商汤股价腰斩，是技术缺失还是资本游戏？
近来，商汤可谓是厄运缠身。
6月30日是商汤上市前投资者、基石投资者的解禁日，也是商汤戏剧化的开端。
当日，一经解禁，商汤股价登时下跌46.77%，市值单日蒸发额高达921.5亿港元，最终，以跌至3.13港元，低于去年发行价3.85港元的价格收盘。
股价腰斩变故将有着港股“AI第一股”光环的商汤拉下宝座。这家备受瞩目的AI企业又一次被推向风口浪尖。
尽管商汤在当日就发布公告，表示其公司徐立、王晓刚、徐冰及集团若干管理层成员以公司为受益人，自愿承诺于2022年12月29日前不会出售公司于2016年11月1日采纳的首次公开发售前受限制股份单位所涉及的B类股份，但不论如何补救，仍解不开股民的心结。
这家昔日的资本宠儿如何走到今天的境地，这场股市“大逃亡”的发生是由于全球经济下行，还是意味着原始投资人对商汤的业务已失去信心。我国AI企业是否因受到过度的资本包容性而导致泡沫化？从2021年12月公开发售起便戏剧现象频发的商汤何时能够摆脱资本依赖，真正实现商业化落地、自给自足？
商汤“翻身仗”怎么打？
人工智能的使用是否能够带来直接影响公司底线的真实投资回报？
回顾2021年度商汤递交的招股书，不难发现其业务涵盖甚广，囊括智慧商业、智慧城市、智慧生活、智慧汽车四大热门领域。
招股书中表示，现阶段商汤已经实现多功能超高AI模型量产；AI软件平台已可以将AI模型部署于部分商业化场景中，实现自身规模的不断拓展。譬如，面向智慧商业的商汤方舟企业开放平台、用于智慧城市的方舟平台、用于智能汽车的绝影平台以及商汤通用人工智能平台等。
图片来源：商汤2021财报
目前，商汤智慧商业收入已由2020年人民币1485.0百万元增加31.8%至2021年人民币1957.9百万元；智慧城市收入由2020年的人民币1368.9百万元增加56.5%至2021年人民币2142.8百万元。
据第一财经消息得知，今年一季度，商汤科技实现营收62.12亿元，净利润亏损29.21亿元，分别同比增长32.17%、82.96%。
图片来源/同花顺财经
此外，商汤营业收入从2021年6月30日的16.52亿元上涨至12月31日的47.00亿元，毛利也由12.05亿元上涨至32.78亿元；资产合计达到369.44亿元，较上半年增长47.12亿元。整体产品收益向好，较为乐观。
但值得注意的是，商汤的净资产收益率由2021年上半年的16.04%跌至2021年底-53.74%，已是呈现负值。而这也正符合AI企业高毛利率、高收入和高亏损的特征。
资本是具有逐利性的。当高科技产品与低迷的市场需求对阵时，资本方便会选择头也不回地加速撤离。
“AI四小龙最大问题不是没有清晰的业务，而是初期发展路线不清晰，导致业务不连贯，先前的技术未能形成沉淀，不能有效助力新近提出的主营战略。”一位管理学在读博士阐述了自身观点，他认为，AI四小龙现在才找到清晰的发展方向，沉没成本没有转化为养分，大部分都被白白浪费掉了。
古语有云：大凡治事，必需通观全局，不可执一而论。
由于AI技术应用链条长，短期获利难度大，不少技术型企业纷纷将重心转移至细分领域及软硬件解决方案赛道，以点状突破寻求场景商业化落地。
如今，旷视聚焦物联网场景，以物联网作为AI技术载体，面向消费物联网、城市物联网、供应链物联网三大核心场景提供行业解决方案；云从主要产品为人机协同操作系统及部分Aioli设备，产品终端用于智慧金融、智慧治理、智慧出行、智慧商业；依图在裁员70%，人员由1500人锐减至200～300后，2021年7月，宣布中止科创板IPO，转战自动驾驶。
从现状来看，除商汤外的其余三小龙似乎都已找到发展方向。而唯一在港股成功上市的商汤却再次深陷泥潭。
前期的不断融资已经让商汤所持盘巨大，愿意吃下这个巨大盘的资本方并不算多。所以，当技术城池未建立成功且铺盘融资不断碰壁后，尝试缩减业务明确商业化落地场景也不失为一种选择。
AI泡沫不等于AI泡沫化
知名未来学学者、谷歌的工程总监雷·库兹韦尔曾提出过一项有趣的预测：技术奇点会在未来30年的某个时间点出现。那时，人工智能的智能化程度将比人类还要高，人们可以把计算机放在自己的大脑中，甚至将大脑连接到云端，从而拓展思维边界。
尽管现阶段，这些科幻般的场景似乎难以实现。但令人不得不承认的是，这些技术原理在当下已是有迹可循。
据《中国AI框架发展白皮书（2022年）》中介绍，2021年世界排名前500的超级计算机中，68.4%采用了AI技术进行加速。美国橡树岭国家实验室利用TensorFlow在Summit超级计算机上训练1.1EFLOP/s的极端天气预报模型；美国劳伦斯伯克利国家实验室在基于CPU的高性能计算机平台上，使用TensorFlow框架开发大型科学应用程序Cosmology，利用及其学习插件将其框架扩展到8000多个节点，这种规模处理三位空间数据卷主要应用于暗物质N体模拟实验。
此外，在生活中也有很多AI赋能的例子。
空客公司使用TensorFlow开发的模型进行异常检测，用以保障空间站安全运行；PyTorch运用深度学习模型帮助采矿企业Data rock更快速进行样品图像分析；旷视为摄像头模组企业提供智能质检解决方案实现产品在线实时监测。诸如此类，还有很多。
2021年，商汤针对低频高需的长尾需求提出“SenseCore 商汤AI大装置”理念，认为处理当下大规模爆炸式需求增长而引发的长尾现象和单一问题，唯一解决途径就是集中大规模算力来探索可行性空间。
商汤联合创始人徐立认为，数字化社会构建会经历场景数据化、数据结构化、流程交互化三次变革，只有在流程完成可交互化后，数字流程化、自动化才能真正实现。
现阶段，生活中仅有20%头部需求得以满足，剩余80%的长尾应用未被覆盖，这其中蕴藏着巨大商业价值。而这种长尾市场全面结构化乃至流程可交互化，正是真正需要大规模AI赋能的部分。
当AI走向大规模使用时，这项技术就能够达到下一升级化进程。
雷·库兹韦尔与徐立所提出的这两种理念不谋而合。AI的出现为未来生活提供出一种跳跃的可能性以及或许能够颠覆商业模式的变革。
那么，在现实生活中，什么是理论AI与现实生活进行结合的最大困难？
首先，生产链条较长，所需金额可观。现阶段既有的AI企业仍旧停留在软件水平，因此需要将底层架构、硬件终端等层次性产品一次性交给消费者。
当企业需要投入大量成本用于研发及技术调整来满足市场需求，邀请第三方参与运营，供应产品组件，制造、组装、测试、包装并进行交付，这本身就是一条长链。当种种成本投入连于一线，AI企业在现阶段仍缺乏产品造血能力的情况下，负债率自然高居不下。
第二，可商业化落地场景不足。现阶段我国制造业、金融、安防等易于落地的场景仍处于初期，能够使用AI技术的场景仍在阶段性增长，尚未到达高峰。同时，我国各线城市发展不平均，大量下沉市场未被开发，导致用户需求低、落地场景缺失，从而致使产品落地能力技术型企业间壁垒失效。
不可置疑的是，AI愿景的未来是明确的，同时也具备实际价值。在安防、金融、社区、城市等诸多领域都拥有商业化落地能力。但商业及资本市场所需的快速变现的本质与长期技术发展间存在根本矛盾，这两者间存在错层，因而也导致商汤等AI企业的窘境。
但这并不代表，AI将走向泡沫化。
科学技术从不曾是一蹴而就。AI底层技术与终端如何链接、AI情感交互、创建通用人工智能等难题一直都存在，只是由于距离现实生活太远而鲜为人提及。
尾声
如今，我国热极一时的AI融资潮已趋向冷静。
据公开资料记载，2016~2018年间，AI投融资爆发式增长，数量高达两千多起，融资金额升至2500亿元。而这场“吸金”也引来诸多人才投身赛道。
2019年，在全球宏观经济的影响下，整体投融资速度放缓，融资轮数也由前期向战略融资及中后期靠拢。加速培养人才、合理部署商业模式已成为AI产业化落地的重点。
尽管培养一名AI人才所需时间长达5~10年，但融资盛况下吸纳的高密度人才也势必会为企业可持续发展提供机遇。AI没有泡沫化，它将长期带着价值存在。当资本融资逐渐冷却后，这项技术才真正进入探索产品商业化落地红利期。换句话说，未来将出现更多实用型产品设计。