坦白说,我跟猎豹移动的时间挺长了,因此也认识多个从猎豹出来以及依然留在猎豹的朋友。那很多不熟悉猎豹的朋友可能真的不知道猎豹做AI,甚至自2016年开始就已经all in AI 。

如今,傅盛在AI赛道短视频IP做得还可以,全网拥有数百万粉丝;机器人业务也有很好的进展,昨天是“WRC世界机器人大会”的第一天,傅盛做了一个关于大模型和机器人融合的主题分享,我想可能目前是一个不错的时点来介绍一下猎豹当前的业务规划。

在2023年完成对北京猎户星空收购之后,现如今猎豹移动的主要收入增长点就变成了人工智能业务。今年一季度,公司实现总收入1.9亿元,同比增长11.6%;人工智能业务实现收入8127万元,上年同期则为5013万元;而之前的主要收入来源互联网业务同比下降9.1%至1.1亿元。

正是这样的业务调整,给了外部投资者重新审视猎豹的机会。目前,猎豹移动的股价已经从6月初52周高点6.78美元跌至现在的3.8美元,对应的公司市值只有1.14亿美元,远远小于账上还有的27亿元人民币现金,因此,股价的安全边际是相当强的。

不过,也有投资者对公司目前的亏损状态有疑虑,担心会不断消耗公司的现金储备。但根据猎豹IR的说法,猎豹未来的亏损会逐步缩窄,对公司现金储备的影响也有限。

具体到业务,在人工智能收入中,服务机器人贡献了其中的绝大部分,且公司在海外的收入要大于国内。在傅盛的这次演讲中不难发现,公司未来在人工智能方面的目标有二:一是推进端模一体的服务机器人研发,尽可能提升机器人的智能化程度,更好地服务客户;二是与标杆客户进行小参数模型的私有化部署,积累经验并拓展海外市场。

在傅盛看来,OpenAI成功的关键,在于走了一条和当年主流AI(最知名的就是阿尔法狗这样的AI)不太一样的路径。只有OpenAI相信,喂给大模型足够的文本数据就一定能诞生出智能。严格意义上,这是技术信仰的胜利,不是技术积累的胜利。

同样,大模型成功的道路并不只有OpenAI摸索出的这一条,通往AGI还会有很多可以选择的道路。从实际应用中看,相对小一些的模型未必就比几千亿的大参数模型效果差;特别是一些超小参数的大模型,可以直接部署在手机、PC或是机器人上,完全能够实现“端侧”的大模型应用。

而在猎豹这边,做好新质生产力、做好机器人,就要实现所谓的“端模一体”,将小参数的大模型,部署在自己的服务机器人上,最终的目标,是实现机器人的“开箱即用”,不需要像现在这样,在使用前派专人去给新机器人在新场景中建图。

傅盛表示,这个目标已经实现了一部分,未来,服务机器人的部署成本只会越来越低。另外,大模型的翻译能力,天然就是一个超级翻译机,端模一体的机器人在交互能力上也是革命性的进步,可以在很大程度上减少服务机器人出海时,需要付出的产品本地化成本。

而小参数的大模型,远不止应用在机器人上。在猎豹目前的收入结构中,将自己的大模型与客户结合并实现私有化部署的业务,尚处于初级阶段。不过,更小参数模型和私有化部署结合,能从源头上降低企业的成本,还会带来另外一个非常适合“中国国情”的好处:

数据安全。

在中国,还是有很多企业还是不放心把数据交给纯粹的大模型服务商,特别是一些中大型公司,对于数据安全和隐私的看重程度很高。这个场景天然就适合更小规模、更有安全性的本地模型部署,既能解决数据隐私的问题,又能快速响应。

但是,从大模型服务商的角度看,中国的商业模式和环境并不算非常友好。以商业模式类似的SaaS行业为例,在国内发展步履维艰,特别是跟美国相比,基本见不到发展得还不错的企业。

究其原因,国内的大企业有钱也有资源,基本都倾向于自己解决一切,而小型企业的付费能力和意愿都比较低,这就是像猎豹这样的大模型服务商,在国内商业转化上面临的挑战。

不过,猎豹现在的思路是先跟头部企业合作,形成自己的标准化,把产品本身先跑通;下一步,在国内进行业务拓展的同时,将大模型的能力也带出海。出海本来就是猎豹擅长的,而且傅盛透露,目前在跟海外客户的交流过程中,发现他们的付费意愿也挺强。

“东方不亮西方亮”,即便国内实现商业化的路径相对更难,猎豹凭借自己多年出海的渠道以及经验积累,也能实现不错的业务增长。$猎豹移动(NYSE|CMCM)$

作者声明:个人观点,仅供参考
追加内容

本文作者可以追加内容哦 !