2023年過半，人工智能產業話題不斷。大模型和AIGC掀起熱潮，讓眾多AI公司開始進入新一輪競賽。但與此同時，不少AI公司依然處于虧損中，研發投入和商業產出難以實現正循環。如何形成健康的商業模式，仍是一大挑戰。

AI公司商業化的關鍵，事實上在于其核心技術能否適應產業應用的需求，并圍繞核心技術構建產品與解決方案。這一點，A股“AI計算機視覺第一股”格靈深瞳的發展路徑，就是一大參考。

(資料圖)

格靈深瞳研發了基于深度學習的模型訓練與數據生產技術、3D 立體視覺技術、自動化交通場景感知與事件識別技術、大規模跨鏡追蹤技術和機器人感知與控制技術五大核心技術，用于解決關鍵場景的需求，從而打造出成功的產品矩陣和解決方案，最終邁過了盈虧平衡線。

8月25日晚，格靈深瞳發布2023年度半年報，報告期內，其實現營業收入1.57億元，同比增長34.35%，歸母凈利潤同比增長116.84%。這是對其2022年實現全年盈利的一種延續，也驗證了格靈深瞳將技術產品化、商業化的能力。

這種自主造血的能力，賦予了格靈深瞳更大的底氣，去面對AI行業的創新浪潮。

保持穩定盈利，源自以場景為導向的技術研發

格靈深瞳的收入與盈利表現，僅僅是其商業化成功的一環。在綜合財務數據上，我們還能看出公司經營效率的提高。

例如，在運營情況上，格靈深瞳半年報顯示，其應收賬款同比下降15.94%，存貨周轉天數同比下降135天，整體毛利率還略有提升。而在費用層面，格靈深瞳注重研發，同時也實現了整體的控費增效，經營側重點明顯。半年報顯示，格靈深瞳本期研發費用為7706萬元，同比增長34.96%，研發投入占營收比重高達48.95%。

縱觀財報，格靈深瞳營收與研發費用實現了同步增長，且在這個過程中穩定盈利。這構成了AI行業可貴的正循環——研發投入帶來產品，產品商業化落地產生盈利，進而繼續投入研發。

這份成果并非一蹴而就，在半年報中，格靈深瞳通過對核心技術及在研項目的分析，展示了技術商業化的內涵：以核心技術為底座，面向多種場景進行針對性開發。

這個底座，是深瞳大腦。恰如人腦先收集與處理外界信息，再生成想法、指揮動作，深瞳大腦也以認知和處理外界數據為出發點，目前，深瞳大腦可支持數十億訓練數據、數億類別任務，數十億參數模型的訓練。

深瞳大腦包含數據采集、模型訓練、數據管理等多個模塊的數據平臺和訓練平臺。訓練平臺產生高質量算法并推動應用落地，數據平臺收集應用產生的優質數據，從而促進算法的提升。這些算法、應用和數據在深瞳大腦系統內形成了人工智能的正向循環。

基于核心技術，格靈深瞳切入具體行業，通過對該行業場景的深入了解，明確現有技術存在的難點，再利用技術解決問題，不斷開發和完善解決方案，獲取商業化成果和客戶認可。

例如在軌交運維領域，實現自動化巡檢、提升故障診斷與解決效率，是行業的迫切需求。列車零部件組成復雜，傳統技術方法誤判率高。格靈深瞳的3D重建與立體視覺分析技術，解決了傳統算法中誤差較大的問題。同時，其機器人感知與控制技術，在實時定位與建圖、機械臂視覺反饋、機器人路徑規劃與自主導航等方面，具有良好的定位精度，可以高質量執行場景作業。

因此，格靈深瞳通過應用機器人主動感知技術、自主規劃與控制技術、虛擬示教與遠程遙感技術，有效提升了機器人的環境適應性，提升了實施效率。目前，其軌交運維業務已構建成熟的解決方案，在高鐵和地鐵項目中通過驗收，實現落地應用。

在智慧金融、城市管理、商業零售、軌交運維這四大領域，格靈深瞳都建立了完善的研發模式，并將技術能力與商業化經驗融合，加快落地應用。半年報顯示，格靈深瞳已有多個在研項目進展進入“大規模商業化”。

總的來看，盈利依然是AI行業的稀缺屬性，格靈深瞳的細分龍頭地位因此確立。而從行業發展趨勢看，AI技術在此時迎來大模型等新概念的沖擊，既是機遇，也意味著更多投入。

面對大勢，已經步入良性商業化的格靈深瞳，更加游刃有余。

前進之路：探索AI新場景，大模型發散更多可能性

如何挖掘AI行業的更多價值？在當前市場背景下，兩種思維可供參考。一方面是依托核心技術向更多行業延伸，提升技術的邊際產值；另一方面則是面向大模型這樣的熱點技術，開發新產品，或對現有的技術和產品進行升級，發揮協同效應。

在本次半年報中，格靈深瞳對二者皆有涉及，并都已取得成果。

關于挖掘核心技術的更多潛力，格靈深瞳的3D立體視覺技術是一個很好的案例。在軌交、體育、元宇宙行業，格靈深瞳通過3D立體視覺技術與其他核心技術的交叉應用，實現了一個個生動的商業化成果。

在軌交運維領域，格靈深瞳基于3D重建與立體視覺分析，以及機器人主動感知技術等技術，構建了列車智能檢測解決方案。該方案實現了對列車外觀95%以上的覆蓋，并通過極高精度的感知與重建能力，覆蓋常見的190余種故障項點，在高級重要性項點的故障診斷成功率大于95%。通過落地格靈深瞳智能巡檢機器人，列車自動巡檢效率大大提升。

在體育健康領域，3D立體視覺分析技術，可以準確獲得運動者的姿態數據和環境數據。運動姿態分析技術，克服了人體關鍵點采集不準不穩等難題，可更精確地用于人體行為分析，在仰臥起坐、引體向上、足球籃球等30余項考核項目和100余個交互訓練項目中發揮關鍵作用。

今年5月，格靈深瞳發布了“深瞳阿瞳目”解決方案，涵蓋體育訓考系統、體感互動系統、體育大數據分析系統三大部分，并將體育課從訓練到考試、教研等六大場景囊括其中。

這一方案有助于解決當前校園體育訓練針對性不強、教學與考試流程繁瑣且判別不精準等傳統問題。一方面提升了教考效率，另一方面讓采集到的信息回歸大數據系統，為制定教學和訓練計劃，做出個性化分析支持。

在第三個領域，元宇宙，格靈深瞳也通過類似路徑進行了布局。3D立體視覺技術的重建能力、動作姿態感知能力等，為更好連接起虛擬世界與現實世界提供了條件，為大規模沉浸式人機交互鋪平了道路，可用于沉浸式互動游戲、賽事、發布會、文旅和展廳等領域。在二季度的2023中國科幻大會上，格靈深瞳展出的四款沉浸式互動游戲便大受歡迎。

再將視線轉到大模型應用上，AI行業當前盛行對話、搜索式產品，實際并未深度探索大模型潛力。除了直接產品化，如何用大模型提升原有的業務效率，改善業務流程，也是一道考題。格靈深瞳，已經寫下了自己的一部分思路。

在垂直業務領域，大模型可以通過“理解”規則，自主進行一些固定操作，降低人工的介入次數。比如在智慧金融領域，格靈深瞳搭建了適用于該領域的行為分析大模型技術架構，目前已完成場景試驗、技術論證并實現落地應用。在危險或異常場景中，大模型可以根據設定的規則，達成更高效、精確的識別效果。

此外，格靈深瞳正將全量數據經過多輪迭代完成對多模態大模型的數據投喂，進而結合業務對大模型進行知識蒸餾，以求得到可在實際業務中提供實時服務能力的模型，并服務于多條產品線。

結語

當前，千行百業的技術變革仍在發生，技術底座和應用生態都還需要不斷創新。雖然大模型等新概念可以帶來周期性紅利，但只有確定性十足的商業化能力，才是堅持研發、持續創新的長期動力。

回歸公司視角，格靈深瞳在更多細分領域實現商業化突破，也可以證明AI在更多行業日漸成熟。AI企業推進研發的過程，也是沉淀行業數據和經驗的過程。隨著技術能力增強和市場理解加深，格靈深瞳在一個又一個行業形成了競爭優勢，走向業務的規模化落地。AI技術的更多想象空間，因此而穩步打開。

來源：松果財經

?

關鍵詞：