港股IPO招股異常火爆，唯一盈利的「AIGC第一股」是怎麼煉成的？
机器之心發表於2024-04-19
4 月 16-19 日，AI 公司「出門問問」在港交所招股。據悉，出門問問的港股打新持續火爆，首日發售超額認購超 8 倍，目前已近 30 倍覆蓋。另招股首日，國際配售部分已超額，其中國際及中資意見領袖型機構均積極下單參與。除了 AIGC 風口之上的賽道火爆，在二級市場，更有分析師將出門問問定位為「唯一盈利的 AIGC」股。目前，熱炒一年多的生成式 AI 浪潮在二級市場並沒有太多標的。因此，出門問問的上市對二級市場來說是一個很好的補充，市場本身表現出了一定的熱情。從招股書中看，出門問問的商業模式十分清晰，來自 AI 軟體收入持續擴張，並且已於 2022 年實現盈利，打破了二級市場對 AI 標的盈利遙遙無期的顧慮。24 日，出門問問將正式以 “2438” 的股票程式碼在港交所主機板掛牌上市，成為「AIGC 第一股」。從初創至今的十二年，出門問問已是國內人工智慧領域元老級的公司。2012 年，出門問問創始人李志飛從谷歌研究院離職，回國以語音互動方向開始創業，是國內最早一批的人工智慧創業者。2023 年初，由 ChatGPT 點燃的生成式人工智慧浪潮下，由於李志飛本人自然語言處理專家的背景以及出門問問在語音互動與生成式 AI 的積累和提前佈局，李志飛成為最早掀起中國大模型熱潮的創業引領者和專家。從 AI 語音起步到現在的 AIGC 大模型，從深度學習革命的第一波浪潮到生成式人工智慧的大模型浪潮，出門問問在十二年的創業過程中實現了週期穿越，走出了一條屬於自己的技術創新和商業化之路。2022 年已實現盈利，AIGC 業務複合年增長率超 300%招股書中，出門問問定位為一家以生成式 AI 與語音互動技術為核心業務的 AI 公司。目前，出門問問共有兩條主要業務線：AI 軟體解決方案與智慧裝置。AI 軟體方案方面，針對 C 端內容創作者推出 AIGC 全棧解決方案，包括 AI 配音助手 “魔音工坊” 及海外版 “DupDub”、提供虛擬直播的 AI 數字人 “奇妙元”，以及短影片 AI 生成平臺 “元創島”。針對企業端，出門問問為汽車、金融、TMT 及其他行業量身定製 AI 軟體解決方案 “奇妙問”，提供 AI 語音互動解決方案，用於車載、AI 反欺詐，以及智慧客服等場景。自 2020 年以來，出門問問在全球擁有超過 1000 萬名 AIGC 解決方案使用者，推出 AIGC 解決方案以來的 AIGC 付費使用者超 86.5 萬名，已產生 100 多萬筆付款。財務方面，目前出門問問已連續兩年實現盈利。2021 年 - 2023 年，公司的營收分別為 3.98 億元、5 億元、5.07 億元；毛利率分別為 37.5%、67.2%、64.3%；經調整淨利潤分別為 - 7344 萬元、1.09 億元、1754 萬元。值得注意的是，出門問問來自 AI 軟體的收入佔比在近兩年持續擴大，並且在 2023 年超過此前出門問問的第一大營收 AIOT，成為出門問問的支柱產業。具體資料顯示，出門問問 AI 軟體收入從 2021 年的 0.60 億元增長到 2023 年的 3.43 億元，年複合增長率 140%，對應收入佔比從 2021 年的 15% 上升到 2023 年的 67.7%。另外，招股書顯示，該業務線營收的大部分擴張主要是由於 AIGC 解決方案的付費使用者數量增加，導致 AIGC 解決方案的收入增加。其中，公司從 AIGC 解決方案獲得的收入增速迅猛，2021 年至 2023 年分別為 682.2 萬元、3985.7 萬元和 1.18 億元，複合年增長率超 300%。2022 年及 2023 年，出門問問毛利及毛利率亦有所改善，毛利潤分別為人民幣 1.492 億元、3.362 億元、3.261 億元，近三年毛利率分別為 37.5%、67.2%、64.3%。
在底層，利用此前的積累，構建自己的大模型底座。2020 年，出門問問推出自主研發的通用大模型 “UCLAI”，該模型後於 2023 年升級為多模態大模型「序列猴子」。「序列猴子」以語言為核心的能力體系涵蓋 “知識、對話、數學、程式碼、思維鏈、規劃” 六個維度。基於這個大模型底座，出門問問以 AI CoPilot 的產品形式面向企業和個人提供產品解決方案，主要服務內容創作者與中小企業。
這個商業模型不同於主打模型和主打應用的兩條路徑，出門問問選擇在模型和產品兩端共同發力。出門問問創始人李志飛將這種模式定義為 “產模結合”——「產」指 AI 產品，「模」指 AI 大模型，這不僅僅是文字大模型 LLM，而更是大一統的多模態大模型（LUM：Large Unified Model）。「產模結合」，即產品和模型一體化，如果一家公司既有產品、又有模型，那麼這家公司就更有機會形成資料飛輪，具備更強的核心競爭力。“大模型像個吸金黑洞，國內的投資環境也不樂觀，多數創業公司如果沒有自己產品的造血功能，想依賴一輪接一輪的融資，是不可持續的。應用產品測的反饋，無論是 bug report，還是場景資料，對於模型的閉環健康發展以及建立場景應用的護城河都是極為重要的。” 李志飛表示。
有著實際資料指標的「產品」如同燈塔，為航行中的遊輪指明方向；「多模態大模型」則像遊輪的發動機，為不同模態的多艘遊輪提供源源不斷的動力。首先，擁有自己的模型，產品問題可以得到快速響應。很多公司的產品面向海量使用者，難免遇到緊急的需求或者問題。在此情況下，有自家模型的公司可以快速調整底層邏輯或資料，做到第一時間解決問題，而呼叫其他大模型的公司，難以與之匹敵。其次，自己的模型讓成本更可控。在當下主流的 Maas 收費模式下，比起那些只能依靠呼叫外部大模型 API 來做產品的公司，有自己模型的公司可以多種方式降低產品開發和運營的成本，無論是模型的繼續訓練、微調、RLHF、In-Context-Leaning 的模版設計，還是為了應對實時推理環境下高併發的需要對模型所做的 “蒸餾”。第三，產模結合的公司可以做到針對使用者需求進行可配置能力的開發。例如，針對使用者的資料安全 concerns，可以快速實現特定場景下的可配置模型的開發。這包括智慧體外掛、場景配置以及靈活部署（例如讓數字員工適配不同的大屏硬體）。這樣的靈活性帶來了效率的提升和品質的保障，也為產品的快速迭代（例如，至少常規保證周迭代）成為可能。當然，產模結合最大的魅力，更在於它能夠實現更徹底的端到端訓練，進而形成「資料飛輪」效應，最終實現讓資料自動驅動模型和產品的更新迭代。傳統 AI 產品的一般採用過程性的管式（pipeline）系統架構，模組層層依賴、串聯，Input 與 output 兩端之間有很多中間結果，模組化的鏈路很長。這種 AI 應用有其固有的優勢，包括實現難度可控，過程透明，定點糾錯，開發人員對此套路也駕輕就熟。然而大模型新正規化追求的是端到端資料驅動，以模型訓練替代 pipeline 的過程性，這是實現真正意義上的資料飛輪閉環的必要條件。理想的大模型產品在產品架構定型上線以後，產品的迭代提升可以隨著流程化的回流資料自動訓練增強。長遠一點看，新正規化下端到端訓練的系統對於傳統的管式系統具有碾壓性的威脅。端到端方向對產模分離的架構構成了巨大的挑戰，而產模結合則為此提供了可能性。一方面，產品矩陣源源不斷地收集經同意的使用者反饋 “埋點” 資料，反哺一體化大模型的人類對齊訓練，模型的資料質量會隨之提升；另一方面，不斷迭代的模型可賦能產品能力的提升和體驗的最佳化，越來越對齊使用者期望和需求的產品會吸引更大的使用者群，帶來更多的資料迴流。以此構築的資料壁壘和使用者壁壘，才不至於被通用大模型的升級換代而碾壓。距離 2012 年李志飛從谷歌回國創業，已經過去了十二年。十二年之中，人工智慧領域歷經了深度學習和大模型帶來的兩波大浪潮，經歷過技術突破吸引全球關注的高光時刻，也經歷過廣受質疑，被認為無法落地、鉅額虧損的負面聲音。出門問問的創業歷程完整經歷過上一波週期。2009 年，深度學習系統被應用在語音識別領域後，語音識別技術的精度一舉被提高到 90% 以上。語音識別助手開始在產業落地，兩年後，2011 年帶有 Siri 功能的 iPhone 4S 正式面向外部推出，引爆全球對 AI 語音助手的關注，AI 語音創業賽道正式開啟。2012 年，李志飛從谷歌離職，抱著做出 “下一代人機互動” 的目標使命正式開始回國創業。同年，國內 AI 語音賽道另一家初創雲知聲成立，思必馳也開始正式大量投入 AI 語音技術，上市公司科大訊飛 2012-2013 年營收增速超過 60%。國內 AI 語音賽道快速繁榮了起來。2013 年，李志飛推出第一代產品中文語音搜尋服務，並建立了微信語音搜尋服務平臺。但很快發現，近場語音互動的場景限制以及人工智慧技術不成熟帶來的效果不佳，讓 ToC 軟體服務陷入困境。出門問問在商業化上開始遇到瓶頸。李志飛做出了一個重要決策 —— 轉型做智慧硬體，提出讓 AI 附體於智慧可穿戴裝置的「軟硬結合」之路。這個決策完全改變了出門問問的商業化方向，讓出門問問從一個單純的軟體技術服務商，變成了一個覆蓋演算法、硬體、供應鏈、銷售、品牌、電商的全棧式軟硬結合公司。2014 年出門問問推出智慧手錶作業系統 Ticwear，翌年，智慧手錶 TicWatch 問世，並一舉打響海外市場，成為倍受全球消費者愛戴的品牌。2016 年，出門問問進軍車載市場，推出智慧後視鏡問問魔鏡 Ticmirror 和後裝 ADAS 產品 Ticeye 等。李志飛的這種自我造血的意識讓出門問問在早幾年的行業低谷中安然無恙，並且持續地厚積薄發，為之後的技術爆發做準備。2022 年末，ChatGPT 的橫空出世引爆了全球，生成式 AI 浪潮席捲而來。相比上一波監督式深度學習浪潮，現在的 Transformer 大模型透過自監督學習，可以在海量無標註資料上預訓練，從而獲得強大的語義理解和知識泛化能力。AI 的通用性更加凸顯，通用人工智慧（AGI）彷彿不再遙不可及。在生成式 AI 的浪潮下，出門問問重新回到大眾視野，成為中國大模型領域的先行者和佈道者。2023 年初，許多人將李志飛視為 “中國版 OpenAI” 最具實力的人選。然而，大模型時代對算力和資料的無止境的需求，讓創業者面臨二元抉擇：要麼專注模型，要麼聚焦應用。而李志飛開啟的 “產模結合” 之路，為行業指明瞭一種全新的可能性。這種商業哲學折射了出門問問在上一波 AI 週期下衍生的謹慎，也體現了出門問問對大模型核心技術不懈追求的決心。回顧出門問問的發展歷程，我們可以看到，除了這家公司的前瞻性和遠見，幾乎每一次都穩居浪潮之前，還有在面臨重重挑戰時展現出了非凡的韌性。當人機互動服務陷入 “人工智障” 的時代侷限的時候，他們大膽地轉型，開始獨創探索 “軟硬結合” 的道路。當華為、小米等巨頭進軍智慧手錶市場，他們迅速調整策略，發掘出車載語音這一新的市場藍海。當其他公司陷入高階人力外包的 “專案制” 困局時，又率先開啟生成式 AI 的探索，當純粹的大模型之路因資源門檻過高而難以為繼時，出門問問靈活地轉向 “產模結合” 的 AIGC 創新模式。AI 的商業化之路有多難？創業公司要精於出題，也要在每一個困局解題面前，展示出堅韌不拔的意志和靈活多變的應對能力，在逆境中尋找新的生機，正是出門問問穿越週期迎來 AIGC 爆發的底蘊之一。在國內外科技發展史中，所有存活下來並且成功從小變大的公司都有這樣共同的特性。無論是蘋果、谷歌、微軟、亞馬遜，還是騰訊、位元組、阿里、美團、小紅書。創業難的是如何在起伏變化的技術和市場發展中，不斷拓寬自己的邊界，持續創新、試錯，最終找到屬於自己的道路。在當今的投資和創業環境中，創業公司要贏得信任，僅僅依靠 “宏大願景” 已經不夠了。面對挑戰和挫折時表現出的適應力和恢復力，即所謂的 "逆商"，變得日益關鍵。在這輪人工智慧浪潮的衝擊下，技術邊界的突破變得更加頻繁，爆炸式的技術創新在帶來新機遇的同時，也導致了行業格局的劇烈動盪。對於一個在商業週期中經受過生死考驗和磨礪的公司而言，其所擁有的諸多品質尤為寶貴：靈活的組織架構、高效的決策機制、敏銳的風險意識、超凡的環境適應能力。這樣的公司才能在瞬息萬變的市場環境中，保持競爭力和生命力。十二年磨一劍，李志飛用自己的商業哲學平衡了技術創新與市場需求，他所帶領的出門問問穿越了深度學習與生成式 AI 的兩波浪潮，經歷過風口浪尖、也曾陷入行業低谷，現在以一種平穩的姿態駛向了新的里程碑。