巨亏的旷视科技,是AI独角兽还是物联网企业?

旷视科技,作为AI四小龙之一,其核心业务聚焦于城市物联网,展现出强劲的增长势头。尽管面临巨额亏损,旷视科技仍坚定地将自己定位为人工智能公司,并认为物联网是AI技术应用的主要场景。其愿景是构建连接及赋能百亿物联网设备。

文/杨剑勇

人工智能作为当前最火热的领域,也是未来科技发展方向,所带来的智能化浪潮席卷全球,巨头们也把未来发展战略衷心延伸至人工智能,因为华为持续高额研发投入,在5G、IoT、AI和网络智能等前创新创新技术上走在行业,利用5G、IoT、AI驱动万物智能。微软凭借云+AI助推登顶全球市值之冠,小米百亿推动AIoT战略,百度进一步升级云+AI战略,让AI无处不在,以此推动各大产业智能变革。

同时,围绕人工智能方向创新的企业也备受资本青睐,诸如AI芯片方向炙手可热的寒武纪,还有人形机器人独角兽优必选,同时还有商汤、旷视、云从科技与依图科技号称AI四小龙,他们成为炙手可热的AI明星企业。

这些顶着独角兽光环的创新企业,融资额一轮高过一轮,估值也是一家比一家高,从10亿美元迅速能飙升至50亿甚至百亿美元,在聚光灯下吸晴无数。同时也引发诸多争议,因创新技术落地艰难,依靠资本烧钱的模式能否延续引起担忧。

其中,旷视科技递交港交所文件风险提示中指出,业绩期内经营活动产生负现金流,倘若无法以适当条件获得足够资金持续为经营提供资金,那么业务、财务及前景可能受到重大且不利影响。此外,自创立起已产生亏损,2016年-2018年分别亏损为3.4亿、7.6亿、33.5亿。2019年上半年亏损52亿元,经营性亏损1.15亿。对于这个巨额亏损,旷视科技指出是主要是优先股的公允价值变动及持续的研发投资。

通过旷视科技在香港递交上市申请资料所披露的数据来看,人工智能是星辰大海,但通往诗与远方的人工智能道路上布满荆棘,凸显AI变现困境,或许我们对人工智能预期过高。

对于产生巨额亏损的旷视科技,此次递交上市申请,有评论指出“流血上市”,估值也将面临严峻考验,也将影响整个AI独角兽。对于很难在短期变现的独角兽来说,能否支撑数十亿美元估值有待市场检验,但对于旷视科技是人工智能公司还是物联网公司,引起笔者注意。

旷视科技收入主要来源于物联网,主要是个人物联网、城市物联网及供应链物联网三大解决方案,其中城市物联网营收占总收入73.2%。那么,对于被视为AI四小龙之一的旷视科技来说,到底是AI公司,还是物联网公司?仅从营收来看,定位物联网公司更为精准,而定位AI公司,则能获得更高的估值。

城市物联网覆盖国内112个城市,带动整体营收迅猛增长,2016年至2018年的复合年增长率为358.8%,2019年上半年营收9.49亿元,同比增长210%,而城市物联网营收占总收入比例由2016年的27.5%提升到73.2%,可以看出,旷视科技的核心业务在城市物联网方向。

不过,旷视科技自身定位人工智能公司,表示深度学习是他们的核心竞争力,而个人物联网、城市物联网、供应链物联网作为旷视科技人工智能赋能的解决方案,例如城市物联网包括算法、软件及人工智能赋能的传感器,已广泛应用于公共交通、楼宇、社区、学校以及商业网点等多种城市场景。

灼识咨询报告显示,旷视科技是中国最大的聚焦于人工智能的城市物联网解決方案提供商,同时,在个人物联网方向,按2018年收入计算,旷视是中国最大的云端人脸识别身份验证解决方案供应商,占据逾60%的市场份额。

总体来说,旷视科技AI技术落地场景选择物联网方向,并坚定地认为物联网是人工智能技术应用的主要场景,而旷视科技的愿景是构建连接及赋能百亿物联网设备,包括消费电子产品、传感器及机器人等,并将进一步完善物联网生态系统。值得一提的是,上市申请文件中,更多聚焦在物联网方向,或许把旷视科技定位于物联网公司或许更为准确,但AI可获得更高的溢价也是不言而喻的。

作者系物联网高级顾问杨剑勇,福布斯撰稿人、网易签约作者,并连续两年(2017和2018)获得网易年度最佳签约作者,致力于深度解读物联网经济和人工智能等前沿科技。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值