为了让算法落地,人工智能公司如何绞尽脑汁?

数智前线
关注

02

AI公司热衷硬件的背后

虽然AI视觉公司里,很少像商汤一样直接做一款toC硬件,但行业的一个共识是,纯技术公司很难赚到钱,技术必须与具体场景相结合。

这些年,做硬件或者软硬一体,一直是AI小龙们所努力的方向。他们做一些搭载了AI算法的盒子或者是摄像头和刷脸的面板机。

AI视觉公司里,最早在硬件上布局的是旷视科技。2015年,旷视就推出了首款AI摄像头,“抱着试一下的心态。”旷视科技联合创始人杨沐说。当时旷视试水各种硬件,寻找适合算法的载体,一开始大家的认知是算法载体是服务器。但服务器太贵,而且功耗大,用户得建设机房。当时一些小区、园区的门禁就有将算法放在终端摄像头上的需求。

2017年,商汤也发布了首款自研智能硬件产品SenseID人证核验机,被用于机场等场景下的人脸通行。2018年3月,云从发布了一款AI摄像机,开始软硬一体。2019年5月,依图通过收购的方式推出首款芯片“求索”,并将其搭载在智能服务器、智能边缘计算设备中。

在各大AI公司向软硬一体转变的背后,是早期光靠算法的商业模式很难再往下走。

极视角联合创始人刘若水告诉数智前线,市场早期不缺钱,大量风险投资涌入,使得AI公司一向不太重视成本管控,大家都在高薪招人埋头搞算法,潜意识里认为,把算法搞好就会有市场。

但到了现在这个阶段,外界更关注算法本身能否落地,商业模式是否行得通。而且相比于可以不断复制的软件产品,算法还有大量定制化的需求,这也使得成本未必能降下来。

云从科技联合创始人姚志强对数智前线表示,应用层面的单一模块化及单点技术革新,难以满足日益错综复杂的细分场景需求,AI企业亟需增强提供完整解决方案的能力。

另外一个原因是,有技术能力的大客户,算法公司越能做到偏底层的对接,但对于中小公司而言,往往需要提供更完整的东西。“你拿一个算法给他,对他来讲很难去接入的。”杨沐说。

“SDK其实是一个很高效的合作模式。”杨沐说,前提是合作伙伴很清楚自己需要什么,像人脸解锁和刷脸支付等,手机厂商和支付公司自身有很强的能力和明确的需求,算法公司只需要提供SDK的接口。

但问题在于,很多智能化场景,往往是AI算法的公司先看到机会,不得不自己先去试水和市场培育。在这种背景下,软硬一体的优势就凸显出来。

刘若水告诉数智前线,极视角绝大部分收入来自于软件算法,硬件由大客户自己集采。“每个算法都找一个特别合适的硬件去做适配,这件事情的投入产出不是特别高。”

但中小客户对硬件完全不了解,而且场景比较单一,直接提供软硬一体的产品,反而能快速部署和出货。比如明厨亮灶、智慧工地和智慧安监等,都是视觉算法比较成熟的场景。“算法比较固定,一个场景里需要识别多少路的摄像头也比较固定。”

“纯做AI算法或者是AI软件,不往用户侧去搞数据搞应用的,或者不往下搞芯片搞硬件的,我认为长期来看会死掉。”张斌泉说。早期硬件成本的占比比较低,算法能卖上价,一路人脸识别能卖好几万。

但现在一路AI人脸检测的价格才几十块钱,云端也才小几百块钱,在这种情况下硬件的占比就极大的凸显。

从资本的视角来看,纯算法的收入也无法支撑起庞大的估值。“想要去冲一下这个营收,因为纯软的收入可能不够。”一位AI算法公司的员工说,算法虽然毛利高,但整体盘子并不大,不利于在资本市场讲故事。“纯粹卖算法,一年一两个亿已经很多了。”但一两个亿的营收显然支撑不了AI公司数百亿的市值。

而且,随着算法的门槛越来越低,价格也不再昂贵。一个算法卖5万块钱,但如果加上服务器可能能卖到15万,相当于把营收放大了三倍。

03

“变硬”并不容易

但做软件和做硬件,背后需要的是完全不一样的能力。

“算法需要更高级的人才,懂业务落地的算法工程师,而硬件需要渠道和供应链的优势。”姚志强说。

“做硬件几乎都在抠成本,但做软件,一个算法大牛可以顶千军万马。”一位经常与供应链打交道的AI行业人士对数智前线说,硬件的坑密密麻麻,“供应链是个重灾区”。

她现在还对这些教训记忆犹新,曾经深圳工厂的老板都是拍着胸脯,义正言辞跟她保证绝对没问题,“被骗了好多回之后才学乖的,他们说的话你听听就行了”。比如到期交不了货、偷工减料等,即便事后追究工厂责任,但错失了销售时机,对企业而言是个沉重打击。

她曾遇到一位客户,对方做的是一款内置4G存储卡的玩具,还专门向芯片设计厂商购买了IP授权,但没想到组装工厂给他用的是二手物料,导致经常卡顿。结果卖出去的东西面临着大量的售后,没卖出去的也需要返厂重做。

2018年以前,旷视也一直在寻找更合适的硬件载体。当时买了一堆市面上与视觉相关的硬件,研究能不能把算法方案放上去。“主要的工作就是在各种硬件和芯片的选型上,市面上成熟芯片都用过”。

但学费没有少交,做了很多产品但没卖不出去。而且硬件研发周期长,管理比较琐碎,涉及库存、供应链把控、选厂等等,“这都是需要花时间积累的行业know how。”杨沐说。

比如买了一堆芯片,怎么去保管,放在仓库会不会氧化。而产品定义时,哪怕少了一个接口或者通信协议,板子可能就得重新设计。

“传感器是做前照式还是背照式,要不要把HDR功能加进去,都需要取舍,一旦取舍错了,不是说造出来没用,而是你的定价跟市场需求不匹配。”杨沐说。

市场早期为了验证可行性,旷视找的是外部团队,掏钱合作也相对比较容易。但随着规模化部署,集成难易度、交付难易度和成本变得更为关键,“一旦关心起成本,硬件的设计就变得至关重要。”

硬件的设计决定了整个产品是否能成功的最关键点。2018年之后,旷视的硬件研发团队开始逐渐形成规模。当时有一个背景是,硬件分工已经非常明确,做硬件不需要从造芯片开始,更需要做的是围绕具体场景,兼顾产品的通用性和交付难易度。

比如,门禁通行的场景里,接入不同线路的摄像头,意味着需要不同的内存。之前像英伟达服务器,往往是一个标准产品,价格贵。但如果在硬件设计之初,把多少算法需要多少内存算清楚,最终的硬件产品会有很好的成本优势。

这也是旷视提倡的算法定义硬件理念,先吃透场景需求,然后再根据算法的需要去设计一款有价格优势的硬件产品。比如2015年前后,大家普遍认为算法的最佳载体是服务器。但其实服务器价格贵,功耗大,需要建设机房,没办法在各地部署。所以,旷视那段时间做了面板机、网络摄像机。

而且,单纯抠硬件制造成本不一定效果最优,适当放宽硬件制造成本,但大幅度降低软件成本,反而总成本会更优。

还有产品研发周期。大华资深人士告诉数智前线,海康和大华都在拼速度,产品上市快,一个产品在指标上的领先和控标周期只能做到6个月。

除了这些,硬件的销售渠道对AI公司也是个不小的挑战。比如科大讯飞建立了“CBG”的渠道体系,海康威视和大华等传统硬件厂商已经下沉到城乡,旷视也提出与运营商合作,毕竟运营商有中国最大的销售和运营网络。

在张斌泉看来,深度学习技术尤其是视觉的深度学习,到了一个瓶颈期,能落地的场景挖掘得差不多了,真正商业化的点不多,“大家都觉得是一个新的人工智能浪潮,但没掀几段浪。”另外,硬件同质化越来越高,这也意味着,竞争最终会来到渠道和价格的比拼。

商汤在toC硬件方向的首次尝试,尽管提供了一种新的思路,但目前看并没有太大的销量和声量。

姚志强认为,人工智能目前更适合做专业级市场,因为它还不是一个完全通用化的产品。消费级产品要求性价比,而人工智能没有完全通用化,很难把价格降低到很低的程度。

在软硬一体成为行业趋势的当下,头部的几家AI视觉公司已经走上不同的道路。商汤搞大模型、大装置,几乎什么业务都在尝试;旷视则以AIoT为主攻方向,选择了消费、城市和供应链场景中的几个重点品类;云从则倾向于人机协同操作系统,自研部分硬件主要是为了树立标杆案例,目的还是吸引合作伙伴。无论哪一条路,目前来看,都还在路上。

       原文标题 : AI落地,变硬不易

声明: 本文由入驻OFweek维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存