通过港交所聆讯,出门问问还在“大炼模型”?

2024-04-10 16:12

本文主要是介绍通过港交所聆讯,出门问问还在“大炼模型”?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2023年,从头部企业到百模家族,大模型呈井喷式爆发增长。如今,大模型已经跨过从“无”到“有”的阶段,开始向各大领域、各大细分行业渗透,上演从“有”到“精”的新桥段。

近日,AIGC概念迎来自己第一个“里程碑”,第二次递表港交所的出门问问成功通过聆讯,成为了“AIGC第一股”。美名之下,出门问问是否实至名归?

出门问问逐步提纯“AIGC第一股”称号

基于ChatGPT的爆火,入局较早的出门问问迎来了绝好的机会。

招股书显示,出门问问2021年、2022年、2023年分别实现营收3.98亿元、5亿元、5.07亿元。盈利方面,出门问问毛利及毛利率也有所改善,出门问问2021年、2022年、2023年毛利分别为1.49亿、3.36亿、3.26亿,近三年毛利率分别为37.5%、67.2%、64.3%。

不仅如此,出门问问2022年和2023年上半年的经营业务利润分别为7158.8万元和3281.6万元,而此前2020年和2021年的经营业务利润均为负,亏损1.35亿元和亏损6175.9万元。

从营收构成来看,原本占据主导地位的智能设备及其他配件业务逐渐让出第一的宝座,AI软件解决方案业务借势成为重点板块,业务收入稳步上涨。

招股书显示,2021年至2023年,出门问问来自AI板块的收入从0.60亿元以140%的复合年增长率增至3.43亿元,对应的收入占比则从2021年15.0%大幅上升至67.7%。

出门问问之所以能够成功转战AI业务,得益于以下几方面原因。

一是智能设备市场的快速洗牌,迫使出门问问不得不做出改变。出门问问的智能设备业务包含TicWatch系列智能手表、智能跑步机、智能家居等产品,2022年之前,属于出门问问的核心业务,2020和2021年分别贡献了83%和85%的收入。

然而,随着智能家居生态链的逐步完善,带动一系列智能穿戴、智能家居产品呈爆发式增长。在这一背景下,小米、百度、华为等巨头以大力补贴的方式掠夺市场,出门问问在规模化与生态链上的劣势,使得其只能精简业务,最后仅保留了智能手表和智能车载两个产品线。

二是出门问问入局较早并成功实现了商业化落地,由于经过长时间的技术积累和市场打磨,其已经形成厚积薄发之势。

按2022年AIGC解决方案收入计,出门问问是中国起步最早、营收最高的专注于AIGC技术的AI公司。

此前,于2020年,出门问问就已经进军AIGC领域,先后推出了AI配音助手“魔音工坊”、AI写作助手“奇妙文”、AI绘画助手“言之画”以及AI数字人服务“奇妙元”,这四款产品都是出门问问AIGC解决方案业务的核心产品。

三是出门问问持续加大研发投入,为其技术迭代、产品优化打下了良好的基础。

招股书显示,出门问问的研发开支由2021年的9150万元增加至2022年的1.19亿元,并进一步增加至2023年的1.55亿元。

据悉,研发费用的增加主要由于研发职能的员工人数增加及大模型开发服务费增加所致。截至2024年3月26日,出门问问的研发团队由员工总人数的55.0%;截至同日,出门问问已获得合共681项AI相关知识产权,包括593项获批AI相关专利及88项AI软件版权。

从智能设备业务转向主攻AI业务,出门问问既有顺势而为,也有审时度势。第一步取得成功后,出门问问又能否保持当前这一快速增长的趋势?

二次闯关成功,出门问问能否保持长期增长趋势?

经历了2023下半年的“百团”大战后,人工智能的发展已经从“大炼模型”逐步迈向了“炼大模型”的阶段。

爱分析数据显示,2023年国内大模型市场规模约为50亿元人民币。回顾来看,2023年,企业在进行大模型采购时就已经呈现论证多、采购少的特点。

2024年,随着各大企业计划释放更多的大模型采购预算,预计市场规模将达到120亿元。此时,大模型厂商更应将重点放在精炼大模型上,以此获取更多的市场份额。

而出门问问选择此时上市未必是最好的时机。

目前,出门问问主营的AI软件解决方案业务以通用大模型为主,旗下“序列猴子”大语言模型衍生有数字人、AI配音、AI交互式数字员工生成平台等功能应用。

拆分来看,大模型市场从技术架构角度可以划分为基础层、模型层、中间层和应用层。

在模型层,出门问问基于老牌厂商的信用积累,有着较好的品牌背书和技术积累,出门问问较早推出AI应用,具备一定先发优势。

招股书显示,自2020年以来,出门问问在全球已经拥有超过900万名AIGC解决方案用户,推出AIGC解决方案以来的AIGC付费用户约84万名,且自解决方案推出以来已产生100多万笔付款。

而且,出门问问率先解决了大语言模型通病“问答系统响应慢”的难题。问答系统作为现阶段大模型最主流的应用之一,但响应慢的问题却非常考验使用者耐心。出门问问基于自研大模型,压缩了各个环节的用时,实现了对问题的快速响应,提升了问答系统的可用性。

然而,在应用层,出门问问的现有应用在大模型市场中存在较多同类竞品,以魔音工坊为例,相关专栏推荐中,同款AI配音工具就有Descript、海螺问问、Resemble AI、豆包、TTS-Online、TTS Maker、剪映配音、讯飞配音、配音鹅等,且都具备文字、语音交互功能。

同款应用层出不穷,功能同质化严重,出门问问的单项产品在市场中“博弈”较难形成强有力的竞争优势。

同时,随着底层模型即AIGC生态的建立,市场被高度细分,国内大模型产品开始从通用产品向多行业拓展。InfoQ研究中心数据显示,2023年公布的国内大模型产品中,84.57%的大模型产品为非通用行业模型,其中工商业经济、教育医疗占比均高于通用模型占比。

居于行业龙头的BAT除了通用大模型以外,也已推出多款行业产品。其中,百度的行业产品家族包含有媒体能源、金融等行业的13款产品,阿里云则包含有金融、法律、医疗等行业的9款产品,腾讯包含有金融、文旅等行业的5款产品,而出门问问仍聚焦于单一的通用大模型,已经开始“掉队”。

因此,“墨守成规”将难以守住长期增长的趋势,出门问问需要“新思路”。

结语

二战港交所,出门问问终于如愿。营收稳步上涨、盈利能力持续改善证明了出门问问过往经验的成功,但此一时彼一时。

随着“炼大模型”热潮的褪去,一拥而上的后来者让更早入局的先驱们倍感压力。“精炼”大模型成为新的趋势,加速商业化落地、垂直进入产业链接实体经济才能充分发挥其价值。新趋势之下,出门问问未来的路任重而道远。

作者:土耳其热气球

来源:港股研究社

这篇关于通过港交所聆讯,出门问问还在“大炼模型”?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/891532

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号