副业赚钱_刚刚，云天励飞上市！_副业教程

同行不同路，AI赛道跑出一位异路玩家。

作者 | 路遥 

编辑 | 秀松 

ChatGPT的横空出世，重燃了人工智能赛道的火，一边是狂热投资者纷涌而至，一边是大国博弈下，国家战略层面的高度关注。

最近，云天励飞CEO陈宁博士忙得不可开交，前脚接待了省级领导，后脚又赶去接待科技部重大专项司，各类调研络绎不绝。

今天，云天励飞正式敲响上市之钟，企业发展与时代命题交织，在当下这个时间节点，产生出鼓舞人心的共振。

自商汤率先破局，云从科技紧随其后登陆科创板，再到如今云天励飞敲响上市钟声，逆水行舟的人工智能赛道上，挺过IPO这瓶“卸妆水”的洗礼，是AI明星们给予过往嘲笑与批评，最有力的回击。

人工智能的魅力，在于其具有挖掘一切或紧密、或松散的数据关系的能力。

这些庞大而松散的数据关系中，潜藏着现实世界的种种蛛丝马迹，对这些蛛丝马迹的淬炼与加工，将能够开启一座座潜力无穷的宝库。

该如何找到一把趁手的工具？该找到怎样一把工具？

这条掘金之路，同时也是一条不归路，却从不缺前仆后继的朝圣者。

身为其中一员，云天励飞的回答格外精简：专注、聚焦。

从算法到芯片，两类「造芯故事」

AI是普惠的，如同水与电，它的存在是沉默的，同时拥有无可置疑的重要性。

如同需要水与电带来生存上的便利，我们需要AI在于它能够带来降本增效，都是一种刚需。

然而，AI应用落地的过程极其繁琐，远不似技术创新般直观。

AI以普惠之姿，进行商业化落地过程中，对企业的考验是能否“接地气”，抓住痛点并解决问题，警惕的是过于阳春白雪，创造出“伪需求”。

AI要实现普惠，大规模进入产业，就必须解决成千上万的碎片化场景应用问题。

从技术的演进规律来看，由定制化走向标准化、平台化，是一种必然。因为没有标准化，定制化走不长远，定制化需要在标准化的基础上延伸新的意义。

这是一条漫长的路，现阶段，AI标准化的努力，主要在工具和研发流程的标准化。

站在AI企业的角度，定制化无疑是份苦差事，行业利润总是被制定标准的公司赚去。

作为最先上市的CV公司，商汤CEO徐立曾表示，“商汤大部分产品是标准化的。”

To B行业存在定制化的特性，开发周期较长，期间需要实时响应，而大多数AI公司由于标准化研发投入不足，导致常在一家公司处耗费大量人力、物力和时间。

最终沦为可悲的项目制，获得与AI科技公司极不相称的低毛利率，与此同时，失去的是覆盖更多领域的机会，毕竟在玩家众多的AI赛道，时间从不等人。

2017年深圳安博会期间，宇视总裁张鹏国接受雷峰网采访时提到，以算法起家的AI创业公司，未来大概率有三种活法：

蜕变成行业解决方案提供商；

从算法到算力，软硬件一手抓；

被收购或者直接消失。

起初，长于算法的AI创企，以“颠覆者”之姿闯入稍显禁锢的传统安防行业。

随着AI安防走入深水区，算法厂商们纷纷撞上一个核心问题，AI技术的落地必须强依赖于硬件厂商，而硬件能力又难以获得。

高端芯片增量需求与供给不平衡之间的矛盾，在美国的一纸禁令下，瞬间加剧。

一时间，造芯四起。

当时坊间流传的一种调侃式说法，描述了当时造芯的盛况：未来不提芯片的算法公司不是一家好公司。

之后几年，AI创企技术价值中心由软件算法层向核心算力层的转移，很好地证实了这一点。

在这个万马齐喑的转型期中，不少企业仓皇离场。

深层原因在于，大多数人工智能企业在没认清自己，想好业务时，就技术先行，企图以人工智能技术撬动整个行业。

这一商业模式上的缺陷，在行业野蛮生长时期，被掩埋；在行业的冷静期中，则被无情曝露。

微软亚洲研究院副院长张益肇曾告诉雷峰网，很多AI创业者们在切入某个场景时，既没捋顺流程，也没想清模式。单纯觉得我有AI技术，有几个合作伙伴，就能大干一场。

在一批出现问题才解决问题的大军中，只有少部分坚持商业模式，跟进迭代速度的企业，涅槃重生，而这种代价自然不是所有公司都能承受得起。

不同于当时业内对 AI 如何落地的模糊认知，云天励飞非常注重技术的应用场景问题，业内较早意识到算法、芯片深度融合重要性的企业。

事实上，2014年陈宁在深圳创立云天励飞伊始，便面向人工智能的深度学习神经网络，重新设计处理器的芯片，确定了“云+端”的技术路线。

这一路线的逻辑是，通过将AI芯片植入前端智能设备，降低网络带宽要求，降低后台处理成本，加快处理速度，同时还能保护用户数据隐私。

这条路线的选择，与云天励飞创始人、董事长陈宁本身是芯片专家，且公司创始团队多来自集成电路领域不无关系。

在战术上，“算法芯片化”的理念，在当时的AI圈实际是一件很先锋，但同时冒险的事。

陈宁理解中的 ” 算法芯片化 ” ，不等于简单的“算法+芯片”，而是一种将芯片设计者的理念、思想与算法相融合的 AI 芯片设计流程。

芯片研发周期长、投入极大、风险极高，这条路的难走无需赘言。

在AI资本热钱涌动的2015-2018年，云天励飞没有在资本市场获得多大关注，也鲜有披露融资记录。

在这几年里，云天励飞默默进行着自己的芯片研发步骤：2016年推出第一代专用于神经网络处理器NNP100；2018年AI芯片“DeepEye 1000”（深目）流片。

根据招股书，2019-2021年，公司研发费用分别为2亿元、2.19亿元、2.95亿元，占营业收入的比例分别为86.79%、51.42%及52.17%。

一个有趣的现象是，2019年开始“AI资本寒冬”来袭，这一年却刚好是云天励飞发展的转折点：“DeepEye 1000在这一年正式对外销售并商用；公司在这一年开始接连披露大额融资。

云天励飞有了AI独角兽的骨像。

这一现象背后的原因，其实很好解释，资本市场回归理性，其实就是回归企业本质，有核心技术壁垒且与应用场景深度结合的公司，犹如潮退后显露出的海底礁石，引人驻足流连。

兼顾成本和易用性，算法与芯片的「攻城战」

当下，大规模应用与推广，是AI企业的集体困境。

这一困境表现出来的外在矛盾是：现有产品难以兼顾成本和易用性。

人工智能领域，各个场景都有独特的需求，依靠算法形式推广，定制化程度高，成本难以下降。

只有把生产要素的成本降下来，才能谈AI的大规模产业化。

而只有做到“开箱即用”的易用性，才能加快产品落地和迭代。

这一困境的内在矛盾，指向眼下AI公司直面的两大挑战：算法和芯片。

比如，云天励飞可以在一秒钟里完成对数十亿级规模数据的检索，而只需基于云端一台普通PC机的运算能力。

这与前端芯片的结构化、云端的深度学习和大数据分析的算法能力是分不开的。

AI时代，神经网络运算需要大量的算力，原有的主流处理器架构 CPU、GPU ，已无法提供最佳解决方案。

制程工艺上，摩尔定律减缓，芯片制程已达物理极限，无法进一步缩小以提升有效算力。

能耗上，缩放比例定律（Dennard Scaling）规律结束，芯片的功耗急剧上升。

制程工艺和能耗的双重瓶颈，制约着高计算需求 AI 芯片成本的降低。

曾经的AlphaGo 1.0系统，有1900个CPU+280个GPU，训练一盘比赛的电费高达1000美元。

这说明，能承载复杂算法，且能被嵌入各类终端设备的高性能、低功耗AI芯片，是大规模产业化的刚需。

然而，芯片之于AI的重要性虽已得到印证，但国内企业在AI芯片的布局上仍有缺失。

一方面，企业级客户更多讲究的是功能实现，除非能带来业务和管理效率的提升，同时成本可接受，否则很难说服客户将根据场景定制的AI芯片嵌入各类终端设备中。

另一方面，AI芯片市场同质化问题严重，现有产品不能满足客户的降本增效需求。

不同于业内存在的以“拼凑”方式做AI芯片，云天励飞对AI芯片进行了重新设计，这来源于团队十几年的领域积累。

AI芯片市场的角逐，算法是一个重要突破口。

将海量的非结构化数据转化成结构化数据，并将数据打上标签，然后进行比对分析，要确保这一过程通畅无阻，不仅需要强大的AI芯片，还要有结合业务场景的高性能算法。

2017年，曾供职NEC Labs，前Snap资深科学家、Snap研究院创始人之一王孝宇博士归国，出任云天励飞首席科学家。

王孝宇上任第一要务，就是对公司的算法和大数据进行进一步规划。

大数据上，通过积攒海量的数据系统，增强训练。

算法创新上，开发算法自动化系统，缩短研发周期。

随着深度学习等技术的成熟，AI公司在算法和性能上逐渐相差无几。

但客户对技术的需求，一如马斯洛需求理论概括的人类需求，总是在低层需求满足后，在其他方面提出更高的要求。

比如AI算法模型，从研发至生产周期漫长、成本高昂，每种模型的生产都需要大量算力和人力。

但现实情况往往是，大量耗时耗力开发出的AI模型，覆盖场景非常有限，不仅需要后续持续不断的投入、迭代，还难以实现规模化，从两个层面上削弱着AI公司的盈利能力。

这就是大多数AI公司面临的真实困境。

而云天励飞花在算法上的成本，正在降低。

现阶段，云天励飞研发的可重定义AI芯片，面向嵌入式前端和边缘计算应用，可灵活支撑多类算法框架，提高算法实现的效率，降低后台处理成本，具备高性能、低功耗、低成本的优点，并且支持运行自有及第三方人工智能算法。

这是因为，随着AI的研发模式发生变化，云天励飞随之改变了自己的研发观念，把重心从建立更好的模型，转移到了高效获取最好的数据上。

“之前我们的观念是招聘最好的人，开发最好的技术，达到最好的效果。但实际不是这样的，如何在最短的时间内，得到可以使模型达到最优效果的数据集，这才是最重要的。”

降低技术应用的门槛：左手自研AI芯片，右手自研算法

从稍显禁锢且同质化严重的安防领域一路挺进，又在AI公司普遍布局算法和芯片后成功上市，云天励飞的成功，主要得益于自身够宽、够深的护城河。

算法、芯片、数据是公认的人工智能核心三要素。

三者紧密结合，才有可能打磨出真正为行业所需的产品。

云天励飞的护城河在于，一开始就坚持在上述三方面自主研发，形成了“算法+芯片+数据”的闭环生态。

这一部分也来源于几位海归博士分别在芯片、算法和数据这三个领域的跨界创新的融合。

背后的逻辑很简单，通过提高技术门槛，来降低技术应用的门槛。

在其背后，是来自于英特尔，摩托罗拉，中兴通讯等芯片研发部门，且平均拥有 10 年以上摸爬滚打经验的行业老兵。

云天励飞构建了完整的AI技术链路，所有研发聚焦在三大平台上：算法平台、芯片平台、大数据平台。

人工智能算法平台，由云天励飞多次获得国际视觉大赛冠军团队打造，通过将多项计算机视觉技术和对场景理解以及工程化经验融合，可以部署到下游各个领域。

人工智能芯片平台，通过自定义指令集、处理器架构及工具链的协同设计，实现算法技术芯片化，提升产品和解决方案中的高效性及场景适应性。

大数据平台，用来做更深层次的分析。

ChatGPT带火的多模态AI技术，也是云天励飞未来的布局方向。

除了继续提升相关算法速度和精度，还将结合场景，采用音频等模态信息，提升传感器信息流中语义和非语义信息的结构化密度，带来更加智能的大数据自动推理分析，使产品及服务在更多应用场景落地。

八年时间，云天励飞走过了“算法芯片化”和“端云协同”的技术探索之路，也走过了从安防到城市再到商业的产业落地探索之路，亲历了人工智能从蛮荒到普及的全过程。

公共安全领域，基于智能分析能力，构建城市安全盾牌；

城市治理领域，AI触角从城市大尺度空间向最后一公里渗透，打造了龙华智能运算能力平台等项目，为城市管理的方方面面提供AI支撑；

公共交通领域，综合运用人工智能、大数据、云计算等技术，与深圳巴士集团共同打造智慧线路优化系统，构建城市立体化交通体系。

足够的技术实力是一方面，能够铺开规模，同时控制好成本和供应链，又是另一方面。

相比于传统巨头，渠道以及生态建设能力往往是AI创业公司的“七寸”。

为了在需求迭代马不停蹄的碎片化市场，更好实现AI的落地，云天励飞还提出了具有里程碑意义的“自进化城市智能体”，积极布局整个生态联盟。

自进化城市智能体，即具备自学习、自进化能力的人工智能技术，通过关注全场景，实现端云协同，统筹管理、应用承载。

形象一点解释就是，给城市换上一个更强健的躯体，以及一个更聪明的大脑，同时为其注入灵魂，为整个城市的智慧化进行一次从上到下的升级。

为了实现这一目标，云天励飞正在发挥自己的桥梁作用，一边连接着无数碎片化的场景，一边连接着扮演不同角色的开发者和服务商。在满足客户差异化需求的同时，达成生态伙伴的“群体胜利”。

从名不见经传的AI创企，到2020年疫情“黑天鹅”和国际形势双重大背景下横扫资本市场、冲刺IPO的黑马，再到如今成功上市，云天励飞用稳扎稳打的八年，摸索出一条适合自己的产业化道路。

在“AI公司只有用正向净利润才能完成自身证明”的论调中，立足于国内广阔的场景和应用空间，这家全产业链公司上市后，能否讲好AI故事，值得拭目以待。

推荐阅读

​

原文始发于微信公众号（AI掘金志）：