02
AI公司热衷硬件的背后
虽然AI视觉公司里，很少像商汤一样直接做一款toC硬件，但行业的一个共识是，纯技术公司很难赚到钱，技术必须与具体场景相结合。
这些年，做硬件或者软硬一体，一直是AI小龙们所努力的方向。他们做一些搭载了AI算法的盒子或者是摄像头和刷脸的面板机。
AI视觉公司里，最早在硬件上布局的是旷视科技。2015年，旷视就推出了首款AI摄像头，“抱着试一下的心态。”旷视科技联合创始人杨沐说。当时旷视试水各种硬件，寻找适合算法的载体，一开始大家的认知是算法载体是服务器。但服务器太贵，而且功耗大，用户得建设机房。当时一些小区、园区的门禁就有将算法放在终端摄像头上的需求。
2017年，商汤也发布了首款自研智能硬件产品SenseID人证核验机，被用于机场等场景下的人脸通行。2018年3月，云从发布了一款AI摄像机，开始软硬一体。2019年5月，依图通过收购的方式推出首款芯片“求索”，并将其搭载在智能服务器、智能边缘计算设备中。
在各大AI公司向软硬一体转变的背后，是早期光靠算法的商业模式很难再往下走。
极视角联合创始人刘若水告诉数智前线，市场早期不缺钱，大量风险投资涌入，使得AI公司一向不太重视成本管控，大家都在高薪招人埋头搞算法，潜意识里认为，把算法搞好就会有市场。
但到了现在这个阶段，外界更关注算法本身能否落地，商业模式是否行得通。而且相比于可以不断复制的软件产品，算法还有大量定制化的需求，这也使得成本未必能降下来。
云从科技联合创始人姚志强对数智前线表示，应用层面的单一模块化及单点技术革新，难以满足日益错综复杂的细分场景需求，AI企业亟需增强提供完整解决方案的能力。
另外一个原因是，有技术能力的大客户，算法公司越能做到偏底层的对接，但对于中小公司而言，往往需要提供更完整的东西。“你拿一个算法给他，对他来讲很难去接入的。”杨沐说。
“SDK其实是一个很高效的合作模式。”杨沐说，前提是合作伙伴很清楚自己需要什么，像人脸解锁和刷脸支付等，手机厂商和支付公司自身有很强的能力和明确的需求，算法公司只需要提供SDK的接口。
但问题在于，很多智能化场景，往往是AI算法的公司先看到机会，不得不自己先去试水和市场培育。在这种背景下，软硬一体的优势就凸显出来。
刘若水告诉数智前线，极视角绝大部分收入来自于软件算法，硬件由大客户自己集采。“每个算法都找一个特别合适的硬件去做适配，这件事情的投入产出不是特别高。”
但中小客户对硬件完全不了解，而且场景比较单一，直接提供软硬一体的产品，反而能快速部署和出货。比如明厨亮灶、智慧工地和智慧安监等，都是视觉算法比较成熟的场景。“算法比较固定，一个场景里需要识别多少路的摄像头也比较固定。”
“纯做AI算法或者是AI软件，不往用户侧去搞数据搞应用的，或者不往下搞芯片搞硬件的，我认为长期来看会死掉。”张斌泉说。早期硬件成本的占比比较低，算法能卖上价，一路人脸识别能卖好几万。
但现在一路AI人脸检测的价格才几十块钱，云端也才小几百块钱，在这种情况下硬件的占比就极大的凸显。
从资本的视角来看，纯算法的收入也无法支撑起庞大的估值。“想要去冲一下这个营收，因为纯软的收入可能不够。”一位AI算法公司的员工说，算法虽然毛利高，但整体盘子并不大，不利于在资本市场讲故事。“纯粹卖算法，一年一两个亿已经很多了。”但一两个亿的营收显然支撑不了AI公司数百亿的市值。
而且，随着算法的门槛越来越低，价格也不再昂贵。一个算法卖5万块钱，但如果加上服务器可能能卖到15万，相当于把营收放大了三倍。
03
“变硬”并不容易
但做软件和做硬件，背后需要的是完全不一样的能力。
“算法需要更高级的人才，懂业务落地的算法工程师，而硬件需要渠道和供应链的优势。”姚志强说。
“做硬件几乎都在抠成本，但做软件，一个算法大牛可以顶千军万马。”一位经常与供应链打交道的AI行业人士对数智前线说，硬件的坑密密麻麻，“供应链是个重灾区”。
她现在还对这些教训记忆犹新，曾经深圳工厂的老板都是拍着胸脯，义正言辞跟她保证绝对没问题，“被骗了好多回之后才学乖的，他们说的话你听听就行了”。比如到期交不了货、偷工减料等，即便事后追究工厂责任，但错失了销售时机，对企业而言是个沉重打击。
她曾遇到一位客户，对方做的是一款内置4G存储卡的玩具，还专门向芯片设计厂商购买了IP授权，但没想到组装工厂给他用的是二手物料，导致经常卡顿。结果卖出去的东西面临着大量的售后，没卖出去的也需要返厂重做。
2018年以前，旷视也一直在寻找更合适的硬件载体。当时买了一堆市面上与视觉相关的硬件，研究能不能把算法方案放上去。“主要的工作就是在各种硬件和芯片的选型上，市面上成熟芯片都用过”。
但学费没有少交，做了很多产品但没卖不出去。而且硬件研发周期长，管理比较琐碎，涉及库存、供应链把控、选厂等等，“这都是需要花时间积累的行业know how。”杨沐说。
比如买了一堆芯片，怎么去保管，放在仓库会不会氧化。而产品定义时，哪怕少了一个接口或者通信协议，板子可能就得重新设计。
“传感器是做前照式还是背照式，要不要把HDR功能加进去，都需要取舍，一旦取舍错了，不是说造出来没用，而是你的定价跟市场需求不匹配。”杨沐说。
市场早期为了验证可行性，旷视找的是外部团队，掏钱合作也相对比较容易。但随着规模化部署，集成难易度、交付难易度和成本变得更为关键，“一旦关心起成本，硬件的设计就变得至关重要。”
硬件的设计决定了整个产品是否能成功的最关键点。2018年之后，旷视的硬件研发团队开始逐渐形成规模。当时有一个背景是，硬件分工已经非常明确，做硬件不需要从造芯片开始，更需要做的是围绕具体场景，兼顾产品的通用性和交付难易度。
比如，门禁通行的场景里，接入不同线路的摄像头，意味着需要不同的内存。之前像英伟达服务器，往往是一个标准产品，价格贵。但如果在硬件设计之初，把多少算法需要多少内存算清楚，最终的硬件产品会有很好的成本优势。
这也是旷视提倡的算法定义硬件理念，先吃透场景需求，然后再根据算法的需要去设计一款有价格优势的硬件产品。比如2015年前后，大家普遍认为算法的最佳载体是服务器。但其实服务器价格贵，功耗大，需要建设机房，没办法在各地部署。所以，旷视那段时间做了面板机、网络摄像机。
而且，单纯抠硬件制造成本不一定效果最优，适当放宽硬件制造成本，但大幅度降低软件成本，反而总成本会更优。
还有产品研发周期。大华资深人士告诉数智前线，海康和大华都在拼速度，产品上市快，一个产品在指标上的领先和控标周期只能做到6个月。
除了这些，硬件的销售渠道对AI公司也是个不小的挑战。比如科大讯飞建立了“CBG”的渠道体系，海康威视和大华等传统硬件厂商已经下沉到城乡，旷视也提出与运营商合作，毕竟运营商有中国最大的销售和运营网络。
在张斌泉看来，深度学习技术尤其是视觉的深度学习，到了一个瓶颈期，能落地的场景挖掘得差不多了，真正商业化的点不多，“大家都觉得是一个新的人工智能浪潮，但没掀几段浪。”另外，硬件同质化越来越高，这也意味着，竞争最终会来到渠道和价格的比拼。
商汤在toC硬件方向的首次尝试，尽管提供了一种新的思路，但目前看并没有太大的销量和声量。
姚志强认为，人工智能目前更适合做专业级市场，因为它还不是一个完全通用化的产品。消费级产品要求性价比，而人工智能没有完全通用化，很难把价格降低到很低的程度。
在软硬一体成为行业趋势的当下，头部的几家AI视觉公司已经走上不同的道路。商汤搞大模型、大装置，几乎什么业务都在尝试；旷视则以AIoT为主攻方向，选择了消费、城市和供应链场景中的几个重点品类；云从则倾向于人机协同操作系统，自研部分硬件主要是为了树立标杆案例，目的还是吸引合作伙伴。无论哪一条路，目前来看，都还在路上。
原文标题 : AI落地，变硬不易
