02

AI公司熱衷硬件的背后

雖然AI視覺公司里，很少像商湯一樣直接做一款toC硬件，但行業(yè)的一個共識是，純技術(shù)公司很難賺到錢，技術(shù)必須與具體場景相結(jié)合。

這些年，做硬件或者軟硬一體，一直是AI小龍們所努力的方向。他們做一些搭載了AI算法的盒子或者是攝像頭和刷臉的面板機。

AI視覺公司里，最早在硬件上布局的是曠視科技。2015年，曠視就推出了首款A(yù)I攝像頭，“抱著試一下的心態(tài)�！睍缫暱萍悸�(lián)合創(chuàng)始人楊沐說。當(dāng)時曠視試水各種硬件，尋找適合算法的載體，一開始大家的認(rèn)知是算法載體是服務(wù)器。但服務(wù)器太貴，而且功耗大，用戶得建設(shè)機房。當(dāng)時一些小區(qū)、園區(qū)的門禁就有將算法放在終端攝像頭上的需求。

2017年，商湯也發(fā)布了首款自研智能硬件產(chǎn)品SenseID人證核驗機，被用于機場等場景下的人臉通行。2018年3月，云從發(fā)布了一款A(yù)I攝像機，開始軟硬一體。2019年5月，依圖通過收購的方式推出首款芯片“求索”，并將其搭載在智能服務(wù)器、智能邊緣計算設(shè)備中。

在各大AI公司向軟硬一體轉(zhuǎn)變的背后，是早期光靠算法的商業(yè)模式很難再往下走。

極視角聯(lián)合創(chuàng)始人劉若水告訴數(shù)智前線，市場早期不缺錢，大量風(fēng)險投資涌入，使得AI公司一向不太重視成本管控，大家都在高薪招人埋頭搞算法，潛意識里認(rèn)為，把算法搞好就會有市場。

但到了現(xiàn)在這個階段，外界更關(guān)注算法本身能否落地，商業(yè)模式是否行得通。而且相比于可以不斷復(fù)制的軟件產(chǎn)品，算法還有大量定制化的需求，這也使得成本未必能降下來。

云從科技聯(lián)合創(chuàng)始人姚志強對數(shù)智前線表示，應(yīng)用層面的單一模塊化及單點技術(shù)革新，難以滿足日益錯綜復(fù)雜的細分場景需求，AI企業(yè)亟需增強提供完整解決方案的能力。

另外一個原因是，有技術(shù)能力的大客戶，算法公司越能做到偏底層的對接，但對于中小公司而言，往往需要提供更完整的東西�！澳隳靡粋�算法給他，對他來講很難去接入的。”楊沐說。

“SDK其實是一個很高效的合作模式�！睏钽逭f，前提是合作伙伴很清楚自己需要什么，像人臉解鎖和刷臉支付等，手機廠商和支付公司自身有很強的能力和明確的需求，算法公司只需要提供SDK的接口。

但問題在于，很多智能化場景，往往是AI算法的公司先看到機會，不得不自己先去試水和市場培育。在這種背景下，軟硬一體的優(yōu)勢就凸顯出來。

劉若水告訴數(shù)智前線，極視角絕大部分收入來自于軟件算法，硬件由大客戶自己集采�！懊總�算法都找一個特別合適的硬件去做適配，這件事情的投入產(chǎn)出不是特別高�！�

但中小客戶對硬件完全不了解，而且場景比較單一，直接提供軟硬一體的產(chǎn)品，反而能快速部署和出貨。比如明廚亮灶、智慧工地和智慧安監(jiān)等，都是視覺算法比較成熟的場景�！八惴ū容^固定，一個場景里需要識別多少路的攝像頭也比較固定。”

“純做AI算法或者是AI軟件，不往用戶側(cè)去搞數(shù)據(jù)搞應(yīng)用的，或者不往下搞芯片搞硬件的，我認(rèn)為長期來看會死掉�！睆埍笕�說。早期硬件成本的占比比較低，算法能賣上價，一路人臉識別能賣好幾萬。

但現(xiàn)在一路AI人臉檢測的價格才幾十塊錢，云端也才小幾百塊錢，在這種情況下硬件的占比就極大的凸顯。

從資本的視角來看，純算法的收入也無法支撐起龐大的估值。“想要去沖一下這個營收，因為純軟的收入可能不夠�！币晃籄I算法公司的員工說，算法雖然毛利高，但整體盤子并不大，不利于在資本市場講故事�！凹兇赓u算法，一年一兩個億已經(jīng)很多了�！钡�一兩個億的營收顯然支撐不了AI公司數(shù)百億的市值。

而且，隨著算法的門檻越來越低，價格也不再昂貴。一個算法賣5萬塊錢，但如果加上服務(wù)器可能能賣到15萬，相當(dāng)于把營收放大了三倍。

03

“變硬”并不容易

但做軟件和做硬件，背后需要的是完全不一樣的能力。

“算法需要更高級的人才，懂業(yè)務(wù)落地的算法工程師，而硬件需要渠道和供應(yīng)鏈的優(yōu)勢�！币χ緩娬f。

“做硬件幾乎都在摳成本，但做軟件，一個算法大�？梢皂斍к娙f馬�！币晃唤�(jīng)常與供應(yīng)鏈打交道的AI行業(yè)人士對數(shù)智前線說，硬件的坑密密麻麻，“供應(yīng)鏈?zhǔn)莻�重災(zāi)區(qū)”。

她現(xiàn)在還對這些教訓(xùn)記憶猶新，曾經(jīng)深圳工廠的老板都是拍著胸脯，義正言辭跟她保證絕對沒問題，“被騙了好多回之后才學(xué)乖的，他們說的話你聽聽就行了”。比如到期交不了貨、偷工減料等，即便事后追究工廠責(zé)任，但錯失了銷售時機，對企業(yè)而言是個沉重打擊。

她曾遇到一位客戶，對方做的是一款內(nèi)置4G存儲卡的玩具，還專門向芯片設(shè)計廠商購買了IP授權(quán)，但沒想到組裝工廠給他用的是二手物料，導(dǎo)致經(jīng)�？�頓。結(jié)果賣出去的東西面臨著大量的售后，沒賣出去的也需要返廠重做。

2018年以前，曠視也一直在尋找更合適的硬件載體。當(dāng)時買了一堆市面上與視覺相關(guān)的硬件，研究能不能把算法方案放上去�！爸饕�的工作就是在各種硬件和芯片的選型上，市面上成熟芯片都用過”。

但學(xué)費沒有少交，做了很多產(chǎn)品但沒賣不出去。而且硬件研發(fā)周期長，管理比較瑣碎，涉及庫存、供應(yīng)鏈把控、選廠等等，“這都是需要花時間積累的行業(yè)know how。”楊沐說。

比如買了一堆芯片，怎么去保管，放在倉庫會不會氧化。而產(chǎn)品定義時，哪怕少了一個接口或者通信協(xié)議，板子可能就得重新設(shè)計。

“傳感器是做前照式還是背照式，要不要把HDR功能加進去，都需要取舍，一旦取舍錯了，不是說造出來沒用，而是你的定價跟市場需求不匹配�！睏钽逭f。

市場早期為了驗證可行性，曠視找的是外部團隊，掏錢合作也相對比較容易。但隨著規(guī)模化部署，集成難易度、交付難易度和成本變得更為關(guān)鍵，“一旦關(guān)心起成本，硬件的設(shè)計就變得至關(guān)重要�！�

硬件的設(shè)計決定了整個產(chǎn)品是否能成功的最關(guān)鍵點。2018年之后，曠視的硬件研發(fā)團隊開始逐漸形成規(guī)模。當(dāng)時有一個背景是，硬件分工已經(jīng)非常明確，做硬件不需要從造芯片開始，更需要做的是圍繞具體場景，兼顧產(chǎn)品的通用性和交付難易度。

比如，門禁通行的場景里，接入不同線路的攝像頭，意味著需要不同的內(nèi)存。之前像英偉達服務(wù)器，往往是一個標(biāo)準(zhǔn)產(chǎn)品，價格貴。但如果在硬件設(shè)計之初，把多少算法需要多少內(nèi)存算清楚，最終的硬件產(chǎn)品會有很好的成本優(yōu)勢。

這也是曠視提倡的算法定義硬件理念，先吃透場景需求，然后再根據(jù)算法的需要去設(shè)計一款有價格優(yōu)勢的硬件產(chǎn)品。比如2015年前后，大家普遍認(rèn)為算法的最佳載體是服務(wù)器。但其實服務(wù)器價格貴，功耗大，需要建設(shè)機房，沒辦法在各地部署。所以，曠視那段時間做了面板機、網(wǎng)絡(luò)攝像機。

而且，單純摳硬件制造成本不一定效果最優(yōu)，適當(dāng)放寬硬件制造成本，但大幅度降低軟件成本，反而總成本會更優(yōu)。

還有產(chǎn)品研發(fā)周期。大華資深人士告訴數(shù)智前線，�？岛痛笕A都在拼速度，產(chǎn)品上市快，一個產(chǎn)品在指標(biāo)上的領(lǐng)先和控標(biāo)周期只能做到6個月。

除了這些，硬件的銷售渠道對AI公司也是個不小的挑戰(zhàn)。比如科大訊飛建立了“CBG”的渠道體系，�？低�視和大華等傳統(tǒng)硬件廠商已經(jīng)下沉到城鄉(xiāng)，曠視也提出與運營商合作，畢竟運營商有中國最大的銷售和運營網(wǎng)絡(luò)。

在張斌泉看來，深度學(xué)習(xí)技術(shù)尤其是視覺的深度學(xué)習(xí)，到了一個瓶頸期，能落地的場景挖掘得差不多了，真正商業(yè)化的點不多，“大家都覺得是一個新的人工智能浪潮，但沒掀幾段浪。”另外，硬件同質(zhì)化越來越高，這也意味著，競爭最終會來到渠道和價格的比拼。

商湯在toC硬件方向的首次嘗試，盡管提供了一種新的思路，但目前看并沒有太大的銷量和聲量。

姚志強認(rèn)為，人工智能目前更適合做專業(yè)級市場，因為它還不是一個完全通用化的產(chǎn)品。消費級產(chǎn)品要求性價比，而人工智能沒有完全通用化，很難把價格降低到很低的程度。

在軟硬一體成為行業(yè)趨勢的當(dāng)下，頭部的幾家AI視覺公司已經(jīng)走上不同的道路。商湯搞大模型、大裝置，幾乎什么業(yè)務(wù)都在嘗試；曠視則以AIoT為主攻方向，選擇了消費、城市和供應(yīng)鏈場景中的幾個重點品類；云從則傾向于人機協(xié)同操作系統(tǒng)，自研部分硬件主要是為了樹立標(biāo)桿案例，目的還是吸引合作伙伴。無論哪一條路，目前來看，都還在路上。

       原文標(biāo)題 : AI落地，變硬不易