AI 2.0时代商汤第一份成绩单，都讲了什么

fudashuai

       基于高科技、高效能、高质量三重特征，生成式AI亦被称为新一代“新质生产力工具”，谁能够在知识、推理、执行三层能力上实现突破，谁将有机会引领整个社会生产力的跨越式发展。

       12个亿，第一波吃到生成式AI红利的公司已经赚到了。

       近日，商汤集团（0020.HK，以下简称“商汤”）发布了截至2023年12月31日的经审核全年业绩。2023年，商汤实现营业收入34亿元人民币，EBITDA亏损收窄2.2%。

       最值得关注的是，去年商汤生成式AI业务收入同比增长199.9%达到了约12亿元，对集团整体收入的贡献也从10.4%提升至35%。

       经过一年的调整，商汤的业务板块从智慧商业、智慧生活、智能汽车和智能城市四大业务升级成生成式AI、传统AI和智能汽车，升级后商汤业务板块更加聚焦，也有助于加速之后生成式AI业务的进一步商业化。

       作为中国第一批成长起来的AI企业，商汤是如何在生成式AI的新浪潮下吃到这“第一口蛋糕”的呢？

       从2022年底上线之后，GPT狂飙的400多天里，硬科技产业的格局已经被彻底改变。

       生成式AI成了每个人都要沾边的事情。

       老牌互联网大厂领头，年薪百万以上扩招AI人才。华为“天才少年”每年年薪给200万元，腾讯、阿里甚至放话“技术大咖”“阿里星”的待遇都“上不封顶”，蚂蚁集团曾传出为确认offer的“蚂蚁星”一次性提供几万元到几十万元不等的“签约费”来锁住应届生人才...

       与2016年就曾吹过一阵的AI热潮不一样的是，这次AI拼的不只是愿景和故事，更是务实的商业化。

       IDC数据就估算2023年全球生成式AI市场规模约160亿美元，其中中国生成式AI市场规模约11.8亿美元。

       这个被互联网大厂都盯上的蛋糕，已经在去年就被商汤切下了一块——

       2023年，商汤生成式AI收入达到了11.84亿元人民币，同比增速达到199.9%，也使其成为商汤十年来最快突破10亿元营收大关的业务板块。

       都是往生成式AI里冲的，为什么商汤能最先吃上这口蛋糕？这就要回归到大模型成功的根本要素——数据、模型和算力。

       实际上市场竞争到这个份上，国内外的基础模型实力不相上下，所以现在的大模型竞争可谓“得算力与数据者得天下”。

       数据，得够多、够高质，在这点上，商汤的经验就占有绝对的优势。生成式AI是个新风口，但商汤已经是实打实的行业老兵了，作为中国最早一批AI企业，商汤已经在感知智能和决策智能领域摸索了十年，这十年中通过为各领域优秀企业共同探索AI技术的应用，如为头部安卓手机厂商和主流车企客户提供服务，商汤已经将自己的感知和决策类AI模型植入了超过20亿台手机和上百万台汽车中，其获取、积累的底层Know-How足够丰富。

       有了“大数据”去训练“大模型”，就需要“大算力”，就像OpenAI的ChatGPT是构建在微软云服务的算力中心上一样。商汤在“大算力”上的投入一直都是领先于行业的，早在2018年商汤就投资数十亿，自建AI算力中心（AIDC），并且在2022年1月上海临港AIDC就已经被启用。

       算力中心的布局只是商汤SenseCore AI大装置的一部分，大装置包含算力层（AI芯片及处理卡+AIDC+AI传感器）、平台层（模型生产+训练平台+数据平台）、算法层（算法工具箱+开源框架）三层，是大数据、大模型和大算力三位一体的基础设施。通过SenseCore AI大装置，商汤彻底打通了算力、平台、算法，实现了“大装置+大模型”的协同效应。如今商汤大装置的总算力规模实现突破性增长达12000 petaFLOPS，运营GPU数量达45000卡。

       SenseCore商汤大装置在新一代AI基础设施评估体系的评分

       高质量数据经验、万卡算力的双重叠buff加持，造就了商汤领先于行业的技术。

       万事俱备的商汤，等的就是生成式AI这股风。

       有数据经验、有算力就能赚钱吗？

       这可未必，毕竟AI发展到现在，无法充分商业化一直是其诟病之一。这个问题反映出的内核其实是在生成式AI TOB商业化路线上，企业很难找到能赚钱的场景，并且推出有竞争力的产品。

       在这点上，商汤过去十年的经验就派上用场了。

       依托于SenseCore AI大装置，在GPT发布后100余天，商汤就得以迅速反应并且推出自己的大语言模型日日新大模型。

       初代日日新已经在自然语言处理、文生图创作、数字人生成、3D 场景和物体生成等多个领域都能出色完成任务。在初代日日新发布后的四个月商汤快速迭代了2.0和3.0版本，通过提高训练数据质量，实现了基础语言能力的显著提升。日日新成为国内首个超越了GPT-3.5turbo性能的基模型，也作为首批通过国家备案的大模型，正式面向广大用户开放服务。

       2024年2月，距离日日新1.0版本仅时隔10个月，商汤就带着日日新4.0版本亮相。升级的日日新，在代码编写、数据分析和医疗问答等多场景中达到了与GPT-4相匹配的能力。同时商汤也开源了7B和20B两种参数规格的基模型InternLM2，性能已经超过了META的Llama2和Google的Gemma等同级别开源模型。

       有了强有力的产品后，商汤靠大模型赚钱的方式有两种。一方面为客户提供API接口和云服务，为医疗、教育、金融、能源等领域的客户提供行业大模型的定制化服务和私有化部署；另一方面，基于日日新大模型体系，商汤发布了一系列TOB的生成式AI应用，比如Copilot产品办公小浣熊、代码小浣熊等AI助手、数字人生成平台如影、高精度3D物体建模平台格物、数据标注平台明眸、高精实景三维重建平台琼宇等。

       也就是说，商汤真正做到了把大模型平台化，并且针对各个行业的痛点，挖掘了大模型在这个行业中最需要被放大的能力。

       比如在金融行业，打造金融大模型，需要面对大量数据快速做出决策，那么数据的准确性就相当重要，对此商汤通过精进模型的检索增强生成技术（RAG），让金融数据更高效地影射到向量数据库中，模型的金融知识储备被强化，自然降低了错误信息的生成和反馈。

       而针对医疗领域，由于行业特殊性，其所需要的知识相当细分和垂直，所以商汤培养出多模态能力极强的“商量大医”大模型，专门提供专业医疗知识和问答服务，具备CT、MR病例等多种医学图像的识别能力。

       通过针对细分行业痛点的挖掘，商汤获得了大量为其大模型买单的客户，包括了运营商（联通、移动、电信）、互联网头部企业（京东、阅文、小米等）、传统金融企业（海通证券、招商银行等）、以及高校（清华大学、上海交大等）和HiDream.ai、澜舟科技等创业公司。

       去年，商汤整个生成式AI业务中70%的客户都是过去12个月内签约的新客户。快速吸纳新客户直接证明三件事——

       其一，生成式AI市场有切实的商业需求，已经不再只是纸上谈兵；

       其二，商汤的技术、产品和服务能力，已被市场所认知并认可；

       其三，商汤已经靠原有的大客户积累产生了虹吸效应，头部客户有系统化的供应商，这些供应商在出现类似需求的时候会依赖性的和这些头部客户选择同一家服务企业，并且在中、小企业挑选技术供应商的时候，大客户案例带来的品牌效应比一百个技术PPT都好用。

       除了新客户的暴增，剩下30%老客户的客单价也有50%的增速，说明生成式AI产品的升级随着更高的技术门槛和产品质量，在盈利能力上对商汤也在产生正面影响。

       经过2023年的业务重组，商汤已经明确了新的三大业务板块：生成式AI、传统AI和智能汽车。

       过去几个月，随着三星推出AI手机、苹果放弃造车宣布转型ALL-IN-AI以及OPPO等手机厂商陆续宣布ALL-IN-AI，ALL-IN-AI似乎成了一种“正确的选择”。但其实ALL-IN-AI不能只是一种口号，更应该是切实的投入和明确的态度。而从商汤业务板块的调整，不难看出其对生成式AI进一步探索的决心。

       强大的算力、多年的TOB商业经验固然是商汤加大生成式AI布局的底气，政策的支持更是商汤的“靠山”。

       2024年“新质生产力”成为了主旋律，3月24日，国家发展改革委主任郑栅洁在中国发展高层论坛2024年年会上针对中国如何发展新质生产力提出三大举措：以科技创新引领产业创新、推进体制机制创新以及扩大高水平对外开放。

       新质生产力的三个特征为“高科技、高效能、高质量”生成式AI完全满足三个特征也被称为新一代的“新质生产力工具”，因此商汤选择侧重于生成式AI的策略也契合了国家的宏观策略。

       当然，想要在生成式AI赛道中持续领先，只赚第一个10亿还不够。生成式AI的商业化渗透仍面临三方面的挑战：技术创新、政策推进以及市场策略。

       为了今年继续提交满分答卷，商汤也做了大量准备。

       技术创新方面，商汤会进一步发挥“大装置+大模型”的深度协同优势，持续扩充算力规模、提升基础设施和大模型的综合服务能力，加速投入日日新大模型的迭代升级当中，在保持高速增长的同时也要保持高质量增长，实现大模型推理效率提升的“摩尔定律”，让模型推理成本迅速降低，打开更广泛的应用场景，也提升公司的盈利能力；

       市场策略方面，为用户提供具有最优性价比的生成式AI解决方案，加速生成式AI业务的进一步商业化，继续优化集团运营效率，集中资源于生成式AI业务以改善现金流和减少亏损。

       AI 2.0时代，企业要么主动拥抱，要么被动转型，想要摘得“高枝上的果实”，不仅需要韧性，还要比拼耐力。  (陆玖商业评论)