打頭陣的代表企業包括曠視科技和寒武紀，雲從、商湯、雲知聲等也紛紛“被”披露上市時間表。
為什麼這些企業位於 AIoT 智聯網賽道？
從他們對自己的定義可以看出端倪。
本週，AI 芯片公司寒武紀的科創板上市申請獲准受理。
寒武紀的招股說明書並沒有在首要位置提到物聯網或者智聯網 AIoT，但創始人陳天石在採訪中提到：
“未來時代，物聯網和 AI 相輔相成，密不可分。物聯網讓各類的設備和終端有了生命，而 AI 讓它們有了智商…即將到來的 5G 時代，也會進一步加快物聯網和 AI 等技術的爆破式進步。物聯網連接的物理對象多樣且應用場景豐富…全部場景中的這些智能數據處理，都需要 AI 芯片參與其中。”
其招股書中將智聯網換了一種說法進行呈現：
“寒武紀已推出的產品體系涵蓋雲端、邊緣和終端…輻射智慧互聯網、智能製造、智能交通、智能教育、智慧金融、智能家居、智慧醫療等“智能+”產業。”
曠視科技的創始人則在招股說明書的開篇提到：
“在過去八年裡，我們研究推出了包括人臉識別技術在內的諸多具有實際價值的人工智能應用，也更加堅定地認為物聯網是人工智能技術應用的主要場景…”
“我們的願景是構建連結及賦能百億物聯網設備的人工智能基礎設施。”
伴隨著招股書的披露，這批獨角獸的財務、業務等狀況清晰地浮出水面。
在 AIoT 時代，人工智能從技術迭代到應用落地的過程逐漸加速。
技術創新不再是衡量 AI 的唯一標準，如何獲得市場認可和創造產業價值成為 AIoT 獨角獸們正在奔赴的征途。
對這些 AIoT 獨角獸的真實發展情況，外界一直都保持著極大的好奇心。這篇文章我們就來進行分析：
什麼是智聯網 AIoT？為什麼在最近幾年，AIoT 領域誕生了大量初創公司？
AIoT 獨角獸普遍進行了多輪融資，募資至少數億。他們砸錢打造了哪些核心競爭力？他們和傳統的軟硬件公司有什麼區別？和“傳統企業”相比，從財務數據上來看，AIoT 獨角獸有哪些優勢？
AIoT 獨角獸在商業模式上是否存在著顛覆式創新？AIoT 除了技術創新之外，對於各行各業而言，其真實價值是什麼？
為什麼國外鮮有 AIoT 獨角獸上市的消息？
01 到底什麼是 AIoT？
隨著科技的不斷髮展，一些在功能上具有相互補充作用的技術，正在自然而然的結成“天作之合”：例如，人工智能 AI 和物聯網 IoT，就是其中的一對“良人”。
由於物聯網 IoT 的快速發展，企業中規模龐大的設備或“物體”實現了網絡連接和數據共享。由於 AI 能夠從海量物聯網數據中“學習”，從而快速作出決策並建立深刻洞察，因此對於希望擴展物聯網 IoT 價值的企業而言，AI 都是一種必不可缺的分析能力。
在《智聯網·新思維》一書中，我曾給出了智聯網 AIoT 的定義：
智聯網 AIoT 是建立在互聯網、大數據、人工智能、物聯網等基礎之上，是具備智能的連接萬事萬物的互聯網，是智能時代的重要載體和思維方式。智聯網通過將物理世界抽象到模型世界，並藉此建立完整的數字世界，構築新型的生產關係。智聯網改變舊有思維模式，從而實現人與人、人與物、物與物之間的大規模社會化協作。
市場研究機構 Markets and Markets 近日發佈報告稱，2019 年全球 AIoT 市場規模為 51 億美元。到 2024 年，這一數字將增長至 162 億美元，複合年增長率為 26%。Markets and Markets 還指出，物聯網設備生成的大量實時數據的有效處理需求，是全球 AIoT 市場增長的主要驅動力。
根據愛分析的研究報告《人工智能 2020：落地挑戰與應對》，按照從底層基礎技術到上層行業應用的邏輯，可以把人工智能行業劃分為基礎層、通用層和應用層三部分。
基礎層為圖像、語音等人工智能基礎技術提供芯片、計算框架等計算能力支持，通用層提供感知、認知計算等通用技術，而應用層則是人工智能通用技術與各行業深度融合產生應用價值的產品和服務。
基礎層：為計算機視覺、語音識別等人工智能基礎技術提供計算能力支持，是人工智能的基礎設施，包括 AI 芯片、AI 平臺以及 AI 計算框架等。
典型代表公司包括寒武紀、華為海思、燧原科技、地平線等。
人工智能技術在智聯網 AIoT 領域的雲、邊、端設備中均有廣泛應用，且都需要由核心芯片提供計算能力支撐。雲、邊、端三種場景對於芯片的運算能力和功耗等特性有著不同的需求，單一品類的智能芯片難以滿足實際應用。
以寒武紀為例，面向雲、邊、端三個場景，其分別研發了三種類型的芯片產品，分別為終端智能處理器 IP、雲端智能芯片及加速卡、邊緣智能芯片及加速卡，並且為這三個產品線所有產品研發了統一的基礎系統軟件平臺。
目前，“AI 芯片”成了中國創新市場最受矚目的賽道之一。中國已有超過 30 家新創 AI 芯片設計企業，吸附了一級市場大量資金。
通用層：基於基礎設施開發出的通用性人工智能技術和產品，如計算機視覺算法、機器人系統等，主要分為兩大部分：以感知計算和認知計算技術為代表的軟件通用技術，和無人機、機器人等軟硬一體化通用產品。
得益於深度學習技術的快速發展，在過去幾年中，語音識別和機器視覺等通用性人工智能技術“超越”了人類的水平，快速登上歷史舞臺。
作為里程碑事件，2015 年微軟所研發的計算機視覺系統比人類（準確度為 94.9%）更能有效地識別圖片中的對象（準確度為 95.1%）。
因此，圍繞語音識別和機器視覺，誕生了一批 AIoT 初創企業。
語音識別領域的典型代表包括：科大訊飛、思必馳、雲知聲、出門問問等。
機器視覺領域的典型代表包括“AI 四小龍”：曠視、商湯、雲從和依圖。
曠視科技擁有自研深度學習框架，主要提供個人物聯網解決方案、城市物聯網解決方案、供應鏈物聯網解決方案。
商湯擁有原創底層算法平臺，依託平臺將技術賦能於其他行業。
雲從是國家隊企業，重點佈局銀行金融、安防、交通；依圖深耕醫療領域，逐步向安防、金融拓展。
虹軟科技重點佈局智能手機領域，向智能汽車、智能家居擴展。
海康威視和大華則為傳統安防巨頭，均以安防業務為核心，向新領域佈局。
應用層：人工智能通用技術與各行業應用深度融合的領域，以垂直行業的人工智能應用公司為主。應用層人工智能企業將通用技術封裝成能夠落地的產品，包括軟硬件一體化產品以及針對具體應用場景的端到端解決方案。
隨著通用技術走向成熟，行業應用價值凸顯，大量通用層的公司也在基於基礎技術能力向各行業應用層延伸。
典型的應用層場景包括智能家居和智能網聯汽車。
智能家居領域的代表企業包括：塗鴉智能、歐瑞博、Broadlink 博聯、綠米聯創等，均已獲得多輪融資。
智能網聯汽車的代表企業包括：小馬智行、Roadstar.ai、文遠知行、智行者、馭勢科技等。
大部分國內 AI 公司都會從通用層或應用層切入，並且隨著技術的沉澱和業務的拓展，兩層的界限變得逐漸模糊。但整體來說 AIoT 初創公司有兩條發展路徑：
以一個應用場景（如智能家居）作為突破口：通過連接企業客戶內部系統或自建場景入口如傳感器等方式獲取數據，基於多維度的數據不斷訓練模型、優化算法，在某一個場景問題中找到最佳解，再向其他行業中相似的場景複製；
以一種通用技術（如機器視覺）作為突破口：深耕算法和底層框架，尤其當機器學習被工業界接納後，從底層驅動訓練模型，不僅能提升方案在不同場景下的普適性和運算效率，也最終提升了實際應用效果。
前者由於對場景理解深刻，便於觸達客戶、累積數據，因此產品更容易被客戶接受，變現能力較強。
後者希望藉助算法和底層框架的優勢高效地觸達更多行業，賦能業內合作伙伴，通過開放合作的方式獲取數據，其間未必能直接觸達客戶，因此覆蓋範圍廣，但變現能力較弱。
整體而言，根據 MMC Ventures 的研究，基於應用場景和通用技術的 AIoT 初創企業數量比例約為 9:1，大部分企業由垂直應用場景切入。
從客戶群體劃分，AIoT 企業可以分為面向企業提供服務（to B 服務）和麵向終端消費者提供服務（to C 服務）兩種。
面向企業 toB 的服務是為企業用戶設計的，側重點是商業價值，功能邏輯和信息架構相對繁瑣和嚴格，體現在如何讓企業保護好權限信息、提高工作效率、帶來經濟效益。商業模式的要點包括：提效、降費、定價權。一個 to B 公司的本質，是在幫助整個產業鏈的某個環節提升效率或是降低費用來獲取收益。
面向消費者 toC 的服務是為廣大普通用戶設計的，這類產品往往可向用戶免費提供；側重點是用戶體驗，邏輯流程儘量簡單，體現在如何讓用戶更加方便地使用產品、更願意主動去使用產品。
藍馳創投投資合夥人姚欣，認為人們往往有一個錯覺：“如果 to B，應該用最先進的技術，而 to C 的話，用的是比較便宜的技術。但實際上，to C 對技術的要求更高，它往往要求的是過剩的技術，就是今天已經成熟到非常廉價的技術。”
現在人工智能行業還在早期的成長階段，所以 to B 的公司會相對較多，而 to C 的公司較為艱難。所以一項剛剛投入使用的最新技術，其實不適合面向 C 端來創業。
根據統計，事實的確如此。在人工智能領域，B2C 和 B2B 公司的比例為 1:9，絕大多數公司從 B 端切入。
就產業成熟度而言，在過去一年，人工智能逐步進入了技術成熟度曲線的低谷期，技術炒作的泡沫破裂，行業關注重心開始轉變為人工智能如何落地產業。
根據 Gartner 的研究，三年後計劃實施人工智能項目的公司比例，將從 1/25 提升到 1/3。在最新報告《市場指南：中國人工智能初創企業》中，Gartner 認為中國的人工智能 AI 初創企業在各類 AI 應用的發展中發揮著越來越重要的作用。
因此有研究機構判斷，人工智能技術的採用已經跨越鴻溝，從創新者和早期嘗試者擴展為早期大眾，並將對企業、消費者和社會產生深遠影響。
02 AIoT 獨角獸的市場表現如何？
回到 4 年前，2017 年被稱為 AI 產業元年。
這一年，寒武紀先後獲得了高通創投和阿里巴巴的戰略融資。其中，阿里的投資額達 15 億元，創下當時 AI 領域最高的單筆融資金額。
在招股書中，寒武紀提到：
“自 2016 年 3 月成立以來，寒武紀實現了技術的產業化輸出。寒武紀 1A、寒武紀 1H 分別應用於某全球知名的中國科技企業的旗艦智能手機芯片中，已集成於超過 1 億臺智能手機及其他智能終端設備中。”
“截止 2020 年 2 月 29 日，寒武紀已獲得授權的境內外專利有 65 項，PCT 專利申請 120 項，正在申請中的境內外專利共有 1474 項。”
曠視科技的表現也非常亮眼：
“自 2017 年初以來，我們在多項國際人工智能頂級競賽中累計攬獲 22 個項目的世界冠軍，在多個計算機視覺項目中表現突出。我們向客戶提供包括算法、軟件及人工智能賦能物聯網設備的全棧式解決方案，並在多個行業取得領先地位。”
“2017 年和 2019 年，我們躋身《麻省理工科技評論》最新發布的兩項「50 大最聰明公司」榜單中。”
然而，能否健康持續的盈利才是企業的“真功夫”，如此亮眼的技術實力和科研數據，又有多少轉化為實際的營收和利潤？和“傳統企業”相比，從財務指標上來看，AIoT 獨角獸有哪些優勢？
我們先看寒武紀。
這家公司最近廣受詬病的問題是客戶集中度過高。
這點在招股書中已有說明：2017 年、2018 年和 2019 年，公司前五大客戶的銷售金額合計佔營業收入比例分別為 100%、99.95%和 95.44%，客戶集中度非常高。
根據創道投資諮詢創始人步日欣的分析，問題比想象的更加嚴重。
首先，招股書中提到 2017 年和 2018 年，公司向第一大客戶“公司 A”銷售佔比最高，公司 A 得到公司授權後，將寒武紀終端智能處理器 IP 集成於其旗艦智能手機芯片中。
顯然，這家“公司 A”代指大客戶華為。
在 2017 年、2018 年，可以說寒武紀主要的營收來源就靠對華為的銷售，佔其總營收比例高達 98.34%和 97.63%，這是唯一的寄託。
不過大客戶華為有很大概率將轉向自主研發。
於是寒武紀將目光轉向“公司 B”。
2019 年寒武紀對“公司 B”的銷售規模與華為相當，為 14.38%，文件中披露“公司 B”為公司關聯方，寒武紀為這個客戶提供加速卡和研發試製品。分析認為，“公司 B”較大概率是聯想或者中科曙光。
最後，令業內毫無意外的是，寒武紀的收入主要來源於幾個地方政府背景的項目，且其中有關聯關係或戰略性質的因素夾雜其中，而不是純粹的商業需求。
2019 年寒武紀分別與西安灃東儀享科技服務有限公司、上海腦科學與類腦研究中心和珠海市橫琴新區管理委員會商務局達成了智能計算集群系統的相關合作，並實現銷售收入 29,618.15 萬元，佔主營業務收入的比重為 66.72%。
招股書顯示，寒武紀 2017-2019 年實現營業收入 784 萬元、1.2 億元、4.4 億元，同比增速分別為 1392%、279.4%。
2017 年、2018 年和 2019 年，寒武紀綜合毛利率分別為 99.96%、99.90%和 68.19%，呈下降趨勢，主要原因是 2019 年寒武紀拓展了雲端智能芯片及加速卡、智能計算集群系統業務，該兩項業務的毛利率低於終端智能處理器 IP。
在招股書中，寒武紀對比了其主要產品與可比公司競品的毛利率情況。
報告期內，寒武紀的毛利率均高於可比公司，招股書中給出的解釋是：
(1) 終端智能處理器 IP 業務的毛利率水平高於可比公司平均水平，主要是由於公司的研發項目涉及的技術屬於前沿科技，採購用於芯片研發設計所需的軟件工具和硬件平臺不針對特定客戶項目，可供公司多個項目、多個環節使用，將終端智能處理器 IP 相關研發支出計入當期研發費用。
虹軟科技相應業務成本包含負責產品整合的技術人員成本；芯原股份相應業務成本包含定製化 IP 授權成本和在該類業務中提供的定製化 IP 組合、技術支持所需人員成本。
(2) 雲端智能芯片及加速卡業務的毛利率水平高於國內可比公司平均水平，主要原因是公司雲端智能芯片屬於人工智能領域通用型智能芯片，售價高於一般專用型功能芯片。
雲端智能芯片及加速卡業務毛利率水平高於 Nvidia 整體毛利率水平，主要原因是 Nvidia 整體業務中包含消費類顯卡、終端 SoC 等毛利率相對較低的產品。
(3) 智能計算集群系統業務的毛利率高於可比公司相應業務板塊毛利率的平均水平，主要原因是公司智能計算集群系統使用了自主研發的雲端智能芯片及加速卡、基礎系統軟件平臺，因此毛利率高於同行業可比公司。
不同於傳統芯片領域顯著的規模效應，AI 芯片領域呈現出了獨特格局：目前市場上幾乎沒有以 AI 芯片為主營業務上市的公司，AI 芯片企業大多還處於定製化的技術服務階段，距離規模化量產存在一定距離。
業務涉及 AI 芯片的企業可大致分為三類：
一是大型公司，比如阿里、華為；
二是傳統芯片企業，比如全志科技、瑞芯微等；
三是初創型 AI 芯片企業，比如寒武紀、地平線等。
總的來說，儘管許多公司已經發布 AI 芯片產品，但無論智能駕駛、智能安防都需要基於特定場景進行算法開發。因此，AI 芯片基於場景的定製化程度十分高，目前未達到大規模商用的地步。
由於寒武紀創立的時日尚短，看總體營收及增速的意義不大，中國的芯片戰事才剛剛開始。
另一頭，再看曠視科技的業績表現。
曠視認為其自主研發的 Brain++深度學習框架是其創新核心，為算法訓練過程提供重要支持。憑藉人工智能算法，曠視打造了創新性的平臺軟件及應用軟件，滿足不同垂直領域終端用戶的需求。曠視自主研發的人工智能及軟件能力，可為物聯網網絡（包括雲端中心、邊緣服務器及 / 或物聯網設備）賦能。
結合截止到 2019 年 6 月 30 日（2019H1）的相關財務數據，我們能初步掌握曠視的運營狀況。
隨著產業數字化帶來的數據基礎的日益成熟，人工智能在營銷、金融、數字政府、零售、醫療等行業的落地持續推進，並開始帶來顯著的效益，但落地進展有先後之分。
從人工智能的發展情況來看，智慧城市和數字政府是相對成熟的領域，我們以此為重點分析。
曠視在招股書中引用了灼識諮詢的研究報告，以收入計算，中國智慧城市管理垂直領域的市場規模預計將從 2018 年的 119 億元增至 2023 年的 1,031 億元，複合年增長率為 54%。
其中市場佔有率數一數二的非人工智能技術公司 1 和公司 2，答案不言自明。
我們不妨將曠視、海康威視和大華在城市物聯網領域的利潤率情況做個對比。
在報告期內，曠視的毛利率波動性較大。城市物聯網解決方案的毛利率由 2017 年的 34.8%增至 2018 年的 64.8%，並在 2019 年產生回調。
招股書給出的解釋是由於業務增長，可達更佳規模經濟效益並控制成本，加上解決方案更受客戶歡迎，故可提高定價。
不過曠視的經營歷史有限，目前的毛利率未必能作為日後毛利率的指標。
曠視所處的賽道中，在城市安全管理領域，有海康、大華等巨頭長期坐鎮，智慧物流也要面對 Geek+、快倉等新興倉儲機器人公司的圍追堵截。
大數據和人工智能的浪潮興起已經有幾年時間，但真正建立起可持續的商業模式，並且能夠實現自我造血的企業卻是寥寥無幾。
未來曠視科技能否保持如此勢頭，還需且行且珍惜。
03 商業模式有哪些顛覆式創新？
絕大多數的 AIoT 企業立足於 B2B 企業端，這一領域的產品、技術、銷售等門檻較高，競爭激烈程度低於 B2C 消費端。
如果長期處於同質的商業模式下，雖然 AIoT 企業在技術創新方面略勝一籌，但仍難從眾多競爭者中最終勝出，項目投資失敗概率較大。
那麼 AIoT 獨角獸們是否給商業模式帶來了顛覆式創新呢？
從寒武紀的招股說明書來看，該公司一直採取直銷模式，內部設有專門的銷售團隊同客戶進行及時接洽。
在直銷模式下，公司直接參與客戶的公開招標或商務談判，達成意向後，公司直接與客戶簽訂銷售合同。
其競爭企業瑞芯微，則採用“經銷為主、直銷為輔”的銷售模式。
在經銷模式下，經銷商向瑞芯微採購芯片後銷售給整機廠或方案商，採購組件後銷售給電子產品開發者或熱愛者等終端客戶。
在直銷模式下，瑞芯微直接向整機廠、方案商銷售芯片，或是提供專業技術服務；向電子產品開發者或熱愛者等終端用戶銷售組件。
根據愛分析的研究，人工智能企業的銷售模式大致可以分為四類。
API 調取：常見於基礎層廠商和通用層廠商，通過 API 形式輸出自身的技術能力。
如計算機視覺領域的商湯科技、自動駕駛領域的百度 Apollo 平臺、語音識別領域的科大訊飛等，都是通過將人工智能技術輸出給應用廠商，由應用廠商完成最後一步產品及方案封裝。
這種模式的優勢在於模式較輕，規模化複製能力強。
產品訂閱 /License：主要是以機器人、APP 等方式面向個人用戶的產品，以標準 SaaS 模式面向互聯網客戶和傳統行業中小型客戶的產品。
例如，大疆、松鼠 AI 等公司主要採取這種方式服務個人用戶。
“產品+服務”解決方案：主要是面向傳統行業中大型客戶，這類客戶的應用場景相對複雜，單一產品很難解決其需求，因此需要一定程度的定製化服務。
例如曠視科技、明略科技等公司服務公安領域客戶，需要提供端到端的解決方案。
按效果付費：人工智能與業務場景結合後，按照其產生的可衡量的實際業務價值進行收費。
人工智能公司與客戶更多是類似合作模式，按照業務量收取一定費用，目前在應用較為成熟的金融、智能客服領域有一些早期落地。
例如，智能客服廠商根據幫助企業客戶節省多少人力成本來衡量效果，可以按照工作量和坐席數量進行收費。
如果將曠視科技的產品、商業化以及經營模式進行詳細梳理，大致符合上述幾種商業模式。
不過曠視科技的商業模式探索似乎並未止步於常見的上述幾種。
在《智聯網·新思維》一書中，我曾提到過生態型的商業模式。
在建設“生態系統”的唆使下，典型的做法就是試圖經營全產業鏈，上下游佈局、垂直整合、互相配套，形成全產業鏈的“生態圈”。
AIoT 獨角獸可以擔任生態構建者的角色，佈局基礎計算能力、數據，通用算法、框架和技術，以及應用平臺和具體解決方案的全產業鏈，聚集大量開發者和用戶，並促進生態型商業模式的形成。
因此曠視科技構建了平臺軟件的連接、控制和協調能力，力求實現對各種業務場景的智能、數字化管理。
曠視平臺軟件的作用類似於微軟對個人計算機的作用和安卓對智能手機的作用。其平臺軟件不僅支持我們開發的應用軟件及物聯網設備，還兼容其他業務夥伴提供的軟硬件產品，使曠視可以在全產業鏈內為我們生態系統中的不同參與者創造價值。
按照同樣思路，在 2019 年 1 月，曠視發佈了針對垂直領域的平臺軟件：河圖智慧物流平臺，以在各類物流環境中智能協調軟件、物聯網設備和人員。
河圖作為軟件系統及自動化設備的統一平臺，允許終端用戶數字化管理倉儲及製造任務，配備自動化設備令分揀運輸任務自動化。
作為生態系統的連接器，河圖能整合全產業鏈內不同參與者所提供的產品，從而孵化自已的生態系統。
由於人工智能技術本身並不包含直接的應用解決方案，這使得 AI 必須融入各行各業，深度改造已有產業才能創造價值。可以說，AI 技術是“大腦”，沒有物聯網作為“身體”就無法獨立行走。
另一方面，B2B 本身是個“慢賽道”，只靠技術賦能似乎滿足不了 AIoT 獨角獸希望在 B2B 領域一路狂奔的超速感。很多企業正在嘗試用金融手段，通過投資加速生態佈局的過程。
因此產生了 AIoT 企業普遍“一邊融資，一邊投資”的獨特風景。
比如，曠視就成立了投資部門直投項目，並於 2018 年 4 月全資收購了艾瑞思機器人，目前已在無人倉儲上有一些落地項目；同月，曠視還宣佈領投了 AI+文娛公司 Video++3.49 億元的 B 輪融資。2019 年 10 月，曠視參與了慧聯無限的 C 輪融資。
曠視曾表示他們的主要投資方向有兩個：
一是和曠視現有業務強相關，通過投資和收購，提升曠視的技術能力和市場競爭力；
二是應用場景，訴求是形成完整數據閉環提升技術，逐步控制幾個關鍵應用場景。
同樣位於 AIoT 賽道的塗鴉智能，也擔任了生態構建者的角色。
作為連接消費者、製造品牌、OEM 廠商和零售連鎖的全球化 AIoT 平臺，塗鴉智能為客戶提供一站式的人工智能物聯網解決方案。“Powered by Tuya”已經在全球範圍內連接 1 億臺智能產品投放市場，累計賦能超過 3 萬款產品。
在 2018 年，塗鴉智能與匯思銳合作的智能家電開發模式，可以取代舊版開發費時費力費錢的傳統方式，讓擁有出貨渠道但卻沒有好產品的公司能夠快速出貨。2019 年 5 月，塗鴉智能參與了匯思銳的數千萬元 A 輪融資。
生態構建者的角色雖然辛苦，但卻是在 AIoT 領域構建護城河的有效方式。
使用開放的生態系統去同時兼容存量市場和新增需求，將會大大降低客戶和合作夥伴的使用門檻。即便面對錙銖必較的 B2B 企業級客戶，也能順利通關。
---- 寫在最後 ----
國外 AIoT 獨角獸為何鮮有 IPO？
AIoT 獨角獸扎堆 IPO 是中國獨有的現象嗎？
是的。
但這並不代表中國的 AI 初創企業獨領風騷。
美國在 AI 初創企業中處於領先地位。在 CB Insights 發佈的前 100 家 AI 初創企業中，有 77 家來自美國。相比之下，此名單上只有 8 家中國公司。
根據美國風險投資協會的數據，2019 年前 9 個月，美國有 965 家與 AI 相關的公司，共籌集了 135 億美元的資金。
為什麼這些 AI 初創公司不申請 IPO 呢？
答案是，國外的 AI 獨角獸們普遍的終局是被蘋果、谷歌、微軟等巨頭併購。
不過，中國的確具有培育 AIoT 獨角獸的獨特土壤。
看張圖感受一下。
左側是全球各國對部署 AI 的興趣度，顏色越深熱情越高。
右側是全球各國對部署 AI 的冷淡度，顏色越深越排斥。
根據此前提到的報告《市場指南：中國人工智能初創企業》，Gartner 分析認為已經採用 AI 技術的中國企業的比例從 2018 年的 18%增長到了 2019 年的 34%，比全球同期的平均水平高出 4%到 14%。
中國企業對 AI 的採用非常積極，超過了世界平均水平。
24%的中國企業計劃在未來 1 年內部署 AI，20%的企業計劃在未來 1-2 年內部署 AI，顯示了中國 AI 市場的增長前景。
Gartner 預測，到 2030 年，AI 在中國的商業價值將超過世界其他地區，可能將佔據全球三分之一的市場份額。
感謝你一口氣堅持讀到這裡。
在我們喘氣的功夫，你猜有多少家 AIoT 獨角獸正在躍躍欲試 IPO？
股票市場，短期是投票機，長期是稱重機。
讓我們靜待市場的反饋吧。
本文總結：
1. 智聯網 AIoT 是建立在互聯網、大數據、人工智能、物聯網等基礎之上，是具備智能的連接萬事萬物的互聯網，是智能時代的重要載體和思維方式。
2. 人工智能行業可劃分為基礎層、通用層和應用層三部分：基礎層為圖像、語音等人工智能基礎技術提供芯片、計算框架等計算能力支持，通用層提供感知、認知計算等通用技術，而應用層則是人工智能通用技術與各行業深度融合產生應用價值的產品和服務。
3. AIoT 初創公司有兩條發展路徑：其一是以一個應用場景（如智能家居）作為突破口；其二是以一種通用技術（如機器視覺）作為突破口。
4. 儘管許多公司已經發布 AI 芯片產品，但無論智能駕駛、智能安防都需要基於特定場景進行算法開發。因此，AI 芯片基於場景的定製化程度十分高，目前未達到大規模商用的地步。中國的芯片戰事才剛剛開始。
5. AIoT 企業可以擔任生態構建者的角色，佈局基礎計算能力、數據，通用算法、框架和技術，以及應用平臺和具體解決方案的全產業鏈，聚集大量開發者和用戶，並促進生態型商業模式的形成。因此產生了 AIoT 企業普遍“一邊融資，一邊投資”的獨特風景。
1. TheState of AI 2019 Divergence, MMC Ventures
2. 《人工智能：未來制勝之道》，阿里雲研究中心
3. Fortypercent of ‘AI startups’ in Europe don’t really use AI, says report, The Verge
4. AIstartups on pace to break funding records in 2019, VB
5. ArtificialIntelligence Stocks To Buy And Watch Amid Rising AI Competition, Investor'sBusiness Daily
6. IPOSeason, China’s First Wave of AI Companies Are Going Public, Synced
7. Sustainability,AI and 5G: What does the future hold for IoT, Silicon Republic
8. Gartner：到 2030 年，中國 AI 企業將佔據全球 1/3 的市場份額，賽博安全
9. 《智聯網·新思維》，作者：彭昭，電子工業出版社
10. 曠視 IPO 在即，看清“AI 第一股”的商業真相，微信公眾號：我思鍋我在
11. 為什麼 AI 公司都在一邊融資，一邊投資？，甲子光年
12. Timeline: EveryBillion-Dollar Artificial Intelligence Exit, CB Insights Research
13. VCs Nearly Doubled TheirInvestment In This Tech Last Year, CB Insights Research
閱讀更多 與非網 的文章
