资讯 人工智能
此为临时链接,仅用于文章预览,将在时失效

刚刚,云天励飞上市!

作者:刘路遥
2023/04/04 11:02

ChatGPT的横空出世,重燃了人工智能赛道的火,一边是狂热投资者纷涌而至,一边是大国博弈下,国家战略层面的高度关注。

最近,云天励飞CEO陈宁博士忙得不可开交,前脚接待了省级领导,后脚又赶去接待科技部重大专项司,各类调研络绎不绝。

今天,云天励飞正式敲响上市之钟,企业发展与时代命题交织,在当下这个时间节点,产生出鼓舞人心的共振。

自商汤率先破局,云从科技紧随其后登陆科创板,再到如今云天励飞敲响上市钟声,逆水行舟的人工智能赛道上,挺过IPO这瓶“卸妆水”的洗礼,是AI明星们给予过往嘲笑与批评,最有力的回击。

人工智能的魅力,在于其具有挖掘一切或紧密、或松散的数据关系的能力。

这些庞大而松散的数据关系中,潜藏着现实世界的种种蛛丝马迹,对这些蛛丝马迹的淬炼与加工,将能够开启一座座潜力无穷的宝库。

该如何找到一把趁手的工具?该找到怎样一把工具?

这条掘金之路,同时也是一条不归路,却从不缺前仆后继的朝圣者。

身为其中一员,云天励飞的回答格外精简:专注、聚焦。

从算法到芯片,两类「造芯故事」

AI是普惠的,如同水与电,它的存在是沉默的,同时拥有无可置疑的重要性。

如同需要水与电带来生存上的便利,我们需要AI在于它能够带来降本增效,都是一种刚需。

然而,AI应用落地的过程极其繁琐,远不似技术创新般直观。

AI以普惠之姿,进行商业化落地过程中,对企业的考验是能否“接地气”,抓住痛点并解决问题,警惕的是过于阳春白雪,创造出“伪需求”。

AI要实现普惠,大规模进入产业,就必须解决成千上万的碎片化场景应用问题。

从技术的演进规律来看,由定制化走向标准化、平台化,是一种必然。因为没有标准化,定制化走不长远,定制化需要在标准化的基础上延伸新的意义。

这是一条漫长的路,现阶段,AI标准化的努力,主要在工具和研发流程的标准化。

站在AI企业的角度,定制化无疑是份苦差事,行业利润总是被制定标准的公司赚去。

作为最先上市的CV公司,商汤CEO徐立曾表示,“商汤大部分产品是标准化的。”

To B行业存在定制化的特性,开发周期较长,期间需要实时响应,而大多数AI公司由于标准化研发投入不足,导致常在一家公司处耗费大量人力、物力和时间。

最终沦为可悲的项目制,获得与AI科技公司极不相称的低毛利率,与此同时,失去的是覆盖更多领域的机会,毕竟在玩家众多的AI赛道,时间从不等人。

2017年深圳安博会期间,宇视总裁张鹏国接受雷峰网(公众号:雷峰网)采访时提到,以算法起家的AI创业公司,未来大概率有三种活法:

蜕变成行业解决方案提供商;

从算法到算力,软硬件一手抓;

被收购或者直接消失。

起初,长于算法的AI创企,以“颠覆者”之姿闯入稍显禁锢的传统安防行业。

随着AI安防走入深水区,算法厂商们纷纷撞上一个核心问题,AI技术的落地必须强依赖于硬件厂商,而硬件能力又难以获得。

高端芯片增量需求与供给不平衡之间的矛盾,在美国的一纸禁令下,瞬间加剧。

一时间,造芯四起。

当时坊间流传的一种调侃式说法,描述了当时造芯的盛况:未来不提芯片的算法公司不是一家好公司。

之后几年,AI创企技术价值中心由软件算法层向核心算力层的转移,很好地证实了这一点。

在这个万马齐喑的转型期中,不少企业仓皇离场。

深层原因在于,大多数人工智能企业在没认清自己,想好业务时,就技术先行,企图以人工智能技术撬动整个行业。

这一商业模式上的缺陷,在行业野蛮生长时期,被掩埋;在行业的冷静期中,则被无情曝露。

微软亚洲研究院副院长张益肇曾告诉雷峰网,很多AI创业者们在切入某个场景时,既没捋顺流程,也没想清模式。单纯觉得我有AI技术,有几个合作伙伴,就能大干一场。

在一批出现问题才解决问题的大军中,只有少部分坚持商业模式,跟进迭代速度的企业,涅槃重生,而这种代价自然不是所有公司都能承受得起。

不同于当时业内对 AI 如何落地的模糊认知,云天励飞非常注重技术的应用场景问题,业内较早意识到算法、芯片深度融合重要性的企业。

事实上,2014年陈宁在深圳创立云天励飞伊始,便面向人工智能的深度学习神经网络,重新设计处理器的芯片,确定了“云+端”的技术路线。

这一路线的逻辑是,通过将AI芯片植入前端智能设备,降低网络带宽要求,降低后台处理成本,加快处理速度,同时还能保护用户数据隐私。

这条路线的选择,与云天励飞创始人、董事长陈宁本身是芯片专家,且公司创始团队多来自集成电路领域不无关系。

在战术上,“算法芯片化”的理念,在当时的AI圈实际是一件很先锋,但同时冒险的事。

陈宁理解中的 " 算法芯片化 " ,不等于简单的“算法+芯片”,而是一种将芯片设计者的理念、思想与算法相融合的 AI 芯片设计流程。

芯片研发周期长、投入极大、风险极高,这条路的难走无需赘言。

在AI资本热钱涌动的2015-2018年,云天励飞没有在资本市场获得多大关注,也鲜有披露融资记录。

在这几年里,云天励飞默默进行着自己的芯片研发步骤:2016年推出第一代专用于神经网络处理器NNP100;2018年AI芯片“DeepEye 1000”(深目)流片。

根据招股书,2019-2021年,公司研发费用分别为2亿元、2.19亿元、2.95亿元,占营业收入的比例分别为86.79%、51.42%及52.17%。

一个有趣的现象是,2019年开始“AI资本寒冬”来袭,这一年却刚好是云天励飞发展的转折点:“DeepEye 1000在这一年正式对外销售并商用;公司在这一年开始接连披露大额融资。

云天励飞有了AI独角兽的骨像。

这一现象背后的原因,其实很好解释,资本市场回归理性,其实就是回归企业本质,有核心技术壁垒且与应用场景深度结合的公司,犹如潮退后显露出的海底礁石,引人驻足流连。

兼顾成本和易用性,算法与芯片的「攻城战」

当下,大规模应用与推广,是AI企业的集体困境。

这一困境表现出来的外在矛盾是:现有产品难以兼顾成本和易用性。

人工智能领域,各个场景都有独特的需求,依靠算法形式推广,定制化程度高,成本难以下降。

只有把生产要素的成本降下来,才能谈AI的大规模产业化。

而只有做到“开箱即用”的易用性,才能加快产品落地和迭代。

这一困境的内在矛盾,指向眼下AI公司直面的两大挑战:算法和芯片。

比如,云天励飞可以在一秒钟里完成对数十亿级规模数据的检索,而只需基于云端一台普通PC机的运算能力。

这与前端芯片的结构化、云端的深度学习和大数据分析的算法能力是分不开的。

AI时代,神经网络运算需要大量的算力,原有的主流处理器架构 CPU、GPU ,已无法提供最佳解决方案。

制程工艺上,摩尔定律减缓,芯片制程已达物理极限,无法进一步缩小以提升有效算力。

能耗上,缩放比例定律(Dennard Scaling)规律结束,芯片的功耗急剧上升。

制程工艺和能耗的双重瓶颈,制约着高计算需求 AI 芯片成本的降低。

曾经的AlphaGo 1.0系统,有1900个CPU+280个GPU,训练一盘比赛的电费高达1000美元。

这说明,能承载复杂算法,且能被嵌入各类终端设备的高性能、低功耗AI芯片,是大规模产业化的刚需。

然而,芯片之于AI的重要性虽已得到印证,但国内企业在AI芯片的布局上仍有缺失。

一方面,企业级客户更多讲究的是功能实现,除非能带来业务和管理效率的提升,同时成本可接受,否则很难说服客户将根据场景定制的AI芯片嵌入各类终端设备中。

另一方面,AI芯片市场同质化问题严重,现有产品不能满足客户的降本增效需求。

不同于业内存在的以“拼凑”方式做AI芯片,云天励飞对AI芯片进行了重新设计,这来源于团队十几年的领域积累。

AI芯片市场的角逐,算法是一个重要突破口。

将海量的非结构化数据转化成结构化数据,并将数据打上标签,然后进行比对分析,要确保这一过程通畅无阻,不仅需要强大的AI芯片,还要有结合业务场景的高性能算法。

2017年,曾供职NEC Labs,前Snap资深科学家、Snap研究院创始人之一王孝宇博士归国,出任云天励飞首席科学家。

王孝宇上任第一要务,就是对公司的算法和大数据进行进一步规划。

大数据上,通过积攒海量的数据系统,增强训练。

算法创新上,开发算法自动化系统,缩短研发周期。

随着深度学习等技术的成熟,AI公司在算法和性能上逐渐相差无几。

但客户对技术的需求,一如马斯洛需求理论概括的人类需求,总是在低层需求满足后,在其他方面提出更高的要求。

比如AI算法模型,从研发至生产周期漫长、成本高昂,每种模型的生产都需要大量算力和人力。

但现实情况往往是,大量耗时耗力开发出的AI模型,覆盖场景非常有限,不仅需要后续持续不断的投入、迭代,还难以实现规模化,从两个层面上削弱着AI公司的盈利能力。

这就是大多数AI公司面临的真实困境。

而云天励飞花在算法上的成本,正在降低。

现阶段,云天励飞研发的可重定义AI芯片,面向嵌入式前端和边缘计算应用,可灵活支撑多类算法框架,提高算法实现的效率,降低后台处理成本,具备高性能、低功耗、低成本的优点,并且支持运行自有及第三方人工智能算法。

这是因为,随着AI的研发模式发生变化,云天励飞随之改变了自己的研发观念,把重心从建立更好的模型,转移到了高效获取最好的数据上。

“之前我们的观念是招聘最好的人,开发最好的技术,达到最好的效果。但实际不是这样的,如何在最短的时间内,得到可以使模型达到最优效果的数据集,这才是最重要的。”

降低技术应用的门槛:左手自研AI芯片,右手自研算法

从稍显禁锢且同质化严重的安防领域一路挺进,又在AI公司普遍布局算法和芯片后成功上市,云天励飞的成功,主要得益于自身够宽、够深的护城河。

算法、芯片、数据是公认的人工智能核心三要素。

三者紧密结合,才有可能打磨出真正为行业所需的产品。

云天励飞的护城河在于,一开始就坚持在上述三方面自主研发,形成了“算法+芯片+数据”的闭环生态。

这一部分也来源于几位海归博士分别在芯片、算法和数据这三个领域的跨界创新的融合。

背后的逻辑很简单,通过提高技术门槛,来降低技术应用的门槛。

在其背后,是来自于英特尔,摩托罗拉,中兴通讯等芯片研发部门,且平均拥有 10 年以上摸爬滚打经验的行业老兵。

云天励飞构建了完整的AI技术链路,所有研发聚焦在三大平台上:算法平台、芯片平台、大数据平台。

人工智能算法平台,由云天励飞多次获得国际视觉大赛冠军团队打造,通过将多项计算机视觉技术和对场景理解以及工程化经验融合,可以部署到下游各个领域。

人工智能芯片平台,通过自定义指令集、处理器架构及工具链的协同设计,实现算法技术芯片化,提升产品和解决方案中的高效性及场景适应性。

大数据平台,用来做更深层次的分析。

ChatGPT带火的多模态AI技术,也是云天励飞未来的布局方向。

除了继续提升相关算法速度和精度,还将结合场景,采用音频等模态信息,提升传感器信息流中语义和非语义信息的结构化密度,带来更加智能的大数据自动推理分析,使产品及服务在更多应用场景落地。

八年时间,云天励飞走过了“算法芯片化”和“端云协同”的技术探索之路,也走过了从安防到城市再到商业的产业落地探索之路,亲历了人工智能从蛮荒到普及的全过程。

公共安全领域,基于智能分析能力,构建城市安全盾牌;
城市治理领域,AI触角从城市大尺度空间向最后一公里渗透,打造了龙华智能运算能力平台等项目,为城市管理的方方面面提供AI支撑;公共交通领域,综合运用人工智能、大数据、云计算等技术,与深圳巴士集团共同打造智慧线路优化系统,构建城市立体化交通体系。

足够的技术实力是一方面,能够铺开规模,同时控制好成本和供应链,又是另一方面。

相比于传统巨头,渠道以及生态建设能力往往是AI创业公司的“七寸”。

为了在需求迭代马不停蹄的碎片化市场,更好实现AI的落地,云天励飞还提出了具有里程碑意义的“自进化城市智能体”,积极布局整个生态联盟。

自进化城市智能体,即具备自学习、自进化能力的人工智能技术,通过关注全场景,实现端云协同,统筹管理、应用承载。

形象一点解释就是,给城市换上一个更强健的躯体,以及一个更聪明的大脑,同时为其注入灵魂,为整个城市的智慧化进行一次从上到下的升级。

为了实现这一目标,云天励飞正在发挥自己的桥梁作用,一边连接着无数碎片化的场景,一边连接着扮演不同角色的开发者和服务商。在满足客户差异化需求的同时,达成生态伙伴的“群体胜利”。

从名不见经传的AI创企,到2020年疫情“黑天鹅”和国际形势双重大背景下横扫资本市场、冲刺IPO的黑马,再到如今成功上市,云天励飞用稳扎稳打的八年,摸索出一条适合自己的产业化道路。

在“AI公司只有用正向净利润才能完成自身证明”的论调中,立足于国内广阔的场景和应用空间,这家全产业链公司上市后,能否讲好AI故事,值得拭目以待。

长按图片保存图片,分享给好友或朋友圈

刚刚,云天励飞上市!

扫码查看文章

正在生成分享图...

取消
相关文章