从上市后首份盈利年报，看格灵深瞳的「远见」与「坚持」

4月20日，格灵深瞳发布上市后首份年报，首次在报表层面实现扭亏为盈，并于21日正式摘去了股票名称中的“U”标识。

全年营收3.54亿元，同比增长20.47%； 

净利润3261.49万元，同比增长147.67 %；

经营活动现金流量净额为1.55亿元，同比增长280.09%。

这组数据，犹如在“亏损”成为老生常谈的AI行业，掘开了一道口子。

翻开AI公司的财务数据，各家虽然在营收上都有不少进账，但因高额研发费用和多应用领域落地难带来的巨额亏损问题，依旧难以化解。

格灵深瞳率先打响AI计算机视觉公司盈利的第一枪，说明了AI公司在进行高研发投入和商业化探索的同时，也可以做到弥合成本与营收两条曲线，实现自我造血。

格灵深瞳财报健康度的三个指标：高研发、加速商业化、扭亏

其实，格灵深瞳的盈利早有迹象。

2019年、2020年和2021年，格灵深瞳的营业收入分别为0.71亿元、2.43亿元和2.94亿元，归母净亏损分别为4.14亿元、0.78亿元和0.68亿元。

尽管距离盈利仍有距离，但其营收增长和亏损大幅缩减的趋势已十分明显。自2020年起，公司就实现了经营层面的盈利，即不考虑股份支付已经实现盈利了；2022年，公司报表层面盈利，归母净利润达0.33亿元，实现扭亏为盈。

疫情期间，人工智能公司大多经历了业务停摆、供应链疯涨、招投标推迟、合作中断等冲击。格灵深瞳能保持正向盈利，着实不容易。

人工智能发展到今天，技术壁垒已经逐渐建立，企业走到了检验商业落地能力和产品价值变现的新阶段。资本市场也愈发青睐变现能力更强，更加贴近用户端的产品。

格灵深瞳专注人工智能的技术层和应用层，通过计算机视觉技术、大数据分析技术、机器人技术和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙等领域的人工智能产品及解决方案。

年报显示，格灵深瞳依然在持续加强各领域的研发投入。

2020-2022年，格灵深瞳在研发上的投入分别为1.14亿元、1.21亿元、 1.32亿元，截至报告期末，研发人员数量为 276 人，同比增长49.19%。

横向对比，虽在绝对金额上谈不上大手笔，但研发逐年增长的持续投入，已经足以说明格灵深瞳在技术上的执着。

站在行业角度，目前格灵深瞳的绝大部分营收，主要来自于金融和城市管理两个领域，二者总营收占比超过90%，且都贡献了较高的毛利率。

2022年，智慧金融产品及解决方案营收为3.11亿元，同比增长59.58%，毛利率相比上一年增加7.3个百分点至55.49%；城市管理产品及解决方案毛利率达到73.8%。

金融和城市管理是格灵深瞳布局较早的领域，业务基础扎实，格灵深瞳的营收大头，大都归功于这两大业务。

格灵深瞳明白，只有守好了核心场景这个大本营，才能获得足够的弹药，投入新的业务战场。场景探索中出现的问题，也才会随着新业务场景的逐渐成熟得到缓解。

对于包括格灵深瞳在内AI企业来说，如何补齐业务场景中的短板，打破营收结构上的桎梏，是未来发展的共同挑战。

格灵深瞳已经意识到了其应用领域有待完善的问题，并在财报中提到，公司接下来将重点强化对轨交运维、体育健康和元宇宙领域的研发和商业化落地，寻求收入规模的增长。

目前，格灵深瞳的业务阵地已经从智慧金融、城市管理、商业零售，拓展至体育健康、轨交运维、元宇宙三个前瞻性的业务场景。并且，后三大业务场景的部分产品及解决方案，已进入客户验证或落地验收阶段。

不过，新业务场景的出现，必然伴随着市场接受度及规模化生产的又一轮考验，需要市场给予更多的耐心。

论体量，在AI赛道的明星创企中，格灵深瞳不算高的。但是，格灵深瞳能在人工智能企业普遍持续亏损运营时，保持良好增长态势，率先实现盈利，称得上独树一帜。

人工智能泡沫已然散去，盈利背后，是时候真正停下来，看看这家公司是如何从资本输血走上自我造血的进化之路。

盈利之道：将技术转化为有效的企业竞争力

过去几年，国内AI行业不再纯粹以产品和技术的竞争为先，而是变成了一种资本的模式。

热钱的涌入，推高了市场的关注度以及赛道估值，使得以高技术壁垒为显著特征的人工智能行业，出现一个吊诡的现象：

“讨论产品的人很少，讨论融资和估值的人很多。”

融资和估值可以体现一家公司商业上的成功，却难以判断出一家好的公司，或者说一家公司的健康度。

在整体浮躁的环境中，同等时间内，如何操控金钱的流向，出现了两类不同的逻辑。

一类将重点投入到创新上，讨论产品，潜心研发，追求拓宽技术的边界与层次。

另一类将重点放在扩大规模上，或向上做芯片，或向下做集成，努力扩展自身业务边界。

两种边界的拓展无所谓对错，但事关“时间”和“度”的把握。

长期来看，技术创新与规模扩大，在企业的不同发展阶段，重要程度不尽相同。但在大的逻辑上，总是产品成功在前，规模扩大在后。

在度的把握上，则最忌三心二意，或一味扩大规模，否则很容易在向资本讲述动听故事的过程中迷失自我。

总的来说，把控技术创新与扩大规模的节奏，是一个“技术活”，边界的拓展，要以衡量自身的健康度为基础。

这一点上，格灵深瞳的警惕性很高。

• 过硬的技术能力，产品上的竞争力

国内计算机视觉创业公司中，格灵深瞳入行早，创始团队头顶技术光环而来，是其优势。

自2013年成立后，不同于主流AI公司选择的二维视觉技术路线，格灵深瞳选择了在当时极为领先，国内几乎一片空白的三维视觉感知路线。

以人脸信息为例，三维视觉通过收集物体点位判断行为轨迹，获取的信息不只是平面的人脸图片信息，而是立体人脸的深度信息捕捉。

以三维视觉技术路线为基础，格灵深瞳早期选择线下零售场景，通过对零售场景进行视频分析，帮助零售商优化经营。

及至2016年，实体零售被O2O严重冲击，再加上三维视觉技术过于超前，上下游产业链不成熟等客观原因，格灵深瞳外部销售屡屡碰壁。

格灵深瞳虽收获了技术突破的果实，却没有品尝到技术转化为商业落地的成果。

“企业如果只是空有技术，或者技术瞄准的方向跟市场有很远的距离，注定会失败。”这句话成为赵勇的经验之谈。

此后三四年时间，格灵深瞳开始低头看路，埋头深耕。

技术端，格灵深瞳在创新和自研上默默耕耘，建起了自己的核心技术体系，底层AI技术平台——深瞳大脑。

基于深瞳大脑，格灵深瞳形成了与场景深度相关的五大技术方向：深度学习的模型训练与数据生产技术、3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术和机器人感知与控制技术。

深度学习的模型训练与数据生产技术，节省了大量数据标注资源，可通过挖掘海量数据，主动触发模型更新训练，提高算法的准确率和生产率。同时，用人工标注加 AI 模型自动化预识别的方法，可覆盖公司内部 99%的算法标注任务。

回归主流的人脸识别阵营，进入金融和安防领域的同时，当初主打差异化的3D立体视觉技术，也并没有被抛弃且持续进行技术迭代，目前已经落地智慧金融领域，协助银行客户进行日常运营管理；在新兴场景领域，格灵深瞳的这项技术长项也为业务落地注入技术活力。轨交运维领域，公司的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，让计算机视觉技术运用于轨交检修的落地应用成为可能；在体育健康领域，公司的3D立体视觉技术使得设备成本降低的同时，提高了可靠性和易用性，同时运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算法，能够克服人体关键点采集不准不稳的难题。

• 长期的商业化经验，渐进有序的进入行业

除了深耕技术，业务上的调整也随之进行。

吸取了之前在技术和赛道选择上的经验教训，格灵深瞳在边界的拓展上，保持着谨慎的节奏：一边拓展更易商业化的业务场景，扩大收入规模；另一边警惕一味追求漂亮的营收数字，陷入盲目扩张。

商业零售之外，格灵深瞳找到了城市管理、智慧金融两大日后的重点业务。

确定新的定位后，格灵深瞳将自己的AI优势，融入业务场景中：

城市管理领域，落地全国多省市的政府机关或企事业单位定点项目。

智慧金融领域，为农业银行全国各省市的上万家分支机构，提供智能安保、智能运营、智能风控等解决方案。

商业零售领域，已为排名前列的地产类客户带去数据服务。

一番耕耘下，格灵深瞳的落地能力得到业内认可。如今，其城市管理、智慧金融、商业零售的产品和解决方案，正运行在企业数字化转型的诸多角落。

随着核心产品线和赛道逐渐清晰，格灵深瞳在不断优化下游客户需求、升级核心技术的同时，开始积极寻求多元应用场景。

目前，格灵深瞳自研的轨交运维领域列车智能检测解决方案，已在高铁和地铁项目中落地应用。

除此以外，公司也在体育健康、元宇宙等领域进行了布局，并已开展试点应用。据悉，格灵深瞳的体育健康业务面向“教、练、考、赛”四大场景，提供实现校园全场景覆盖的AI+校园体育一体化解决方案，目前已经在多所学校进行试点，为20000多名师生提供提供日常教学支持与考试服务；元宇宙领域，公司基于3D立体视觉技术自研了大规模沉浸式人机交互系统，未来可应用于沉浸式互动游戏、赛事、发布会、文旅和展厅等领域。

• 面向未来的制高点之争，加码多模态大模型和AIGC

数字经济的快速发展，为人工智能产业创造了良好的发展条件和技术环境。

当下，人工智能正被视为推动整个国家数字化经济发展的核心推动力，2022年国务院印发的《“十四五”数字经济发展规划》提到，包括AI算法、算力在内的数字经济核心产业增加值在2025年将达到13.8万亿元。

对于提供人工智能技术的企业而言，在接下来的竞争中，具备原理性技术和原创能力十分重要。

未来战略上，格灵深瞳选择继续保持大规模的研发投入，面向未来的制高点之争，格灵深瞳提前布局，加码多模态大模型和AIGC。通过结合图像理解、自然语言处理、三维重建技术等多模态任务与数据，以及大语言模型的归纳推理能力，输出更准确优质的内容。

2022年，格灵深瞳已完成跨类别预训练模型自动化微调的升级，纳管了海量领域数据。

接下来，格灵深瞳将进一步改造深瞳大脑，结合最新的 zero-shot 技术，将海量数据进行多轮迭代后，完成对多模态大模型的数据投喂，最终使其服务于多条产品线。

格灵深瞳之后，AI产业将被重新审视

格灵深瞳是AI独角兽中最晚开始上市动作但却最早在A股上市的公司。

在冲刺科创板 “AI 第一股” 的名单中，早有依图科技、云从科技、云天励飞、旷视科技等企业，其中最早申请上市者可追溯至2019年。

人工智能行业是一个技术、人才、资金都十分密集的行业，进入壁垒高，产品具有高技术含量，高附加值的特点。

AI算法的一个显著特点是难以标准化，不同场景的数据要求各不相同，常常需要定制化开发。

但长期来看，高度定制化解决方案，在AI行业难以走通。

针对不同场景收集数据训练模型，成本极高，不少AI企业都尝试过在行业定制算法，但这种模式往往造成亏损越来越严重，且会与集成客户形成竞争关系。

更为残酷的一点是，AI更靠近软件层，而现阶段在国内市场，很多客户对软件产品的价值，依然缺乏尊重。

凡此种种，导致AI产品难以落地，AI公司深陷盈利困局。

那么，技术的先进性和商业应用价值之间，到底存在怎样一种关系？

过去一年多以来，台前，人工智能技术创新频现亮点；幕后，人工智能企业发展已经进入深水区。

从市场规模、场景应用、带动作用来说，计算机视觉领域的未来市场，空间广阔。

据 iResearch 数据，2021 年我国计算机视觉产品市场规模，占整个人工智能行业的 49.6%，达到 990 亿元，带动相关产业规模超过 3,079 亿元。预计至 2026 年，我国计算机视觉核心产业规模和带动相关产业规模将分别增长至 2,208 亿元和 6,733 亿元。

这意味着，拥有先进技术已不足够，企业需要明确目标，对进入的行业，对如何提高交付效率、降低交付成本，做到心中有数。这样才能在现实场景中，将技术的先进性转化为生产力，从而为公司带来稳定的正向现金流增长。

对AI企业来说，在持续投入保证技术先进性的同时，还要尽可能寻找好的落地方式，压力巨大。

格灵深瞳在人工智能行业普遍缩水，企业在商业化探索中亏损运营时，实现盈利的事实，至少澄清了一点：高研发投入并非AI企业难以盈利的罪魁祸首。

事实上，高研发投入带来的强大产品力，在同质化严重的AI领域，反而恰恰是衡量企业健康度的一个重要指标。

另一个指标，则是恰当的场景以及开拓节奏带来的企业竞争力。

随着AI风口归于平静，商业应用价值的地位凸显。在保持技术先进性的同时，脱虚向实，跨过自我造血时刻，才是接下来资本市场最为看中的。

格灵深瞳的可贵之处在于，虽走过弯路，但最终能在技术与落地的重压下，耐心调整沉淀数年，既怀抱着高远的目标，同时又没有忽视一个个可能导致动作变形的局部细节。

从卧薪尝胆，到抢先诸多AI企业快速完成上市流程，再到快速实现盈利的一系列动作，是远见与坚持，最终让这家AI长跑运动员，冲过了盈利红线。

如今，格灵深瞳奔跑的样子，为外界判断AI公司，提供了一个具体的缩影。因“亏损”而备受诟病的AI产业，也将获得重新审视。

于行业而言，格灵深瞳此次报表层面的率先盈利，进一步提振了整个行业的信心，为AI更好更快走向产业，赢得了更多空间。雷峰网 (公众号：雷峰网)

雷峰网原创文章，未经授权禁止转载。详情见 转载须知 。