本文是《中智觀察》“企業數字服務供需市場”行業洞察之DPS（AI企業扭虧）篇，商湯帶著連年虧損上市了，但融資解決的只是短期資金缺口，找到虧損表象下的根本原因和解決之道才能讓AI企業走上光明大道。本文抽絲剝繭，從底層商業邏輯出發揭示出不為人所道的虧損隱秘，并指出了一條AI企業扭虧之路。

——海比研究院

2022年4月22日

上個月商湯科技發布上市后首份財報。2021年營收47億，增長36.4%；稅后凈利潤虧損171.7億元，同比增長41.3%；并且2018年、2019年、2020年，商湯分別凈虧34.33億元、49.68億元、121.58億元。可以說是掙錢速度遠趕不上花錢速度，導致虧損持續擴大。

資料來源：商湯科技財報，海比研究制圖2022

從業務情況看，商湯科技以機器視覺為核心技術,業務拓展到多個行業領域，主要涉及智慧商業、智慧城市、智慧生活、智能汽車。其中前兩者是目前營收主要來源，合計占了八成。也就是商湯的商業模式是面向企業級用戶銷售行業智能化解決方案。這種模式在現階段存在兩大發展障礙。

第一，行業知識泛化天劫；

第二，解決方案市場壁壘。

這就是AI企業面臨的天劫。

資料來源：圖片來源網絡

比如商湯科技為代表的機器視覺系AI企業，包括曠視科技、依圖科技、云從科技等都聚焦于安防相關業務。核心原因就是安防知識相對容易泛化，無論在商業企業、工業企業，還是城市管理中，依靠攝像頭采集視頻、圖像進行安全信息甄別的知識相對趨同，主要基于機器對個人及其穿著和攜帶物品的識別。但這一領域也因此殺成了一片紅海。除了上述的“AI四小龍”外，視頻監控硬件廠商海康威視、大華、宇視等；ICT龍頭華為、阿里、騰訊等都在這一領域有所布局。

AI企業出路在何方？

行業智能化需要搭建在行業信息化基礎之上。而行業信息化是個非常分散的市場，各市場間具有比較高的壁壘。這種壁壘既有軟性的行業知識，也有設備相關的硬性技術體系，更有各類利益關系。過去二十多年從系統集成到行業應用到解決方案，行業市場已經形成了特有的信息化、數字化服務生態。僅以最靠近用戶端企業級SaaS服務來看就是個構成極豐富的生態。

資料來源：《2021年中國SaaS市場研究報告》，海比研究2021

AI企業，包括互聯網龍頭企業想要沖擊各行各業的壁壘，光憑借算法模型上的能力顯然是不夠的。于是龍頭大廠們紛紛招兵買馬，把智能化與信息化一起端給行業客戶靠投資換訂單模式，龍頭大廠們在政府市場中獲得了較好的收益，但在企業市場上則還在艱難的模式探索中。同時，公司面向各行各業的企業服務部門就迅速膨脹起來，營業利潤率也在快速下降中。相比大舉進軍企業市場的五年前，阿里、騰訊的營業利潤率都大幅下降。

而對大部分缺錢又缺強勢品牌的AI企業來說，很難照搬龍頭企業模式去沖擊行業壁壘，那他們該如何撬開行業市場？

AI企業出路在何方？×2

面對上述兩大發展障礙，AI企業要想補上虧損的無底洞，其實方法或路徑是很明確的。

1.針對行業知識泛化天劫，要把公司業務模式從項目制轉變為產品制。

比如曠視走的軟硬件一體化產品道路，從賣算法、賣軟件變成了賣硬件，就是一種產品制模式的轉變。去年商湯推出絕影智能汽車平臺，從賣業務智能化方案變成了賣產品智能化部件，自己從行業智能化解決方案服務商變成了智能化零部件供應商。這也是另一種產品制模式的轉變。但這兩種轉變都不是面對天劫的，實際是進了一條新賽道，躲開了天劫。

但行業智能化賽道里，怎么從項目制變產品制？

這就要從AI技術本身特征和行業智能化環節展開來說，暫時按下不表。簡單說關鍵在于選擇數據類型合適的領域切入，推動DPS業務發展。

2.針對解決方案市場壁壘，要融入現有數字化服務生態。

AI企業進入行業智能化市場，往往把自己定位于給行業用戶賦能的角色。這種角色定位實際是數字化服務生態的引領者，而一個產業生態的新引領者，就是這個生態的顛覆者。

這就會讓整個生態成為智能化進程中的阻礙力量，原有各生態位都有可能因此不得不盡快建立起自有的智能化能力。而AI企業等破解之道就是要改變自身定位，與行業應用服務和渠道廠商構建利益共同體。

但怎么構建利益共同體？

這就要從AI產業生態結構展開來說，暫時按下不表。簡單說關鍵在于以數據資產化為目標，推動DPS業務發展。

什么是DPS？

AI企業出路到底在何方？×3

DPS，即數據流程服務（DataProcessService）的英文首字母縮寫，是圍繞數據（包括結構化和各類型非結構、半結構化數據，如文字、圖形圖像、音視頻、傳感數據等）處理流程形成的一系列服務，它使用數字技術，從實體世界或信息系統中采集、獲取數據，并按數據應用要求處理、輸出數據。按照數據處理流程環節和產業發展水平，目前DPS的產品服務形態主要有數據采集和預處理、數據標注、內容審核、工具平臺和支持服務（如業務培訓等）。

資料來源：海比研究2021

DPS的功能有點類似OEM在制造業中的角色，是在智能化、數字化深入發展，產業分工進一步細化的產物。雖然DPS是近幾年才獨立出現的一類服務，但正如OEM生產已成為現代工業生產的重要組成部分一樣，DPS也必然會成為AI應用，乃至數字產業的重要組成部分。就像蘋果、華為等的背后離不開臺積電、富士康；耐克、阿迪等國際服裝品牌的背后離不開申洲國際。AI和數字產業未來也會越來越依賴DPS服務。

那DPS如何在行業知識泛化和解決方案市場兩方面幫助AI企業甚至整個產業往前發展呢？

簡單說DPS可以通過兩種角色，發揮兩大功能來承擔起這樣的責任。

第一，作為數據中介，整合個體數據和行業數據。

第二，作為服務聯結，對接AI企業、應用服務商和用戶。

科技媒體·企業演化科學·戰略托管綜合體

本文作者系海比研究院·倉劍

本文來自微信公眾號“中智觀察”（ID：Hapiweb-soft6），36氪經授權發布。