创新奇智（02121）AI生意经：如何在万亿风口中做“时间的朋友”？

“风物长宜放眼量”，用这句话来形容如今的AI产业，可谓恰如其分。ChatGPT的横空出世，让市场的目光纷纷投向了沉寂已久的AI产业：“AI究竟有多大商业空间”“AI技术如何商业化”等议程重新被摆上了台面。

时值业绩披露季，作为一家成立仅5年多的新生代AI公司，创新奇智（02121）交出的这份喜人成绩单，既表明了这家公司在行业内正“初露峥嵘”，也向普罗大众展现出了AI实业应用广阔潜力的“冰山一角”。

纵观这份2022年财报，其中亮点频频：全年公司实现逆势增长，营业收入达到15.58亿元，同比增长80.88%;毛利达到5.07亿元，同比增长89.7%;毛利率同比增长1.6个百分点达到32.6%;经调整净亏损率为8.9%，同比缩窄46.1%。

其中，“AI+制造”业务实现111.2%的同比增速，收入达9.48亿元，营收占比同时提升至60.9%。“AI+制造”既是公司业务中增长最快的板块，亦已成为强劲的成长新引擎。

按照“点-线-面”的业务拓展路径，公司业务正快速实现1*N复制和1+N扩张：公司客户数量从2021年的159家增加至2022年的292家，其中制造业的客户数量从2021年的93家增加至221家;年收入贡献超过450万人民币的白金客户客单价增长至1903万元。

在不确定性的市场环境下，财务健康度的全面改善，既表明了公司降本增效成果显著，亦增强了后续业绩的确定性。2022年的公司研发费用率、销售费用率和管理费用率对比2021年均有所下降，整体现金余额为16.5亿元，保持充足的现金储备;应收账款周转天数与2021年相比降低了12天，由133天下降至121天，在行业内名列前茅。

短短5年多时间里，创新奇智俨然已从一家初创AI公司成长为港交所上市公司、中国最大的AI+制造解决方案供应商，在全国12个城市广泛布局，连续多年业绩超预期增长。而从创新奇智的成长路径中，我们得以一窥背后AI产业正在发生的深刻变革。

聚焦“AI+”应用实践，跑出独特商业化路径

《人类简史》的作者尤瓦尔·赫拉利曾经公开表示，AI将是21世纪最伟大的革命。2000年以来，自动驾驶、自主机器人、语音识别、神经网络、AlphaGo等重要技术进步不断涌现。

而在国内，经历了2013-2018年间AI行业融资规模与投融资数量的快速增长、2019年后的泡沫破灭与市场遇冷，如今的AI行业中不断有着这样的疑问：“AI的产业化机会在哪里?”“AI公司商业落地和变现模式是否可行?”

在这个充满挑战与转折的关键时期，创新奇智能够以骄人的业绩验证自身商业模式的行之有效，无疑为AI行业注入了一剂强心针。而这个行业佼佼者高速成长的秘密，就在于坚持“把技术高效务实地产品化、场景化、商业化、工程化”的核心战略。

在过去一年中，创新奇智通过乐高积木式的模块化方法持续完善一系列制造行业AI产品及解决方案：公司基于MMOC人工智能技术平台的快速迭代升级，利用ManuVision机器视觉智能平台稳步推进应用范围、提升机器视觉工程设计效率，并探索基于预训练大模型的缺陷样本生成等功能;推动MatrixVison边缘视频智能平台持续完善边缘视频全链路工具集、提升产品集成效率;以Orion分布式机器学习平台聚焦智能制造，针对制造业视觉应用场景推出AML-Vision视觉训练平台，并与ManuVision、MatrixVision等形成完整的视觉功能闭环。

作为一家务实的公司，创新奇智深知，“不接地气”的技术犹如空中楼阁，无法真正为企业与投资者带来价值。2022年公司持续深耕细分行业专精特新，聚焦9大细分行业(包括制造业8大细分行业与金融行业)，通过从技术到产品、行业场景、工程化与商业化的深厚积淀，打造全价值链行业最佳实践案例。

以钢铁冶金行业的智慧铁水运输系统为例，传统的铁水运输需要密集的劳动力、耗费大量人力资源成本，还容易发生安全事故。公司通过Orion平台上的数据强化学习解决方案大幅降低了现场人员的健康及安全风险，实现交付当年安全事故为零的赫赫战绩;2022年，公司在鞍钢鲅鱼圈的交付时间由原先的15个月缩短至8个月，标准化程度和交付效率不断提升。

喊出“要做中国制造业长周期、全价值链的工业数字化转型合作伙伴”的口号，在技术与业务上坚持“脱虚向实”，便是创新奇智成功的底气。

打造“制造业ChatGPT”，意欲何为?

GPT-4、ChatGPT的出现，表明AI行业正站在从1.0向2.0变革的重大事件节点上。

有句话说，“如果AI 1.0时代就像是发明了电，AI 2.0时代则像是铺设了电网。”类ChatGPT的生成式AI不仅是个流行一时的聊天工具、图文生成程序，还在超越人类方面迈出了关键一步，逐渐显现出了模拟人类认知智能的潜力。

据创新奇智董事长李开复表示，AI 2.0具备三大鲜明特征：

一是能够无需进行人工标注即阅读海量的数据，进行自监督学习;

二是基础模型规模非常大、消耗非常大，需要几千张GPU来训练;

三是具有跨领域能力，能够通过微调以较低成本来训练，以适应不同领域的任务。

在生成式AI新阶段中，相比于之前的AI 1.0时代，大模型将更加注重人工智能系统的实用性和可靠性，同时也将更加注重人工智能系统的可解释性和人机交互性。而在制造业的AI落地实践中，生成式AI也有广阔的潜在应用空间：

在制造业实训方面，生成式AI能够帮助新进员工学习自动化编程和信息处理，并指出程序中的问题;在企业数据保密方面，私有部署的生成式AI大模型能够在使用业务数据、财务数据等敏感数据的同时，有效保障数据安全性;在业务方面，生成式AI能够动态分析业务运行效率、生成报表，并提供相应解决方案。

为迎接即将到来的AI 2.0时代，创新奇智已率先打造名为“奇智孔明”的AInnoGC引擎，旨在将生成式AI加入产品解决方案中，助力制造业进行数字计划转型升级。

“奇智孔明AInnoGC” 是以工业预训练大模型为核心的生成式AI工程算法引擎，主要面向B端，着重应用于制造业、工业软件领域。不同于ChatGPT这样的依托于公开互联网数据的通用预训练大模型，创新奇智工业预训练大模型是基于行业(或企业)内部的业务数据知识打造的。由于制造业特殊的业务属性和私有化部署的需求，“奇智孔明AInnoGC”引擎可以让不同细分行业(或企业)都拥有基于私域数据的AI生成能力。

具体而言，“奇智孔明AInnoGC” 具有五大“超能力”：

适合工业场景应用需求的基础大模型，支持Zero/Few - Shot In-Context Learning，支持客户私有化部署。

完善的企业级Fine Tune机制。通过无缝对接、高效处理企业自有数据并进行高性能微调计算，为企业客户量身打造具备私域知识的专有大模型。

完善的企业级Prompt工程支持。通过提示扩展、提示增强、结果融合等技术手段，协助客户获得更好的生成效果，同时实现反馈闭环，促进大模型迭代、优化。

丰富的API/SDK以及Model as a Service(MaaS)服务，充分释放大模型算法和工程化能力，加速生成式AI应用开发进程 。

多模态。支持工业缺陷样本生成、交互式报表生成、交互式故障诊断、产线设计生成等文本/视觉/多模态内容生成，驱动AI 2.0应用和解决方案的开发与落地。

(“奇智孔明AInnoGC” 应用实例之一)

在标准化产品解决方案的基础上，未来创新奇智将进一步结合垂直行业(或企业)的私域数据、为企业打造专属于特定场景的生成式AI解决方案。在克服Al 1.0单领域、多模型限制的同时，加速推进在制造业及金融领域中落地。

据创新奇智方面透露，公司不会盲目去搞“军备竞赛”，而是更加侧重于技术落地的可行性、效率性。

正如公司CEO徐辉在接受采访时所说：“To B的生意并没有大家所想的那么性感，但它非常扎实，时间积累的力量是不可忽视的。”“我们不想做一锤子买卖，我们是一个‘耕者有其田’的模式，春种秋收，长期形成良好的生态与周期。”

资本市场一向不缺“风口”，缺的是脚踏实地与“慢工出细活”。一份业绩彰显稳健底蕴，如今看来，时间显然站在创新奇智这一边。