李开复|李开复护航的“AI铲子第一股”，并不十分硬核( 二 )

按照2020年中国钢铁协会关于人力资源情况的报告，我国现存工人数有176万人，平均工资约为10万元。若AI能够节省行业20%的人力，则AI能为产业带来352亿元的开支减免。
在现存的成熟制造业进行人工替代以外，光伏和风电等未来趋势明显的行业同样应用广泛。如计算机视觉监控下的光伏运营中，通常10MW的光伏电站配备5-8名人员来负责维修和运营。

文章插图
而截止统计到2021上半年，我国新光伏装机发电量达到2.6亿千瓦时。在这个基础上若能使用AI技术进行合理替代人工，那未来的需求强度会随着项目成熟度进行爆炸式增长。创新奇智在近几年的业务中也反映了这种潜在的庞大需求，从2019年接到钢铁冶炼和能源电力的项目，到2021年9月为止，收入增长334%。
这种应用于制造业的AI，并不像自动驾驶一样需要软件拥有极高的智能度，但就对生产来说，仅能完成单一的替代就已经足够了。而且还不需要那么难。
如在生产线的缺陷检测环节，原来人工的形式难免无法处理针对每一个产品的检查。而机器视觉的方式可以，深度学习计算机视觉可以与工业摄像头和照明设备进行联动，保证每次生产的缺陷能够被正确识别和分类。
但由于工业产品缺陷的可重复和情况有限性，利用少样本学习就足够应对。在最近创新奇智的一份专利表明，是基于神经网络迁移标注方法表明其采用的数据分析方法属于小样本学习。小样本学习允许AI在不需要大样本和大模型的方式对视觉内容判断，该方法的优势在于输出结果更为直观和便于计算和公式化，而劣势在于设计较难和对识别对象具体区别上难以把控。
【李开复|李开复护航的“AI铲子第一股”，并不十分硬核】有趣的是，对一家以AI作为软件解决方案的公司来说，是否能提供标准化的解决产品极为重要。而工业生产的缺陷在被要求检出的重要性也远远大于理解这些缺陷到底“长得”有多不同（图片来自招股书）。

文章插图
小功能，大回报。创新奇智牢牢把握着自己拥有算法和平台的优势，或许能做到的事情并不如百度、特斯拉、商汤等大型AI公司那么多，但工业+AI一旦能够在业界被广泛认可，那基本盘着实不小。
03 一亩三分田的隐忧创新奇智在商业模式上跟“AI四小龙”不太一样，它把不赚钱的部分都剥离掉了。
从下游合作方来看，到2021年九月份，创新奇智主要的客户是系统集成商。从上游采购的情况来看，不仅是定制硬件，创新奇智把数据标记和软件外观开发的任务也交给了第三方。如此一来，该公司的在业务上的位置就清晰了起来。
得益于业务的拆分，创新奇智不再需要承担与核心技术不相关的项目实施所需要的开支，也不用承担简单重复的开发工作带来的人员成本。但与此相对的代价是毛利随着合作客户的稳定，最终落在30%（见下图），而“四小龙”的毛利基本都维持在60%-70%这个水平区间。

文章插图
创新奇智通过坚持核心生产力的方式，来达到其他AI科技公司暂时做不到的成本控制。
但我们先暂且把利润率降低的代价放到一边，我们来思考这样的个问题：如此的AI三平台真的能够形成壁垒吗？
我们的答案是很难。
首先创新奇智选择投入做研发的大部分资金并不在AI模型本身上，而在于对客户的定制化开发。
相对于其他大模型AI，如自动驾驶、语音识别等，工业生产产生的数据太少了。这种数据少分为两个含义，第一个含义是AI对意外情况的反应条件非常单一；另一个是因为工业产品本身能够产生的情景多样性就少，这使得创新奇智的AI三平台应用上限不高。