人工智能浪潮褪去,冲刺IPO成AI企业生存关键?

来源: 大作

此前,AI四小龙持续亏损、登科受阻,投影出“AI估值泡沫,风口浪潮已褪”的现实。反观AI四小龙同期的独角兽格灵深瞳,6月22日科创板IPO受理,拟募资10亿元用于AI算法平台升级、创新应用研发等项目。

前几年,资本疯狂“砸钱”,包括格灵深瞳、AI四小龙在内的AI初创企业估值水涨船高。然而在巨资的投入下,这些企业并未都能实现盈利。

今年3月份,依图主动申请中止IPO,旷世被曝转战科创板后也无下文,云从正在进行IPO审核,AI企业争相上市,IPO赛道异常热闹。但据公布资料来看,冲刺IPO的AI企业都有一个共同点:连年亏损。

由此来看,各企业能否成功上市还有待考究,历经过去的辉煌时期,如今的AI领域行业如何、企业的未来发展如何成为大众新的关注点。

01

估值泡沫 AI产业投资熄火

纵观AI行业,2015年以来,各大互联网企业布局AI产业,创业公司与日俱增,资本也你追我赶地进入赛道。短短几年内,视觉计算、大数据分析、深度学习、智能机器人等AI领域都有资本的身影。

据相关数据,国内AI领域,在2015-16年期间的投资额高达387亿元;2017年一年则完成202次投资,拿到10亿美元的投资额;2018年,以四小龙为代表的AI创业公司更是融资拿到手软,仅3个月的时间,四小龙就到手100多亿元融资额。

相比前几年的热火朝天,如今的现实更是泼了资本一大盆冷水。报告显示,截止2018年,约9成的AI企业都处于亏损状态,其余的1成盈利企业基本是技术供应商。就现在IPO赛道的AI企业来说,其呈现的财报数据也处于持续亏损状态。

整体来看,起初的AI企业核心团队技术很强,但尚未形成商业化、场景化和整体化的落地,更多的只是销售算法。正如格灵深瞳CEO赵勇反思:17年以前,格灵深瞳的技术团队非常强大,但产品方面很弱,而我们并没有意识到自己弱。

然随着技术的不断发展和升级,算法的门槛也随之降低,有业内人士曾表示,人脸识别算法从最初的价值上千万元已经跌到了40万元。

热浪退却,投资进入沉默期,各企业也明白靠“讲故事、博眼球”已经不能换来融资了,现在到了拼应用落地、拼解决行业痛点的时期。唯有将AI的赋能效应向社会各行业各方向延伸落地,才能使企业在行业内站稳脚跟,形成自身的核心优势。

02

AI企业冲刺IPO或为最佳出路?

回到前文所说的格灵深瞳冲刺IPO,从主营业务来看,格灵深瞳将AI技术中的视觉计算、大数据分析技术切入应用场景,为智能商业、体育健康、智慧金融、公安大数据等提供解决方案或AI产品。

目前,格灵深瞳已实现多产品技术的落地应用,19年的深圳安博会,格灵深瞳在接受慧聪物联网专访时曾表示其主要产品“深瞳灵犀”围绕智能引擎、AI赋能方面,实现了跨境全目标追踪的场景体验,节省用户能耗资源。深瞳大脑作为格灵深瞳核心技术的驱动平台,赋能企业AI产品及解决方案的技术实现。

此外,出自格灵深瞳城市管理方面的落地应用涉及全国多省市的公安局、公安交通管理局等国家单位;智慧金融方面的应用覆盖全国农业银行共计上千家分支机构;智能商业则被中国石化、现代汽车等大型企业应用。

据其招股说明书,未来格灵深瞳将更注重应用场景落地的战略性投入,研发仍是重点投入方向。然而研发难度大、投入高造成净利亏损是行业常态,

有业内人士认为,AI企业冲刺IPO,是企业寻求资本支持研发投入的帮助,也是企业主动谋求竞争优势的体现。上市也许是当前维持生存在最好选择,但上市之路漫长且布满荆棘,结果如何还有待观望。

03

总结:AI的征途是星辰大海

虽然AI企业冲刺IPO不被大众看好,但目前AI产业仍增长迅猛。

就大产业来看,2019年,我国AI核心产业规模达到1088.6亿元,预计2025年可达4532.6亿元,年均复合增长率为26.8%。而从细分的计算机视觉领域来看,2019年,该领域规模占总产业的58.2%,市值为633.3亿元,预计2025年增长至1537.1亿元,年均复合增长率高达15.9%。

计算机视觉领域作为拟IPO的AI企业主方向,现已取得较大突破,市场份额占比大,未来发展空间广阔。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/484429.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【开源】iTest教学辅助系统源代码

iTest教学辅助系统 2020.10.16第一次更新 重置了下载链接 2020.12.21第二次更新 重置了下载链接 2021.05.07第三次更新 重置了下载链接 1.关于iTest教学辅助系统 i实验辅助教学平台是基于局域网开发,力求为教师和学生用户提供实验课堂辅助教学环境的计算机系统&…

KnockoutJS-与服务端交互

几乎所有Web应用程序都要和服务器端交换数据,交换数据时最方便的就是使用JSON格式。Knockout可以实现很复杂的客户端交互,对于前后端交互使用的技术最为基本且常用的是Ajax,本次利用Ajax和ko的双向绑定完成一些简单的功能,可以快速…

神经网络无法区分异同,而且这个缺陷是本质性的

来源:混沌巡洋舰1969年《芝麻街》的第一集中有一个片段叫做“这些东西中的一个与众不同”。观众们被要求考虑一张展示三个2和一个 w 的海报,然后一边跟着游戏的同名广告歌唱,一边决定哪个符号不属于这个标志。《芝麻街》中的很多集重复了这个…

matlab计算级数和

级数(series)是指将数列的项依次用加号连接起来的函数。典型的级数有正项级数、交错级数、幂级数、傅里叶级数等。 —百度百科 matlab提供了直接计算级数的两个方法,symsum的两种形式(做题刚开始以为是重载,直接导致了上一篇帖子的产生 &…

北国风光

转载于:https://www.cnblogs.com/ssyfj/p/10214328.html

“期待已久的UFO报告”公布了

来源:环球网 作者:张晓雅多家美媒表示,调查没有得出确切结论。包括美国有线电视新闻网(CNN)、美联社、美国哥伦比亚广播公司(CBS)在内多家美媒最新消息,美国政府当地时间25日发布报告…

Bmp格式与编程读取解析

Bmp格式 DigitalImage图像类设计 图像加载函数,通过bmp图片路径,加载图像数据,通过类构造函数来实现。 DigitalImage::DigitalImage(LPCTSTR lpszPath) {StrCpy(m_FilePath, lpszPath);CFile RdBmp;if (!RdBmp.Open(m_FilePath, CFile::modeRead | CFil…

关于奈氏准则和香农公式

对于带宽固定的信道,提高信息传输速率有两种方式: 提高码元在信道中的传输速率;提高信噪比; 我们以高速公路的例子来理解: 码元相当于车辆,信道相当于公路,所有的汽车都在运输相同的货物&…

五角大楼公布UFO报告,不明飞行物到底是什么?(全文)

来源:大数据实验室五角大楼周五发布的一份有关不明飞行物的重要报告称,国防和情报分析人员缺乏足够的数据来确定军事飞行员观察到的神秘飞行物体的性质,包括它们是先进的地球技术、大气层还是外星天体。这份报告提交国会并向公众公布&#xf…

python 词云小demo

词云小demo jiebawordcloud一 什么是词云? 由词汇组成类似云的彩色图形。“词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出,形成“关键词云层”或“关键词渲染”,从而过滤掉大量的文本信息,使浏览网页者只要一眼…

python--类与GUI编程框架

类属性 类的数据属性(静态成员):仅仅是定义的类变量在类创建后被使用可以由类的方法来更新,也可以在主程序中更新类属性和实例无关,修改类属性需要使用类名 class Dog(object):counter0def __init__(self,name):self.…

信道复用技术之码分复用

2020730第一次修改:提升了图片的清晰度 1. 首先来说说什么是信道复用 信道复用,顾名思义,就是把多个用户使用的信道合并在一条信道,即一条信道承载着多个用户传输数据的任务; ps:信道:数据信息传…

《新一代城市大脑建设与发展》专家研讨会在京举办

2021年6月26日,新一代城市大脑建设与发展专家研讨会在京举办,本次活动由城市大脑全球标准研究组主办,远望智库承办。20多位专家参与本次研讨会,对城市大脑、智慧城市的发展趋势,存在的问题,产生的新成果等方…

【基于Python+Flask项目部署系列--03】开发测试环境配置-基于Ubuntu16.04

一、开发测试环境介绍 前提已经部署完【基于PythonFlask项目部署系列--02】Ubuntu16.04服务器安装。建议部署2套环境:开发测试环境生产环境。 这篇文章主要讲解测试环境如何配置python flask项目与运行。 测试环境主要使用【虚拟环境】进行部署代码部署,…

机器学习

机器学习 sklearn基础功能: 主要使用python的sklearn库:sklearn库共分为6大部分,分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。各模块功能介绍 分类任务分类模型加载模块最近邻算法neighbors.NearestNeighbors支持…

费米悖论的三十种解释

© David B. Mattingly来源:利维坦 文:Ella Alderson译:Rachel校对:Yord原文:/medium.com/predict/30-solutions-to-the-fermi-paradox-aaabfce56280利维坦按:我个人现阶段觉得,与其说接受宇…