進入2024年，大模型和生成式AI的迅速崛起，正在重新定義技術(shù)和商業(yè)競爭的邊界。在中國市場，有這樣一個問題——誰能成為中國版的OpenAI？

在這個關(guān)鍵時刻，商湯科技的2023年財報成為了業(yè)界關(guān)注的焦點。盡管財報顯示其收入34億人民幣，同比下降11%，這背后實際上是一場深思熟慮的轉(zhuǎn)型——一次“騰籠換鳥”式的業(yè)務(wù)結(jié)構(gòu)變化。商湯科技主動縮減了其曾經(jīng)占主導(dǎo)地位的智慧城市業(yè)務(wù)，將資源和焦點轉(zhuǎn)移到了快速增長的生成式AI領(lǐng)域。

商湯科技各業(yè)務(wù)板塊收入占比變動情況 數(shù)據(jù)來源：商湯科技財報

這一轉(zhuǎn)變標(biāo)志著商湯科技已經(jīng)邁入一個全新的發(fā)展階段，如此看來，它已經(jīng)不再是人們記憶中的那個商湯科技了。那么，商湯科技變成了什么呢？

AI大裝置+大模型雙輪驅(qū)動，生成式AI高速增長

推出大模型的公司很多，但能這么快通過大模型賺錢的公司卻很少。如果說2023年是生成式AI的技術(shù)元年，那2024年就是商業(yè)落地元年。而商業(yè)落地的成敗，最核心的評價指標(biāo)就是能否兌現(xiàn)足夠的業(yè)務(wù)收入。

財報數(shù)據(jù)顯示，商湯科技生成式AI收入貢獻較多，達到了12億元，增速達到了200%。據(jù)悉，這也是商湯成立以來，以最快速度從無到有、超過10億收入體量的新業(yè)務(wù)。

如何實現(xiàn)？深入分析其業(yè)務(wù)特征，可以發(fā)現(xiàn)，商湯科技在生成式AI領(lǐng)域的增長邏輯，可以歸結(jié)為：在感知智能、決策智能的長期積累，加上大裝置與大模型的深度協(xié)同。

一方面，技術(shù)實力是基礎(chǔ)。

生成式AI的成功商用，核心依賴于其技術(shù)的成熟度和實用性。在技術(shù)層面，生成式AI需要具備強大的理解、推理和創(chuàng)造能力，這不僅要求模型能夠處理和生成前所未有的復(fù)雜數(shù)據(jù)類型，還要求其能在多變的應(yīng)用場景中保持高效和準確。

然而，生成式AI面臨的技術(shù)難點不少。例如，模型泛化與適應(yīng)性就是一大難題，雖然當(dāng)前的生成式AI模型在特定任務(wù)上表現(xiàn)出色，但在面對新領(lǐng)域或新問題時，模型的泛化能力和適應(yīng)性仍有限。模型需要在保持高性能的同時，具備跨領(lǐng)域應(yīng)用的能力；數(shù)據(jù)偏差也是一個嚴重問題，可能導(dǎo)致模型生成帶有偏見的結(jié)果；生成式AI的強大能力也帶來了潛在的風(fēng)險，如生成不準確或有害的內(nèi)容，則可能面臨業(yè)務(wù)合規(guī)的挑戰(zhàn)。要解決這一系列問題，需要深厚的技術(shù)積淀才行。

在過去十年中，商湯科技深耕于感知智能和決策智能，積累了豐富的多模態(tài)數(shù)據(jù)資源，這些不僅增強了其基礎(chǔ)模型對物理世界的理解能力，也極大地提升了模型處理多種數(shù)據(jù)類型的能力。特別是商湯科技推出的“日日新”大模型，在基礎(chǔ)模型構(gòu)建、多模態(tài)理解、編程語言處理、工具調(diào)用，以及處理百萬字級無損上下文信息等方面，達到了業(yè)內(nèi)領(lǐng)先水平。

“日日新”4.0版本在多個應(yīng)用場景中展現(xiàn)出的能力，如代碼編寫、數(shù)據(jù)分析、醫(yī)療問答等，不僅與GPT-4持平，甚至在某些方面超越了它。。

另一方面，算力是大模型最大瓶頸，AI大裝置SenseCore成為商湯科技攻城拔寨的“彈藥庫”。

大模型訓(xùn)練的本質(zhì)是一個計算密集型過程，對算力的需求極其龐大。這種對算力的依賴，使得掌握足夠算力資源的企業(yè)，能夠在生成式AI的研發(fā)和應(yīng)用上取得先機。在這個意義上，算力成為了企業(yè)在生成式AI領(lǐng)域進攻和防守的重要“彈藥”。風(fēng)險資本投資大模型創(chuàng)業(yè)公司，最關(guān)鍵的就看兩個指標(biāo)，一個看公司有沒有厲害的人才，另一個就是看公司手里有沒有足夠的算力。

對于商湯科技而言，其AI大裝置SenseCore的建設(shè)和運營，昭示著公司在算力資源配置上的戰(zhàn)略遠見。財報數(shù)據(jù)顯示，商湯科技的算力規(guī)模已經(jīng)達到了12,000 petaFLOPS，擁有45,000卡GPU。通過龐大的算力支撐，商湯科技成功實現(xiàn)了對萬億參數(shù)級別大模型的有效訓(xùn)練，從而為公司在生成式AI領(lǐng)域的快速發(fā)展奠定基礎(chǔ)。

在AI大模型領(lǐng)域，有一個著名的“尺度定律”（Scaling Law）：隨著模型大小（如參數(shù)數(shù)量）、數(shù)據(jù)集規(guī)模、或計算資源（如訓(xùn)練時的算力投入）的增加，模型的性能（如準確率、生成質(zhì)量）通常會呈現(xiàn)出持續(xù)改善的趨勢，這包括但不限于更好的泛化能力、更強的推理能力和更高的任務(wù)解決效率。

尺度定律，推動了AI大模型規(guī)模的不斷擴大。然而，模型規(guī)模的增加也帶來了算力需求的急劇上升。這要求算力大裝置不僅要有足夠的計算資源，還需要具備高度的可擴展性和彈性，以適應(yīng)模型規(guī)模的快速增長。同時，如何在保證模型性能提升的同時，控制訓(xùn)練成本，避免算力資源的無效消耗，成為算法與算力協(xié)同過程中需要解決的重要問題。

商湯科技的AI大裝置SenseCore+“日日新”大模型的協(xié)同，則是遵循尺度定律的典型案例：“日日新”大模型在萬卡算力的保障下，遵循尺度定律不斷提升性能；而源于大模型研發(fā)的深刻理解，幫助商湯更有前瞻性地設(shè)計基礎(chǔ)設(shè)施，實現(xiàn)領(lǐng)先同行的算力效率和彈性。

需要指出的是，商湯科技所實現(xiàn)的這種協(xié)同，不僅是簡單的算法優(yōu)化和硬件升級，而是一個涉及計算架構(gòu)、模型設(shè)計、算法效率和資源管理等多個層面的復(fù)雜系統(tǒng)工程。算力大裝置的設(shè)計需要考慮到模型架構(gòu)的特點，以及模型訓(xùn)練和推理過程中的計算需求。這意味著，計算架構(gòu)必須能夠靈活適應(yīng)不同的模型設(shè)計，支持并行計算、分布式訓(xùn)練等技術(shù)，從而實現(xiàn)模型訓(xùn)練的高效率和低成本。同時，大模型的設(shè)計也需要考慮到算力的限制，通過模型壓縮、量化、稀疏化等技術(shù)降低對算力的需求，提高模型的運算效率。通過改進模型訓(xùn)練算法、引入更高效的優(yōu)化器和調(diào)度策略，可以在不增加額外算力的情況下提升模型的訓(xùn)練速度和質(zhì)量。

聚焦大模型推理，快速推進商業(yè)落地

上面，我們分析了商湯科技的基本能力。要實現(xiàn)可持續(xù)發(fā)展，需要將這些能力實現(xiàn)商業(yè)落地。一個公司要在市場中立足，首先是要找到自己在產(chǎn)業(yè)中的位置。那么，商湯科技將自己定位在哪里呢？

商湯科技董事長兼CEO徐立，在2024全球開發(fā)者先鋒大會（GDC）中提出的“大模型能力的三層架構(gòu)”理論，為理解商湯科技的大模型應(yīng)用策略，提供了重要視角。

一般來看，大模型可以分為三層能力框架，分別是知識層、推理層和執(zhí)行層。

其中，第一層是知識層，大模型通過對海量數(shù)據(jù)的學(xué)習(xí)，吸收世界知識，形成對不同領(lǐng)域知識的全面理解。第二層是推理層，在知識層之上，推理層使得AI能夠在掌握大量知識的基礎(chǔ)上進行邏輯推理和決策。第三層是執(zhí)行層，關(guān)注如何將AI的知識和推理能力轉(zhuǎn)化為具體行動，與現(xiàn)實世界進行互動。這涉及到AI在物理環(huán)境中的操作能力，如自動駕駛、機器人控制等。

其中，推理層在生成式AI體系中起著至關(guān)重要的作用，通過對海量數(shù)據(jù)中抽象模式的邏輯演繹和推演，推理層使AI能夠在面對未曾遇見的問題時，提出創(chuàng)造性的解決方案。此外，推理過程本身的反饋還能促進知識層的持續(xù)優(yōu)化，形成一個動態(tài)學(xué)習(xí)和進化的閉環(huán)。因此，推理層不僅是AI智能處理的核心，也是實現(xiàn)AI技術(shù)深度商業(yè)落地和跨越式發(fā)展的關(guān)鍵。

商湯科技正是聚焦于推理層，將生成式AI深度融入到各個行業(yè)和領(lǐng)域中，并取得了不菲“戰(zhàn)果”。在C端，商湯科技的大模型C端調(diào)用量，在過去半年呈現(xiàn)出近120倍的增長；在金融、醫(yī)療、Copilot助手、擬人交互、智能終端等B端應(yīng)用中，商湯科技的大模型不僅提供了決策支持，更在復(fù)雜的數(shù)據(jù)分析和處理中展現(xiàn)了出色的能力，其客戶涵蓋中國銀行、招商銀行、中國工商銀行等金融機構(gòu)，上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院、瑞金醫(yī)院以及鄭州大學(xué)第一附屬醫(yī)院等醫(yī)療機構(gòu)，金山辦公、小米、榮耀等領(lǐng)域頭部企業(yè)。

商湯科技生成式AI典型客戶

我們可以通過一個具體的客戶應(yīng)用案例，來看商湯科技的生成式AI技術(shù)，如何賦能客戶。

客戶案例：上海銀行，基于大模型打造AI數(shù)字人，降低服務(wù)門檻。

上海銀行，在其數(shù)字化轉(zhuǎn)型過程中遇到了雙重挑戰(zhàn)：一方面，需要在有限的人力資源下滿足日益增長的、多樣化的金融服務(wù)需求；另一方面，銀行面臨著如何縮小數(shù)字鴻溝，尤其是對年長客戶群體而言，普及和降低數(shù)字服務(wù)的使用門檻成為了迫切需求。這些痛點不僅關(guān)系到服務(wù)效率和覆蓋范圍的提升，也關(guān)乎客戶體驗的全面優(yōu)化。

針對這些挑戰(zhàn)，商湯科技提供了基于日日新大模型體系的解決方案，通過打造AI數(shù)字人員工“海小智”和“海小慧”，深度整合了生成式AI的前沿技術(shù)。這兩位AI數(shù)字人員工不僅具備高度擬人化的表達和互動能力，還通過對2000條問答數(shù)據(jù)和10萬條語料數(shù)據(jù)的深度學(xué)習(xí)，實現(xiàn)了對客戶需求的精準理解和響應(yīng)，顯著提高了服務(wù)的可及性和個性化。

目前來看，該方案應(yīng)用效果顯著，特別是對于上海銀行60歲以上的客戶群體，「“海小智”和“海小慧”有效降低了使用門檻，使得老年客戶也能輕松享受到手機銀行的便捷服務(wù)。此外，這一方案還極大地提升了客戶服務(wù)的效率和質(zhì)量，在不增加人力資源的情況下，實現(xiàn)了更高頻次的客戶交互和服務(wù)滿足。

商湯科技的天花板，更高了

通過分析商湯科技的發(fā)展歷程和其業(yè)務(wù)特征，我們發(fā)現(xiàn)其與OpenAI有諸多相似之處。

OpenAI自2015年成立以來，通過不斷的技術(shù)創(chuàng)新，推出了一系列引領(lǐng)行業(yè)發(fā)展的生成式AI產(chǎn)品，如GPT系列。直到推出ChatGPT，OpenAI迅速出圈，奠定了自己在AI市場的地位。

商湯科技成立于2014年，比OpenAI還早一年“出生”。成立以來，商湯科技也依托其在計算機視覺、深度學(xué)習(xí)等方面的深厚技術(shù)積累，持續(xù)推動技術(shù)創(chuàng)新。2023年，商湯推出在生成式AI領(lǐng)域的“日日新SenseNova”系列產(chǎn)品，展現(xiàn)了其在AI技術(shù)創(chuàng)新上的實力，并迅速實現(xiàn)商業(yè)突破。

在直接的大模型競爭方面，商湯科技正加緊追趕OpenAI的腳步。商湯新近發(fā)布的 “日日新SenseNova 4.0”不僅在知識覆蓋、推理能力、長文本理解、數(shù)字推理以及代碼生成方面實現(xiàn)了全面升級，還引入了支持跨模態(tài)交互的能力。

尤其值得注意的是，“日日新·商量”大語言模型通用版本（SenseChat V4）在綜合評測中與GPT-4不相上下，甚至在某些關(guān)鍵領(lǐng)域如推理和代碼編程方面超越了GPT-4。特別是在HumanEval Coding測試中，其一次通過率達到75.6%，超越了GPT-4的74.4%。在醫(yī)療領(lǐng)域，“大醫(yī)”模型在兩項行業(yè)權(quán)威評測中均獲得了第二名的好成績，性能接近乃至部分超越了GPT-4。

SenseChat V4與GPT4、GPT3.5對比 數(shù)據(jù)來源：基于Opencompass full全集測試

看完技術(shù)比較，我們再來看看商業(yè)化成果。根據(jù)《路透社》報道，OpenAI在2023年一整年的營收16億美元，商湯科技營收4.7億美元（34億人民幣，匯率：1 美元 ≈ 7.2 人民幣），約為OpenAI的30%；如果只算商湯科技的生成式AI收入，則有1.7億美元（12億人民幣），超過OpenAI的10%。

而算市值，商湯科技為30億美元（234億港元，2024年3月27日市值），不到OpenAI近1000億美元估值的3%。如果再考慮到商湯科技在生成式AI領(lǐng)域200%的增速，目前商湯科技的價值被嚴重低估。

2024年，商湯科技迎來了10周歲生日，這也成為他轉(zhuǎn)變的一個契機。商湯在財報中闡釋了下一步計劃，推動業(yè)務(wù)增長和核心業(yè)務(wù)盈利，穩(wěn)健而前瞻地占據(jù)AI 2.0時代競爭優(yōu)勢地位。

來源：數(shù)據(jù)猿