11日上午，第十二届汽车蓝皮书论坛在武汉开幕。华为智能汽车解决方案BU总裁王军透露，华为在武汉有一个光电技术研究中心，总计有1万多人，该中心就正在研发激光雷达技术，目标是短期内迅速开发出100线的激光雷达。未来计划将激光雷达的成本降低至200美元（约1390元人民币），甚至是100美元（约695元人民币）。 华创证券指出，在无人驾驶领域，激光雷达是其关键技术之一。按照高工智能汽车研究院发布的车路协同市场数据报告，未来五年仅国内车路协同示范项目对路侧（高速公路）激光雷达的市场需求规模就接近20亿元。考虑到新基建及5G部署得较快，这块细分市场的需求也将可能持续放大。 巨星科技（002444）的激光雷达主要是较远距离和较高精度的激光雷达产品，大规模用于复杂环境和室外环境，同时适用于中高速运行的物体，能应用在自动驾驶、机器人、仓储物流等领域。目前公司的激光雷达产品已销入欧美顶尖企业比如莱卡、天宝等，国内市场也在和包括科沃斯（603486）在内的优秀企业展开合作。 万集科技（300552）从2015年开始开发多线车载激光雷达，已形成了非常好的技术积累，有着较为稳定和较强实力的研发团队，同时布局了未来的激光雷达技术路线。 中海达子公司海达数云在激光雷达领域进行相关产品和技术的研发。 其他公司：大族激光、永新光学。
王鸿 8月11日-12日，第四届地新引力峰会于上海宝华万豪酒店举行，地产、资管、物业、租赁、产业、科技、金融、区块链、文旅等行业领袖齐聚，思考特殊时期的破局之路，探寻地产的第二增长极，全程直击。现场直播》》 阿里云智能地产社区行业解决方案总监张新涛表示，数字新基建是依赖于四大技术，物联网、AI、云技术以及边缘计算的技术。因为有了这些技术，对整个的物联网，对于智慧空间的感知越来越精细，能够去更好地跟物理空间交互，这样形成了未来数智空间发展的趋势。 随着这半年疫情的发展，工作和生活是在物理空间上产生了很大的隔离，但是这半年也可以看到，物理空间的隔离和数字化的融合其实是形成了一个很鲜明的反差。对于阿里云来说，其实是一个智慧空间数字化转型的一个基础设施的供应商，在未来整个的数智空间的发展过程当中，阿里云其实也是会在未来承担越来越重要的职责，跟地产企业一起去合作，达成未来整个的一个目标。 他提到智能化对于阿里主要是提供三大能力，第一个是语音智能，现在推出了在地产行业的天猫精灵的定制化解决方案，可以去整合全屋智能的设备、社区里面的设备，以及周边的电商、OTO的能力。可以去配置空间，改变空间的状态，包括在整个智慧酒店和智慧办公的场景里面，天猫精灵的方案都做了很好的尝试和落地。 第二个是视觉智能，能够赋能对空间更好地识别和感知。比如说在社区里面，希望把一些低效的、重复性的工作交给机器去做，而物业的管理人员更多的是放到有温度的管家式的服务上。包括社区内的垃圾满意、危险的监控和预警都可以交给视觉智能，让它帮我们去做自动化的处理。 第三个是数据智能，通过数据的分析，不仅是从客户视角，从企业视角，不管是在投资研盘、产品定位等环节，都有大量的数据应用的分析在里面。
文 | 付一夫 一场疫情，让很多新玩意儿来到了你我身边——比如健康码。 眼下，健康码已然成为了所有人日常生活的必备品。基于健康码的不同颜色，可以精准地识别健康人群和风险人群，从而及时采取相关措施以实现疫情实时监测和安全复工复产。我们能做到防疫生产两不误，健康码着实功不可没。 看似简单的健康码，背后却有着强大的人工智能和大数据技术在支撑：一方面，健康码将人们有效的信息输送给机器，使机器对庞大的、人工根本无法处理的数据进行统一处理，并根据时间和环境的变化得出有效结果；另一方面，人们又能理解健康码并在适当限制内进行有效决策，并与他人形成默契。简言之，健康码就是充分利用人和机器的长处，将输入数据与知识处理有机统一，进而催生出的一种新的人机融合智能形式。 事实上，健康码仅是疫情催化下人工智能领域的众多案例之一，诸如智能监控、无人配送、远程贷款催收等一系列应用都在接连落地。不经意间，一场酝酿已久的AI商业化浪潮正在加速到来，而此时的我们，很可能正在度过一个历史性的“奇点时刻”。 一、蜕变：商业化“奇点”或已降临 作为新一代信息通信技术的重要组成部分，人工智能自1956年问世以来就一直备受追捧。在经历了半个多世纪的曲折前行后，借着2016年AlphaGo和李世石的“人机大战”，人工智能又以全新的姿态进入大众视野。 人工智能对于经济增长和商业变革的积极作用已无需多言，但若想将理论上的讨论转变为现实，让人工智能切切实实地给人们带来效益，还必须要经历一个关键环节——AI的商业化。 历史经验告诉我们，科技并不能直接推动社会进步，任何形式的新兴技术最终都需要同商业结合，以产品的形式落地，并在商业化的应用中不断更新和迭代。唯有如此，才能切实地将科学技术转化为现实生产力，让先进技术为经济发展服务，否则再多的技术专利也只能算作是“纸上谈兵”。 打个比方，如果没有商业化思维的支撑，那么蒸汽机便永远无法成为载人载物的货车与轮船，其存在的价值也将大打折扣。 人工智能，同样如此。 虽然在历史上，受技术条件、商业环境等因素所限，AI的商业化之路走得并不顺畅，两次大起大落便是证明（见下图），但今时不同往日，在突破了曾经掣肘行业发展的多个瓶颈之后，如今AI的商业化已具备了四股强劲的驱动力： （1）算法：深度学习促使人工智能真正实现应用落地场景。 深度学习是一类模式分析方法的统称，计算机通过学习样本数据来掌握内在逻辑和规律，进而拥有对特定时间的可能结果进行预测的能力。目前，深度学习在一些领域已经能够强于人类的表现，比如在机器视觉领域，算法对物体和场景的分类和检测错误率已经低于人类，可以做到在一些场合替代人类的重复性和疲劳性工作，从而让人工智能真正实现应用场景落地成为可能。 （2）算力：AI芯片快速发展，为算法提供充足的算力支撑。 由于深度学习需要针对海量数据(行情603138,诊股)做出快速的训练和推断，因而计算机硬件性能成为人工智能商业化应用的重要制约因素。但快速发展的AI芯片给深度学习在云端和设备端商用提供了保障，从最初通用的CPU到并行计算能力优越的GPU，再到专为深度学习算法定制的FPGA和ASIC芯片，其算力已从每秒十亿次浮点运算数迅速提升至万亿次乃至千万亿次。 （3）数据：为人工智能算法提供丰富训练样本。 自2012年前后至今，得益于互联网、移动设备和传感器的大量普及，海量数据的生成、收集、存储、处理等问题都得到了有效解决，而数据体量的爆炸式增长又为人工智能的深度学习训练提供了极为丰富的样本，宛如为良驹的培育积攒着足量的新鲜牧草。 （4）政策：人工智能已上升至国家战略。 2017年，国务院出台了《新一代人工智能发展规划》，标志着人工智能正式上升为国家战略；工业和信息化部印发的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，进一步明确了人工智能的战略地位；2019年两会期间，“人工智能”连续三年被写入政府工作报告，并首次提出“智能+”…… 值得注意的是，疫情的到来正在给AI商业化进程按下“加速键”，除了前文提到的各种AI商业化应用接连落地之外，全社会对智能化产品的认知和需求都在强化，居民日常生活更深程度的互联网化同样显著增加了数据量的积累，为进一步优化现有的人工智能以及训练其算法增添了燃料。此外，出于应对市场需求和刺激经济复苏等多方面考虑，中央定调新基建，其中的七大门类当中，至少四类都是直接与人工智能相关的内容。 占尽了天时地利与人和的AI商业化，正迎来全新的发展阶段。 二、角逐：中美AI商业化竞争 关于AI商业化，很多国家都虎视眈眈。 据不完全统计，目前全球包括美国、中国、欧盟、日本等近30个国家和地区都发布了人工智能相关的战略规划和政策部署。相比于其他国家，中美两国当前在人工智能的赛道上都处于领先地位，而二者又直接互为竞争对手。 考虑到当前中美关系的微妙处境，以及数字技术在新一轮科技革命中的重要地位，抢占人工智能风口、加速AI商业化落地已是迫在眉睫。 事实上，无论是技术研发还是商业化落地，企业都是当之无愧的绝对主体，比起政府、科研机构等其他主体，企业直面市场、贴近大众，对于市场前沿动态和商业化需求有着极为敏锐的捕捉和精准的判断，同时为了生存和盈利，企业具备与生俱来的基因与动力去不断改善配置资源、改进生产技术，并持续提升产品性能和品质。 从这个角度看，中美两国在人工智能赛道上的企业竞争，即可视为大国角逐的一个缩影，而透过代表性企业的现有成绩和布局面貌，也能在一定程度上洞悉两国的人工智能进展状况。 我们不妨以百度和谷歌为例来分别做个简要讨论，先说前者。 百度在人工智能领域耕耘已久，一直都在资金和人才方面不吝投入。凭借着搜索、地图等前端产品的多年积累，百度已经拥有了极其庞大且多维度的样本数据。而在技术上，百度从最初做搜索需要的自然语言处理、短语分析，逐渐进入到NLP、语音、深度学习、图像识别等领域，并在人工智能专利申请数量上引领行业。 从布局版图上看，百度的智能经济“倒金字塔”格局已经成型：最底层为百度大脑和飞桨，涵盖深度学习、知识图谱、语音、机器视觉等数百项AI基础能力，扮演着“动能中心”的角色；中间层为百度智能云、Apollo、如流等面向不同赛道的智能化平台，将百度的AI动能延伸至产业链和市场层面；最上层是场景化的解决方案，包括智慧城市、智慧交通、智慧金融、智慧医疗、工业互联网和智能制造等，驱动技术的商业化落地，打通人工智能产业落地的最后一环，并为产业的智能化转型升级赋能。 再说后者。 早在2011年，谷歌就已经成立了自己的AI部门，长期致力于机器学习等技术的研发，并将该技术应用至旗下的Google搜索、Google Now、Gmail等多款产品之中，还往其开源的Android手机系统中注入了卷积神经网络开发、语音识别等大量机器学习功能，以AI技术驱动产品和服务。2016年，谷歌正式宣布将战略重心从“Mobile First（移动先行）”转向“AI First（人工智能先行）。 布局策略上，谷歌采用了一套“全面开花”的打法，底层硬件、操作系统、核心算法、上层应用均有所涉及，领域则包括语音技术、云服务、无人驾驶、虚拟现实、无人机、仓储机器人(行情300024,诊股)、智慧医疗等等。在实践中，一方面，谷歌不遗余力地抢占用户使用场景，从互联网、移动互联网等传统业务延伸到智能家居、智能硬件、自动驾驶、机器人等，意在积累更多的样本数据信息；另一方面，谷歌注重技术研发，不断努力研发更高级别的深度学习算法，以求增强图形语音识别能力，对信息进行更深层次的加工和处理，高性能处理器TPU、开源机器学习平台TensorFlow、语音助手GoogleAssistant等产品的问世就是证明。 除了百度和谷歌外，还有很多高科技企业都在逐鹿人工智能，比如中国的阿里巴巴、腾讯、华为，美国的微软、亚马逊、苹果等等，巨头们的探索和引领，同样为AI的商业化进程提供了动力和保障。 三、解惑：AI商业化只是赔钱赚吆喝？ 即便如此，市场上仍不乏质疑或是诟病的声音，只因AI商业化的盈利难题迟迟得不到解决，整个行业皆是如此。若是看公司财报，不少公司的人工智能业务似乎更像一个拖累公司业绩的包袱，而不是一棵“摇钱树”。 难道AI商业化真的只是个赔钱赚吆喝的买卖？ 当然不是。归根结底，这是由人工智能的技术特点决定的。 与蒸汽机、电力、IT等技术一样，人工智能也属于通用技术的范畴。一直以来，很多人都对处在发展初期的通用技术抱有过高的预期，认为它能够在短期内迅速促进带来经济效益。然而鲜为人知的是，这种效益与通用技术的发展之间，存在着明显的滞后效应。 根据麻省理工学院数字经济倡导行动主任Erik Brynjolfsson教授的观点，这种滞后效应源自三个方面： 第一，新技术对应的存量资本积累到具有全局影响的规模，需要一个较长时间的周期； 第二，想要充分发挥出通用技术的潜力，还必须依赖于其他相关的互补式创新技术的大力发展； 第三，为了适应通用技术的发展并从中得到好处，社会组织与机构需要经历长期的内部重构和调整，包括基础设施、制度环境、人才素质等能达到与之匹配的程度。 纵观历史，IT和电力都曾经面临过类似的窘况：发展初期，资金投入了不少，却迟迟见不到回报；但实践证明，随着技术的不断成熟，其他相关的互补式创新技术都得到发展，社会组织与机构的内部重构日趋完善，IT和电力都在后来给经济生产带来了巨大的效率提升，给企业同样创造了无比丰厚的利润。 这些也很好地解释了，为什么当前的AI商业化存在盈利难题——是因为算法、算力、数据等多个方面实现了突破，才让人工智能真正成为可以同IT和电力相提并论的通用技术，算下来也就是近几年的事情，不是没有回报，只是时候未到罢了。 话虽这么说，可毕竟人工智能行业仍处于探索中前进的时期，多数领域还是无人领航、无既定规则的“无人区”，技术路线、商业模式和产业形态等方面均具有较大的不确定性，这就意味着那些不吝投入、坚守AI赛道的玩家们还在承受着巨大风险，头部企业尤其如此。而对于他们来说，当前最重要的并非立马就能让AI变现，而是尽快摸索出一条能真正“跑通”的商业模式，否则便成了时间与资源的空耗。 可喜的是，一些玩家看到了曙光。 仍以百度为例。虽然市场上有不少人质疑百度AI业务线的变现能力，但一个不能忽视的事实是，其AI收入的确是在快速增长的。有机构根据百度财报数据做过这样一番测算：剔除以搜索、信息流支持的“在线营销服务”（online marketingservices）这一主要收入来源，再从“Others”里剥离爱奇艺等其他板块的影响，剩下的就约等于其AI商业化规模。而结果显示，2017、2018和2019三个年份，该项数值分别24.44亿元、47.04亿元和85.97亿元，年均增速高达87.6%；即便2020年的增速因疫情原因而打个对折，其规模也能超过120亿元。 不仅如此，百度的AI业务商业化已有三大分支正在得到印证，分别为小度助手、智能云和Apollo智能驾驶，我们或许可以从数据中窥探一斑： （1）Strategy Analytics的数据显示，2020Q1小度出货量为410万台，为唯一保持增长的头部品牌，硬件销售规模大概在40~50亿元；而今年3月份，小度助手语音交互次数达到65亿次，是去年同期的近3倍，智能屏使用时间达到3个小时； （2）据IDC报告，在中国AI公有云服务整体市场格局中，百度智能云在整体调用量、市场份额方面均名列第一，拥有业内最多的AI产品数量； （3）研究机构Navigant Research报告显示，百度Apollo无人驾驶项目在全世界排名第四，处于全球第一梯队；而借着新基建的东风，今年前6个月时间里，百度拿下智能交通数十个项目，并在全国7个千万级订单中拿4个，市场预测这波项目收获将给Apollo带来10亿体量的收成。 接近百度的消息人士告诉笔者，未来2到3年内，小度助手、智能云和Apollo各自实现100亿元营收，并将有望撑起百度AI板块400亿美元以及公司整体千亿美元的估值。 类似的案例还有很多，不再赘述。而从行业的角度看，AI商业化前景正因为巨头的坚持和努力而变得愈发明朗，这或许是更令人期待的事情。 四、结语 前不久看到这样一段话： “一本名叫《第七感》的书谈到，古生物学家斯蒂芬·杰·古尔德（StephenJay Gould）将物种进化过程中的突变称为‘间断平衡（punctuatedequilibrium）’，即世界从一种均衡态跳入另一种均衡态，永无回头之时……虽然古尔德所指的是恐龙的灭绝，但这一理论同样适用于思考历史。” 眼下的我们，可能正处在这个时刻。而一场酝酿已久的巨大变革，正在疫情的驱动下逐渐拉开序幕。 道阻且长，行则将至。而最难能可贵的，恰恰正是那份只争朝夕的精神和持之以恒的坚守。
8月10日，《财富》公布了2020年世界500强榜单，基于过去一年在零售和技术服务业务上的高质量增长，京东集团的排名再次提升至102位，位居中国零售及互联网行业第一、全球互联网行业第三。 从2016年第一次跻身《财富》世界500强至今，京东集团的排名提升了264位。5年来，京东集团在零售、数字科技、物流、技术服务、健康、保险、产发、智联云和海外业务上的布局取得全面突破，正在推进从中国最大的零售平台向以供应链为基础的技术与服务企业的跨越。2019年，京东集团的全年净收入达到5769亿元，是5年前收入的3倍多，同时，净服务收入继续保持着44%的高速增长，占整体净收入的比例已提升到11.5%。 京东集团以坚定的变革决心和战略定力，完成了转变发展方式、优化业务结构、转换增长动力的一次次攻坚，将增长的原动力从市场红利换挡至技术红利，正在转型成为一家以供应链为基础的技术与服务企业。5年间，京东集团在净收入和仓库面积均增长3倍多的基础上，存货周转天数始终处于行业最优水平。运营效率显著提升的背后，是京东体系的技术研发投入从5年前的34亿元增加至179亿元，这也使得京东成为对技术投入最多的中国企业之一。在今年6月份京东香港二次上市所募集的298亿港元资金，也将全部用于投资以供应链为基础的关键技术创新，以进一步提升客户体验及提高运营效率。其中，京东数字科技集团通过数字科技助力产业降本增效，提升用户体验，最终实现新增长，已经成为一家以AI驱动产业数字化的新型科技公司。 京东集团基于核心板块沉淀下来的技术能力，以及通过组件化、产品化、平台化、生态化的过程，最终实现从一体化到一体化开放。 目前，京东不仅是全球2600多家超亿元品牌和数十万个第三方商家的最大增量场，同时也通过与沃尔玛、五星电器、国美零售、迪信通、快手等众多合作伙伴深入合作，开放自身的基础设施，以技术与合作伙伴共建创新生态。 过去5年间，京东集团的员工数量从10万人增加到26万人，间接带动超过1500万人就业，成为就业的“稳定器”。京东与全球产业链的融合更加深入，根据最新发布的《中国企业数字化采购发展报告2019》显示，截至2020年6月30日，京东服务了超800万活跃企业客户，这其中91%的《财富》世界500强企业与京东达成合作。 尽管新冠肺炎疫情等各类突发事件给全球经济带来诸多不确定性，但中国仍旧是全球最具成长性的消费市场，京东将坚定“技术为本，致力于更高效和可持续的世界”的使命，不断为用户、员工、行业和社会持续创造最大价值。
雷锋网按，更多汽车制造商在未来使用特斯拉的电池，已经有了一丝可能。北京时间周三上午，TESLARATI 在推特上分享了一篇文章——《痴迷于特斯拉的德国汽车制造商试图解决多年的技术难题》。随后，特斯拉首席执行官 Elon Musk 回应这条推特并表示，对于向其他汽车制造商授权软件、提供动力系统和电池的问题，特斯拉持开放态度。Elon Musk 说道：我们想要加速可持续能源的发展，而不是压垮友商！在之后的评论里，Elon Musk透露，授权软件将涵盖 Autopilot，但「顶级机密的放屁技术」不会跟任何公司分享。这项「放屁功能」在转向等特殊场景下可以发出「放屁」的声音，帮助特斯拉车主提醒路人。在此之前，一些传统汽车制造商已经公开承认特斯拉在开发和制造电动汽车的几个关键领域出于领先地位。大众汽车董事长 Hebert Diess 承认，大众内部正在实施「软件赶超特斯拉」的计划，以缩小自己与特斯拉之间的软件鸿沟；奥迪新任首席执行官 Markus Duesmann 则认为，特斯拉在计算和软件架构以及自动驾驶方面至少领先两年；福特汽车公司高管过去表示，在电池组技术领域，特斯拉领先对手五年时间。正如业内所公认的那样，特斯拉在自动驾驶。动力系统、锂电池、电池组等方面都拥有雄厚的技术实力。现在，Elon Musk 已经抛出了橄榄枝，表示将愿意为友商提供帮助。由于电池是电动汽车最昂贵、最重要的组成部分，因此有行业人士认为，对其他汽车制造商提供电池方面的帮助可以增加特斯拉创收的途径，另一方面还会加深其他汽车制造商对特斯拉的依赖。韩国电池专家、瑞靖大学教授Park Chul-wan声称：特斯拉开放电池供应可能会降低初创电动汽车制造商的行业门槛，但对自己拥有平台的传统汽车制造商会构成潜在威胁。该战略如果成功，将增加电动汽车市场对特斯拉的依赖。雷锋网了解到，在2019 年，特斯拉公布了一种新电池的测试结果，这种电池可以支持电动汽车持续行驶160万公里。近期，特斯拉为一种新的锂金属电池或无阳极锂电池申请了专利，特斯拉技术团队认为，这种技术可能会颠覆固态电池。目前，特斯拉与松下拥有一家电池合资企业，并且还从中国的宁德时代和韩国的LG化学采购电池。特斯拉还在最近的一次电话会议上表示，将扩大与松下、宁德时代和LG化学的业务。暂时不清楚特斯拉将为友商提供哪种类型的电池，关于特斯拉电池的进一步细节信息要等到9月举行的“电池日”才能得到披露。特斯拉“电池日”本应在今年早些时候举行，以便向投资者介绍公司最新的电池技术成功，不过由于疫情的影响已被推迟到 9月22日，与特斯拉2020年股东大会同日举行。值得一提的是，特斯拉曾通过单独的合作协议向梅赛德斯-奔驰和丰田提供动力系统和电池，但所有技术合作项目已于2015年停止。特斯拉于其他汽车制造商基于电池的合作早有先例，相比之下，Elon Musk 本次释放出的关于开放 Autopilot 的信息更加让人惊喜。Elon Musk 曾表示，开放 Autopilot 的计划很难实现。雷锋网获悉，早在2014年，Elon Musk 就已经宣布特斯拉正在开源自己的专利，以帮助其他汽车制造商加速发展，但当时有人批评特斯拉并没有做到真正的开源。不过，目前在特斯拉的官网已经可以看到部分开放的 Autopilot 源代码。
7月29日，旷视科技举办“始于算法，成于价值”主题年中媒体发布会，CEO印奇、CTO唐文斌首次合体出席，并正面回应外界的关心和疑问。一开始印奇便提到，今天我是以一位答题者的身份参加本次活动。作为CV领域名声在外的明星企业，旷视的一举一动都备受关注。去年8月份，旷视冲击AI第一股赴港上市，引起行业震动，结果在新冠疫情、美国实体清单事件、新基建等多重复杂因素下，旷视的上市之路显得颇为坎坷。与此同时，在这个特殊的时代背景下，AI产业发展也迎来了前所未有的机遇与挑战。今天在本场发布会上，印奇和唐文斌将首度公开回应上市进程，并分享旷视在2020年的战略布局与行业洞察。上市计划正在筹备中“对于上市，我们非常有信心”，印奇在发布会上说到，“上市是手段不是目的，我们希望通过上市这个公开窗口，向大众展现旷视的综合实力，所以上市计划还在积极筹备中。”旷视于去年8月25日正式启动赴港上市计划，据招股书显示，旷视估值40亿美元，拟公开发行40000万股，募集资金5至10亿美元。IPO程序仅启动两个月，10月初便爆发了美国实体名单事件，包含旷视在内的28家中国科技企业被禁止从美企获取技术产品和服务。事件一出，旷视上市进程稍有停摆，但并无大碍。此外，对于公司业务发展，印奇表示，禁止科技企业间的业务往来，对于名单上的中国企业来说，多多少少都会有一定程度上的影响，但旷视拥有自主研发的算法和引擎，在技术产业链上相对独立性，因此，这种影响可以忽略不计。值得分享的是，新冠疫过后，AI产业落地迎来了更多应用场景。旷视在此也开拓了一些新的业务路线，例如，今年2月初，旷视在10天内自主研发了红外感知自动测温系统，被广泛部署于地铁站、写字楼等人流密集场所。后来该产品推向海外市场，也收获了一批海外订单。印奇表示，新冠疫情爆发前期，对AI企业产生了明显冲击，但疫情后，AI落地呈现出深度拥抱各行各业的态势。疫情为AI激发了更大的发展逻辑，AI测温只是一个小的开始，未来我们的衣食住行都会越来越被数字化技术所包容。另外，今年受疫情影响国内大力提倡新基建，着力发展5G基站、大数据、人工智能、工业互联网等领域，这意味着国内AI技术发展迎来了新机遇，基于此，选择A股上市也不失为一种好的选择。最后印奇表示，一切选择还在综合考量中，如果上市，我们的股票必将是稳定且持续增长的。逃离AI死亡之谷的三大挑战在经历了几次爆发式增长后，AI产业发展逐渐步入稳定期，或者说是瓶颈期。发布会上，印奇为我们分享了一组技术成熟度曲线（Gartner），可见当前的AI产业现状已陷入“死亡之谷”。这一阶段，如何去泡沫化，走出产业发展“深水区”，实现技术落地，是企业关注的焦点问题。作为一家估值40亿美元的AI独角兽企业创始人，印奇分享了他的见解与思考。AI产业落地要跨越三大挑战：算法供给、价值闭环和组织人才，印奇说。算法如同血液，是基础，是必需品，而当前企业的供给能力还远远不够。AI算法从开发到应用需要经历可交付和规模化两个阶段。其中，可交付性遵循二八原则，训练占据20%，部署占据80%。可见，部署是关键一环，从目前的规模化生产来看，部署耗费大量的时间成本，却只能够解决不到1%的算法供给需求因此，解决算法供给问题的关键在于提高可交付性和规模化生产能力。技术研发的初衷是服务用户。一个成熟的AI产品，必然要考虑它的用户价值、商业价值和可规模化生产的能力。这是从0到1的过程，也是AI产业落地最艰难的过程。旷视的众多AI产品，同样遵循着这样的研发逻辑。对此，印奇将其概括为三个阶段：价值验证：具备技术可行性和用户使用价值。MVP产品：代指最小可行性产品，触达行业客户，检验商业变现能力。规模应用：提供软硬件一体化服务，规模化生产，推向市场。在他看来，这三个是阶段是层级上升，封闭式的价值闭环，同时也是AI产业落地的最大挑战。人才的培养是对于任何产业/行业而言都是至关重要的。AI赋能百业，这是一个复杂的系统，需要完整的人才体系结构来支撑。提到AI企业，大多数人的印象是公司员工基本为技术研发人员，但是对于打造一款面向行业、面向大众的产品而言，公司配备了解行业知识的人才同样非常重要。拆开来看，AI产品从研发端到应用端，需要挖掘价值需求、完成技术研发、进行可行性评估，进而推向市场，不同阶段需要不同专业程度的人才。但整个过程AI技术和行业知识始终贯穿其中，并且同等重要。印奇将这一人才需求体系称为4 in 1结构，凡是一个AI+产业，都需配备CEO（产品经理）、CTO（产品开发）、CAIO（性能评估）、CMO（行业洞察）四种角色。同时，他强调旷视的人才体系已形成了4:4:2结构，前两者比重相同，分别为技术和行业人才。最后，印奇将AI产业落地的三个关键总结为：（1）解决算法供给侧的问题是AI企业的责任。（2）只有赛道聚焦才能更快完成价值闭环。（3）打造AI人才和行业人才融合发展的新型组织。聚焦AloT，践行1+3战略始于视觉算法，终于物联网（AloT），旷视早已不是一家单纯的人脸识别算法供应商，而一跃成为物联网软硬件一体化解决方案供应商。在印奇看来，物联网是人工智能技术应用的主要场景，如果把人工智能比作「大脑」，物联网就是「身体」，二者相结合，能够让世界更加智能化，我们的愿景就是构建连结及赋能百亿物联网设备的人工智能基础设施。早在2019年初，旷视就已设下以“物联网”为核心的3+1战略布局。基于自研的Brain++人工智能生产力平台，深度聚焦个人物联网、城市物联网、供应链物联网三大领域，为更多企业提供行业解决方案。Brain++集算力、算法、数据于一身。其中算法部分来自于深度学习框架天元（MegEngine）。旷视是国内为数不多的自研深度学习框架的企业之一，目前最主流的学习框架要数Google的Tensorflow和Facebook的PyTorch，国内比较知名的是百度的Paddlepaddle和华为的MindSpore。在此，旷视是唯一一家能够与国内互联网巨头相媲美的AI独角兽企业。今年3月份，旷视将天元（MegEngine）框架正式开源，所有从业者都可以免费享受这项技术服务。针对一些外界将天元与Tensorflow、PyTorch等主流框架相比较的声音，印奇回应称，与Tensorflow相比，Brain++是更高维度的东西，比如它更像是Visual Studio，是开发者从一个创意到最后算法交付的端到端产品。目前它还还需要持续的打磨，但Brain++的开源会对行业未来产生积极影响。此外，本次决定将天元开源是出于多方因素的考虑，为3+1战略模式扩展更多to B客户也是其中一个。对于2020年下半年的发展规划，唐文斌表示，旷视的业务板块不会再扩张。目前1+3的战略模式已经具备极高的商业价值，三大场景都是万亿级的市场。接下来， 我们会在技术层面和产品层面，融入一些对行业、对客户价值的新的洞察和思考，把1+3战略框架做深入做扎实。此外，印奇透露今年9月份可能会发布Brain++的1.0版本。同时2021年，旷视也会陆续推出更多AI硬件。比如在手机端融入算法、SDK和IP，创建AI定义的智能模块。在城市领域，用AI重新定义未来的传感器，或者计算范式。在工业领域，打造更加智能化的工业机器人。印奇表示，随着Brain++和三个大场景的推进，软件和硬件一体化产品会在下半年Q3、Q4涌现。旷视在AI边缘能力上会有越来越多的AI硬件诞生。长期来看，旷视1+3的战略版图基本不会变，在此基础上，旷视未来会着力打造一个到二个支柱性产业作为立身之本。从目前的财报数据来看，城市物联网或许是最重要的场景之一，其在2019年的营收业务占比超过了七成。迈向CV+的技术洞察旷视在2019年初，将公司名称由Face++升级为Megvii，以此对外宣称旷视不在是单一的人脸识别算法公司，而是走向了更加完整的战略模式。可能很多朋友会好奇Mgevii的名称由来，在这里旷视CTO唐文斌，做了一个小分享。计算机视觉（Computer Vision）技术，定义为“How computers can gain high-level understanding from digital images or videos”在这里，唐文斌将它简单理解为“大的视觉”，即Meg Vision，那么，缩写来看便成了Megvii旷视。名字由来并不复杂，不过其背后却有着复杂且完整的技术体系：CV+以深度学习为支撑的计算机视觉技术如何才能更好地应用？首先要解决的是输入源的问题，高质量的视频/图像作为输入数据，显然会有助于视觉技术的处理，其次，处理之后的输出，能用来做什么？基于这样的技术洞察，唐文斌提出了以计算机视觉核心、包括计算摄影学，以及视觉反馈控制在内的三大模块，构建了一套完整的CV体系。计算摄影学：它就像“超级义眼”，通过手机前置摄像头等传感系统捕捉肉眼无法感知到的信息。如相机、单反或者摄像头，它们所摄取的信息分为光、感、知三个系统。“光”是光学的结构，“感”是光感芯片（CMOS Sensor），“知”即采集一些曝光时长、光谱频率等信息传递给算法。这是传统的摄取方式，旷视要做的是在其中融入AI技术。唐文斌表示，目前的摄像系统属于单向信息传递，数据之间无交互，我们将通过AI技术打通数据之间的链接，重构光感知系统。视觉反馈控制：基于视觉认知，调动“眼、脑、手、腿”等全套设备协同运动。如“眼之所见，手之所向”，“脑之所念，手之所动”，在复杂世界中，像人类活动一样，通过视觉判断，完成手、脑一套设备的协调运作。在供应链场景中，旷视发布的操作系统“河图”，便是这一功能模块的充分体现。计算机视觉：它以深度学习为核心，具体从算法、系统和数据三个维度来讲，旷视做了很多研发和创新。算法训练就是深度神经网络，在这方面做得最好的就是OpenAI研发的GPT3，它能通过预训练，与下游任务建立联系，无需微调达到SOTA，是目前NLP领域的最优算法模型。对于神经网络的结构性创新，也是旷视一直在尝试和探索的事情，比如，成立基础模型组，不做应用研究。最后提出的ShuffleNet、ShuffleNet，实现了低算力下的高训练效率。将芯片的二进制用于深度神经网络训练，探索极高的性能功耗比。其推出的DorefaNet通过低比特神经网络，实现了性能功耗的明显提升。利用几千张GPU训练超大“祖母模型”，让算法模型更加规模化。研发具有自我演化能力的模型（无需监督和标注）除了基于算法的结构性探索，旷视在系统层面，打造天元MegEngine与Brain++相结合的完整系统，通过工程化创新提升效率。在数据层面，与北京智源研究院共同发布“Objects365”数据集，据了解，它比COO物体检测的数据集还要大16倍。我们通过该数据集与超大“祖母模型”相结合，尝试探索深度学习的边界，唐文斌表示。同时，他也强调，基于深度学习的计算机视觉在物体关联度、感知维度和感知精度方面都仍有很大的提升空间。这其中的关键，在于视觉算法的规模化程度，而目前已知的探索极限，将是全面的、城市级的数字孪生。对话双子星，旷视的回应提到创办旷视科技，还有一个有意思的小故事。印奇和唐文斌思同在微软实习，某一天他们突发奇想在Iphone4手机上制作了一款小游戏，没想到的是，这款小游戏竟意外的在App store上火了（中国区排第三），更没想到的是，为此还吸引来了一批投资人。于是，旷视就在这样的契机下开始了…启明创投的创始人邝子平也是旷视的早起投资者之一，他说，以前觉得他们是一群很酷的年轻人在做一件很酷的事，时隔9年之后，感觉依然如此。今日，为了能够更深入的了解旷视，了解旷视的创始人，邝子平与印奇和唐文斌开启了一场深入又轻松的对话，下面小编将部分内容分享给大家~问题一：印奇和文斌同为技术出身，在创办旷视的企业管理中，是如何确定分工的？答：（印）如外界所说，旷视是一家命格清奇的公司，我们的创始人组合并不是最优组合，旷视走到今天背后也有很多偶然契机。我更偏向全局性和战略思考，解决“what”的问题，文斌更侧重技术和产品，擅长解决“How”的问题。但内部实际工作中，并没有严格的划分，很多问题我们都是一起商讨和学习的。（唐）我认为我们都很聪明，但聪明的点不太一样。同样一个新技术，印奇更擅长Deep learn深入思考，而我更擅长Quick learn快速掌握。这一点我们相互补充，并负责不同属性的的工作。另外，对于产品问题，我分享一个与第三位创始人杨沐的思考所得。对于产品的定义？他认为是价值的设计者，我觉得非常好，但从AI产品的角度来讲，我认为产品既需要满足客户价值，同样还要满足商业价值，双重价值导向才能设计出一款真正好的AI产品，因此它是双向价值设计者。问题二：诸如如小区门禁等，视觉技术越来越普及化，很多AI企业都可以实现。旷视作为行业领导者，它技术壁垒是什么？答：（唐）它类似于90分和100分的区别，随着技术发展拿下90分可能已经不是什么难事，但要想拿到100分却并不容易。旷视的标准就是100分。可能有的朋友会问，真的有必要达到100分吗？进入小区、公司能够达到90分已经够用了但视觉技术的应用场景十分丰富，很多行业/场景要求能够达到一个金融级别的安全性。越是需要高精尖技术的场景，价值往往也越大，自动驾驶就是一个很好的例子。问题三：李开复关认为，“如今，AI壁垒低于行业壁垒，AI从业者学习行业难度要远高于行业者学会AI”，您怎么看？答：（唐）我认为不一定。行业知识需要的是经验，它需要时间的积累，我最近在学习房屋地面沉降方面的知识，对此深有体会。反过来讲，行业里的人去学AI技术，之前从未接触未必能对它形成深刻的认识。技术本身是童子功，与行业知识相比哪个更容易？还真不一定。我们在招聘行业人才时，有一个基本要求就是对技术要有信心、有好奇心，有空杯心态。现实中，很多行业里的人要么不相信技术，要么对技术抱有不切实际的幻想，我们二者最好可以能够综合一下，毕竟一个好的AI产品最终还是要回归到交易平衡中去。问题四：随着AI落地深水区，旷视的友商越来越多，包括AI企业、互联网巨头、传统科技巨头等，请问旷视在技术层面，产业方面有哪些优势？答：（唐）对于优势的定义是人无我有，人有我优，我认为这个世界上没有什么人无我有，行业里大家都很聪明，只是有人先看到了一些东西。比如，计算机摄影写、比如Brain++，我们先看到，并且踏踏实实地去做了，最终我们成为了这个领域内的优势者。（印）另外，对于企业竞争问题，首先行业比较碎片化，to B竞争没有to C那么激烈，另外，旷视三大赛道的友商，可能与大家想象的友商越来越不一样。我们通常在深入某个行业后，才发现这个行业里非常优秀的玩家，它可能偏传统，但并不是大家眼中的AI企业。另外，我们可以看到众多AI公司的风格变得越来越不一样，这很正常，是一种很良性的状态。这是每家公司有自己拿手绝活，他们选的行业不一样，对行业的认知也不一样。对于旷视而言，我们自己内部讲要道路自信，我们很坚定地朝这条路走，越走越觉得这是一种更务实的打法。问题五：印奇总谈到，AI商业化路径分为三个阶段：价值验证（检验技术可行性、验证产品）、MVP产品（触达用户，完成变现）、规模化生产（软件一体化，推向市场），请问旷视在正处于哪一个阶段，三个阶段最难的是哪一个，是否有出现过失败，或者走不下去的情况？答：（印）首先，旷视聚焦的三大场景（个人、城市、供应链）涉及不同的领域和行业，不同行业不同的发展阶段，所以很难一概而论。其次，我认为第一个和第三个阶段最难。第一阶段是完全由创新驱动的过程。一个商人在开拓新业务时，会考虑两方面：一是技术场景，二是商业模式，两者之中必然会有一个是确定的。比如，技术场景是确定，那么可以从商业模式和销售通路上创新，这条路商业化路径也可能走得通。但对于AI产品而言，这两个方面都是不确定性的，要想在两者之间发现交集点，这个难度要占整个链路的50%。第三个阶段要求AI公司必须构建出非常强的软+硬平台化能力。硬件能力是平台化，硬件从供应链到生产制造到销售需要平台，搭建完之后“软”会变得越来越容易。真正解决第一阶段核心的公司，如果很快构建第二和三步的话，可能会在行业里胜出。（唐）第三个小问题我来分享一个案例。之前为了增强手机的交互体验，我们做过一款小鸟游戏，用不同的姿势隔空打小鸟，后来这个产品被毙了。我们做一款产品会考虑它的价值增效（Value Add），具体来讲，它是否达到了降本增效，或者提升了用户体验。这款产品听起来比较新奇，但它只是一时的刺激感，成就感和激励才是持续性的东西，所以我们放弃了。还有一些产品还未发布，是因为目前的技术水平不能达到最佳的降本增效或者用户体验的效果，只要未体现出真正的产品价值，我们就不会公布。（印）补充：关于产品这个问题，我发现对于技术性或to B业务的公司，节奏感非常重要。比如，旷视早年研发了一款产品，发现不work（起效），但三年后，这款产品在市场上很有Value（价值），自动驾驶就是一个很好的例子。技术性公司产品研发周期长，它节奏是按年来衡量的，如何早个5年、20年，公司发展就很困难了，所以方向很重要，节奏也很重要。雷锋网小结旷视成立9年，收获了很多标签，融资快、估值高，CV四小龙，AI独角兽。在这些荣誉背后，可能离不开的是贯穿其中的企业基因：技术信仰、价值务实。印奇曾用Moonshot来形容他和唐文斌的技术信仰，一帮很聪明的人，做着从没做过的事儿，经过N多年努力，经历了很多的困苦，最后一刻发现把很多东西只往前推了一小步。如果说技术信仰是一种自我推动力，那么价值务实则体现了旷视，对市场、对用户负责的态度。印奇在会上表示，价值务实是我们的流淌在血液中的基因，能够为用户带来真价值，是每一款AI产品的初衷和目标。对于未来5年，10年，旷视会成为一家什么样的公司，印奇表示，旷视不会成为一家特别平台化的公司，我们会基于1+3战略，打造几个支柱型产业，作为立身之本。此外，在不同场景和维度中构建不同的“脑”，比如在供应链场景中，Brain++作为大脑，河图作为中脑，未来会在每个设备中开发小脑，打造一套完整的智能化体系为行业赋能。（雷锋网雷锋昂雷锋网）
据深交所官网披露的创业板上市委2020年第13次审议会议结果显示，同意上海凯鑫分离技术股份有限公司（下称“凯鑫股份”）首发上市。 营业收入逐年大幅上升 公开资料显示，凯鑫股份为一家专注于工业流体特种分离业务的技术型环保公司，主营业务是膜分离技术的研究与开发，为工业客户优化生产工艺，提供减排降耗和废弃物资源化综合利用的整体解决方案。 其营业收入与利润主要来源于根据客户的需求，向其提供定制化的工业流体分离整体解决方案，以此获取一次性或定期性的收入，膜元件及其他部件占公司营收比重相对较低。 根据招股书，凯鑫股份2017年至2019年分别实现营收1.19亿元、1.97亿元和2.61亿元，对应净利润分别为2846.52万元、4234.35万元和5874.91万元。其中，工业流体分离解决方案营收分别为9008.38万元、1.77亿元和2.12亿元；膜原件及其他部件营收分别为2929.97万元、1990.27万元和4886.31万元，业绩呈稳定增长态势。 作为知识和技术密集型企业，凯鑫股份高度重视技术研发及知识产权保护工作。报告期内，研发支出占营业收入的比重始终保持在较高水平，2017年-2019年分别为6.34%、5.97%和4.92%。 接受记者采访时公司相关负责人表示，“持续的研发投入可以有效地保障公司技术研发实力的持续提升及产品、工艺水平的持续改进，提升公司核心竞争优势。” 据披露，截至目前，凯鑫股份已获得专利证书39项，其中，发明专利15项，实用新型专利24项。 对于公司未来发展，该负责人很有信心。“公司是国内少数能够在工业流体领域提供膜分离技术应用整体解决方案的企业之一，具有较强的技术研发能力和市场竞争能力。同时，公司如上市成功，也将为公司未来持续、稳定、健康发展提供基本保障。” 辽宁大学环境资源与能源法研究中心主任刘佳奇接受采访时表示，“经过不断的创新与发展，膜分离技术已经成为一项高效节能的分离技术，是分离科学领域重要的发展方向之一。目前，该技术已经在环保行业得到了开发和应用，并取得了较为显著的综合效益。应当说，该技术在环保行业内日益受到广泛的关注，有着较为广阔的发展前景。” 员工人均创收逐年增加 值得一提的是，凯鑫股份在模式创新方面也体现出了公司在经营方面的独特优势。 据介绍，其模式创新主要体现在专注于具有较高附加值的微笑曲线两端，即前端的膜分离技术研发和整体解决方案设计，以及后端的技术推广及产品销售，中间的生产加工及安装环节通常采取委外加工或外包方式完成。此方式可大幅减少公司生产类固定资产的投入及生产人员配备，减轻公司生产经营的资金压力，提高资产的运营效率。 在此经营模式下，公司能够始终保持以较少的人员产出较高的收益，人均效益大幅领先于同行业企业。根据招股书披露，2017年至2019年，凯鑫股份员工人数逐年增加。报告期各期末，公司在册员工人数分别为72人、82人、87人。人均创收分别为202.34万元、255.41万元和306.78万元。 刘佳奇认为，“单位员工获得更高的创收，是所有企业追求的目标和发展的方向。因此，该公司较高的员工人均创收金额，显然是值得肯定的。与此同时，随着公司的进一步发展，特别是发展战略、运营模式等方面的变化，如何继续保持这种良好的状态同样值得期待和关注。” “此外，公司上市有利于筹集资金，加大对相关技术和产品的研发投入，这将有利于企业在行业竞争中保持并提升竞争力，处于相对有利的地位。”刘佳奇分析到。
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估