當初，真格基金徐小平給格靈深瞳( SH:688207 )創始人趙勇訂機票和酒店，催促其從Google回來創業。在一次飯局上，徐小平和紅杉資本的沈南鵬、聯創策源的馮波聊到格靈深瞳未來的估值。

徐小平說，起碼 5000 億美元。 沈南鵬說 ，1000 億美元比較實際。 兩人爭執不下時，馮波給出了一個折中價格 3000 億美元。這個估值與今天的茅臺，只差300億美元。

圖片：格靈深瞳創始人趙勇來源：官方公眾號

在AI方興未艾的2014年，不同產業和投資人對AI抱著極大的期望。他們認為，只要技術足夠強，那么技術可賦能的產業廣度將映照AI公司估值的高度。這也是投資人愿意給AI公司時間發展和不斷燒錢的前提條件。很顯然，格靈深瞳在當時所擁有的技術能夠讓投資人暢想出3000億美元的藍海。

但時間來到今天，AI頭產業經過了數輪洗牌，市場格局早已經不再只看技術不談商業落地。投資人越來越在乎AI公司什么時候能賺錢，二級市場的投資者們比起“吹破天“的市場愿景，更在乎持股過久能大漲。前有上市即翻倍，隨后股價便趴著不動的商湯 (HK:00020 )；后有上市兩個月，股價大跌66%的創新奇智( HK:02121 )。同樣是宣傳AI改變未來的公司，但實際投資體驗就像“抽獎”一樣刺激。

圖片：商湯和創新奇智的股價表現來源：雪球

和前輩們一樣，今天的格靈深瞳同樣也面臨“流血上市”的局面。就在今天（ 3月17日 ），它即將掛牌科創板。而曾經的“飯局估值”，隨著AI泡沫的消退只剩70億估值。

本篇文章主要回答三個問題：

格靈深瞳目前在做什么？

為什么公司的毛利率超高但營收規模和增速上不去？

想象力無限的核心技術為何不及預期？

01 格靈深瞳是做什么的？

AI公司的驅動力主要看場景的技術難度，以及解決方案的毛利率高低。

場景的技術難度層面，同樣是機器視覺賽道，在便利店用AI攝像頭檢查存貨的場景，難度比純視覺自動駕駛場景低無數倍。

那么我們來看看格靈深瞳，它聚焦的場景相對來說技術難度不高：

◆城市管理：配合城市監控攝像頭和社區門禁，完成協助執法，流動人口調查。

◆智慧金融：配合室內監控攝像頭實時探查銀行網點、金庫是否出現異常。

◆商業零售：在加油站和零售店等安裝攝像頭和數據分析軟件，利用AI實時監控能力來分析銷售運營情況。

◆體育健康（驗證階段）：在運動場所安裝攝像頭，分析健身人士運動姿勢，給出建議。

◆軌交運維（驗證階段）：與中車合作，利用攝像頭及其他傳感器獲取車輛信息，完成比車況檢查。

正因為場景的技術難度不高，門檻比較低，所以格靈深瞳體量還比較小。2018年-2021年H1營收分別為0.5億元、0.71億元、2.43億元和0.72億元。

圖片：格靈深瞳業務情況來源：招股書

解決方案層面，我們能看到格靈深瞳與大多數AI公司“數據采集-數據分析-軟件/硬件應用”的一條龍方案差不多，包括：

◆智源智能前端產品：圖像信息采集硬件（攝像頭）和邊緣計算設備。

◆靈犀數據智能平臺：將視頻轉化處理成不同特征數據的軟件，同時也可以內置在服務器中交付。

◆深瞳行業應用平臺：AI操作系統，有內置應用，同時可以定制開發。

圖片：格靈深瞳的產品情況來源：招股書

格靈深瞳前端設備綜合毛利在50%左右，較為穩定。而數據平臺具有開發完成后能夠勝任多種情況，可以適當減少投入的特性，毛利隨著時間變化從69%增長至99%。在應用平臺上，應用平臺雖然為行業客戶定制開發，但覆蓋同行業客戶時具有可以復用的特性，毛利從71%逐步提升至81%。最終格靈深瞳最終毛利落在70%以上，可堪比肩當前行業龍頭的商湯。

圖：格靈深瞳產品營收占比及整體毛利變化情況來源：錦緞

通觀以上兩點，我們能看到格靈深瞳并未很好的平衡營收增長和盈利水平：

營收的規模小且增長慢，公司預計2021年營收為2.7-3.1億元，yoy為11.2%-27.7%。但毛利率，卻達到與AI公司龍頭商湯一個水平。

02 “小家子氣”的AI，還未打通任督二脈

格靈深瞳在具有超高毛利率的同時，背后的卻是總體業務量太小。

考慮到格靈深瞳不如商湯、曠世、云從、依圖的聲名在外，但就算與同樣不為人知的創新奇智相比，無論是增速還是營業體量都比不過。

格靈深瞳2021年營收

創新奇智在2021前九個月的營收為5.53億元，yoy為86.6%。

這種增速與一級市場大佬們的預期有點不相符，畢竟想實現1000億美金的估值，按AI公司平均20倍左右P/S的估值，至少也得50億美金的營收。

結合格靈深瞳的業務與發展，我們認為，格靈深瞳目前出現低營收+低增長的原因主要歸結于三點。

首先技術落地場景過于局限。

格靈深瞳的技術落地主要依靠安裝攝像頭，主要應用領域為安防，在功能實現上為代替人工檢視居多。對標同樣是以安防為主業的海康威視，海康結合自身安防攝像頭的優勢，積極開發工業園區智能巡檢車和能夠聽聲報警的監控功能。

而格靈深瞳在對應拓展“智慧金融”的業務中，僅表明主要用途為場景內的合規性監控。這意味著僅能在類似于ATM機前判斷是否有多個人辦理業務。機器視覺僅用在監控攝像的場景中，可謂是大材小用。

第二，格靈深瞳的業務開拓能力差。

在智慧金融領域，2018-2020年，格靈深瞳的直接客戶僅為農業銀行。于2021年與建設銀行建立合作。但歷年數據體現，來自農業銀行的收入分別為468.68萬元、2373.97萬元、4697.09萬元和1702萬元，合計占智慧金融領域所有客戶總收入的71%。

另一個值得重視的是，格靈深瞳在農業銀行的安防設備合作已在2021年下旬到期。這意味著，盡管已完成了前期項目的合作，并且在積極準備后期投標，但仍存在不能順利續期的風險。

圖：智慧金融2021H1的客戶情況來源：招股書

第三，結合上述兩點，格靈深瞳的業務沒有能夠構建正反饋。

一方面來講，產品功能單一這使得客戶在選擇格靈深瞳產品時會倍加謹慎，無法順利的開拓客戶獲取數據，這又會影響研發的目的性和效率，兩者疊加之下使公司無法取得高速的業績增長。

若不改變運營策略，格靈深瞳會陷入負反饋。 對于此時此刻的格靈深瞳，我們不禁想探尋一個更本質的問題，為什么它偏離資本的預期那么遠？

03 不能落地的技術不是好技術

故事的最初，徐小平、沈南鵬、馮波對格靈深瞳有如此高的估值預期，其實并不讓人意外，格靈深瞳的確有底氣。只因為創始人趙勇是Google Glass 的七位設計者之一，其擁有開宗立派的技術底氣：三維成像技術。

那么三維成像技術究竟牛在什么地方？

在機器視覺系統中的流程為：

首先照明光源發出的光照射在被測物體上，再通過相機捕獲圖像，然后由圖像采集卡收集并經計算機存儲，最后再進行一系列后期處理。 但這種僅僅獲取一張2D圖像技術并不能像人眼一樣精確了解物體距離、位置關系等更多信息。

于是便誕生了三維成像技術，這也正是格靈深瞳引以為豪的地方，其目前采用的三維成像技術分支是結構光（雙光溫測識別設備）和立體成像（皓母行為分析儀）。前者在iphone上用來做人臉識別，后者類似模擬人類的雙目視覺。

圖片：機器視覺實現原理來源：網絡

圖片：格靈深瞳圖像采集設備一覽來源：公司官網

Google Glass的產品設計上，三維成像技術是為了服務于SLAM（ 同步定位與建圖 )技術的，而自動駕駛是建立在SLAM技術的基礎之上：小到做掃地機器人科沃斯，市值最高時1450億元；大到自動駕駛電動車公司特斯拉，市值一度1.3萬億美金。

格靈深瞳如果把技術的想象力落到實地，那可真的了不得，但天不遂人意。

Google Glass雖然是一步到位的完成視覺信息收集，但落地難度很大。需要算法難度很高，同時對傳感器的精度要求也很高。 在AI剛剛興起的2014年，算法的不成熟外加高精密傳感器的成本，把格靈深瞳的技術優勢“鎖在”技術儲備階段，無法從實驗室里面出來。

這種空有一身武藝，讓市場認為格靈深瞳擁有巨大的營收預期，而忽略實際落地中出現的種種問題。

諸如在圖書館里把風吹動的窗簾識別是人。

把背著包的人識別是兩個人。

在廣場上因為光照太強而算法失效。

而彼時的商湯、曠視等公司大多選擇用打標注、灌算法的模式逐漸讓計算機學會識別人臉。方式雖然笨點，但好在除了工作量巨大之外，方案的推進落地還算有條不紊。并且技術隨著方案落地，逐漸掌握核心算法技術，優化實現效果與配置之間的能效比之后，并不比三維成像技術差。

也就是這段時間，格靈深瞳被困在“高級算法”的閉門造車中。錯過了商業變現的時機，也錯過了自動駕駛的風口。雖然在之后的2016年開始轉向以商業變現為優先的研發，但業務也回歸到類似于識別車牌號去了。

AI公司的良性業務循環應當是：AI公司攻略前沿的算法技術，把算法在技術難度高的場景落地實施，從而獲取數據，最終再度用來攻克前沿算法，無差別的去賦能所有行業。

能否跟上時代潮流和開發新算法，決定了AI公司能夠持續站在舞臺之上。 格靈深瞳早期技術與落地脫節，導致為了活下來在技術門檻不高的場景里打轉。

和其他AI公司一樣，格靈深瞳同樣是超高的研發收入比，上市募資去研究新技術和開發新平臺，確實是很有必要。但更為緊迫的是，格靈深瞳客戶集中度高，且前五大多為終端用戶（ 一般AI公司客戶集中度高是因為把產品賣給集成商 ），應該 考慮開拓更多技術落地場景。

要不然，咱還是先抓緊找客戶去吧。

本文來自微信公眾號“錦緞”（ID：jinduan006），作者：俊宏，36氪經授權發布。