“AI四小龍”之首的進化之路。

8月27日，國內AI四小龍之一的商湯科技正式向港交所提交招股書，作為AI四小龍中融資最多的商湯科技過去曾頻繁傳出IPO傳聞。

據企查查資料顯示，從2014到2020年，商湯科技共完成11次融資，累計完成融資超30億美元；並於2020年底完成了Pre-IPO輪募資，此後，商湯科技估值約為120億美元。

說到商湯，便不得不提湯曉鷗教授與計算機視覺技術。

1990年，湯曉鷗從中科大畢業並前往美國羅切斯特大學深造；1992年畢業後留在美國前往MIT深造，專研當時剛剛起步的計算機視覺技術。

在MIT完成博士學業後，湯受邀加入港中大資訊工程系，繼續從事計算機視覺教學研究，並在港中大成立多媒體實驗室，培養多名計算機視覺方面的人才。

2005年，湯兼任微軟亞洲研究院視覺計算組負責人；2009年，湯曉鷗離開微軟選擇依託深圳先進院搭建聯合實驗室，同年，湯受推選為電機及電子工程師學會（IEEE）院士，自此其達到學術生涯頂峰。

在湯教授教學生涯中，2010年，一個優秀學生也是今後的重要合夥人出現了，他便是徐立。

徐立自小便對數學有著異常的天賦，在上中學時，徐立多次代表學校參加數學奧林匹克競賽，並多次獲得金牌。正因為在數學上的優異表現，2000年，徐立被保送至上海交大讀計算機並直到完成研究生學業。

2007年，碩士畢業的徐立在摩托羅拉、歐姆龍、微軟研究院等計算機視覺、圖形處理領域大廠先後待過一段時間，但對於人臉識別的遠見與追求，使得徐立2010年放棄了優越的工作來到港中大多媒體實驗室學習。

2014年，隨著網際網路巨頭谷歌、Facebook、英特爾等公司紛紛入局人工智慧，計算機視覺開始火熱。

在面對Facebook的開源強識別演算法的衝擊下，湯教授的團隊為了守護自有成果，與Facebook展開了演算法比拼。

即使硬體與資料庫沒有Facebook強大，但隨著對演算法的持續最佳化，湯教授團隊的DeepID系列演算法將人臉識別的準確率提升至99.55%，使得該技術不僅僅停留在研究層面，有了實際應用的可能。

之後的一段時間裡，湯教授團隊的三個人臉識別算法佔據了LFW識別率的前三，該實力讓IDG的合夥人牛奎光看到了人臉識別技術商業化的前景。

在拜訪港中大多媒體實驗室團隊後，IDG資本投資了數千萬美元，幫助研究團隊走向商業應用。

2014年10月，有著港中大計算機視覺團隊支援的商湯科技成立。

在融資上，商湯憑藉國際頂級會議與頂級論文的技術宣傳，得到來自各界資本的積極入局。

在赴港IPO前已經歷12輪融資，其中不乏頂級風投機構的身影，投資方包括軟銀、IDG、鼎輝、賽領、阿里巴巴、春華資本、銀湖資本等。

其中商湯IPO前最大的機構投資者軟銀佔14.88%股份，阿里巴巴佔7.59%股份，春華資本佔3.08%股份。阿里系資本目前為商湯最主要的機構投資者。

01

“1+1+X”商湯的業務模式

商湯在建立之初便有著要在AI領域大展拳腳的野心。

從自建底層架構，到自建超算中心，商湯希望把AI領域的一切都抓在自己手中，這便意味著商湯有十分高昂的沉默成本。

商湯初創階段處於資本對AI行業投資的早期，對投資回報週期沒有參照，加上國務院《新一代人工智慧發展規劃的通知》的“三步走”戰略目標中對AI產業的設想，資本對AI產業過於樂觀，紛紛高溢價入股。

商湯一切不計成本的買單燒錢行為，確實讓商湯擁有比其他AI公司更優越的軟硬體技術條件，卻也將商湯的鋪面撐得很大。商湯很多並不賺錢的業務佈局，其實並不能帶來實際收益。

商湯CEO徐立所說商湯所謂的“1+1+X”的業務佈局是基於1個核心基座即商湯的SenseCore的AI大裝置，包含了AI超算中心的算力層、資料平臺加深度學習訓練框架加深度學習推理部署引擎加模型生產平臺的平臺層、演算法工具箱加演算法開源框架的演算法層。

1個核心技術即商湯自有的人臉與人體分析技術、SLAM與3D視覺技術、通用與專業的影象識別技術、海量影片的理解與挖掘、機器人感測控制技術、自動駕駛技術、醫學影象分析技術。

所做的X個行業應用，X是指應用層面的X個不同方向，包括安防領域的身份驗證、智慧攝像，醫療領域的智慧診療平臺以及CT臨床影象解決方案，金融領域的金融大資料以及身份核驗，汽車領域的高階輔助駕駛以及智慧車艙，手機領域的AR平臺與人臉3D重建技術。

2021年7月，商湯正式亮相了WAIC 2021，並首次釋出了SenseAuto絕影的智慧汽車系統解決方案。

SenseAuto從名稱上便可以看出主要是自動駕駛系統方案，從商湯的介紹來看，絕影有三個平臺方案，包括智慧駕駛、智慧車艙以及路雲感知平臺。

商湯的絕影系統能夠實現的智慧駕駛與目前小鵬NGP、華為ADS等主流智慧駕駛平臺方案類似，但作為平臺方，商湯所希望的是賦能車企而非控制汽車，這點與華為的野心是不同的。

雖然商湯努力自修內功，打磨自身技術，希望用平臺模式賦能百業，但現實是當商湯準備進入一個行業後，才發現這個領域內已經是高手林立。

在業務資料上，商湯的表現並不樂觀。

2018到2020年間，公司營收分別達到18.53億元、30.27億元和34.46億元。

但由於公司在研發上的鉅額投入，公司至今仍處於虧損狀態，2018到2020年間，公司調整後虧損淨額分別為2.21億元、10.37億元和8.78億元。

近三年累計虧損達到21.36億元，2021年上半年也持續虧損達7.26億元。在虧損巨大的情況下，商湯的現金流並不樂觀。

02

落地困境與虛高的估值

如果說商湯如今謀求港股上市是為了緩解資金緊張的壓力，那麼商湯是否有商業化的投資價值是普通投資者需要考慮的事。

在AI賽道中，技術水平是衡量核心競爭力的重要指標，依照目前商湯公佈的成果來看，還有很遠的路要走。

演算法技術停滯，仍依靠深度學習

人工智慧最早起源於20世紀50年代，至今人工智慧經歷了三次發展浪潮。

50-60年代的計算機科學重視邏輯推理（多層感知機MLP），出現了機器人與智慧軟體，自此開啟了人工智慧的黃金髮展期；70-80年代的BP演算法使得人工智慧進入又一次的快車道，但由於缺乏實用場景熱潮很快褪去；2006年，深度學習演算法推出，資料、自主學習時代到來，依託卷積神經網路（CNN）以及迴圈神經網路（RNN）演算法的深度學習在大資料場景下得到飛速發展。

相較於計算機領域的前幾次革命性進展，人工智慧領域的發展就沒有這麼驚心動魄，更多的是依靠演算法能力的提升。

在如今演算法精度和應用場景複雜的限制下，商湯無法做到大規模的商業化，而定製小體量公司的成本太高且競爭更大。

落地場景的壁壘無法構建

沒有適合的賽道與高頻的標準化復刻能力，是深度學習演算法本身技術與應用場景結合時的尷尬。

沒有足夠高的競爭壁壘卻是商湯自身的硬傷。

相較於AI四小龍的其他三位，曠視聚焦物聯網，雲從聚焦作業系統，依圖聚焦軟硬體組合整體方案設計，商湯則打出平臺化賦能百業的口號，卻沒有實實在在的核心壁壘。

計算機視覺起家的本領，其他三家在這方面也不弱；自動駕駛的話，商湯無法和流量埠的百度、華為等網際網路巨頭抗衡，商業佈局無法開啟。

海康威視透過攝像頭硬體視覺分析的入口，為專研硬體與演算法提供支撐，專研一個領域總比事業部式的小團體更有競爭動力，況且海康與大華在安防設計領域已深耕多年。

網際網路公司佈局AI加入競爭

網際網路公司近年來一直在推動人工智慧的應用拓展，很多人工智慧場景應用成為某個軟體的助力而非流程化解決方案的一部分。

位元組跳動、百度、阿里等在AI上的佈局與實操更容易，資料庫更大，C端應用落地也更容易實現。

商湯在這些平臺的競爭下優勢並不明顯，缺乏直接獲取資料的埠，B端、G端的工業化應用場景獲取與實現也不容易，所謂的上市，也僅僅只是下一個競爭的開始。