AI公司的核心竞争力：格灵深瞳为稳定盈利提供了新的机遇

2023年过半，人工智能产业话题不断。大模型和AIGC掀起热潮，让众多AI公司开始进入新一轮竞赛。但与此同时，不少AI公司依然处于亏损中，研发投入和商业产出难以实现正循环。如何形成健康的商业模式，仍是一大挑战。

AI公司商业化的关键，事实上在于其核心技术能否适应产业应用的需求，并围绕核心技术构建产品与解决方案。这一点，A股“AI计算机视觉第一股”格灵深瞳的发展路径，就是一大参考。

格灵深瞳开发了基于深度学习的模型训练和数据生成技术、3D立体视觉技术、自动化交通场景感知和事件识别技术、大规模跨镜追踪技术以及机器人感知和控制技术这五项核心技术，用于解决关键场景的需求，从而成功打造出产品矩阵和解决方案，最终实现了盈亏平衡

8月25日晚，格灵深瞳发布2023年度半年报，报告期内，其实现营业收入1.57亿元，同比增长34.35%，归母净利润同比增长116.84%。这是对其2022年实现全年盈利的一种延续，也验证了格灵深瞳将技术产品化、商业化的能力。

格灵深瞳拥有自主造血能力，使其能够自信地应对AI行业的创新浪潮

保持稳定盈利的关键在于以场景为导向的技术研发

格灵深瞳的收入与盈利表现，仅仅是其商业化成功的一环。在综合财务数据上，我们还能看出公司经营效率的提高。

例如，在运营情况上，格灵深瞳半年报显示，其应收账款同比下降15.94%，存货周转天数同比下降135天，整体毛利率还略有提升。而在费用层面，格灵深瞳注重研发，同时也实现了整体的控费增效，经营侧重点明显。半年报显示，格灵深瞳本期研发费用为7706万元，同比增长34.96%，研发投入占营收比重高达48.95%。

纵观财报，格灵深瞳营收与研发费用实现了同步增长，且在这个过程中稳定盈利。这构成了AI行业可贵的正循环——研发投入带来产品，产品商业化落地产生盈利，进而继续投入研发。

这份成果并非一蹴而就，在半年报中，格灵深瞳通过对核心技术及在研项目的分析，展示了技术商业化的内涵：以核心技术为底座，面向多种场景进行针对性开发。

这个底座，是深瞳大脑。恰如人脑先收集与处理外界信息，再生成想法、指挥动作，深瞳大脑也以认知和处理外界数据为出发点，目前，深瞳大脑可支持数十亿训练数据、数亿类别任务，数十亿参数模型的训练。

重写后的内容：深瞳大脑是一个包含数据采集、模型训练和数据管理等多个模块的数据平台和训练平台。训练平台能够生成高质量的算法，并推动其应用实际落地。数据平台则负责收集应用程序产生的优质数据，以促进算法的不断提升。这些算法、应用和数据形成了深瞳大脑系统内人工智能的正向循环

通过利用核心技术，格灵深瞳进入特定行业，深入了解该行业的场景，明确现有技术所面临的困难，并利用技术来解决这些问题，不断开发和完善解决方案，以获得商业化成果和客户认可

例如在轨交运维领域，实现自动化巡检、提升故障诊断与解决效率，是行业的迫切需求。列车零部件组成复杂，传统技术方法误判率高。格灵深瞳的3D重建与立体视觉分析技术，解决了传统算法中误差较大的问题。同时，其机器人感知与控制技术，在实时定位与建图、机械臂视觉反馈、机器人路径规划与自主导航等方面，具有良好的定位精度，可以高质量执行场景作业。

因此，格灵深瞳通过应用机器人主动感知技术、自主规划与控制技术、虚拟示教与远程遥感技术，有效提升了机器人的环境适应性，提升了实施效率。目前，该公司的轨交运维业务已经建立了成熟的解决方案，并且在高铁和地铁项目中通过验收，实现了实际应用

在智慧金融、城市管理、商业零售、轨交运维这四个领域，格灵深瞳已经建立了完善的研发模式，并将技术能力与商业经验相结合，加快了应用的实施。根据半年报的数据显示，格灵深瞳已经有多个在研项目进展进入了“大规模商业化”的阶段

从总体上看，AI行业的稀缺属性仍然是盈利能力。因此，格灵深瞳作为该行业的细分领导者地位得以确立。根据行业发展趋势来看，AI技术正在面临大模型等新概念的冲击，这既是一个机遇，也意味着需要更多的投入

面对形势，格灵深瞳已经成功实现商业化，并且表现得更加得心应手

AI的前进之路正在不断探索新的场景，通过大模型的发散，我们能够开启更多的可能性

如何挖掘AI行业的更多价值？在当前市场背景下，两种思维可供参考。一方面是依托核心技术向更多行业延伸，提升技术的边际产值；另一方面则是面向大模型这样的热点技术，开发新产品，或对现有的技术和产品进行升级，发挥协同效应。

在这份半年报中，格灵深瞳涉及到了这两个方面，并且都取得了成果

关于挖掘核心技术的更多潜力，格灵深瞳的3D立体视觉技术是一个很好的案例。在轨交、体育、元宇宙行业，格灵深瞳通过3D立体视觉技术与其他核心技术的交叉应用，实现了一个个生动的商业化成果。

在轨交运维领域，格灵深瞳基于3D重建与立体视觉分析，以及机器人主动感知技术等技术，构建了列车智能检测解决方案。该方案实现了对列车外观95%以上的覆盖，并通过极高精度的感知与重建能力，覆盖常见的190余种故障项点，在高级重要性项点的故障诊断成功率大于95%。通过落地格灵深瞳智能巡检机器人，列车自动巡检效率大大提升。

在体育健康领域，3D立体视觉分析技术，可以准确获得运动者的姿态数据和环境数据。运动姿态分析技术，克服了人体关键点采集不准不稳等难题，可更精确地用于人体行为分析，在仰卧起坐、引体向上、足球篮球等30余项考核项目和100余个交互训练项目中发挥关键作用。

格灵深瞳在今年5月发布了名为“深瞳阿瞳目”的解决方案。该方案包括体育训考系统、体感互动系统和体育大数据分析系统三个主要部分，并覆盖了体育课的训练、考试、教研等六个场景

这个方案有助于解决目前校园体育训练中的一些传统问题，例如针对性不强、教学和考试流程繁琐且判别不精准。一方面，它提高了教学和考试的效率；另一方面，它将采集到的信息反馈到大数据系统中，以支持个性化分析，从而制定更好的教学和训练计划

在第三个领域，元宇宙，格灵深瞳也通过类似路径进行了布局。3D立体视觉技术的重建能力、动作姿态感知能力等，为更好连接起虚拟世界与现实世界提供了条件，为大规模沉浸式人机交互铺平了道路，可用于沉浸式互动游戏、赛事、发布会、文旅和展厅等领域。在二季度的2023中国科幻大会上，格灵深瞳展出的四款沉浸式互动游戏便大受欢迎。

再将视线转到大模型应用上，AI行业当前盛行对话、搜索式产品，实际并未深度探索大模型潜力。除了直接产品化，如何用大模型提升原有的业务效率，改善业务流程，也是一道考题。格灵深瞳，已经写下了自己的一部分思路。

在垂直业务领域，大模型可以通过“理解”规则，自主进行一些固定操作，降低人工的介入次数。例如，在智慧金融领域，格灵深瞳已经建立了适用于该领域的行为分析大模型技术架构，并已经完成了场景试验、技术论证并实现了应用。在危险或异常场景中，大模型可以根据设定的规则，实现更高效、精确的识别效果

此外，格灵深瞳正将全量数据经过多轮迭代完成对多模态大模型的数据投喂，进而结合业务对大模型进行知识蒸馏，以求得到可在实际业务中提供实时服务能力的模型，并服务于多条产品线。

为了不改变原意，需要将内容改写成中文。不需要出现原句

目前，各行各业的技术变革仍在进行中，技术基础和应用生态都需要不断创新。尽管像大型模型等新概念可以带来周期性的好处，但只有具备确定性的商业化能力，才能持续推动研发和创新的长期动力

回归公司视角，格灵深瞳在更多细分领域实现商业化突破，也可以证明AI在更多行业日渐成熟。AI企业推进研发的过程，也是沉淀行业数据和经验的过程。随着技术能力增强和市场理解加深，格灵深瞳在一个又一个行业形成了竞争优势，走向业务的规模化落地。AI技术的更多想象空间，因此而稳步打开。

来源：松果财经