目前 ， 商汤研发人员包括40位教授、250多名博士及博士学位候选人、3593名科研人员 ， 占公司全体员工的三分之二 。 同时 ， 商汤在各项全球竞赛中获得70多项冠军 ， 发表了600多篇顶级学术论文 ， 并拥有8000多项人工智能专利及专利申请 。 徐立说：“就像商汤标志设计中的‘商汤’两个中文字最为醒目一样 ， 我们就是想告诉大家 ， 方块字未来代表着原创高科技 。 ”
不过 ， 问题也随之而来 ， 高研发意味高投入 。 2018年至2020年 ， 商汤研发投入占收入比重分别为45.80%、63.30%、71.21% ， 2021年上半年 ， 商汤的这一数据更是达到107.3% ， 而科创板企业的研发强度大约在13%左右 。 体现在盈利水平上 ， 2018年至2021年上半年 ， 商汤剔除非经营性项目 ， 经调整后亏损25.91亿元 。
“先有持续的大规模技术投入带来创新 ， 再有商业模式发展 ， 这是一条罕有人走的路 ， 艰难之处在于商业的不确定性 。 ”徐立表示 ， 高研发是平台化硬科技企业发展的必由之路 ， 虽然艰难 ， 但也一定要迎接挑战 。
事实上 ， 这并不是商汤一家的问题 ， 而是整个行业的痛点 。 虽说对于高投入属性的AI行业而言 ， 资本市场应给予不同的估值方法和评价维度 ， 但随着AI行业壁垒越来越高 ， 在保证研发迭代的同时 ， 如何找到投入产出以及盈亏的平衡点 ， 如何进一步降本增效 ， 是商汤必须解开的一道难题 。
做强平台
上市不是终点 ， 而是发展的起点 。 从此次全球发售募资净额的60%将用于提升研发能力来看 ， 商汤保持“坚持原创 ， 让AI引领人类进步”的初心 ， 将以更充足的资金和底气支撑企业的技术路线 。
与其他AI公司不断寻找人工智能的落地场景不同 ， 商汤的突破口在于平台化发展 ， 通过创造人工智能底层的生产工具 ， 为全行业实现AI赋能 ， 降低生产要素成本 ， 这或许也是其未来实现盈利的主要路径 。
所谓平台化的底层工具就是SenseCore商汤AI大装置 ， 由算力层、平台层和算法层3个部分组成 。 算力层以商汤自主建立的新型人工智能计算中心（AIDC）为基础 ， 整合了AI芯片及AI传感器 ， 能够支撑对海量数据和算法模型的分析、训练和推理 。 这座位于上海临港、投资56亿元的人工智能计算中心正在加紧建设中 ， 预计今年初投入使用 ， 设计算力为每秒3.74百亿亿次浮点运算 ， 将会成为亚洲最大的超算中心之一 。
这种级别的算力是什么概念？商汤集团联合创始人、研究院院长王晓刚介绍 ， 从直观数据看 ， 该平台建成后的算力可支持同时接入850万路视频 ， 同时满足4个超2000万级人口的超大规模城市使用 ， 1天内可处理时长相当于23600年的视频 ， 该算力也将直接成为上海人工智能产业的“新基建” 。
AI大装置的平台层打通了数据平台、深度学习训练框架、深度学习推理部署引擎和模型生产平台 ， 实现从数据存储、标注到模型训练、生产、部署、测试的全链路、批量化过程；算法层则整合了商汤的AI算法能力 ， 通过与算力层和平台层的协同 ， 将创新的算法模型开放给企业用户及社区开发者 。
“可以这样理解 ， 区别于AI模型小作坊式的打造 ， 商汤AI大装置更像流水线工厂 ， 可以实现不同场景的算法模型的底层抽象 ， 以模块化平台套件打造通用型服务平台 ， 从而降低AI模型生产成本 ， 使人工智能模型的工业级量产成为可能 。 ”王晓刚表示 ， AI大装置是人工智能软件平台的基础底座 ， 解决了AI模型工业化量产的关键问题之后 ， 商汤科技“AI赋能百业”的目标将加速推进 。
目前 ， 商汤赋能的业务领域涵盖智慧商业、智慧城市、智慧生活、智能汽车四大板块 ， 并分别开发了AI软件平台 。 徐立认为 ， 商汤已走出了自己的商业化路径 ， 其出路就在于通过降低AI模型生产成本 ， 最终使商汤可以跨行业、低成本地让AI技术大规模落地 ， 并实现商业化目的 。 这也是商汤经过多年投入为自己建起的技术“护城河” 。