維度看，創(chuàng)新奇智在AI方面擁有三個自建平臺：Orion，負責模型訓練；ManuVision，負責計算機視覺；MatrixVision，負責邊緣視頻分析。

例如在風電的應用中，通過在現場布置攝像頭來監(jiān)視設備運轉情況。ManuVision來回答拍攝物是什么的問題。如果風力發(fā)電機在運轉中突然轉速異常，且需要及時上報并解決問題。這可以在現場附近架設小型計算設備的方式通過ManuVision來識別情況。視頻分析允許動態(tài)的捕捉鎖定監(jiān)視的對象，而邊緣計算允許在監(jiān)視器周圍就近的分析問題。兩者結合就能做到快速高效的反應。最后，Orion負責這些分析和判斷的準確度進一步強化提升。 AI產品的功能看似簡單，但在這條賽道上的公司們目前基本都沒能實現盈利。那么在今天，尤其是在AI制造這條細分賽道上，資本看重的是什么？是一旦產品能夠標準化，整體行業(yè)帶來的蛋糕實在是太大了。

02 背靠行業(yè)基本盤的大蛋糕

近年來有關云計算、SaaS、大數據、AI這樣的新名詞層出不窮，但實際上AI科技公司的交付物，仍然和傳統(tǒng)解決方案提供商沒什么不同。本質上都還是為了滿足客戶提出的要求。

只不過之前是客戶要求提高工廠產能利用率，承包商們優(yōu)化工廠物流�，F在則是承包商不僅優(yōu)化了工廠物流路線，甚至把人工剔除，轉而使用AI來代替。AI在這其中的位置就是取消掉人工所不能避免的疏忽和不精準。 在創(chuàng)新奇智與中冶賽迪的合作中，就使用了這種方式來轉運鐵水。提高效率，節(jié)省人力。而另外一家客戶同樣也反應得益于AI優(yōu)化帶來的成本降低，每年每個熔爐場地節(jié)省四百萬元。

按照2020年中國鋼鐵協會關于人力資源情況的報告，我國現存工人數有176萬人，平均工資約為10萬元。若AI能夠節(jié)省行業(yè)20％的人力，則AI能為產業(yè)帶來352億元的開支減免。 在現存的成熟制造業(yè)進行人工替代以外，光伏和風電等未來趨勢明顯的行業(yè)同樣應用廣泛。如計算機視覺監(jiān)控下的光伏運營中，通常10MW的光伏電站配備5－8名人員來負責維修和運營。

而截止統(tǒng)計到2021上半年，我國新光伏裝機發(fā)電量達到2．6億千瓦時。在這個基礎上若能使用AI技術進行合理替代人工，那未來的需求強度會隨著項目成熟度進行爆炸式增長。創(chuàng)新奇智在近幾年的業(yè)務中也反映了這種潛在的龐大需求，從2019年接到鋼鐵冶煉和能源電力的項目，到2021年9月為止，收入增長334％。

這種應用于制造業(yè)的AI，并不像自動駕駛一樣需要軟件擁有極高的智能度，但就對生產來說，僅能完成單一的替代就已經足夠了。而且還不需要那么難。

如在生產線的缺陷檢測環(huán)節(jié)，原來人工的形式難免無法處理針對每一個產品的檢查。而機器視覺的方式可以，深度學習計算機視覺可以與工業(yè)攝像頭和照明設備進行聯動，保證每次生產的缺陷能夠被正確識別和分類。

但由于工業(yè)產品缺陷的可重復和情況有限性，利用少樣本學習就足夠應對。在最近創(chuàng)新奇智的一份專利表明，是基于神經網絡遷移標注方法表明其采用的數據分析方法屬于小樣本學習。小樣本學習允許AI在不需要大樣本和大模型的方式對視覺內容判斷，該方法的優(yōu)勢在于輸出結果更為直觀和便于計算和公式化，而劣勢在于設計較難和對識別對象具體區(qū)別上難以把控。

有趣的是，對一家以AI作為軟件解決方案的公司來說，是否能提供標準化的解決產品極為重要。而工業(yè)生產的缺陷在被要求檢出的重要性也遠遠大于理解這些缺陷到底“長得”有多不同（圖片來自招股書）。

小功能，大回報。創(chuàng)新奇智牢牢把握著自己擁有算法和平臺的優(yōu)勢，或許能做到的事情并不如百度、特斯拉、商湯等大型AI公司那么多，但工業(yè)＋AI一旦能夠在業(yè)界被廣泛認可，那基本盤著實不小。

03 一畝三分田的隱憂

創(chuàng)新奇智在商業(yè)模式上跟“AI四小龍”不太一樣，它把不賺錢的部分都剝離掉了。 從下游合作方來看，到2021年九月份，創(chuàng)新奇智主要的客戶是系統(tǒng)集成商。從上游采購的情況來看，不僅是定制硬件，創(chuàng)新奇智把數據標記和軟件外觀開發(fā)的任務也交給了第三方。如此一來，該公司的在業(yè)務上的位置就清晰了起來。
得益于業(yè)務的拆分，創(chuàng)新奇智不再需要承擔與核心技術不相關的項目實施所需要的開支，也不用承擔簡單重復的開發(fā)工作帶來的人員成本。但與此相對的代價是毛利隨著合作客戶的穩(wěn)定，最終落在30％（見下圖），而“四小龍”的毛利基本都維持在60％－70％這個水平區(qū)間。

創(chuàng)新奇智通過堅持核心生產力的方式，來達到其他AI科技公司暫時做不到的成本控制。

但我們先暫且把利潤率降低的代價放到一邊，我們來思考這樣的個問題：如此的AI三平臺真的能夠形成壁壘嗎？

我們的答案是很難。

首先創(chuàng)新奇智選擇投入做研發(fā)的大部分資金并不在AI模型本身上，而在于對客戶的定制化開發(fā)。 相對于其他大模型AI，如自動駕駛、語音識別等，工業(yè)生產產生的數據太少了。這種數據少分為兩個含義，第一個含義是AI對意外情況的反應條件非常單一；另一個是因為工業(yè)產品本身能夠產生的情景多樣性就少，這使得創(chuàng)新奇智的AI三平臺應用上限不高。

第二，堅持AI相當于要和后來者在技術上硬碰硬，但AI技術在行業(yè)內的專利壁壘不容易搭建。 AI技術在今天還在一個早期探索的階段，每天都有數個新算法誕生，這些算法又相互利用開源平臺，或者本就是開源的。同時，創(chuàng)新奇智目前使用的小樣本學習方案雖然目前被認為建立模型難度較高，但其實難度主要來源于該技術被提出的時間非常短。

第三，創(chuàng)新奇智沒有AIDC。 AIDC是專門用來執(zhí)行AI任務的數據中心，這些年被國際AI技術巨頭熱衷建造。原因之一就是AIDC能夠執(zhí)行大數據任務。
來自于創(chuàng)新奇智在上述兩點的劣勢，這很容易設想其被AI巨頭降維打擊的可能性，和今后若要求工業(yè)AI執(zhí)行更多復雜操作的限制。但創(chuàng)新奇智在目前的應用與未來的募資說明中都沒有看到類似的展望，甚至其在利用云計算服務已經開始占據五大供應商的位置。

創(chuàng)新奇智選擇在開年第一天再度沖刺IPO或許在釋放著這樣一個信號：綜合公司成立以來的增長和商業(yè)模式來看，AI制造已經開始走向成熟。但這同樣也意味著其作為一家AI科技公司，戰(zhàn)略越來越不“硬核”。 現在的繁榮或許是因為傳統(tǒng)工業(yè)和金融業(yè)的數據整理在一個呼聲甚廣的時候，AI的先發(fā)優(yōu)勢可以背靠這塊蛋糕吃的滿嘴流油。但在數字化和智能化的未來，卻預見著終有一戰(zhàn)。