5G|“科创板AI第一股”格灵深瞳上市:在拥挤的AI赛道走出自己的路( 三 )


格灵深瞳在成立初期便搭建了集数据采集、数据预处理、数据标注、模型训练、模型优选等模块于一体的底层 AI技术平台——深瞳大脑 , 并赋能自己的智源智能前端产品、灵犀数据智能产品、深瞳行业应用平台等产品的商业化运作 。
但深瞳大脑这一平台本身 , 目前还没有看到格灵深瞳直接商业化的打算 。 格灵深瞳反倒是基于平台高效的数据生产能力以及模型自动化训练与跨平台推理能力 , 于2020年先开源量化算法 EasyQuant , 后开源全球最大的人脸识别数据集 Glint360K 。
【5G|“科创板AI第一股”格灵深瞳上市:在拥挤的AI赛道走出自己的路】将自己自研、自用多年的算法与数据集开源 , 降低相关AI算法的研发门槛 , 让更多人借助这些源代码持续学习、测试 , 也为AI应用落地产业提供了更多的智力支持 。
在开拓新场景的路上 , 格灵深瞳还有一项亮眼的数据表现——研发人员人均创收较高 。 据招股书信息 , 格灵深瞳的研发人员人均创收已经从2018年20.79万元增长至2020年的92.29万元 , 位列行业可比公司第一 。
提高人效 , 虽然有助于规避AI企业成长初期的人力成本过高问题 , 但在行业快速发展阶段 , 人才的适度冗余也有必要 , 一旦市场有变化 , 就能组建团队快速出击 。 据招股书 , 截至2021年上半年 , 格灵深瞳研发人员的数量为153人 , 占格灵深瞳员工总人数的比例为54.64% 。
一百多名精兵强将 , 如果要在AI赛道开启平台化发展模式 , 或许尚不够多 。 但格灵深瞳也展示了AI企业成长的另外一种路径:
平台化发展对格灵深瞳来说 , 也许还不是构建竞争壁垒的首要条件 , 因为AI企业提供的软硬件产品与服务 , 短时期内也难以规避硬件采购、项目现场安装调试、施工等各种成本 。 还不如将人均创收发挥到极致 , 先在商业上打赢一个又一个项目 , 将平台中多年积累的先进算法和数据开源 , 逐渐形成平台生态体系 , 并从容寻找自己的“处女地” 。
看懂中国 , 就等于看懂世界中国AI产业在全球的影响力正不断提升 , 据亿欧智库《2021中国AI商业落地市场研究报告》 , 2017至2019年 , 我国政府工作报告连续三年均提及加快人工智能产业发展;2020年 , 人工智能更是与5G基站等一起被列入新基建范围;2018-2020年 , 中国AI企业数量在全球占比由20%提升至约25%;2021年至今 , 中国人工智能产业正进入深入融合发展期 。
计算机视觉也是AI企业竞争最激烈的领域 , 亿欧智库调研数据就显示 , 2021年 , 计算机视觉在AI市场占比已达三分之一 。 还有研究认为 , 计算机视觉赛道占据了整个AI赛道的半壁江山 。

计算机视觉可以做什么?格灵深瞳那句“让计算机看懂世界”的slogan就是最好的解释 。 中国AI市场无数场景应用的复杂性 , 也意味着“看懂中国就等于看懂世界” 。
其实在看什么、怎么看上 , 格灵深瞳切入的场景是一条少有人走的路 。 就以智慧金融领域为例 , 虽然也有部分AI企业切入 , 但多是运用人脸识别、语音语义识别、OCR等技术 , 或者指纹识别、指静脉识别、虹膜识别、声纹识别等模式识别技术 , 帮助客户进行身份认证、业务核验等 。
而格灵深瞳的解决方案主要应用于银行金库、加钞间、网点的安全运营场景 , 依托三维行为识别分析系统 , 实现场景中的合规性监控、异常人员或可疑行为的实时预警 。 这些场景 , 一方面比单纯的安防监控更加复杂 , 一些细微动作中就可能藏有潜在的金融风险 , 需要进行更细微的分析;另一方面 , 越早涉足这些场景 , 积累更多的数据用于模型训练 , 也越能够提高算法的精确度 。