在計算機視覺領域，比較知名的是商湯、曠視、云從、依圖這“四小龍”，他們不僅知名度更高，收入水平和估值也更高。從最新的財報來看，這四小龍都不同程度陷入了困境，收入增長乏力，巨額虧損看不到扭轉的態(tài)勢。

四小龍所遇到的困境，某種程度上是計算機視覺這個賽道本身面臨一些商業(yè)落地的挑戰(zhàn)。又或者，計算機視覺領域本身在進行結構化的變動。

我們關注到一個不那么知名的計算機視覺廠商——格靈深瞳，從其最新的財報來看，雖然整體體量還不如商湯、曠視，但其發(fā)展態(tài)勢比較好。接下來，我們來深入分析一下這個公司，看看它有什么不同。

收入穩(wěn)步增長，初步盈利

近幾年，格林深瞳的收入在持續(xù)增長，而且增速還不錯。在一些創(chuàng)新型領域，持續(xù)、穩(wěn)定的收入增長始終是最重要的。高收入增長、高研發(fā)投入、高營銷費用，是企業(yè)業(yè)務規(guī)模擴張階段典型“三高”特征。在這個前提下，適當?shù)奶潛p是可以忍受的。當然，特別夸張的巨額虧損，甚至引發(fā)現(xiàn)金流危機，那也存在嚴重的問題。

2023年上半年，格林深瞳收入1.57億，同比增長34.35%，凈利潤193.8萬元，同比增長115.28%。作為對比，2023年上半年，商湯科技收入14.33億元，同比增長1.26%，虧損31.23億元；云從科技收入1.64億元，同比下降58.16%，虧損3.15億元。

格林深瞳收入情況

雖然跟商湯、曠視相比，格林深瞳的收入體量還小很多，但目前其發(fā)展態(tài)勢較好。并且，格靈深瞳已經(jīng)扭虧為盈了。無論是凈利潤，還是銷售凈利潤，都得到了顯著的改善。這個態(tài)勢如果能夠持續(xù)下去，格林深瞳將能實現(xiàn)穩(wěn)定盈利，這對于計算機視覺企業(yè)而言意義重大。此外，格林深瞳近兩年的銷售毛利率也在穩(wěn)步改善，這是一個不錯的信號。

格林深瞳利潤情況

我們從成本結構上，發(fā)現(xiàn)一個有意思的現(xiàn)象，格林深瞳在整體業(yè)務規(guī)模增長的同時，其銷售和管理費用還降低了。尤其是管理費用，同比下降了18.79%，說明其經(jīng)營效率得到提升。

但另一方面，一般而言，銷售費用、管理費用會隨著公司業(yè)務規(guī)模的擴張而擴張，降本增效有一定的限度，比如明年格靈深瞳的各項費用再壓縮的空間就比較有限。公司的成長，核心還是在于收入規(guī)模的持續(xù)擴張。

格林深瞳成本結構

以視覺產(chǎn)品為核心，布局四個行業(yè)應用

那么，是什么因素在驅動格林深瞳的成長呢？為了弄清楚這個問題，我們需要深入其業(yè)務結構來看。

從技術產(chǎn)品架構上，格靈深瞳底層是“深瞳大腦”，涵蓋數(shù)據(jù)平臺（數(shù)據(jù)采集、治理、標準）和訓練平臺（模型訓練、優(yōu)選擇、管理），在此基礎上不斷優(yōu)化其各項技術。這些技術的核心就是對應的算法模型，包括3D立體視覺、機器人感知與控制、大規(guī)?？缇匙粉櫟?。

再往上，就是格靈深瞳面向客戶的三個標準化產(chǎn)品，分別是智源智能前段產(chǎn)品、靈犀數(shù)據(jù)智能平臺、深瞳行業(yè)應用平臺，在三個標準化產(chǎn)品基礎上可以構建面向不同行業(yè)客戶的解決方案。目前，其主要應用在金融、城市管理、商業(yè)零售、軌道交通四個領域。

格林深瞳技術產(chǎn)品體系

拆解格林深瞳的收入與成本結構，其收入1.57億元，主要來自于人工智能產(chǎn)品，其次是技術服務。成本結構中，營業(yè)成本（主要是零部件采購）5973萬，毛利近1億元。各項營業(yè)費用近1億元，其中研發(fā)費用7700萬元，其次是銷售費用2860萬元，以及管理費用1697萬元。

格林深瞳收入拆解

格靈深瞳要進一步提升利潤空間，需要壓縮營業(yè)成本占比，這需要其優(yōu)化供應鏈，提升議價能力，同時可以通過自研部分核心零部件來降低采購費用；此外，銷售和管理費用方面，可以通過降本增效來進一步壓縮費用，但其改進空間已經(jīng)不大。研發(fā)費用是格靈深瞳成本的重要部分，需要提升研發(fā)效率，提升單位投入的產(chǎn)出。

決定格靈深瞳未來發(fā)展的三個關鍵問題

以上是格林深瞳的基本業(yè)務情況。接下來，我們就三個關鍵問題進行更深入的探討。

1、該3D視覺登場了？

在眾多計算機視覺技術提供商中，格靈深瞳憑借其對3D視覺的堅定押注而脫穎而出。盡管在前幾年，3D視覺技術尚未得到廣泛應用，但其潛力巨大。之所以3D視覺在初期沒有成為主流，很大程度上是因為其對數(shù)據(jù)處理和計算要求較高，同時需要更先進的芯片和硬件支持，導致成本相對較高。同時，早期的3D視覺算法模型也不夠成熟。

然而，與2D視覺相比，3D視覺有著無可比擬的優(yōu)勢。首先，3D視覺能夠為物體提供深度信息，幫助實現(xiàn)準確的物體定位和識別。其次，它能夠捕獲真實世界中的物體結構，從而更準確地對物體進行建模和分析。此外，3D視覺還能提供更為豐富的空間信息，幫助進行更為復雜的場景理解和導航。

隨著芯片技術的快速進步和軟件算法的持續(xù)優(yōu)化，3D視覺技術越來越受到關注。其應用場景也從單一的領域擴展到各個行業(yè)中。例如，自動駕駛領域中，3D視覺可以幫助汽車更好地理解路況，預測行人和其他車輛的行動。在醫(yī)療領域，3D視覺能夠為醫(yī)生提供更為真實的人體結構圖，幫助他們進行準確的手術。此外，3D視覺還在建筑、娛樂、零售等眾多領域中得到應用。

某種程度上，計算機視覺領域正在經(jīng)歷一個從2D升維到3D的技術和產(chǎn)業(yè)變革。隨著技術的進步和市場的成熟，3D視覺已逐漸從一個前沿技術發(fā)展為一個廣泛應用的解決方案。這種情況下，格靈深瞳前期在3D視覺領域的積累，有望讓其在這個市場階段取得競爭優(yōu)勢。

2、布局大模型，但投入不足

在格靈深瞳的財報中，有一些涉及到大模型的零星描述。例如，其深瞳大腦可支持幾十億參數(shù)規(guī)模的模型訓練；基于 Transformer 的多層特征投票機制提升正確匹配點云比例，提升點云配準精度。目前，格靈深瞳也在研發(fā)圖像預訓練大模型，用于視頻分類、圖片分類、少樣本檢測模型、少樣本事件任務等場景中。

目前情況來看，大模型還不是格靈深瞳的研發(fā)重點，而且其研發(fā)團隊總共300余人，年研發(fā)投入才1億多元，還不足以支撐其在大模型領域的前沿技術探索。

筆者在《中國CV軍團，危矣？！ 》一文中提到過，大模型是深度學習的進化形態(tài)。目前，大模型的成果主要在自然語言領域，明星產(chǎn)品就是ChatGPT。從技術原理上來看，應該也有計算機視覺領域的大模型。并且，結合NLP和計算機視覺技術，是構建多模態(tài)大模型的一個重要方向。

但是，要實現(xiàn)這個目標，還有很多技術難題需要解決。Transformer是專門針對自然語言領域的，是否能基于Transformer來構建計算機視覺領域的千億級參數(shù)規(guī)模的大模型，還是一個未知數(shù)。要構建這樣的計算機視覺大模型，很可能需要對底層的Transformer架構進行改造，甚至研發(fā)出完全不同的基礎架構。

當然，如果某個計算機視覺廠商能夠解決這些問題，首先推出千億、萬億級參數(shù)規(guī)模的CV大模型，在技術性能和應用效果上實現(xiàn)質的飛躍，那對行業(yè)所帶來的震撼絕對不亞于ChatGPT。

從目前情況來看，國內(nèi)也有幾家計算機視覺廠商在推出大模型產(chǎn)品，但是他們的思路基本都停留在模仿、跟隨ChatGPT的階段，基于Transformer來推出一些幾百億甚至只有幾十億參數(shù)規(guī)模的大模型，毫無新意可言，注定在市場上激不起浪花。

3、安防，是計算機視覺最大的應用場景

最后，我們來從應用場景角度來探討一下計算機視覺賽道的未來發(fā)展前景。

筆者一直認為，安防是計算機視覺最大的一個應用市場。但要激活這個市場，有一個前提，就是安防攝像頭的智能化。

現(xiàn)在的安防系統(tǒng)，攝像頭的核心功能就是視頻錄入，然后將視頻傳輸?shù)胶笈_進行存儲和分析。視頻數(shù)據(jù)尤其是高清攝像頭產(chǎn)生的視頻數(shù)據(jù)，往往數(shù)據(jù)量龐大，如果視頻數(shù)據(jù)都要傳輸?shù)胶笈_才能進行分析，那數(shù)據(jù)傳輸和存儲的壓力就會非常大。

如果換一個思路，前端的攝像頭就具備很強的視頻分析處理能力，大部分的視頻分析需求直接在攝像頭終端就滿足了，只有需要涉及到大數(shù)據(jù)分析的需求需要后臺來處理，這樣就將極大降低數(shù)據(jù)的傳輸和處理壓力。

舉一個例子，如果一個城市下發(fā)了某個犯罪嫌疑人的通緝令，那把數(shù)據(jù)傳輸?shù)胶蠖?，然后向全城的攝像頭終端下發(fā)識別命令。只要該人出現(xiàn)在某個攝像頭的視野范圍內(nèi)，攝像頭本身就能夠完成識別、比對、驗證功能，鎖定犯罪嫌疑人，然后立馬把地址、對應的視頻數(shù)據(jù)傳輸?shù)胶笈_。多個攝像頭之間，還可以自動形成局域網(wǎng)，分析出該犯罪嫌疑人的行動軌跡，并預測其下一步的行動方向，提前啟動預測區(qū)域內(nèi)的攝像頭。這樣一來，整個系統(tǒng)的效率將得到極大提升，而數(shù)據(jù)傳輸、存儲的成本卻顯著降低了。

再來看另一個場景，在城市街頭發(fā)生了一場車禍，交通攝像頭通過行為、場景識別算法，立馬識別這是一場交通事故，然后將信息上報交通管理后臺，并同步給公安系統(tǒng)，攝像頭還可以自動調(diào)整角度、焦距來對該事故現(xiàn)場進行清晰的錄像，固定現(xiàn)場信息，作為后期事故處理的關鍵證據(jù)。相比于現(xiàn)在的交通事故處理方式（事故相關人員打電話報警，等待交警來處理），這一全新的方式效率更高，為交通事故的處理、急救爭取了寶貴的時間，而且事故責任劃分更加清晰，避免了后期的法律糾紛。

要實現(xiàn)上面兩個例子中的場景，就必須要攝像頭實現(xiàn)真正的智能化，能夠具備識別、數(shù)據(jù)處理能力，一方面需要攝像頭內(nèi)置具有很強計算性能的芯片，另一方面還需要內(nèi)嵌強大的識別、數(shù)據(jù)分析算法模型。同時，要通過技術創(chuàng)新和規(guī)?；慨a(chǎn)，來降低智能攝像頭的成本，只有成本足夠低，才能實現(xiàn)規(guī)模化商用。

很顯然，無論是硬件設備還是軟件算法，目前的計算機視覺技術產(chǎn)品都很難達到智能攝像頭的要求。但正因為困難，才更有價值。試想一下，如果哪個計算機視覺廠商能夠解決這些技術挑戰(zhàn)，推出價格低廉、性能強大的智能攝像頭，那將重構整個智能安防市場，其發(fā)展?jié)摿ψ匀徊豢上蘖俊?/p>

某種程度上，一個企業(yè)的價值來源于其能夠解決的市場問題和滿足的市場需求。解決的問題越困難，滿足的市場需求越大，企業(yè)所能創(chuàng)造的價值也越大，其競爭壁壘也越高。

來源：數(shù)智猿