與人工智慧交手，你能怎麼選？

與人工智慧交手，大多數人面前有三種選擇：被人工智慧淘汰、為人工智慧打工、投資人工智慧。第一條不想選，第二條來不及重回學校選專業，則第三條最明智。但是過去的半年，一級市場AI創業公司融資額已創歷史新高，二級市場科大訊飛、海康威視等AI概念股紛紛飛到了A股漲勢排名前列，人工智慧還能怎麼搭車？為更準確認識AI企業的價值，本文從當前國內最熱的人工智慧細分領域——計算機視覺入手，剖析這一領域的企業和產業鏈基本面，為投資提供參考。

作者：萬麗

原標題：《被人工智慧淘汰、為人工智慧打工、投資人工智慧，怎麼選？》

2017年7月，人工智慧創業公司商湯科技宣布總額4.1億美元B輪融資，創造了全球人工智慧領域單輪融資最高紀錄，此時距離其從研究團隊轉型商業化落地公司不到三年。而在這三年間，人工智慧早已是各大小投資機構不可錯過的焦點領域。

專業投資機構在集體將投資方向從移動互聯網轉向人工智慧的同時，焦慮感也在蔓延，在大多數投資者尚不能講清楚「人工智慧」是什麼的當下，相關概念公司的估值已高出天際。嘉實投資總經理仇小川在接受新財富記者採訪時甚至直言，當前人工智慧相關企業的估值泡沫已經非常嚴重，未來兩到三年很可能出現泡沫破裂的景象。

那麼，人工智慧到底是什麼？發展了數十年的人工智慧為何會在近年迎來投資熱潮？在眾多創業公司中，商湯科技處於什麼位置？是什麼成就了商湯科技的高估值？投資人的投資邏輯是什麼？投資人又該如何考察與之相關創業公司？這一波人工智慧的創業潮，有何不同以往的特徵？普通投資者可以如何搭上人工智慧這趟車？

1

人工智慧：深度學習演算法+GPU應用帶來商業機會

人工智慧概念自上世紀50年代被提出，至今學界對其都沒有準確的定義，很大原因在於，人工智慧並非單一的技術，而是一個龐大而籠統的概念，是多個學科的交叉，涉及到的領域非常廣，每個領域都能形成一個產業鏈。只有跳脫出籠統的範疇，具體到細分領域去研究，人工智慧才會更具象。

從技術角度，人工智慧可以粗略劃分為計算機視覺、機器學習、自然語言處理、機器人技術和語音識別技術等領域。其中，計算機視覺、語音識別、自然語言處理等技術，對應的是人類看、聽、理解事物的能力。打敗圍棋高手李世石和柯潔的谷歌機器人AlphaGo，則更多體現了人工智慧下屬的機器學習技術中一個重要分支——增強學習技術（Reinforcement Learning）的魅力。從中美兩國的情況看，計算機視覺、自然語言處理、機器學習三大領域是AI創業熱點（表1）。

商湯科技CEO徐立介紹，過去幾十年，在人工智慧的每個細分行業，不同學派的研究成果都有高低起伏，總體上並不存在明顯的階段和變化，很難籠統地將人工智慧的發展概括為幾個浪潮。

近幾年，國內人工智慧突然火爆，除了AlphaGo的普及作用，很大程度上還是由計算機視覺技術在日常生活中被大規模應用帶來的。典型如人臉識別技術近年橫掃市場，在金融、安防、工業等領域大放異彩，刷臉打卡、刷臉開戶、刷臉支付正為人們所熟悉；無人機、機器人等也因為自帶「看世界」功能變得越來越智能……機器視覺的火爆還直接造就了全球人工智慧領域融資迭創最高，包括商湯科技破紀錄的4.1億美元B輪融資（表2）。

雖然按官方介紹，「商湯科技致力於引領人工智慧核心深度學習技術突破，構建人工智慧、大數據解決方案，聚集了大批華人計算機視覺、深度學習科學家，賦能安防、金融、手機、互聯網、IoT等行業」，但商湯科技最為外界熟知的技術之一就是人臉識別。其所屬領域，就是人工智慧下面的計算機視覺。

計算機視覺又被稱為機器視覺，其研究始於上世紀50年代，主要研究和識別圖像與視頻。這門技術綜合了光學、機械、電子、計算機軟硬體等方面的技術，涉及到計算機、圖像處理、模式識別、人工智慧、信號處理、光機電一體化等多個領域（表3）。

早期機器視覺的研究主要集中在歐美和日本，其研究成果多用於解決工業化自動工藝需求，發展至今，歐美機器視覺研究在工業檢測和測量的應用方面已經趨於成熟。21世紀後，隨著全球製造業向中國轉移，國內產業界的機器視覺技術也開始飛速發展，並誕生了一批從業公司（表4）。

大多數情況下，機器視覺與計算機視覺兩個概念是通用的，但二者在著重點上有細微差別：機器視覺強調用機器構成的系統來處理視覺問題，賦予機器眼睛，工業領域叫法更多；計算機視覺則強調處理視覺的問題是一個計算問題，核心部件是功能強大的計算機。

2006年開始，一種被稱為深度學習的新的機器學習方法，讓人工智慧在一些垂直領域出現了節點式的突變，機器視覺迎來一波發展契機。

通俗理解，深度學習技術就是機器模仿人的大腦去運作。人的大腦由類似於神經元的節點組成，這些節點在一起組成一個網路，人在認知外界時，都是通過層次來深入對事物的認識。深度學習技術則是一種類神經網路運行的演算法，通過大量的數據訓練，讓機器去「認識」世界。

對深度學習理論的研究，最早可以追溯到1965年美國學者Ivakhnenko和Lapa的演算法研究。2006年後，由於計算機運算能力的進步，深度學習技術最先在語音識別領域取得了突破，其中最具有代表性的成果是全自動同聲翻譯系統的出現。傳統的人工智慧邏輯下，完全不對數據做假設，只是對背後的引擎做調整，使得同聲翻譯的準確率一直沒有超過工業界大規模實用的紅線。而新的演算法，讓人工智慧從傳統的人工指導的智能變成了純數據驅動的智能，在實際應用中很容易超越人類的表現，並達到工業界大規模使用的紅線。在智能語音領域，國內也很快誕生了如科大訊飛（002230）這樣的龍頭公司。

2012年底，被稱為深度學習之父的Geoffrey Hinton在ImageNet競賽（全稱ImageNet Large Scale Visual Recognition Challenge）上將圖像識別率一次性提高了十幾個點，引發轟動。Image Net被譽為國際計算機視覺領域的「奧林匹克」，其歷屆競賽結果都對學術界及工業界產生巨大影響，被視為計算機視覺發展的風向標。Geoffrey Hinton在Image Net上的表現讓人們發現，深度學習技術在語音識別之外的一些通用智能領域如機器視覺領域也能取得成功。

此外，Geoffrey Hinton首次在比賽中使用了GPU做大規模的訓練，這為創業公司帶來契機。GPU是一種可以執行複雜的數學和幾何計算的晶元，可以為數據處理規模、運算速度帶來指數級的增長與改善，讓並行演算法成為可能。

圖1：CPU和GPU運算能力比較

數據來源：GOOGLE、天風證券研究所

純數據驅動的演算法，需要極強的運算能力以帶動巨大的數據處理需求，所以在早期，一些實驗訓練只能在微軟、谷歌等巨頭公司進行。一次人臉識別演算法的迭代訓練，用CPU計算，可能要十幾天乃至幾十天才能完成，效率低、投入高，使得人工智慧將創業公司阻隔在外；但是換成GPU後，可能就只需要幾小時。技術帶來的巨大變革，使得各種小型的公司能夠通過GPU的運算進入到深度學習領域，實現了人工智慧研究應用的「平民化」。

核心演算法+計算能力的突破，讓計算機視覺的應用場景瞬間增加，在過往工業檢測與測量等領域之外，圖像識別、人臉識別、無人駕駛等消費服務相關領域也成為應用熱點。跟隨這一次技術的突圍，2012年以來，計算機視覺領域出現了一波創業潮。據36Kr統計，計算機視覺創業公司佔全球人工智慧創業公司的1/5（表5）。

商湯科技是這一波創業潮中的典型代表。其成立之初，核心人員中有不少來自湯曉鷗教授領導的香港中文大學多媒體實驗室。身為AI領域學術大牛的湯曉鷗，本科畢業於中國科技大學，1992年在美國麻省理工學院攻讀博士學位，1996年畢業後赴香港中文大學任教，擔任信息工程系教授，2005-2008年於微軟亞洲研究院擔任視覺計算組總監。他率領的計算機視覺研究團隊，一直處於機器視覺研究前沿。在2014年6月，湯曉鷗團隊研發出世界首個在非受控環境下使機器的人臉識別準確率超越人類的演算法，使人臉識別技術達到了工業界大規模應用的紅線。

領跑全球之後，商湯的創始成員決定組建一支由來自全球知名企業、海內外知名高校人才的十多位精英構成的團隊，踏著機器視覺新一輪爆發的時點成立公司，走出實驗室，探索學術研究商業化之路。2014年10月，商湯科技公司應運而生，11月，商湯科技拿到了IDG資本領投的數千萬美元首輪融資。

當此之際，市場上做機器視覺的公司數量已經開始迅速增長。這些公司中，有不少是看準了深度學習技術的趨勢，在2013、2014年間及時從其他領域快速切換到機器視覺。商湯科技投資人之一、基石資本副總裁楊勝君認為，目前人工智慧的發展還處於早期階段，遠遠不能完全比擬人型大腦，但是在個別領域，如機器圖像視覺的識別效果則超過了人類。而視覺領域的應用非常廣泛，人類70%以上的信息獲取依靠視覺，可見商湯所處的領域市場空間之大（表6）。

鑒於計算機視覺是巨頭布局人工智慧不可或缺的重要板塊，2014年開始，國際巨頭均加緊在這一領域收購的步伐（表7）。

二級市場上，相關概念公司也因為這次熱潮受到追捧。生產人工智慧底層GPU的美國公司英偉達（NVIDIA，NVDA.NSDQ)，2016年初至今股價漲了近5倍。國內人工智慧語音領域龍頭科大訊飛2017年初至今的半年多時間股價翻倍，從每股27元漲到60元。安防攝像頭生產龍頭公司海康威視（002415）因投入計算機視覺研發，轉型智能攝像頭，在2017年上半年A股分化行情中股價攀上了歷史新高。

02

剖開產業鏈：巨頭忙生態，創業公司同質化競爭？

剖開深度學習基礎上的計算機視覺產業鏈（表8），可以看到，產業鏈上游為基礎層，包括人工智慧晶元、演算法技術和數據；中游技術層大體包括生物特徵識別、物體與場景識別、光學字元識別、視頻對象提取與分析等四種技術；下游則是具體的場景應用，即應用方案、消費類終端或服務等。

在產業鏈上游，晶元和演算法庫領域，國內創業公司從事核心技術的不多，國際領先的計算機視覺開發商已形成優勢。其中，英偉達在人工智慧可通用GPU領域佔據統治地位。此外，谷歌、微軟、IBM等也都自行研發了AI晶元。

演算法領域，美國互聯網巨頭谷歌、FACEBOOK、微軟都推出了深度學習演算法開源平台，在深度學習演算法方面有著明顯的技術優勢。此外，國外巨頭公司大多呈現全產業布局的特徵，即上中下游均有布局。

與之對比，百度PaddlePaddle是國內巨頭中唯一開放的深度學習演算法開源平台。國內計算機視覺創業公司基本缺席上游的晶元和演算法開發環節，除了少量在中游有技術突破外，大多數集中於下游技術提供層和場景應用層，這很大程度上得益於國內龐大的應用場景支持。在具體的場景應用商業化落地環節，以BAT為代表的國內互聯網巨頭由於無法將計算機視覺的某一個子模塊拿出來單獨盈利，因此，在應用落地上並沒有明顯的優勢，反而是創業公司突破能力更強。

國內計算機視覺創業公司的模式，主要是面向B端提供軟硬體一體化解決方案，滿足個性化需求。從業務領域看，國內創業公司在B端的業務較為同質化，大部分集中於圖像識別、人臉識別等應用場景（表9）。其中，人臉識別在計算機視覺領域做得最早最成熟，主要用於對風控要求高的金融、支付、安防、交通以及智慧城市等行業，在消費領域，智能美圖等應用也基本在大眾中普及，創業公司在這些領域的競爭趨於白熱化。

03

商湯科技：下注原創演算法，不走尋常路

那麼，在眾多同質化的企業中，投資人是如何做出判斷的？是什麼導致盈利數據並不算突出的商湯拿了高估值？

在基石資本楊勝軍看來，商湯科技與其他眾多創業公司並不一樣。2016年以來，以谷歌、微軟為首的巨頭為了搶佔市場，將自己研發的演算法技術進行開源，導致很多企業免去人工智慧基礎技術研發投入，只需要採用開源演算法或經過訓練的人工智慧晶元，再結合行業數據進行訓練，就可開展行業應用落地（表10）。

和業內同類公司多依賴於國外開源的演算法來做應用開發不同，商湯科技自建深度學習基礎設施平台，搭建了一個全球領先的深度學習超算平台DeepLink，並聘請了幾百號人做數據標註——把人的知識傳遞給電腦。商湯的演算法平台，還提供給其他公司使用，因此，市場上不少看起來和商湯科技同類的公司，實質與其是上下游關係。

徐立認為，當前人工智慧還處在初級階段，有人摸到了牆面、有人摸到了凳子、有人摸到了桌子……但沒人知道整個房間到底是什麼樣。未來人工智慧成熟的標誌，就是有人能把整個房間解釋清楚，而其中的核心，在於技術突破。從技術出發，站在制高點上，知道技術發展的程度，才能把握行業發展趨勢，看到技術帶來的普通人想像不到的東西，並最終利用技術往前走。

「儘管在技術平台期，許多人搭建一個模型、利用一些數據，就能開發出一個產品，並在實際應用中完成商業變現，但是技術和應用的關係，是本和末的關係，研究絕對是綱，應用是目，技術的進步很可能瞬間顛覆應用，就像引擎和車輪，在引擎差不多的情況下，車輪的改善最多只是減少地面摩擦力；而一旦引擎升級，從拖拉機引擎到跑車引擎，前期對車輪的精細化打磨則可以忽略不計。」徐立稱。

商湯的計劃中，領先的演算法，是在同質化競爭中打造差異化的關鍵點。「領先的演算法會帶來好的產品，比如在金融領域，如果做到億分之一、十億分之一的誤識率，就能夠比現在十萬分之一的誤識率高三到四個數量級，就不存在同質化了。」

4

人才，AI創業不同以往的重要指標

「過去的O2O創業潮實質是營銷主導，共享經濟是商業模式創新，而這一波人工智慧創業潮有別於以往創業的最重要的特點，是技術主導。」嘉實投資總經理仇小川在接受新財富記者採訪時稱。

技術的背後是人才的競爭。「人工智慧演算法演進，不是靠人多，而是靠真正的人才。商湯做的就是找到這樣的人才，打造演算法突破的陣營。」徐立稱，商湯科技成立初期，在資金不是很寬裕的情況下，仍在大規模擴招人才。

徐立本科就讀於上海交通大學，博士畢業於香港中文大學，2015年開始擔任商湯科技的CEO。根據他以前在學術圈的經驗，人才聚集後形成的爆發力，要遠遠大過一個聰明的腦袋閉門造車。

截至2017年6月，商湯員工中有超過120名博士，其中不少來自麻省理工學院、香港中文大學、清華大學等名校以及谷歌、微軟等名企，堪稱集納了計算機視覺等人工智慧領域全球頂尖的研究者。他們既有很長時間的研究經驗，又有深度學習的實操經驗，這批高精尖人才構成了驅動商湯科技的核心。

在頂級人才的助力下，商湯科技在新一代深度學習、人物關鍵點定位演算法、文字檢測與識別、視頻標註與內容理解、幾何與深度估計、強化學習與機器人等方面取得了演算法研究的突破性進展。其中，商湯在業內率先推出的106人臉關鍵點定位原創技術，能夠讓人臉面部輪廓及各個部位的定位更加精確。2017年8月，商湯又宣布該技術已實現了從106點到240點的突破。

一家資金並不算十分充裕的新銳企業，靠什麼吸引這麼多人才？

徐立介紹，其不惜成本投入搭建全球頂級的研發平台，是對高精尖人才構成吸引力的首要因素。其次，在企業文化基因上，商湯一直強調「技術驅動」，從技術出發，用技術的原動力來改造社會。這種基因，使得技術人才在公司受到極大的重視。外加平台是由大家從零開始搭建，成就感油然而生。

科學研究出身的徐立，很明白科學家之間惺惺相惜的微妙情感，頂尖人才會相互吸引，很容易形成人才集聚效應。在公司建立後的第二階段，商湯就開始了一個人才計劃，打造「人工智慧領域的人才黑洞」。

視覺領域有三個頂級會議，分別是ICCV（國際計算機視覺大會）、CVPR（國際計算機視覺與模式識別會議）以及ECCV(歐洲計算機視覺國際會議)。這三大頂級會議均定期舉行，每年接收來自全世界的業者投稿，並將質量最高的論文收錄進庫。對學術界來說，論文被三大會議收錄，不僅意味著研究被肯定，還意味著受到工業界的關注。在2011年到2013年期間，這三大會議中有關深度學習的專著在全球共有29篇，其中14篇來自商湯創始團隊，這被認為是該團隊研究實力的佐證。

打造「人才黑洞」，讓商湯科技在當前市場上AI人才千金難求的情況下，贏得了先機。

2015年，在全球人工智慧領域的權威競技場ImageNet競賽上，商湯科技與香港中文大學多媒體實驗室聯合組成的CUvideo團隊，在視頻物體檢測競賽中取得了檢測數量、準確率兩項世界第一。2016年該競賽上，商湯科技和香港中文大學組成的團隊又包攬了三項冠軍。這一結果說明商湯科技在造腦能力和超算能力上保持了領先水平，而這正得益於其人才優勢。

伴隨人工智慧的火爆，大量學術界大牛被挖到企業，當前，工業界對人工智慧技術的研究已經領先於學術界，相關研究中心也從高校、實驗室等轉移到工業界，谷歌、微軟、Facebook、蘋果、百度、阿里、華為、騰訊等巨頭紛紛建立AI實驗室，籠絡人才，搶人大戰越發激烈。徐立透露，目前商湯已經開始在內部形成人才培養機制，2017年CVPR上，商湯科技及港中大-商湯科技聯合實驗室有23篇論文入選，其中不少是由實習生作為第一作者所完成的。

05

從研究到產業

技術商業化的不斷突破，也成為人才留在商湯的強力「雞血」。

商湯糰隊早期從實驗室研究轉型工業應用的研究時，一共六七十人，結構扁平化，未明確分工，也沒有職級之分，但是工作效率頗高，只要有項目，全部人員集體投入戰鬥。不過，從學術成果轉換為真正的產業級產品，要做到產能的替換，並實際提升效率、降低成本，並非易事。

計算機視覺領域的大多數創業公司，早期都是從零開始接觸產業，它們大多不可能直接進入已然成熟的硬體市場，而只能作為增值服務提供方，在軟體層面與硬體廠商進行合作。商湯也是如此。在早期，客戶找到商湯，提出的都是「我需要解決安全問題」、「我想要提高App的日活」等寬泛的問題。商湯需要說服B端客戶，深入傳統業務鏈條，理清邏輯鏈條，嘗試提出更好的解決方案，而在實際操作中，往往在一個業務邏輯打通之後，又會帶來新的問題，軟硬體結合的過程，頗為周折。

商湯在進行場景應用落地時，為贏得市場，其制定的策略是：在找合作夥伴、進行商業化落地的時候，合作夥伴一般需要符合如下特徵：第一，可以做到量產；第二，可以長期合作；第三，可以讓商湯對其進行長期研究跟蹤。

在強大的人才效應基礎上，商湯成立不久即拿下了一些重量級戰略合作夥伴，包括科大訊飛、中國銀聯等。科大訊飛的訊飛開放平台，整合了包括語音識別、人臉識別等在內的統一多生物認證系統，其中生物識別內容部分與商湯合作。湯曉鷗還是科大訊飛語音及語言信息處理國家工程實驗室技術委員會的副主任。商湯科技還在成立後的短時間內在一些垂直領域形成了技術領先、可標準化的產品。其開發的SenseID身份驗證解決方案，在金融領域得到驗證，中國銀聯、融360等都是商湯的合作夥伴。

SenseAR是商湯的另一款標準化產品，它是一款基於動態人臉識別技術的AR濾鏡，可以準確定位和更改用戶的髮型、衣服，還能用萌萌的背景替換原來的背景。這款產品被Faceu等客戶使用後,曾一度火遍朋友圈。其技術基礎，正是商湯兩年前的原創106人臉關鍵點定位技術。

除此之外，商湯還在安防監控、智慧商業、手機、IoT、無人駕駛等領域落地開花，合作客戶超過400家企業。

「商湯的商業化，連接應用場景，最終的產品能影響上億用戶，」徐立稱。這是對技術人才最好的激勵。

商湯的模式是B2B2C，這一模式的好處在於，可以共享B端客戶對行業的理解，以及用戶的反饋等大量有價值的信息，這些信息可以用來反哺機器訓練，便於商湯更好地打磨產品，通過不斷實踐完成技術演進、產品迭代，令演算法突破與應用場景循環打通。可以說，B2B2C的模式，構成了商湯和合作夥伴共榮共生的生態。

形成了一定的標準化產品後，2015-2016年，商湯的商業化業務做得風生水起，為此，其大規模拓展籌建商務團隊，將自身的標準化產品在市場上規模化鋪開。2016年1月，在成立一年多後，商湯在內部專門建立了一個近100人的銷售團隊，他們按照區域劃分，把產品直線鋪到對應的用戶。同時，商湯開始重視企業精細化運營，完善公司治理結構，並從外部引進高管人才。其現任商務副總裁柳鋼，之前是一個深圳上市公司的總經理兼CEO。

通過標準化產品，商湯將原創技術與場景化應用深度結合，打通行業，形成一站式解決方案，逐漸從系統模塊走向平台系統。例如，商湯與中科金財的合作中，就為其製作了一個涵蓋金融、智慧城市商業化應用的一站式解決方案。

「商業的本質是現金流，而商湯的核心是要長期穩定的現金流。」徐立稱，當前商湯已經實現階段性營收平衡。

06

投資人用錢投票

商湯堅持用原創核心技術、自主研發的深度學習平台，能帶來多大程度上的技術領先？在現有環境下，其投入與產出比是否值當？其在技術領域的投入有沒可能得不償失？

雖然計算機視覺技術的應用場景極為廣泛，在很多領域仍然有巨大空間，例如，當前致力於計算機視覺的公司紛紛磨刀霍霍準備進軍的無人駕駛領域，不過當前，業內普遍認為，深度學習基礎上的計算機視覺，成熟度仍然有限，深度學習理論基礎自身也尚未建立和完善。工業應用實際滲透率較低，也是眾多計算機視覺創業公司捨棄端C而致力於解決B端問題的重要原因，因為當前技術大多仍然無法直達大眾消費級。解決企業案例問題，則意味著大多數時候需要進行個性化定製，如此成本無法降低，限制了人工智慧公司的收入規模。

人工智慧未來計算力的進一步發展，很可能將主要取決於底層軟硬體設施的升級，屆時，很可能有更強大的晶元取代GPU。當前國外巨頭均不惜成本投入AI晶元研發，以期掌握主導權。而國內的上層晶元和演算法研發均為短板，商湯科技搭建演算法平台時，上游合作廠商就是英偉達。同時，技術升級也必然將加大對計算數據體量的需求，不管國內國外，掌握大量有價值數據的，都是互聯網巨頭公司，對創業公司來說，很難憑藉自身案例積累形成計算升級所需要的龐大的資料庫。

當然，底層技術的進步有循序漸進的過程，一般認為，擁有自研技術的創業公司，在未來更容易佔據市場主動性，享受技術紅利。但是計算機視覺演算法技術門檻高，研發周期長，需要投資者給予足夠的耐心和合理的預期，否則極易造成資金鏈問題。

徐立也知道，並非所有業內人士都認同他對原創技術投入的做法。「下注原創技術，像是在賭博，要麼賭用技術形成壁壘，即在一個PK的場景上完全領先，造成絕對競爭優勢，從而帶來時間窗口，最後形成壓倒式的碾壓；要麼賭眼界，通過保持技術的敏感，第一時間看到技術在某些地方的成熟度。」

「人才帶來國際一流的原創技術，將技術實現商業化落地，反過來吸引更多人才，如此實現閉環，保證商湯始終處於領先地位。」這是作為投資人的楊勝軍對商湯進行深度考察後最為讚賞的一面，他考察過的諸多同類創業公司，能實現以上閉環的鳳毛麟角。

在外界懷疑商湯的應用落地情況是否樂觀，堅持原創技術投資是否得不償失的時候，投資人用資金投了票：2017年7月11日，商湯完成了4.1億美元的B輪融資，這是目前為止全球人工智慧領域單輪融資最高紀錄，商湯由此成為機器視覺領域的獨角獸企業。參與本輪融資的包括鼎暉投資、賽領資本、IDG資本、基石資本等近20家頂級投資機構，顯示堅持原創、技術產品化、產品規模化的「商湯模式」獲得了資本的認可。

商湯科技表示，融資後會持續加大對原創技術的投入，深化AI基礎技術研發；還將在現有業務平台基礎上，擴充產品線，探索諸如無人駕駛等新的垂直領域；另外還將進一步加強與上下游合作夥伴的合作，深化「商湯驅動」的人工智慧商業生態。

「商朝是中國有文化記載的第一個朝代，3000年前商朝的開國君主，曾經通過對文字的運用，帶來市場力的變革，讓商朝站在世界巔峰。商湯糰隊在給公司取名字的時候，取了這個願景，希望商湯科技成為人工智慧引領者，帶來時代變化。」徐立如此解釋商湯的期許。

本文僅代表作者個人觀點，不代表本公眾號立場。本公眾號轉載此文僅出於傳播更多資訊之目的。如有侵權或違規請及時聯繫我們，我們將立刻予以刪除。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！