前言：系统性总结下已经公开披露信息的AI公司，欢迎行业交流沟通！
商汤提交了港股招股书，AI巨无霸也要上市了。
AI视觉公司都已经陆续提交了材料：其中，云从、云天励飞在科创板已经过会；创新奇智、第四范式、商汤也先后在港股递交招股书；旷视依然还在科创板问询阶段；依图在出售医疗业务后，聚焦自身业务落地。
从技术路线上而言，AI公司大致可以分为几类：1）AI视觉为主，2）AI语音语义为主，3）机器学习算法为主，4）自动驾驶为主，5）AI芯片等。这个分类并不是最为严格，在某些领域，它们互相之间重合交叉，比如自动驾驶其实也是视觉算法的一种体现。
如果暂且不考虑云厂商和巨头，对目前已经公开披露信息的AI公司（无论新兴创业公司、或巨无霸、或行业老兵）进行收入统计，可以看到目前的梯队情况。根据2019年，商汤是稳妥的第一梯队（营收规模>20亿），第二梯队则数量在4-6家不等（营收规模5-20亿，可能还包括一些尚未上市的AI企业），第三梯队企业数量更为庞大（营收规模0-5亿不等）。
图：AI公司营收规模统计
来源：Cowgirl制作
大部分的AI公司技术与业务落地通常为综合型方案，因此除了自身最开始的技术储备，也逐渐衍生了各类综合性的技术能力圈，包括泛视觉、泛语音、自动驾驶等。
由于人获取信息80%来自视觉，本篇更多会讨论AI视觉公司的落地模式，并对商汤的情况稍作展开。
AI视觉有哪些落地模式，可行性如何？
1）传统安防
传统安防是AI视觉公司最典型的落地场景：无论是怎样的AI视觉公司，都很难轻易放弃这块业务，它符合刚需特点、政策优势、且市场空间宽广。
在传统安防领域，大部分时候，典型客户为2G公安。落地场景和案例在身边随处可见：在路边、红绿灯等各处都安装了监控摄像头，尤其在人流密集的商业区和景点，一根柱子上往往搭载了2-4个摄像头。而这些镜头所获取的数据量极为庞大，几乎每时每刻都在图像识别、甄别与分析。
而传统安防领域，同样存在着体量庞大的传统公司，即以海康大华为代表的硬件厂商。
2）泛安防：新安防领域
传统2G安防可直接衍生至其他领域，如商场、小区、商务大楼、交通等，开展新的泛安防业务。
新安防领域从底层场景落地而言，基本与传统安防类似：从摄像头获取图像数据、进行分析、并综合汇总预警。
但在客户层面，以及产品形态层面有一定差异。
客户方面，泛安防的客户不再局限于2G或公安，还包含了许多机场、火车站、商务大楼、地产公司、物业管理公司等。当然，这些客户也是典型的大B类型。
而产品方面，则不完全为摄像头，更多为具有拍照摄像功能的硬件形态，软件形态则相对类似。硬件形态可能会包含高铁闸机、疫情温度检测机等等。
3）移动互联网和消费领域
移动互联网和消费领域的场景非常零散，可能会包括：1）手机及APP的人脸识别，2）各种APP的AR功能，3）各类楼宇商场的数字孪生以及AR导航等。
图：哔哩哔哩案例
来源：商汤招股书
这看起来并非典型的AI视觉公司落地场景，更偏泛生活娱乐，但实际上许多AI技术也可在其中得到应用。
比较有意思的是商汤在招股书中提到了“元宇宙”。
这是一个充满想象的新领域：包括字节也投资了一家VR公司Pico，Facebook更是在5年前便高价收购了Oculus。VR以及其相关的整个元宇宙可能是下一个互联网的空间，但目前仍然在相对早期的阶段，对于如何落地仍然在探讨。
并且，即使是VR，目前最经济实惠又效果尚不错的Oculus Quest 2也有许多的缺陷，比如仍然存在眩晕问题、充电后维持时间不长等，但作为一款2C的VR设备，已经有相当不错的表现。售价仅299美金（大约2000-3000元人民币），相当亲民；于2020下半年推出，根据预测，到2021年底累计销量很可能会达到700-1000w台。
1000w已经是一款相当成功的游戏机销量：即使是最为热卖的PS4，累计销量1亿多，每年销量大致在1000w+台。也就是说，如果这款VR设备能够持续得到消费者认可，已经是一款非常不错的游戏主机产品。
但元宇宙的核心，与汽车产业似乎有些类似，能够抓住用户和终端的厂商具有决定性话语权。
当然，对于AI公司，其与元宇宙之间的关系存在一定道理：在VRAR时代，可做的事情太多，空间广阔，需要许多的AI技术来协助落地，包括视觉识别感应等。
4）汽车和自动驾驶
自动驾驶中需要大量的实时视觉计算：当我们坐上现在最新款的新能源智能汽车，可以在屏幕上看到周围驶过的汽车和行人的三维图像，这些都是由摄像头和传感器捕捉得到。而自动驾驶则根据实时的图像进行分析判断，并需要决定是否转向、跟车、泊车方式等许多细致又重要的判断。
当然，自动驾驶仍然在较为早中期的阶段，但它有一定存在的必要性：将驾驶这项非常耗费人力和精力的劳动进行一定简化。
曾经，当驾驶员需要长途开车，或持续2-8个小时驾驶，并且在强光照或者走夜路的情况下，需要长时间精神紧张，对体能精神消耗巨大。而在辅助自动驾驶的帮助下，很可能，驾驶员可以在某种程度上减轻自己的工作，缓解体能精神消耗。
目前最好的例子是自动泊车：这是一个很小的点，但停车对于大部分人而言并不简单。如果辅助自动驾驶可以很好得帮助驾驶员停车，会节省许多的时间（许多普通人在如何更好停车上需要花费5-10分钟，甚至更久，并且需要乘客从旁协助）。
但对于提供自动驾驶这门生意而言，则需要更多看落地情况：1）汽车行业中，整车和电池是核心，2）因此，能够与哪些整车厂合作，才是起量的关键。
但对于整车厂而言，除非是绝对头部和话语权的供应商（比如目前的宁德时代），整车厂并不希望新技术和核心技术更多掌控在某些合作伙伴手中。也许能够与合作伙伴产生一定的合作关系，但整车厂，尤其是头部的5-10家车厂（销量越好越是如此），则倾向于拥有更多优先谈判权、参与度和掌控度。
因此，可以看到商汤在汽车板块中有资产的自动驾驶大巴，作为一款终端产品。
5）制造业和生产
中国制造业庞大，在整个生产环节中，可以被AI优化的部分非常多，最典型的则为质量检测。比如，零部件生产环节中，拥有很长的生产链条，在每一步完成后，需要生产线工人检测产品良率。这样的检测工作在以往更多依赖人工，并且对工人熟练度有较高要求。
但当技术参与后，在实现效果较好的情况下，无需新员工培训，可先由算法和机器进行判断，其后人工复查。
制造业行业广阔，几乎每一个有生产环节的工厂都需要相应的服务优化。但问题在于，制造业利润低薄，能够承受AI整体解决方案的厂商可能并不多。
目前主要从事制造业赋能的公司包括已经提交材料的创新奇智，将软件算法与硬件设施一起售卖，是一个较好的模式，更容易被客户接受。
6）物流和AI决策
中国地理人口庞大，从而帮助诞生了许多行业，包括电商、物流、制造业等。
对于物流行业，典型的AI应用包括：a）物流自动驾驶，高速的物流车、低速的OGV（如Geek+，几乎每一个仓库和工厂都需要），b）路线决策，可应用强化学习等AI决策类算法。
7）金融
与2G类似，金融也是购买力相当强的客户群体。但和安防不同的是，视觉监控在金融行业有一定应用性，但体量并不庞大。
可以看到许多更多零散的金融赋能场景：a）大数据算法赋能金融风控和营销，如第四范式，b）泛安防在金融领域的应用，包括各类监控等，c）OCR在金融文书和自动化流程的应用，d）远程办事，如硬件一体机等，可在机器上完成原本需要柜台办理的事务，如开卡等。各家都有零散的金融业务，典型的金融厂商包括第四范式、云从、创新奇智等。
AI视觉有哪些产品形态？
AI视觉相关的产品形态包括软件算法、硬件（服务器、摄像头、屏幕等）、适配算法的AI芯片、优化图像的传感器等，以及根据前几种模式进行组合的综合解决方案。
比如，
1）商汤提供较为齐全的综合方案，包括算法、硬件、芯片、传感器等。
2）云天励飞提供算法+硬件的综合解决方案，并在其中应用了自己的边缘端终端芯片。
3）寒武纪提供云端边缘端芯片，并实施数据中心整体方案。
这样的业务模式符合目前的行业客户需求：没有客户希望对接N家供应商，能够提供完整解决方案以及优质售前售中售后的厂商是最佳选择。因此，这其实有些类似综合性IT解决方案供应商/咨询服务商，但以AI技术见长且不断迭代，某种程度上有些类似IBM、Accenture等。
来看看商汤的营收构成：大部分营收来自2B业务以及2G城市业务。
图：商汤营收构成
来源：商汤招股书
另外，在招股书中，提到了加速处理长尾数据和场景的一种模式：模型工厂。
图：模型工厂
来源：商汤招股书
在这种模式下，对许多长尾场景提供给了一种解决方法：现有基模型，可较好推广到多种场景，其次可根据该模型衍生出轻量级的特定场景。
这听起来似乎可以部分解决长尾问题，但仍需实际情况案例验证。