投稿|李开复护航的“AI铲子第一股”，并不十分硬核( 二 )
只不过之前是客户要求提高工厂产能利用率，承包商们优化工厂物流 。现在则是承包商不仅优化了工厂物流路线，甚至把人工剔除，转而使用AI来代替 。AI在这其中的位置就是取消掉人工所不能避免的疏忽和不精准 。
在创新奇智与中冶赛迪的合作中，就使用了这种方式来转运铁水 。提高效率，节省人力 。而另外一家客户同样也反应得益于AI优化带来的成本降低，每年每个熔炉场地节省四百万元 。
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 。
文章图片
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 。
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） 。
文章图片
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 。
推荐阅读
- 投稿|一度超越微信登AppStore榜首，但“元宇宙”社交也难逃“月抛”魔咒
- 投稿|陕旅饭店集团破产重整，昔日“混改模范”为何沦为反面教材？
- 投稿|疫情之下，本土自主设备如何突围？中国制造的投机主义和长期主义
- 投稿|即视角｜出海正当时：欧美、东南亚、中东、拉美市场观察
- 投稿|“东南亚小腾讯”跌入谷底：受阻的业务飞轮撑不起千亿市值
- 投稿|员工行为几乎全裸？深信服“监控门”背后
- 投稿|信任危机？一场针对民族企业的商业“阳谋”
- 投稿|体量庞大，微软还能突飞猛进吗？
- 投稿|估值近百亿，从下沉市场走出来的书亦烧仙草，凭什么成黑马？
- 投稿|浑水创始人遭FBI搜查，屠龙者终成恶龙？