借势大模型,科大讯飞走出低谷了吗?

2024-04-24 13:12

本文主要是介绍借势大模型,科大讯飞走出低谷了吗?,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!

图片

文|郝    鑫

编|王一粟

AI 1.0公司想靠大模型打个漂亮的“翻身仗”,似乎还差一口气。

4月23日,科大讯飞发布2023年年度及2024年Q1业绩报告。全面 All in大模型的一年,科大讯飞交出了首份成绩单,2023年营业收入为196.5亿元,同比增长4.41%;归属于上市公司股东的净利润为6.57亿元,同比增长17.12%。

图片

但值得深究的是,2023年科大讯飞扣除非经常性损益后的净利润仅为1.18亿元,同比下降了71.74%;公司账上现金流出量扩大,其经营活动产生的现金流量净额为3.5亿元,同比减少了44.55%。

来到2024年,这样的情况进一步恶化。财报显示,2024年Q1,科大讯飞净亏损3亿元,同比减少了418.99%,扣除非常性损益的亏损扩大至4.41亿元;经营活动现金净流出13.84亿元,同比减少了17.04%。

图片

财报指出,科大讯飞净利润的减少主要是因为,在通用人工智能认知大模型等方面的投入,不断扩大的投入,最终拉薄了利润。

斥巨资,短期内却难以见成效,AI带来的增长还在发酵中,这是包括科大讯飞在内一些老牌公司当前共同面临的问题。

走过营收增长接近停滞、净利润跳崖的“至暗2022”,大模型的一年,对科大讯飞来说究竟产生了怎样的影响?抓住了大模型这根“救命稻草”的科大讯飞,飞出低谷了吗?

大模型的双刃剑

高投入&高回报

给科大讯飞算笔账,大模型是一把双刃剑,高投入也意味着高回报。

2023年到现在,科大讯飞的重投入主要集中在三个方向,大模型、国产算力底座和产业配套。

和其他国产大模型一样,科大讯飞也一直在奋力追赶GPT的步伐。

回顾星火一路发展历程,从去年5月份到今年1月份,以GPT-4为目标,一共经历了五次迭代:

  • 2023年5月6日,发布星火 V1.0;

  • 2023年6月9日,升级星火V1.5版本,开放问答取得突破,逻辑推理和数学能力升级、多轮对话能力升级;

  • 2023年8月15日,升级发布星火V2.0,突破代码和多模态能力交互能力;

  • 2023年10月24日,发布星火V3.0,能力整体超越ChatGPT,医疗领域超越GPT-4;

  • 2024年1月30日,发布星火V3.5,在语言理解、数学能力、语音交互能力超越GPT-4 Turbo;同时发布星火语音大模型,超过Whisper语音大模型能力。

  • 科大讯飞预告,2024年4月26日,星火V3.5将上新长语音和长图文、一句话复刻情绪化表达、智能体平台三大新功能。

总体上来看,对内星火大模型完成了刘庆峰当初定下的“三个里程碑”任务;对外,放到行业之中去比较,星火大模型没有落下队,进入了大模型公司的第一梯队。虽然科大讯飞与阿里、百度、月之暗面等公司相比,大模型能力尚有一定差距,但其在行业落地的优势也不容小觑。

科大讯飞透露,将在全国产算力平台“飞星一号”上持续提升讯飞星火通用底座七大核心能力,预计在今年上半年对标 GPT-4 turbo 当前最好水平,下半年对标 GPT-4V 和 DALL-E3 当前最好水平。

在国产算力层面,2023年10月,科大讯飞和华为合作,开发了支撑万亿参数大模型训练的万卡国产算力平台 “飞星一号”。

产业配套方面,科大讯飞的大模型和AI核心技术已经在教育、医疗、智慧城市、 运营商、汽车、金融等行业落地。科大讯飞在财报中透露,2023年共计有20个AI相关的行业项目投入了研发,其中有14个项目已经研发完成。

从AI所需的算力,到布局大模型在行业落地,科大讯飞的“重”投入注定了高成本,在财报中也印证了这一点。

科大讯飞2024年Q1在大模型研发以及核心技术自主可控和产业链可控,以及大模型产业落地拓展等方面,新增投入约3亿元。其中,研发费用8.42 亿元,相对于去年同期增加1.26亿元。

光锥智能在梳理完科大讯飞2017年至2023年研发投入费用及占营业收入比例后发现,七年间内,科大讯飞在研发上的投入持续增长。大模型来了以后(2022-2023年),科大讯飞研发费用占营业收入比例稳步上升,正在逐渐回归2018年的巅峰时期水平。

图片

(光锥智能制图)

如此高昂的投入,最后给了科大讯飞什么?

基于对标GPT-4的星火大模型,科大讯飞正在进一步增强其生态的属性。截至去年年底,讯飞开放平台开放了647项 AI 能力与大模型技术能力,面向开发者团队开放助手生态、 构建 API 矩阵,全场景开放三方插件市场;同时开展行业共建、双创赋能、高校星火营。

在生态的拉动下,实现了快速的增长。自2023年5月6日讯飞星火发布至2023年底,讯飞开放平台聚集了超过578万开发者团队,同比增长52%。自5月6日星火大模型发布以来新增超过开发者167.6 万,同比去年同期增幅 229%,其中大模型开发者数量超35万。

尽管上述的增长还无法在新发布的财报中体现,但能清晰地看到科大讯飞投入大模型后的想象力空间,第一阶段的提效已经开始,离创造生产力和价值也不远了。

大模型时代

科大讯飞的变与不变

从2016年开始重押深度学习,科大讯飞一直很重视AI和应用的落地,也因此获得了5年业绩翻倍的成果。

在大模型之前,科大讯飞的业绩陷入了增长的困境中,就在这个关键时刻,又抓住了大模型的救命稻草。

“在保持单点核心技术的持续创新和领先基础上,持续拓展科技树的广度和深度”,科大讯飞曾如此阐述其做大模型的思路。

上升到整个AI业务层面,科大讯飞早在2017年就制定了“平台+赛道”的战略。在大模型时代,该战略被重新赋予了内涵,“平台”即讯飞开放平台为开发者提供AI能力及一站式人工智能解决方案,构建AI产业生态;“赛道”指AI在教育、医疗、智慧城市、 运营商、汽车、金融等重点赛道落地应用,并在AI 学习机、 智能办公本、智能录音笔、翻译机、智能助听器、讯飞听见等C端消费者产品上形成品牌优势和可持续流水型收入。

图片

截至2023年底,科大讯飞搭建起了以大模型等核心技术为中心,城市+教育+医疗+消费者+企业的AI生态。

从2017年至2022年,教育领域的业务一直是科大讯飞的第一大现金牛业务,2023年成为了关键的转折。从结果来看,2023年开放平台及消费者业务占营收收入比例略超过教育领域业务,成为了科大讯飞第一大业务,其次是智慧城市、运营商、智慧汽车、智慧医疗、智慧金融。

图片

(光锥智能制图)

开放平台及消费者业务是目前科大讯飞的第三大业务板块,也是科大讯飞的新兴业务中,增长最快的业务板块,被科大讯飞寄予了厚望。

图片

该业务板块具体被分为三部分:开放平台、智能硬件、还有移动互联网产品及服务。

财报数据显示,开放平台业务收入同比增长了41.61%,是科大讯飞增速最快的业务;智能硬件业务收入同比增长了22.35%;移动互联网产品及服务收入同比增长17.08%。

开放平台是当前科大讯飞最活跃的部分,既聚集了庞大的开发者和企业用户,也利用大模型盘活了一些老业务。

例如,在工业领域,羚羊工业互联网平台基于讯飞星火推出工业大模型,可针对企业需求给出专业化建议策略、精准匹配资源,发布后不到一个月时间平台用户总量提升59%,平台服务企业次数增加88%;在代码方向,讯飞星火应用级产品智能编程助 iFlyCode 最新版本可在编程的设计阶段提效50%、开发阶提效 37%、测试阶段提效44%。

C端的智能硬件用AI改造了一遍后也迎来了销售额增长的小高峰,2023年消费者硬件GMV 同比增长 84%;消费者硬件618全周期内销售额同比增长125%,双 11 全周期内销售额同比增长 126%;讯飞翻译机全年销量同比增长超300%。

但对于科大讯飞的老业务(教育、智慧城市、运营商)而言,却呈现出了下滑迹象。2023年,教育产品和服务收入同比下滑了9.7%;智慧城市部分业务收入同比下滑了28.75%;运营商业务下滑了0.05%。

在老业务面临增长乏力的同时,智慧汽车、智慧医疗、智慧金融等业务开始冒头。2023年,智慧汽车业务收入同比增长了49.71%,智慧医疗业务收入同比增长了15.41%,智慧金融业务收入同比增长了23.01%。

智慧汽车、智慧医疗、智慧金融行业利用大模型有一些相似之处。这些行业的场景和需求虽然明确,但存在数据量庞大、特定领域知识要求高和流程繁琐等痛点。大模型的文本总结、概括、分析和推理能力运用后,可以减轻人工的压力,提升工作效率,还能辅助决策为用户提供个性化的服务,因而成为了大模型来了以后第一批跑出来的业务。

在变化中找寻新的增长方向,正是基于此,面向2024年,刘庆峰曾提出讯飞星火认知大模型战略的年度四大目标:星火大模型国内领先对标GPT-4;赋能智能硬件终端1000万、独立软件用户数过亿;教育、医疗、金融、汽车、央国企、城市行业市场第一;汇聚100万大模型开发者打造行业第一生态。

刘庆峰认为:“星火大模型成功有三大标志,即:核心技术第一、终端用户数第一、产业生态第一,这也是科大讯飞的长期目标。”

总的来看,科大讯飞的业务正处于一个转型期,新老交替之际,如果能借助大模型破旧立新,还是有机会再冲一把。

结语

2016年,仿佛是一夜之间,AI突然热了起来,滚烫的创业潮中,一大批以CV计算机视觉为主导的创业公司成为了主角,AI四小龙估值突破百亿,奔跑着冲向上市。

然而直至今日,AI四小龙仍深陷亏损泥淖,但科大讯飞却曾经盈利过。

科大讯飞之所以能够在AI行业公司普遍亏损中实现盈利,主要得益于其早期对于政企市场的布局更早、渠道更强,相当于CV界的老巨头海康威视和大华。

但彼时,当AI四小龙还在紧盯to B渠道,争夺项目竞标机会的时候。科大讯飞则感到“吃够了政企业务的苦”,一扫此前企业级业务的形象,在2017年的AI 1.0浪潮中,布局了面向开发者的开放平台和面对普通消费者的智能硬件和App业务,开创了新的增长曲线。

历史的轨迹在某一瞬间也发生了偶然的重合,百度重押自动驾驶还没有成功,但C端的业务却意外地生长了出来,比如小度、百度网盘等等。

如今,大模型作为AI领域重要里程碑,正掀起新一轮技术革命和商业应用浪潮。究竟走B端路线还是C端,落地何种产品服务,形成何种商业模式,最终还需由市场来决定。

在上一轮的深度学习浪潮中,AI公司的持续亏损,一方面是由于研发投入过大,且收入依赖定制化的项目过多,很难实现平衡。

在大模型浪潮来临后,带来进一步效率的提升,让AI公司们看到了靠C端产品付费的可能性,也让toB业务得到了更多轻量化部署的可能。

那么,AI公司持续亏损的境遇,能否改变呢?

这篇关于借势大模型,科大讯飞走出低谷了吗?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/931852

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