“風物長宜放眼量”，用這句話來形容如今的AI産業，可謂恰如其分。ChatGPT的橫空出世，讓市場的目光紛紛投向了沉寂已久的AI産業：“AI究竟有多大商業空間”“AI技術如何商業化”等議程重新被擺上了台面。
時值業績披露季，作爲一家成立僅5年多的新生代AI公司，創新奇智（02121）交出的這份喜人成績單，既表明了這家公司在行業內正“初露峥嵘”，也向普羅大衆展現出了AI實業應用廣闊潛力的“冰山一角”。
縱觀這份2022年財報，其中亮點頻頻：全年公司實現逆勢增長，營業收入達到15.58億元，同比增長80.88%;毛利達到5.07億元，同比增長89.7%;毛利率同比增長1.6個百分點達到32.6%;經調整淨虧損率爲8.9%，同比縮窄46.1%。
其中，“AI+制造”業務實現111.2%的同比增速，收入達9.48億元，營收占比同時提升至60.9%。“AI+制造”既是公司業務中增長最快的板塊，亦已成爲強勁的成長新引擎。
按照“點-線-面”的業務拓展路徑，公司業務正快速實現1*N複制和1+N擴張：公司客戶數量從2021年的159家增加至2022年的292家，其中制造業的客戶數量從2021年的93家增加至221家;年收入貢獻超過450萬人民幣的白金客戶客單價增長至1903萬元。
在不確定性的市場環境下，財務健康度的全面改善，既表明了公司降本增效成果顯著，亦增強了後續業績的確定性。2022年的公司研發費用率、銷售費用率和管理費用率對比2021年均有所下降，整體現金余額爲16.5億元，保持充足的現金儲備;應收賬款周轉天數與2021年相比降低了12天，由133天下降至121天，在行業內名列前茅。
短短5年多時間裏，創新奇智俨然已從一家初創AI公司成長爲港交所上市公司、中國最大的AI+制造解決方案供應商，在全國12個城市廣泛布局，連續多年業績超預期增長。而從創新奇智的成長路徑中，我們得以一窺背後AI産業正在發生的深刻變革。
聚焦“AI+”應用實踐，跑出獨特商業化路徑
《人類簡史》的作者尤瓦爾·赫拉利曾經公開表示，AI將是21世紀最偉大的革命。2000年以來，自動駕駛、自主機器人、語音識別、神經網絡、AlphaGo等重要技術進步不斷湧現。
而在國內，經曆了2013-2018年間AI行業融資規模與投融資數量的快速增長、2019年後的泡沫破滅與市場遇冷，如今的AI行業中不斷有着這樣的疑問：“AI的産業化機會在哪裏?”“AI公司商業落地和變現模式是否可行?”
在這個充滿挑戰與轉折的關鍵時期，創新奇智能夠以驕人的業績驗證自身商業模式的行之有效，無疑爲AI行業注入了一劑強心針。而這個行業佼佼者高速成長的秘密，就在于堅持“把技術高效務實地産品化、場景化、商業化、工程化”的核心戰略。
在過去一年中，創新奇智通過樂高積木式的模塊化方法持續完善一系列制造行業AI産品及解決方案：公司基于MMOC人工智能技術平台的快速迭代升級，利用ManuVision機器視覺智能平台穩步推進應用範圍、提升機器視覺工程設計效率，並探索基于預訓練大模型的缺陷樣本生成等功能;推動MatrixVison邊緣視頻智能平台持續完善邊緣視頻全鏈路工具集、提升産品集成效率;以Orion分布式機器學習平台聚焦智能制造，針對制造業視覺應用場景推出AML-Vision視覺訓練平台，並與ManuVision、MatrixVision等形成完整的視覺功能閉環。
作爲一家務實的公司，創新奇智深知，“不接地氣”的技術猶如空中樓閣，無法真正爲企業與投資者帶來價值。2022年公司持續深耕細分行業專精特新，聚焦9大細分行業(包括制造業8大細分行業與金融行業)，通過從技術到産品、行業場景、工程化與商業化的深厚積澱，打造全價值鏈行業最佳實踐案例。
以鋼鐵冶金行業的智慧鐵水運輸系統爲例，傳統的鐵水運輸需要密集的勞動力、耗費大量人力資源成本，還容易發生安全事故。公司通過Orion平台上的數據強化學習解決方案大幅降低了現場人員的健康及安全風險，實現交付當年安全事故爲零的赫赫戰績;2022年，公司在鞍鋼鲅魚圈的交付時間由原先的15個月縮短至8個月，標准化程度和交付效率不斷提升。
喊出“要做中國制造業長周期、全價值鏈的工業數字化轉型合作夥伴”的口號，在技術與業務上堅持“脫虛向實”，便是創新奇智成功的底氣。
打造“制造業ChatGPT”，意欲何爲?
GPT-4、ChatGPT的出現，表明AI行業正站在從1.0向2.0變革的重大事件節點上。
有句話說，“如果AI 1.0時代就像是發明了電，AI 2.0時代則像是鋪設了電網。”類ChatGPT的生成式AI不僅是個流行一時的聊天工具、圖文生成程序，還在超越人類方面邁出了關鍵一步，逐漸顯現出了模擬人類認知智能的潛力。
據創新奇智董事長李開複表示，AI 2.0具備叁大鮮明特征：
一是能夠無需進行人工標注即閱讀海量的數據，進行自監督學習;
二是基礎模型規模非常大、消耗非常大，需要幾千張GPU來訓練;
叁是具有跨領域能力，能夠通過微調以較低成本來訓練，以適應不同領域的任務。
在生成式AI新階段中，相比于之前的AI 1.0時代，大模型將更加注重人工智能系統的實用性和可靠性，同時也將更加注重人工智能系統的可解釋性和人機交互性。而在制造業的AI落地實踐中，生成式AI也有廣闊的潛在應用空間：
在制造業實訓方面，生成式AI能夠幫助新進員工學習自動化編程和信息處理，並指出程序中的問題;在企業數據保密方面，私有部署的生成式AI大模型能夠在使用業務數據、財務數據等敏感數據的同時，有效保障數據安全性;在業務方面，生成式AI能夠動態分析業務運行效率、生成報表，並提供相應解決方案。
爲迎接即將到來的AI 2.0時代，創新奇智已率先打造名爲“奇智孔明”的AInnoGC引擎，旨在將生成式AI加入産品解決方案中，助力制造業進行數字計劃轉型升級。
“奇智孔明AInnoGC” 是以工業預訓練大模型爲核心的生成式AI工程算法引擎，主要面向B端，着重應用于制造業、工業軟件領域。不同于ChatGPT這樣的依托于公開互聯網數據的通用預訓練大模型，創新奇智工業預訓練大模型是基于行業(或企業)內部的業務數據知識打造的。由于制造業特殊的業務屬性和私有化部署的需求，“奇智孔明AInnoGC”引擎可以讓不同細分行業(或企業)都擁有基于私域數據的AI生成能力。
具體而言，“奇智孔明AInnoGC” 具有五大“超能力”：
適合工業場景應用需求的基礎大模型，支持Zero/Few - Shot In-Context Learning，支持客戶私有化部署。
完善的企業級Fine Tune機制。通過無縫對接、高效處理企業自有數據並進行高性能微調計算，爲企業客戶量身打造具備私域知識的專有大模型。
完善的企業級Prompt工程支持。通過提示擴展、提示增強、結果融合等技術手段，協助客戶獲得更好的生成效果，同時實現反饋閉環，促進大模型迭代、優化。
豐富的API/SDK以及Model as a Service(MaaS)服務，充分釋放大模型算法和工程化能力，加速生成式AI應用開發進程 。
多模態。支持工業缺陷樣本生成、交互式報表生成、交互式故障診斷、産線設計生成等文本/視覺/多模態內容生成，驅動AI 2.0應用和解決方案的開發與落地。
(“奇智孔明AInnoGC” 應用實例之一)
在標准化産品解決方案的基礎上，未來創新奇智將進一步結合垂直行業(或企業)的私域數據、爲企業打造專屬于特定場景的生成式AI解決方案。在克服Al 1.0單領域、多模型限制的同時，加速推進在制造業及金融領域中落地。
據創新奇智方面透露，公司不會盲目去搞“軍備競賽”，而是更加側重于技術落地的可行性、效率性。
正如公司CEO徐輝在接受采訪時所說：“To B的生意並沒有大家所想的那麽性感，但它非常紮實，時間積累的力量是不可忽視的。”“我們不想做一錘子買賣，我們是一個‘耕者有其田’的模式，春種秋收，長期形成良好的生態與周期。”
資本市場一向不缺“風口”，缺的是腳踏實地與“慢工出細活”。一份業績彰顯穩健底蘊，如今看來，時間顯然站在創新奇智這一邊。