文章主题：AI 制造, 创新奇智, 财报, 2022年
“AI+制造”新探索。
在3月31日，创新奇智作为“AI 制造”行业的领军企业，公布了其2022年的全年财报。根据报告，我们可以看到，在2022年的运营期间，创新奇智的营业收入达到了令人瞩目的15.58亿元，较去年同期激增80.9%；同时，公司的毛利润也实现了显著增长，达到5.07亿元，毛利率更是高达32.6%，同比提高89.7%。这些数据充分展示了创新奇智在“AI 制造”领域的强大实力与广阔的发展前景。
后疫情时代，主攻制造业AI的创新奇智，能够取得这样的成绩实属不易。
在 GPT-4 引领的 AI 2.0 时代，人工智能正逐步改变我们的生活和生产方式。据李开复所言，AI 2.0 所带来的变革将是移动互联网的十倍之巨，人类社会的发展将被重新定义，生产力的提升也将更为显著。AI 2.0 技术在制造、金融、零售、医疗、文娱等多个领域拥有巨大的市场潜力，预示着人工智能的商业潜能将在各行各业迅速释放，进一步推动人类整体的智能化进程。
以ChatGPT为代表的AI 2.0正在给制造业带来新的机遇。通过通用人工智能（AGI）和生成式人工智能技术（AIGC），可以帮助工业企业更快地构建符合具体场景的小模型，以满足各个生产环节对AI的需求，比如可以快速生成高质量生产数据，指导机器人或产线完成各种复杂的任务，实现更高水平的人机协作。
然而，就像智能制造推进过程中所遇到的难题一样，工业领域人工智能2.0在AI技能和行业经验方面也面临着巨大的挑战，需要长时间关注制造业积累行业知识。在这个背景下，创新奇智成为了其中的佼佼者。
创新奇智，这家成立于2018年的公司，得益于李开复创新工场的精心培育，自诞生之日起就致力于将AI技术成功应用于商业实践。作为一个专注于AI制造领域的先驱者，创新奇智始终关注着这一领域的最新发展动态，并努力探索其潜在的商业价值。
创新奇智在计算机视觉与机器学习两大人工智能领域均具有深厚的技术积累与研究实力。在此之前，创新奇智已成功服务于众多行业，包括钢铁冶金、面板半导体、3C高科技、工程建筑、汽车装备、能源电力、食品饮料以及新材料等多个领域，其客户数量累计超过400家。
2022年1月，成立不到4年的创新奇智便在港股上市，市值110亿港元。
在创新奇智上市的第一年里，其业务收入呈现持续上升的态势。即便在疫情的阴影下，该公司在“AI制造”业务版块的收入仍然实现了9.48亿元的全年业绩，较去年同期增长了111.2%。这一成绩单使得该业务板块的营收占比从2021年度的52.2%提高到了60.9%，充分展示了创新奇智在AI制造领域的强大实力和广阔前景。
这种增长趋势无疑凸显了制造业对人工智能（AI）的热切渴望。创新奇智在最新的财报中也明确表示，他们将会在2023年继续专注于制造业，并积极拓展人工智能领域的应用。
近日，我们有幸与创新奇智的CTO张发恩进行了深度对话。在探讨AI 2.0时代的背景下，我们聚焦于创新奇智如何运用AIGC技术为制造业客户提供强大的赋能支持。
1.大模型与工业预训练大模型
虽然与“AI四小龙”一样，创新奇智也关注图像识别领域、有金融行业的业务；但不同于“AI四小龙”以安防等智慧城市为核心业务，创新奇智的主营业务是制造业AI。
谈及将AI应用于制造业，张发恩觉得：“AI 1.0时代，AI凭借感知、预测、决策能力，已经可以完成许多不同种类的任务”。
例如在汽车装备领域，创新奇智通过AI技术和对行业的理解，向客户提供全生命周期智能自动化解决方案，包括汽车智能工厂、新能源智能基地、半导体数字化装配车间、离散自动化工业产线和高端装备配套。通过来料质检、生产质量控制和产品出厂检查实现全流程循环管理，实时获取质量状况并识别问题以快速改善。并且，数据可以在各个部门共享，以追溯产品质量。
但是，“AI+制造”的进展比预期来得缓慢。客户对AI的接受程度有限、部署的时间和经济成本较高是主要原因，而疫情让制造业的产能和资金链面临着较大风险，也阻碍了AI更快在制造业的推进。
以ChatGPT为代表的AI 2.0的出现，让AI开始拥有预测、决策、感知的能力。兴奋之后，所有人也都在期待，大模型是否能在to B领域也出现有效可行的应用。
大模型在垂直领域的能力已经被证明。
微软在3月22日提交的关于GPT-4的测试论文《Sparks of Artificial General Intelligence: Early experiments with GPT-4》中提到，在使用GPT-4来做小学数学、高中数学、大学数学题时，均超过了专门解决数学问题的模型Minerva。
不过，具体到大模型在各个细分领域的实际，还需要行业头部的公司来发起探索。
创新奇智在AI技术探索上有持续投入。
根据 IDC 发布的《2022上半年中国人工智能软件及应用市场研究报告》，创新奇智在计算机视觉应用市场份额晋升到第 4 名，机器学习平台市场份额持续位居第 4 名，是唯一在两大 AI 技术分支同时名列四强的企业。
凭借AI能力，创新奇智正在创新地研发“工业预训练大模型”。物如其名，“大模型”、“工业”和“预训练”是这个模型的特色。
首先，这个模型足够“大”。
AI生成的内容，要达到或者超过人类水平，如文案、图像等，从学术和工业实践上看，往往需要有生成式预训练大模型（GPT），例如驱动ChatGPT的预训练大模型参数数量有1750亿。
张发恩认为，面向行业和面向客户的预训练大模型会成为一个必然需求。 技术上，一些先进的技术（例如LoRA）能够有效地使用低算力技术训练千亿、百亿级别参数的大模型。
同时，与现有大模型相似的是，创新奇智的工业预训练大模型也使用了Transformer架构。在算力方面，创新奇智对算法进行了优化，让大模型在小算力的情况下依旧可以运行。用业内的话说，“模型越大潜力越大，而大模型的能力可以通过精简过的较小的模型来达到”。
其次，这个模型是针对“工业”的。
除了大模型都会使用到的通用数据之外，创新奇智还将过往累积的工业数据加入大模型的训练之中。这将成为工业大模型在工业领域超越通用大模型的决定因素。
对于各个细分领域的巨头来说，数据——无论是经营数据还是生产数据——都是公司的商业壁垒。在云计算和SaaS被广泛使用的今天，在工业和许多传统行业里，巨头都更愿意在本地部署自己的服务，而不希望把数据放在云上，承担数据泄露的风险。新兴的技术对于这些企业来说只是锦上添花，但企业不会为了AI 2.0下尚未成型的功能就上交自己的数据。
与此同时，工业是一个行业Know-How极强的领域，每个细分领域都有自己的知识，在智能化过程中，每个相似的环节都需要根据对行业的理解来重新设计。但这些知识是通用大模型没法凭空生成的，所以，只有服务工业企业、又积累了行业Know-How的公司能够设计出针对工业的大模型。
而这，也将成为行业大模型更有效果、更快应用的原因。
2.小样本学习 更适合工业场景
人工智能领域有一个有趣的现象叫做莫拉维克悖论，指的是机器和AI学习的发展经常会与人类不同，也即机器容易学会一些人类觉得很难的事情，但又很难学会一些人类觉得很容易的事情。
在工业领域，莫拉维克悖论更频繁地凸显。
例如，机器在替代人类做复杂运算的时候表现很好，但学会做流水线上的工作却需要很久。
这也是过去十年里智能制造推进时候遇到的核心难点——工业的每个细分领域都千差万别，而训练机器完成一项固定的工序却需要大量时间和成本。
但是，未来在预训练大模型的加持下，小样本学习将让AI在这个领域产生突破。
在过去，机器学习中也有“迁移学习”的能力。例如，现有一套程序是用来做面板缺陷检测的。当人希望把程序变成检测另一种类型的面板，或者另一种类型的缺陷时，只需要根据现有的模型进行改写，并且输入少量的样本，即可把之前的程序迁移为新的程序。
而现在，由大模型蒸馏出的小模型则更进一步。通过创新奇智的工业预训练大模型，结合新场景和新需求，依旧只需要少量几百张的样本量，就可以生成符合对应场景的小模型。
与之前不同的是，“迁移学习”只考虑了测试结果的有效性，并没有关注缺陷检测这个需求在整个生产流程中的成因和相互联系。但通过大模型所蒸馏出的小模型，拥有工业的背景知识，能够更好地达成目标。
对于所有行业来说，工业也是小样本学习技术最适合的场景。因为工业场景中每个环节都有所不同，需要新的小模型来辅助完成；但每个环节之间又相似关联，可以通过预训练大模型来蒸馏。
张发恩做了一个形象的比喻：“大模型就像是一个巨型的航空母舰，小模型就像是从航空母舰发射出去的一架架小飞机。在航空母舰上可以搭建多样的小飞机，来完成不同的任务”。创新奇智正在做的，一方面逐步推进大模型航空母舰的研发，同时不断打造针对垂类场景的一架架小飞机。
除了生成符合具体功能的小模型之外，创新奇智工业预训练大模型还可以生成“数据”，也即通过对现有样本的学习，源源不断地创造新的样本，从而可以提升工业领域样本不足情况下的模型精度。
结合小样本技术和AI样本数据生成功能，仅需少量场景数据辅助描述，便可生成大量针对该场景的样本数据用于模型训练，最终大大降低工业领域AI模型的生产应用门槛和模型生产成本。
张发恩估计，利用大模型、小样本学习和AI数据生成技术，预计可以使客户节约50%的费用，训练时间有望降低到原来的1/3。不过在当前，这三者都还不够成熟完善，仍处于探索阶段，也都需要持续的实践经验和数据的补充。
不过，创新奇智已经表现出在AIGC上投入的决心。基于工业预训练大模型、小样本学习和AI数据生成技术，创新奇智研发了面向工业的AIGC产品—AInnoGC。AInnoGC除了拥有样本生成的能力，应用在能源电力、半导体检测领域之外，还拥有产线布局生成能力，可以帮助工厂自动规划生产产线、帮助仓储区域优化布局。
另外，AInnoGC还拥有智能解答的功能，能够在AI实训中心，基于现有的工业知识图谱，用对话的方式解答学员的问题，帮助新入职的技工更快了解工作内容。
3.坚持研发创新 2~3年后AI 2.0在工业领域爆发
3月31日，创新奇智发布2022年全年财报。在2022年营业期内收入15.58亿元，同比增长80.9%；毛利额达5.07亿，毛利率32.6%，同比增长89.7%。
相比起2018年，创新奇智客户的客户营收上“AI+制造”业务版块占比从36.6%上升到了60.9%，达到9.48亿元。财报中也提到2023年将继续聚焦制造业、积极布局AIGC。
但依旧不变的是在研发方面的投入。从2021年的3.3亿元增长了27%达到2022年的4.2亿元，研发占收入比例为25%。
虽然，企业扣除股份支付及上市开支等项目后的经调整依旧净亏损1.38亿；经调整净亏损率为8.9%，但这个数字较2021年度降低7.6个百分点，同比缩窄46.1%。
目前，创新奇智的AInnoGC已经在半导体、能源电力、智造实训等领域实现了应用。
在半导体领域，硅片生产过程中，可以通过AInnoGC平台模拟不同产线工艺差异，生成大量高质量硅片崩边、缺角、裂纹、线缝的缺陷样本，以更高质量、更准确地进行缺陷检测。在能源电力领域，AInnoGC可以自动生成大量风电设备磨损、倾斜的图像，来帮助风电大组件实现未来的智能预警和精准判断。
相较于传统AI公司或大模型公司，创新奇智坚持“AI+制造”两边都深耕的策略，既关注AI发展，又关注行业积累。张发恩预计，2~3年之后，AI预训练大模型和数据生成、小样本学习等技术就会逐步完善、达到理想状态，届时AI在工业界的应用将会有显著的爆发。
这次以ChatGPT为代表的AI 2.0的浪潮下，创新奇智入局工业AIGC，并非一时兴起。早在2017年谷歌团队发布关于Transformer架构的论文《Attention is What You Need》之后，创新奇智研发团队的成员就已经开始关注此项架构，在公司成立之后也有专项研究。在近日根据智慧芽数据库检索出的《中国人工智能大模型企业发明专利排行榜（TOP 50）》，创新奇智大模型发明专利位居35名。
工业AIGC既是行业大模型的大势所趋，也是创新奇智坚持的研发路径。对于类ChatGPT的技术，创新奇智的态度是“拥抱它”“应用它”“发展它”。 在3月31日晚的业绩沟通会上，创新奇智管理层明确表示，要牢牢把握全球数字化经济和中国制造智能化转型加速的增长机遇，同时会积极地投入拥抱AI 2.0浪潮，继续务实高效的做好技术、产品、场景、商业的平衡发展，做好大模型技术应用的创新旗帜。
通用大模型正在以天为单位迅速发展当下，未来具体的应用还需要靠深耕行业的服务商来实现。未来，每个行业都会有自己的ChatGPT，而创新奇智要在AI 2.0时代里做制造业的ChatGPT。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
