云天励飞成功上市最新消息与股价分析

ChatGPT的横空出世，重新点燃了人工智能赛道的战火。一边是资本市场的狂热追逐，另一边则是大国博弈背景下，国家战略层面的高度聚焦。

最近，云天励飞CEO陈宁博士的日程排得满满当当——前脚刚接待完省级领导的调研，后脚又迎来了科技部重大专项司的考察团队。各类走访与交流络绎不绝，而这股关注的热潮，在云天励飞正式敲响上市钟声的今天，达到了一个阶段性的精彩处。企业的发展轨迹与时代的宏大命题在此交织，共振出令人鼓舞的声响。

回顾来时路，从商汤科技率先打开资本市场的大门，到云从科技紧随其后登陆科创板，再到如今云天励飞成功上市，这条逆水行舟的人工智能赛道，正见证着明星企业们穿越周期。挺过IPO这场堪称“卸妆水”的严峻考验，或许正是这些AI公司对过往质疑最有力的回应。

人工智能的魅力究竟何在？其核心在于，它拥有挖掘一切数据关联的潜能——无论是紧密的还是松散的。在这些庞大而看似无序的数据关系中，隐藏着现实世界的无数“蛛丝马迹”。对这些线索进行淬炼与加工，便有可能开启一座座蕴藏无限价值的宝库。

问题随之而来：该如何找到那把趁手的工具？又该打造一把怎样的工具？这条掘金之路，注定是一条艰辛的不归路，却从不缺少前仆后继的探索者。作为其中的重要一员，云天励飞给出的答案异常精简：专注与聚焦。

从算法到芯片，两类「造芯故事」

人工智能的本质是普惠的，如同水和电，其存在往往沉默无声，却又不可或缺。我们依赖AI，根本在于它能切实地降本增效，这是一种刚需。

然而，AI技术从实验室走向商业落地的过程，远比技术创新本身更为繁琐复杂。当AI以普惠之名进入商业化进程时，对企业真正的考验在于能否“接地气”——精准抓住痛点并解决问题。需要警惕的是脱离实际、创造“伪需求”的阳春白雪。

AI要想实现真正的普惠，大规模融入千行百业，就必须直面并解决成千上万个碎片化场景的应用难题。从技术演进规律看，从定制化走向标准化、平台化是必然趋势。没有标准化作为基础，定制化难以持续；而定制化本身，也需在标准化的平台上延伸出新的价值。

这条路漫长且艰难。现阶段，AI标准化的努力主要集中于工具和研发流程的标准化。对于AI企业而言，定制化无疑是份苦差事，因为行业的大部分利润往往被制定标准的公司赚取。作为最早上市的计算机视觉公司，商汤科技CEO徐立就曾坦言：“商汤大部分产品是标准化的。”

To B行业天然存在定制化需求，开发周期长，需要实时响应。而许多AI公司因在标准化研发上投入不足，常常在单一客户身上耗费大量人力、物力和时间，最终陷入“项目制”的泥潭。这不仅导致毛利率与科技公司的身份极不相称，更致命的是，它让企业错失了覆盖更广阔领域的时间窗口——在玩家林立的AI赛道，时间从不等人。

早在2017年深圳安博会期间，宇视科技总裁张鹏国在接受采访时便预判，以算法起家的AI创业公司，未来大概率有三种结局：蜕变为行业解决方案提供商；从算法延伸到算力，实现软硬件一手抓；或者，被收购乃至直接消失。

起初，擅长算法的AI创业公司们，确实以“碘伏者”的姿态闯入了当时略显固化的传统安防行业。但随着AI安防进入深水区，算法厂商们普遍撞上了一道核心壁垒：AI技术的落地必须强依赖于硬件，而硬件能力却难以轻易获取。高端芯片增量需求与供给之间的不平衡，在美国的一纸禁令下骤然加剧。

一时间，“造芯”成为风潮。当时坊间甚至流传一种调侃：未来不提芯片的算法公司，恐怕不是一家好公司。之后几年，AI创业公司的技术价值中心从软件算法层向核心算力层转移，也印证了这一趋势。

在这场关乎生存的转型中，不少企业仓皇离场。深层原因在于，许多人工智能企业在尚未认清自身、想清楚商业模式时，便选择了技术先行，企图单凭AI技术撬动整个行业。这种商业模式的缺陷，在行业野蛮生长时期被掩盖，却在资本冷静期被无情暴露。

微软亚洲研究院副院长张益肇曾指出，很多AI创业者在切入具体场景时，既未理顺业务流程，也没想清楚商业模式，单纯抱着“我有AI技术，有几个合作伙伴，就能大干一场”的想法。在一批“出现问题才解决问题”的队伍中，只有少数坚持商业模式创新、并能快速迭代的企业实现了涅槃重生，而这种代价并非所有公司都能承受。

与当时业内对AI落地路径的普遍模糊认知不同，云天励飞从创立之初就非常注重技术的应用场景，是业内较早意识到算法与芯片深度融合重要性的企业之一。

事实上，早在2014年陈宁博士在深圳创立云天励飞时，公司就确立了面向深度学习神经网络重新设计处理器芯片的方向，并明确了“云+端”协同的技术路线。这条路径的逻辑在于，通过将AI能力植入前端智能设备，来降低对网络带宽和后端处理的依赖，提升响应速度，同时更好地保护用户数据隐私。这一选择，与创始人陈宁本身的芯片专家背景，以及核心团队多来自集成电路领域密不可分。

在战术层面，“算法芯片化”的理念在当时AI圈堪称先锋，同时也意味着巨大的冒险。陈宁所理解的“算法芯片化”，并非简单的“算法+芯片”拼凑，而是一种将芯片设计者的理念、思想与算法深度融合的全新设计流程。

芯片研发周期长、投入大、风险高，这条路的艰难不言而喻。在AI资本热钱涌动的2015-2018年，云天励飞并未在资本市场获得过多关注，融资记录也鲜有披露。恰恰在这几年里，公司默默推进着自己的芯片研发：2016年推出第一代神经网络处理器NNP100；2018年，AI芯片“DeepEye 1000”（深目）成功流片。

根据招股书数据，2019年至2021年，公司研发费用分别为2亿元、2.19亿元和2.95亿元，占营业收入的比例分别高达86.79%、51.42%及52.17%。一个有趣的现象是，2019年正值所谓的“AI资本寒冬”来袭，但这却成了云天励飞发展的转折点：“DeepEye 1000”芯片在这一年正式对外销售并实现商用；公司也从这一年开始接连披露大额融资，逐渐显露出AI独角兽的骨架。

这一现象背后的逻辑其实很清晰：当资本市场回归理性，本质上就是回归企业价值本身。那些拥有核心技术壁垒、并能与真实应用场景深度结合的公司，如同潮水退去后显露的礁石，自然成为瞩目的焦点。

兼顾成本和易用性，算法与芯片的「攻城战」

当下，如何实现AI技术的大规模应用与推广，是整个行业面临的集体困境。

这一困境的外在矛盾表现为：现有产品往往难以同时兼顾成本和易用性。在人工智能领域，每个细分场景都有其独特需求，单纯依靠算法解决方案推广，定制化程度高，成本难以降低。只有把生产要素的成本降下来，才能谈AI的大规模产业化；而只有做到“开箱即用”般的易用性，才能加速产品的落地与迭代。

困境的内在矛盾，则直指AI公司当前面临的两大核心挑战：算法与芯片。

以云天励飞为例，其系统能够基于云端一台普通PC机的运算能力，在一秒钟内完成对数十亿级规模数据的检索。这种能力，离不开前端芯片对数据的结构化处理，以及云端强大的深度学习与大数据分析算法。

进入AI时代，神经网络运算需要海量算力支撑，传统的主流处理器架构（如CPU、GPU）已无法提供最优解。这背后存在双重瓶颈：在制程工艺上，摩尔定律逐渐放缓，芯片制程逼近物理极限，难以通过进一步缩小尺寸来提升有效算力；在能耗方面，登纳德缩放比例定律已然失效，芯片功耗随着性能提升急剧上升。

制程与能耗的双重制约，限制了高计算需求AI芯片的成本下降。一个经典的例子是，曾经的AlphaGo 1.0系统使用了1900个CPU和280个GPU，训练一盘比赛的电费就高达1000美元。这充分说明，能够承载复杂算法、同时又能嵌入各类终端设备的高性能、低功耗AI芯片，是实现AI大规模产业化的刚性需求。

然而，尽管芯片的重要性已成共识，国内企业在AI芯片的布局上仍有缺失。一方面，企业级客户更关注功能实现，除非AI芯片能显著提升业务和管理效率，且成本在可接受范围内，否则很难说服客户将其嵌入终端设备。另一方面，AI芯片市场同质化竞争严重，许多现有产品并未真正满足客户降本增效的核心诉求。

与业内一些“拼凑”式的芯片设计思路不同，云天励飞选择对AI芯片进行重新设计，这得益于团队长达十几年的技术领域积累。在AI芯片市场的角逐中，算法能力是一个关键的突破口。要将海量的非结构化数据转化为结构化数据，进行打标、比对与分析，并确保整个过程高效流畅，不仅需要强大的AI芯片，更离不开紧密结合业务场景的高性能算法。

2017年，曾供职于NEC Labs、前Snap资深科学家及研究院创始人之一的王孝宇博士回国，加入云天励飞担任首席科学家。他上任后的首要任务，便是对公司的算法与大数据体系进行系统性规划：在大数据层面，通过积累海量数据系统来增强模型训练；在算法创新上，开发算法自动化系统以缩短研发周期。

随着深度学习等技术的成熟，AI公司在基础算法性能上的差距正在逐渐缩小。但客户对技术的需求，恰如马斯洛需求理论所描述的人类需求，总是在底层需求被满足后，向更高层次迈进。例如，AI算法模型从研发到生产的周期漫长、成本高昂，每个模型的诞生都消耗着巨大的算力与人力。然而现实往往是，大量资源投入开发出的AI模型，覆盖场景却非常有限，不仅需要持续投入进行迭代，更难以实现规模化复制，从两个维度上削弱着AI公司的盈利能力。这，便是多数AI公司面临的真实困境。

值得注意的是，云天励飞花在算法上的成本正在降低。现阶段，公司研发的可重定义AI芯片，面向嵌入式前端和边缘计算应用，能够灵活支持多种算法框架，从而提升算法实现效率，降低后台处理成本，具备高性能、低功耗、低成本的优势，并且支持运行自有及第三方AI算法。

这背后是研发观念的转变：随着AI研发模式的变化，云天励飞将重心从“建立更好的模型”，转移到了“如何高效获取最好的数据”上。用他们自己的话说：“之前的观念是招聘最优秀的人，开发最顶尖的技术，以达到最好的效果。但实际并非如此。如何在最短时间内，获取能让模型达到最优效果的数据集，这才是最关键所在。”

降低技术应用的门槛：左手自研AI芯片，右手自研算法

从同质化竞争激烈、壁垒森严的安防领域切入，又在AI公司普遍布局算法与芯片的浪潮中成功上市，云天励飞的成功，主要得益于其构筑的既宽且深的护城河。

算法、芯片、数据，被公认为人工智能的三大核心要素。只有将三者紧密结合，才有可能打磨出真正契合行业需求的产品。云天励飞的护城河在于，创立之初便坚持在这三方面进行自主研发，形成了“算法+芯片+数据”的闭环生态。这部分能力，也源于其创始团队中几位海归博士分别在芯片、算法和数据领域的跨界融合与创新。

这背后的商业逻辑很清晰：通过提高自身的技术门槛，来降低最终技术应用的门槛。支撑这一逻辑的，是一支平均拥有超过10年行业经验、来自英特尔、摩托罗拉、中兴通讯等顶尖芯片研发部门的资深团队。

云天励飞构建了完整的AI技术链路，所有研发聚焦于三大平台：算法平台、芯片平台与大数据平台。其人工智能算法平台，由多次获得国际视觉大赛冠军的团队打造，通过融合多项计算机视觉技术、场景理解能力及工程化经验，可灵活部署到下游各领域。人工智能芯片平台，则通过自定义指令集、处理器架构及工具链的协同设计，实现算法技术的芯片化，提升产品与解决方案的效能及场景适应性。大数据平台则用于进行更深层次的数据分析与挖掘。

近期被ChatGPT带火的多模态AI技术，同样是云天励飞未来的布局方向。除了继续提升相关算法的速度与精度，公司还将结合具体场景，引入音频等多模态信息，提升传感器信息流中语义与非语义信息的结构化密度，从而实现更智能的大数据自动推理分析，推动产品及服务在更多应用场景中落地。

八年时间，云天励飞既走过了“算法芯片化”和“端云协同”的技术探索之路，也经历了从安防到城市治理再到商业服务的产业落地探索，亲历了人工智能从蛮荒走向普及的全过程。

在公共安全领域，基于智能分析能力，构建城市安全盾牌；在城市治理领域，AI触角从城市大尺度空间向“最后一公里”渗透，打造了如龙华智能运算能力平台等项目，为城市管理的方方面面提供AI支撑；在公共交通领域，综合运用人工智能、大数据、云计算等技术，与深圳巴士集团共同打造智慧线路优化系统，构建城市立体化交通体系。

然而，拥有足够的技术实力只是基础的一环。能否将技术铺开形成规模，同时有效控制成本与供应链，则是另一场严峻考验。相比于传统行业巨头，渠道以及生态建设能力往往是AI创业公司的“软肋”。

为了在需求快速迭代的碎片化市场中更好地实现AI落地，云天励飞提出了具有里程碑意义的“自进化城市智能体”理念，并积极布局生态联盟。所谓“自进化城市智能体”，即具备自学习、自进化能力的人工智能系统，通过关注全场景、实现端云协同，来统筹管理与应用承载。形象地说，这好比为城市换上一个更强健的“躯体”和一个更聪明的“大脑”，同时注入“灵魂”，实现城市智慧化从上到下的全面升级。

为了实现这一目标，云天励飞正发挥着桥梁作用，一边连接无数碎片化的应用场景，一边连接着扮演不同角色的开发者和服务商，在满足客户差异化需求的同时，追求生态伙伴的“群体胜利”。

从一家名不见经传的AI创业公司，到2020年疫情“黑天鹅”与国际形势双重背景下逆势获得资本青睐、冲刺IPO的黑马，再到如今成功上市，云天励飞用稳扎稳打的八年，摸索出一条适合自己的产业化道路。在“AI公司最终需以正向净利润证明自身”的普遍论调下，立足于中国广阔的应用场景与市场空间，这家覆盖全产业链的公司上市后，能否讲好属于它的AI新故事，值得拭目以待。