商汤中期业绩彰显增长韧性，AI基础设施构筑商业化壁垒(5)

高壁垒支撑商汤领航人工智能时代 人工智能商业化的过程中主要有三大难题，首先是长尾需求，长尾问题因低频且数据量低而难以训练高性能AI模型；其次是通用技术，定制化开发效率低，从而无法满足多个行业的差异化需求，服务成本高昂；最后是超级算力，现有的AI基础设施和开发模式无力支撑更高的算力。 基于对这些难题的认知，商汤做出了由计算基础设施、深度学习平台、模型层三部分机构组成的SenseCore商汤AI大装置。 计算基础设施包括 AIDC、人工智能芯片及边缘设备、传感器及 ISP 芯片，以提供低成本模型训练中的计算资源及大规模数据管理。 上半年，上海临港的AIDC启用，这意味着商汤SenseCore的能力达到了新台阶，带动AI模型生产在规模、精度、速度等方面持续提升。截至2022年8月，上海临港AIDC对外服务能力突破1 exaFLOPS。商汤将持续提高AIDC的算力调度效率、优化芯片及服务器性能，从而争取不增加耗能的前提下实现更大算力输出，峰值算力预计将突破5 exaFLOPS，比原本设计峰值算力扩大33%。届时算力成本与单位能耗进一步降低，带动AI生产的综合成本降低。 商汤一直致力于打造围绕SenseCore的AI芯片联盟体系。截至2022年6月30日，包括华为昇腾、燧原在内的5种国产芯片已经实现在SenseCore上的训练适配。上海临港AIDC正在使用的国产化算力达260 petaFLOPS，占已上线规模的15%。 数据是人工智能的燃料，而深度学习平台便是燃料加工厂。 深度学习平台包括训练数据平台、SenseParrots 训练框架、模型压缩工具及跨平台模型部署工具，无缝集成以实现 AI 模型高效的训练性能。平台可以实现从数据储存、标注到模型训练、生产、部署、测试的批量化过程。深度学习训练框架 SenseParrorts 作为人工智能模型的核心训练引擎，是SenseCore 的核心。 商汤的超大基模型领跑视觉大模型赛道，在ImageNet大规模识别任务中实现超90%精度，与Google、微软共同跻身世界前三；基于大模型的自动数据生产线实现了数据自动标注速度较业界传统人工标注提升600倍、成本降低至1/500，且标注精度与人工水平一致，已经用于智慧城市、自动驾驶领域。 模型层为 SenseCore 提供运行的源动力，包括模型工厂、OpenMMLab 和OpenDILab，为软件平台提供面向工业应用的人工智能模型。 根据商汤官网显示，目前SenseCore模型层已开发超过34000个商用模型，OpenMMLab的代码库在 GitHub 上累计获得超过 40000 颗星标，OpenDILab 已发布超过 20 个通用决策人工智能算法系列。 通过在技术架构上的设计，克服了人工智能在商业化进程中存在的应用碎片化，使得高效率、低成本、大规模开发模型成为可能，率先在行业内建立起规模优势。此外，高昂的数据迁移成本也让商汤在用户粘性上建立起壁垒。这也预示着商汤在商业模式上整体已经跑通，可以说商汤不止在技术上领跑，在做生意上也越来越得心应手。 人工智能在未来二十年将无处不在，是一个穿越周期的颠覆性技术，未来十年将是人工智能快速发展的十年。 根据 Frost&Sullivan数据显示，我国人工智能软件市场规模预计由 2020 年的 295 亿元人民币增长至2025 年的 1671 亿元人民币，其中，计算机视觉软件为 AI 软件市场的最大板块，市场规模预计于2025 年达到 1017 亿元人民币，对应 2020-2025年CAGR 高达43.5%。 面对这样一个高速成长的千亿赛道，商汤在技术上领跑，在商业模式上壁垒已经形成，即将到来的人工智能时代将成为商汤的主场。