人工智能企业盈利能力分析——以科大讯飞为例
摘要
伴随着大数据、物联网时代的到来，人工智能技术引领了时代发展的方向，成为产业革新的重要动力之一。人工智能企业的发展也因此受到广大投资者的密切关注。本文以智能语音领域的龙头上市公司科大讯飞为盈利能力研究对象，从其2014至2018年财务信息入手，进行利润表主要项目分析、盈利能力财务指标分析和杜邦分析。
研究发现科大讯飞近年来存在增收不增利、盈利质量不佳和现金流的不稳定等问题。本文通过分析科大讯飞盈利能力问题背后的成因，结合公司业务和发展战略，有针对地从财务层面和经营管理层面提出改进对策，为科大讯飞及其同行业公司在人工智能新时代提升盈利能力、实现可持续健康发展提供了借鉴。
关键词：人工智能；科大讯飞；盈利能力；财务分析
1绪论
1.1研究背景和意义
1.1.1研究背景
在当今移动互联、大数据的时代趋势下，与人工智能概念相关的技术、商业模式、企业、职业不断涌现。“人工智能”已成为科技发展、社会前进的关键词，它广泛助力于各行各业发展，改变着人们的生活方式，促进人们思想观念的迭代进步。本文紧跟时代趋势，选择人工智能行业的代表上市公司科大讯飞（股票代码：002230）进行盈利能力分析。
科大讯飞是我国人工智能语音领域的领头羊，其语音服务广泛覆盖教育、政法、交通、医疗等主流行业。2018年公司营业收入达79.17亿元，同比增长45.41%，近五年营业收入平均增长率在40%以上，上市十年来市值增长约25倍，但公司的获利能力却远不如营收和市值表现亮眼，远未达到股东和大众的预期。因此，本文结合公司的业务发展，从科大讯飞2014至2018年的财务数据入手分析影响其盈利能力的重要因素，发现公司在财务和经营管理中存在的问题和原因，进而为科大讯飞提升竞争力，可持续健康发展提出合理化建议。
1.1.2研究意义
从理论上，本文对人工智能行业大背景、公司内外部环境进行分析，透过利润表对科大讯飞的盈利质量、成长性进行整体判断，运用盈利能力财务指标，杜邦分析法对公司盈利能力进行较为客观和全面的评价，丰富了当前对于高新技术、人工智能企业的财务分析研究案例。
从实践上，本文挖掘科大讯飞盈利能力不足的成因，并试图提出行之有效的改进建议，对于科大讯飞的投资者进行投资决策，管理层改进经营管理、提升公司盈利能力有一定的参考价值，同时也对当下我国技术密集型、研发型企业在高速发展中所需重点关注的问题提供了经验借鉴。
1.2文献综述
1.2.1盈利能力影响因素
皮埃尔.杜邦和唐纳森.布朗（1919）[1]创立了杜邦财务分析法，以净资产收益率为核心指标，并将其层层分解，把体现企业的盈利、营运和偿债能力的指标关联在一起，有机统一地反映企业盈利能力。Mock等（1988）[2]研究发现上市公司经理人员持股比例与公司盈利能力呈倒U型关系。Prowse（1992）[3]采用实证方法，研究净利润与企业广告费用、研发费用、资产净值等数据之间的关系，分析它们对企业盈利能力的影响程度。LiShangfeng（2009）[4]以美国声誉度最佳的上市公司为样本，研究上市公司盈利能力与其声誉的关系，实证结果标明，二者具有较强的正相关性。Murray、Frank等人（2009）[5]在静态平衡利润中研究表明：当利润增加时，公司应增加债务融资，减少股票发行，从而起到避税和防止公司滥用利润的作用。Biddle和Seow（2015）[6]认为营业利润增长率、经营活动现金净流量增长率、每股收益增长率等六项增长指标充分体现了企业盈利能力成长性。总资产报酬率的高低充分反映了企业的盈利质量。
刘灿辉和干胜道（2005）[7]以深市中小板企业为样本，通过实证分析发现净利润增长率与净资产收益率呈显著正相关，与资产负债率显著负相关。张宝清（2006）[8]认为在分析上市公司盈利能力时，各项财务比率都存在一定的局限性，必须综合其公开的会计信息分析。莫生红（2009）[9]以家电行业规模较大的24家上市公司2007年的财务数据为样本，研究发现：家电行业上市公司的盈利能力与资本结构负相关。资产负债率低的上市公司，盈利能力更强。
1.2.2盈利能力案例分析
黎锦萱（2017）[10]通过多元回归分析检验量化后的各因素与盈利能力的关系，研究发现:毛利率和销售费用是影响艺龙网盈利能力的关键因素。李佩芫（2018）[11]在对房地产公司万科进行改进的杜邦分析时，加入现金流量指标和留存收益率，进而更加全面地评估公司盈利能力。彭颖嫒和吴力佳（2019）[12]基于我国快递行业发展背景，以申通快递为研究对象，对其2012至2018年盈利能力指标进行分析，并与顺丰进行对比，发现申通快递盈利模式存在的弊端并提出改进建议。丁玉蒙和宋淑鸿（2019）[13]从真实性、现金流、成长性、持续性四个角度对2014至2017年格力电器盈利质量进行分析。
1.2.3人工智能行业研究
刘剑（2017）[14]分析近几年人工智能行业——智能语音领域迅猛发展的情况，基于科技巨头、互联网创业公司纷纷布局AI产业的现状，预测智能家居、智能车载、智能穿戴领域拥有巨大的发展空间。钱丽娜和游丛瑞（2018）[15]指出从目前来看，科大讯飞行业布局存在收益的天花板。人工智能的竞争是从技术创新到产业创新的全生态竞争，拥有场景优势的企业在人工智能领域会发展得更快。毛献锋（2018）[16]选择了我国四家人工智能代表公司——百度、阿里、腾讯、科大讯飞，同美国的人工智能代表公司在业务、产品层面上进行了对比。针对推动我国人工智能行业发展，加快人工智能技术的应用，从技术、政策引导、人才培养、伦理规范的角度提出了发展建议。
1.3研究方法和内容
1.3.1研究方法
文献研究法。本文整理了中外学者评估盈利能力影响因素的文献，并借鉴了近年来我国热门行业代表公司的盈利能力研究案例的写作方法，同时对有关人工智能行业发展趋势的文献进行了学习，从以上三方面做好研究的理论准备。
案例研究法。本文选择人工智能板块的A股明星公司——科大讯飞作为案例研究对象，并与同行业代表性公司进行对比，开展盈利能力分析。
比较分析法。本文对近五年科大讯飞利润表主要项目以及对反映盈利能力的财务指标进行趋势分析，在关键指标上加入行业对比分析，从而更好地发现问题，找准差距，明确改进方向。
定性定量相结合研究法。本文依据财务分析基本原理和方法，对科大讯飞近五年财务信息及同行业公司相关财务数据进行具体分析。
1.3.2研究内容
首先进行案例介绍，对人工智能宏观环境和科大讯飞内外部竞争力进行分析。然后分析公司利润表的主要项目，对科大讯飞的盈利质量进行总体判断。接下来，运用比率分析法和行业对比分析，重点从反映资本、资产、商品经营盈利能力、上市公司市场价值、盈利能力成长性等财务指标分析科大讯飞盈利能力。运用杜邦分析法，将营运能力，资本结构，同盈利能力的评价紧密联系在一起，进行综合财务分析。最后，总结研究发现的科大讯飞盈利能力存在的问题和成因，为科大讯飞面向未来提升盈利能力、增强竞争力提出改进建议。
2案例介绍
2.1科大讯飞概况
科大讯飞，前身安徽中科大讯飞信息科技有限公司，1999年成立，2008年在深交所上市，被誉为“人工智能第一股”。2017年入选“全球最聪明公司”榜单[17]，是国内唯一家以语音识别为核心优势技术，并基于“深度学习”算法进行人工智能底层技术研究的“产学研”企业[18]。其人工智能语音服务广泛应用于智慧教育、智慧政法、金融、医疗服务等场景。在科大讯飞的战略布局中，2019年人工智能技术将出现规模化应用落地，公司正式进入人工智能2.0时代。
2.2宏观环境分析
政治环境：“人工智能”已上升为我国国家发展战略。2017年7月，xxx印发《新一代人工智能发展规划》，提出面向2030年我国人工智能发展的战略目标。2019年政府工作报告中写到“深化大数据、人工智能等研发应用”，“人工智能”连续三年出现在政府工作报告中。与此同时，国家高度重视人工智能行业人才的培养。2019年3月，教育部确定了全国35所首批建设“人工智能”本科专业高校。2019年4月，人社部发布了13个新职业信息，其中就包括人工智能工程技术人员。
经济环境：如今，教育、医疗、家电、金融服务等各大行业无不在发展中融入人工智能技术。与此同时，越来越多的互联网公司围绕自身业务搭建了“人工智能+”商业模式，加快了人工智能技术的产业化步伐。
社会环境：移动互联时代的到来，社交平台、电子商务、实时翻译和线上教育等人工智能语音服务都能够通过互联网实现，这使得大众对人工智能语音技术有了更加清晰和直观的认识。
技术环境：智能语音行业作为技术密集型行业，在安徽合肥已成立国家级基地，形成了以语音为核心技术的产业集群。此外，我国各地也都建有语音技术产业园试点[19]。
由此可见，人工智能正如所有科技领域的新事物一样，正处在技术革新与产业化创新并排快跑的发展进程中。因此，培养更多人工智能研究型与应用型人才，加快技术成果转化，更好地赋能传统产业升级、新兴产业腾飞，将是未来人工智能行业发展的重要方向。
2.3SWOT分析
表2.1科大讯飞SWOT分析
内部条件S（优势）W（劣势）科大讯飞作为我国人工智能领域的先行者，掌握国际领先的语音技术，在语音处理经验的积累上已产生明显的头部效应。作为我国专攻语音技术人才数量最多的公司，科大讯飞拥有强大的人才优势。
科大讯飞在C端业务和实现技术落地的商业模式上仍有较大提升空间，品牌价值有待进一步提升。较互联网巨头公司相比，科大讯飞的盈利能力不足，在自有资本储备上处于下风。
外部条件O（机会）T（威胁）科大讯飞同电信、金融、汽车、手机等行业巨头公司建立了长期合作伙伴关系，且拥有来自政府采购和补贴的支持。资本市场投资者对公司前景较为看好，公司市值在同行业公司中位居前列。
万物互联时代进程加快，教育、医疗等朝阳行业持续发展，都为科大讯飞创新商业场景提供了巨大机遇。
处在人工智能行业爆发期，互联网巨头公司和创业公司纷纷瞄准人工智能市场布局，较科大讯飞且具备先天的用户资源和场景优势，这对科大讯飞既有业务的市场占有率带来了不小的冲击。众多知名高科技公司已加入人工智能人才争夺战，这对科大讯飞薪酬福利水平的完善、与员工发展路径的设计提出了更高的要求。
综上，技术、人才、行业认可度是科大讯飞的核心优势，品牌、资金、商业模式是其主要不足。在人工智能爆发窗口期，讯飞拥有大量政府采购与丰富的企业合作资源，但随着现有市场竞争者强大，潜在竞争者的不断涌入，其技术壁垒在不断被打破，这对科大讯飞的行业地位带来了不小的挑战。面向未来，科大讯飞需要不断强化比较优势，积极转型，创新商业模式以增强竞争力。
3科大讯飞利润表主要项目分析
利润表是企业经营成果的直观体现。本章将从科大讯飞利润表的营业收入，成本费用，非主营项目三部分入手，分析科大讯飞的盈利质量。
表3.1科大讯飞利润表摘要
单位：万元
项目2014年2015年2016年2017年2018年营业收入177521250080332048544469791722营业成本78758127803164298264724395655营业利润2880629775383755395262778营业外收入14965168691907549436814营业外支出396190136311893719营业外收支净额14569166791771237543095利润总额4337546454560865770565873净利润38849436584967847918617973.1营业收入分析
表3.2科大讯飞营业收入构成
单位：万元
项目2014年2015年2016年2017年2018年主营业务收入176956249372330898541522788145其他业务收入565708115029473577营业收入177521250080332048544469791722科大讯飞近五年营业收入不断增长，近三年增幅尤为明显。2016年营收为332048万元，2017年增长至544469万元，2018高达791722万元。这主要来自公司主营业务的快速增长，可见科大讯飞在收入来源上主业突出。科大讯飞年报对公司近两年的主营业务结构进行了重新划分。接下来，我们对公司营业收入业务构成进行垂直分析。
表3.3科大讯飞业务构成垂直分析
单位：%
项目2017年2018年营业收入100100一、主营业务收入99.4699.55教育领域27.7427.08智慧城市业务27.3021.42政法业务10.2313.08开放平台及消费者服务25.2830.51汽车领域4.573.38智能服务2.853.06其他1.491.02二、其他业务收入0.540.45由表3.3知，公司近两年产品组合多元、重点突出，专注于AI主营业务。产品服务集中在开放平台和消费者服务大类，智慧教育，智慧城市和智慧政务领域。结合年报可知，2018年，主营业务收入中以下业务增长明显：教育产品和服务同比增长44.93%，政法业务同比增长85.96%，移动互联网产品及服务同比增长369.36%，开放平台同比增长124.61%，智能硬件同比增长171.93%，智能服务增长56.12%。面向消费者端业务营业收入达25.17亿，同比增长96.54%。
这体现了科大讯飞紧跟互联网时代趋势，面向市场需求优化产品组合，在继续保持优势业务智慧教育和智慧政法平稳增长的同时，不断朝消费者业务发力，延伸AI产业链，使营业收入保持良好的增长态势。
3.2成本费用分析
科大讯飞近五年营业成本不断增长，其中近三年增长数额最为明显，营业成本占营业收入比例近四年稳定在50%左右。由年报知：其成本来源主要是软件和信息服务业的物料成本、运营成本和教学业务的运营成本，物料成本始终占营业成本达50%以上。较高的营业成本对公司在提升利润上提出了更高的增收要求。
表3.4科大讯飞成本费用项目
单位：万元
项目2014年2015年2016年2017年2018年营业收入177521250080332048544469791722营业成本78758127803164298264724395655销售费用240083754764874111134172589管理费用45547565337294511766194721财务费用-4181-3778-3373-2584-1666图3.1科大讯飞成本费用营收比
科大讯飞近五年销售费用呈跳跃式增长趋势。从2014年的24008万元增长至2017年的111134万元，2018年高达172589万元。销售费用占营业收入比例不断上升，由2014年的13.52%上升至2018年的21.80%。这是由于2015年人工智能行业进入爆发窗口期，科大讯飞不断加强市场营销，品牌宣传，使得销售费用不断上升。
科大讯飞管理费用从2014年45547万元不断上升至2017年117661万元。2018年管理费用显著下降至94721万元，这是会计准则调整，将研发费用从管理费用中分离出来单独核算所致。管理费用的增长与公司业务不断拓展，团队规模扩大、岗位设置、人才需求不断增加紧密相关。但近年科大讯飞管理费用占营业收入比例不断下降，这在一定程度上反映了公司管理效率的不断提升。
表3.5科大讯研发投入分析
单位：万元
项目2014年2015年2016年2017年2018年研发费用3152133780337315960393922研发投入518065773070913114533177274研发投入营业收入比（%）29.1823.0821.3621.0422.39研发投入资本化率（%）39.1641.4952.4347.9647.02近五年科大讯飞研发费用总体不断攀升，研发投入呈加速增长趋势，2018年研发投入高达17.7亿元，近五年研发投入营收比始终稳定在20%以上。这体现了科大讯飞对研发的专注，对推动技术创新、产品优化升级的高度重视。但在如此高额的研发投入下，如何不断提升投入产出的效率成为了公司所面对的巨大挑战。
此外，科大讯飞研发投入平均资本化率非常高，近五年平均资本化率达45%以上。虽然较低的费用化率起到了调节当期利润的作用，但持续高额的资本化金额使得公司无形资产的增长较快。由年报知，2018年期末由公司内部研发形成的无形资产占无形资产余额的比例高达68.77%，无形资产期末账面价值较期初增长43.44%，主要原因是本期自主研发形成无形资产金额较大。由此，将在未来引起无形资产摊销额的大幅度增加，侵蚀公司利润和现金流。由年报知：2018年管理费用下无形资产摊销高达33810万元，占当期管理费用1/3以上，现金流量表中的无形资产摊销高达36854万元。因此，长远来看，科大讯飞过高研发投入资本化是一种“透支”，它严重压缩了盈利能力的成长空间。
3.3非主营项目分析
在鼓励人工智能企业研发和创新的国家政策扶持下，科大讯飞收到了大量的政府补贴支持，成为公司非主营项目的重要组成部分。
由图3.2可知，2014——2016年科大讯飞营业外收支净额占利润总额的比例维持在30%以上。这主要是2014——2016年营业外收入的不断增长所致。结合公司报表附注知，政府补助是科大讯飞营业外收入不断增长的主要来源，涉及研发费用补助、办学补助、项目经费补助等诸多部分。2017和2018年该比例急剧下降，分别为6.51%和4.70%。这是会计准则调整，将与日常经营活动相关的政府补助计入“其他收益”科目所致。2017年其他收益为10235万元，2018年其他收益为35242万元，同比增长244.34%，其主要来自当期收到政府补助的增加。
图3.2科大讯飞营业外收支净额占利润总额比例
由表3.6可知，科大讯飞计入当期损益的当期政府补助总额在前四年相对稳定，在2018年出现剧增，主要原因是来自“其他收益”下政府补助的大幅增长。
表3.6科大讯政府补助分析
单位：万元
项目2014年2015年2016年2017年2018年营业外收入-政府补助14727167221802546845893其他收益-政府补助–––1023535242当期政府补助合计1472716722180251491941135利润总额4337546454560865770565873由图3.3可知，记入当期损益的政府补助在利润总额中占据重要部分。2014至2016年，该比例保持在30%以上，2017年下降至25.85%，2018年高达62.45%。由此可见，公司的经营活动对利润的贡献并不突出，利润的创造始终严重依赖政府补贴，盈利质量非常低。
图3.3科大讯飞当期政府补助占利润总额比
4科大讯飞盈利能力分析
盈利能力是企业在一定时期内赚取利润的能力，它是衡量企业在一定资源投入下获得回报的相对概念。分析企业的盈利能力对于管理层发现企业经营中存在的问题、改进经营管理，债权人评估企业偿债能力，股东进行投资决策有着重要的意义。本章将从资本经营、资产经营、商品经营、上市公司盈利能力、盈利能力成长性五个方面进行财务效率分析，并运用杜邦分析法对科大讯飞盈利能力进行综合分析。
4.1资本经营盈利能力分析
4.1.1净资产收益率
资本经营盈利能力是企业运用所有者投入的资本实现利润和保值增值的能力。净资产收益率是反映企业资本盈利能力的最关键指标。
表4.1科大讯飞净资产收益率分析
金额单位：万元
项目2014年2015年2016年2017年2018年净利润3884943658496784791861797平均净资产368124521229687097758564808213净资产收益率（%）10.799.177.505.746.94科大讯飞2014至2017年净资产收益率不断下滑，2018年有所回升。直观来看，这是由于净利润增长缓慢，使得利润增长与资产增长不匹配所致。
我们选择另外5家中小板上市的代表性人工智能公司，进行净资产收益率比较分析。由表4.2知，科大讯飞净资产收益率在6家人工智能公司中处于中游水平，2014至2017年虽然该指标不断下滑，但仍然优于川大智胜和汉王科技，2018年科大讯飞ROE超过了下滑明显的歌尔股份，但同海康威视和大华股份始终存在较大的差距。
表4.2同行业公司净资产收益率比较分析
单位：%
ROE2014年2015年2016年2017年2018年科大讯飞10.799.177.505.746.94歌尔股份23.2914.0816.3016.585.73海康威视36.2735.2834.5634.9633.99大华股份24.4423.5924.8025.4722.16川大智胜1.353.723.043.524.15汉王科技1.470.662.835.471.894.1.2盈余现金保障倍数
盈余现金保障倍数从现金流的角度对科大讯飞资本经营盈利能力进行补充分析，反映企业每单位利润带来现金流的能力，是衡量企业盈利质量的重要指标。
表4.3科大讯飞盈余现金保障倍数分析表
金额单位：万元
项目2014年2015年2016年2017年2018年经营活动净现金流量42008515602993036273114814净利润3884943658496784791861797盈余现金保障倍数（倍）1.081.180.600.761.86由表4.3知，科大讯飞现金流表现并不稳定。2014和2015年现金流和利润保持良好匹配水平，2016年和2017年，盈余现金保障倍数分别下降至0.60和0.76，2018年该指标大幅度上升至1.86。由年报知，2018年反弹的主要原因是销售商品、提供劳务收到的现金增加257049万元，并且收到的其他与经营活动有关的现金同比增长123.56%，其主要系收到的政府补助增加30476万。科大讯飞在加快业务拓展的同时，必须加强应收账款管理，树立危机意识，尽可能减少对政府补助的依赖，尽快独立地实现经营活动现金流的安全、稳定周转。
4.2资产经营盈利能力分析
资产经营能力是企业运用资产创造利润的能力。总资产报酬率是体现企业资产经营能力的最核心指标，将其分解，得到总资产报酬率的影响因素有两个：反映资产运营效率的总资产周转率和体现商品经营盈利能力的销售息税前利润率。
表4.4科大讯飞总资产报酬率分析
金额单位：万元
项目2014年2015年2016年2017年2018年营业收入177521250080332048544469791722利润总额4337546454560865770565873利息支出32881428041125675息税前利润4340747335603666181771548平均总资产47487167801294021411877141432146总资产周转率（次）0.370.370.350.460.55销售息税前利润率（%）24.4518.9318.1811.359.04总资产报酬率（%）9.146.986.425.205.00由表4.4知，科大讯飞总资产报酬率不断下降，从2014年的9.14%下降至2015年的5.00%。从总资产报酬率的构成要素分析，公司近五年总资产周转率呈总体上升趋势，反映了公司总资产营运能力在提升，但销售息税前利率的明显下滑，最终导致了总资产报酬率的不断下降。这主要是利润总额增速同营业收入相比增速缓慢造成的。联系第三章利润表分析可知，公司急需加强对成本费用合理增长的把控，提升其运用效率，提升资产经营的盈利能力。
4.3商品经营盈利能力分析
商品经营盈利能力不考虑企业的筹资和投资活动，只关注企业的商品经营情况，即利润与收入、成本之间的关系。我们选择营业收入利润率，销售净利率和营业成本利润表指标进行分析。
由图4.1知，科大讯飞近五年营业收入利润率不断下降。这主要由于近年人工智能行业竞争加剧，公司在品牌、营销、人力方面的投入成本不断增加，使得成本费用的增长快于营业收入增长。
图4.1科大讯飞营业收入利润率
由图4.2知，近五年科大讯飞销售净利率不断下降，从2014年21.88%跌至2018年的7.81%。可见其每单位营业收入所带来的的净利润的能力下滑明显，商品经营能力下滑明显。
图4.2科大讯飞销售净利率
由图4.3知，科大讯飞营业成本利润率在2015年出现断崖式下降，近五年总体呈下降趋势，从2014年36.58%跌至2018年的15.87%。体现了付出每单位营业成本所创造的营业利润的能力下滑明显，商品经营不容乐观。
图4.3科大讯飞营业成本利润率
综上，从近五年来看，科大讯飞从2015年开始，商品经营盈利能力出现明显的下滑，这与公司处于高速成长期投入高额的成本费用投入密切相关，短期来看存在合理性，但科大讯飞急需探索更具竞争力的商品经营模式实现投入回报，提升盈利能力。
4.4上市公司盈利能力分析
上市公司盈利能力通过公司市场价值、对股东的回报、投资者对公司未来发展前景的态度等来体现。本节选用基本每股收益和市盈率指标，和同行业公司进行对比分析。
表4.5同行业公司每股收益比较分析
单位：元
公司2014年2015年2016年2017年2018年科大讯飞0.470.340.370.330.27歌尔股份1.090.821.080.680.27海康威视1.171.461.231.031.24大华股份1.011.200.630.820.87川大智胜0.080.240.170.200.24汉王科技0.050.020.100.200.07近五年来看科大讯飞基本每股收益不断减少，在同行业6家公司处于中等偏下水平。始终优于川大智胜和汉王科技，在2018年和业绩不佳的歌尔股份持平，但始终与人工智能安防领域的巨头——海康威视和大华股份差距明显。
表4.6同行业公司市盈率比较分析
单位：倍
公司2014年2015年2016年2017年2018年科大讯飞56.70108.9773.22179.2191.26歌尔股份22.5042.2024.5625.5125.48海康威视19.1223.5519.3637.8620.77大华股份21.7331.5821.7128.1613.17川大智胜290.00222.08146.71102.3555.08汉王科技334.201602.50225.60122.45190.71科大讯飞市盈率在同行业6家公司处于中等偏上水平，明显高于净资产收益率和每股收益指标明显更优的海康威视、大华股份。高市盈率与其基本每股收益偏低有关，但更重要的来自较高股价的贡献，这体现了科大讯飞在资本市场较为投资者所看好，具备较好的发展前景和较高的未来价值。
4.5盈利成长性
表4.7科大讯飞盈利能力成长指标
单位：%
项目2014年2015年2016年2017年2018年营业收入增长率41.6040.8732.7863.9745.41营业利润增长率33.523.3628.8840.5916.36净利润增长率39.5212.3813.79-3.5428.96由表3.7知，近五年科大讯飞营业收入保持高水平快速增长。营业利润增长率除2015年以外均保持较快增长，但在成本费用大幅度增长下，其增长率明显低于营业收入增长率。净利润增长率波动幅度较大，2017年出现负增长，2018年又实现了较大幅度回升。但除2014年外，公司净利润增长率均明显低于营业收入增长率。
综合科大讯飞净利润基数较小和每年获得高额政府补助的条件判断：公司主营业务盈利很差，盈利成长性显著不足。
4.6杜邦分析法
杜邦财务分析法将净资产收益率这一核心指标分解，将反映盈利能力的销售净利率，反映营运能力的总资产周转率、体现资本结构的权益乘数指标有机地联系在一起，全面综合地反映企业经营各方面对盈利能力的影响程度。
表4.8科大讯飞杜邦分析
年份销售净利率（%）总资产周转率（次）权益乘数净资产收益率（%）201421.880.371.3510.79201517.460.371.369.17201614.960.351.417.5020178.800.461.615.7420187.810.551.836.94由表4.7知，近五年科大讯飞销售净利率下降明显，总资产增长率和权益乘数在不断提升，净资产收益率总体下降，2018年有所回升。接下来，我们选取ROE指标较高的海康威视、大华股份、歌尔股份作为参照，对影响科大讯飞净资产收益率的三个指标进行比较对比。
4.6.1销售净利率分析
销售净利率是反映公司商品经营盈利能力的最重要指标[20]。
表4.9同行业公司销售净利率比较分析
单位：%
公司2014年2015年2016年2017年2018年科大讯飞21.8817.4614.968.807.81歌尔股份13.269.088.348.253.56海康威视27.1623.2823.2422.3822.84大华股份15.6113.7013.5812.6110.96由4.8表知，近五年4家公司的销售净利率均呈下滑趋势，这与AI赛道竞争愈发激烈，各大公司的成本费用投入不断增加有关，其中科大讯飞下滑最为明显，海康威视表现最为稳健，其销售净利率始终保持在20%以上。总体来看，科大讯飞该指标情况好于歌尔股份，但较大华股份存在一定差距，同海康威视差距明显。
4.6.2总资产周转率分析
总资产周转率是企业营运能力的体现，企业提升资产运营效率是实现盈利能力最大化的基础。
表4.10同行业公司总资产周转率比较分析
单位：次
公司2014年2015年2016年2017年2018年科大讯飞0.370.370.350.460.55歌尔股份0.840.740.921.030.84海康威视0.970.980.890.900.87大华股份1.051.030.991.030.99由表4.9知，科大讯飞总资产周转率虽总体在提升，但同另外三家公司相比，资产营运能力显著不足。接下来我们具体分析四家公司存货、应收账款、固定资产周转率和无形资产和开发支出对总资产营运能力的影响。
表4.11同行业公司存货周转率比较分析
单位：次
公司2014年2015年2016年2017年2018年科大讯飞5.215.183.583.544.10歌尔股份6.605.466.547.345.89海康威视5.155.925.615.355.15大华股份4.034.554.464.655.09由表4.10知，科大讯飞2014至2017年存货周转率不断下降，2018年虽有所回升，但单另外三家公司相比，近三年存货周转速度明显偏慢。
表4.12同行业公司应收账款周转率比较分析
单位：次
公司2014年2015年2016年2017年2018年科大讯飞1.901.912.062.502.66歌尔股份3.213.464.224.373.52海康威视4.814.073.303.233.18大华股份3.002.612.382.742.67由表4.11知，近五年来，科大讯飞应收账款周转速度在四家公司中始终为最慢，这与其应收账款在资产构成中占比较高直接相关。但应收账款增长率呈不断上升趋势，2018年提升至2.66，与另外三家公司的差距有了明显的缩小。
表4.13同行业公司固定资产周转率比较分析
单位：次
公司2014年2015年2016年2017年2018年科大讯飞2.953.193.464.334.71歌尔股份2.742.482.963.062.30海康威视15.4114.9213.4714.2612.30大华股份12.1816.1621.3519.9417.82从表4.12中可以明显看：科大讯飞近五年固定资产周转率不断提高。但在4家公司中，其表现仅优于歌尔股份，远远落后于海康威视和大华股份。以2018年报表数据为例，科大讯飞固定资产和在建工程占总资产的比重达14.31%，歌尔股份更是高达41.82%，而反观海康威视该指标为8.01%，大华股份为6.20%。由此判断，科大讯飞相对“重资产”的经营模式对严重影响了营运能力。
表4.14同行业公司无形资产和开发支出占总资产比例
单位：%
公司2014年2015年2016年2017年2018年科大讯飞15.1910.8013.0812.6814.71歌尔股份6.367.317.067.087.83海康威视0.451.130.990.831.37大华股份0.401.050.781.191.41由表4.13可知，科大讯飞无形资产和开发支出在总资产比重远高于另外三家公司，且近四年持续上升，2018年该比例高达14.71%，海康威视和大华股份分别只有1.37%和1.41%。结合第三章对研发投入的分析可知，这主要由于科大讯飞内部连续高研发投入和高资本化，使得“无形资产和开发支出”大幅度增长，对总资产营运带来不利影响。
4.6.3权益乘数分析
权益乘数是企业资本结构和偿债能力的体现。合理开展负债经营，发挥财务杠杆正效应，对于提升企业盈利能力有着重要作用。
表4.15同行业公司权益乘数比较分析
公司2014年2015年2016年2017年2018年科大讯飞1.351.361.411.611.83歌尔股份2.072.092.081.921.87海康威视1.361.511.651.701.69大华股份1.501.671.821.962.07总体来看，科大讯飞权益乘数低于另外三家公司，但近五年保持不断上升的势头。2018年科大讯飞权益乘数为1.83，超过海康威视，与歌尔股份水平相当。体现了公司在有意识地提高资产负债率，预测未来会进一步提高财务杠杆，提升盈利能力。
5科大讯飞盈利能力问题成因及对策
本章针对科大讯飞盈利质量较差，增收不增利，现金流不稳定等问题，对前面章节研究发现的盈利能力存在的问题成因进行总结，并试图提出有效的改进方法。
5.1问题成因
5.1.1过于依赖政府补贴
科大讯飞虽然主营业务收入发展迅猛，但对于盈利的贡献非常微薄，近五年销售净利率下滑明显，2018年销售净利率下滑至7.81%，其在利润来源上过于依赖政府补贴，且依赖程度不断加深，2018年科大讯飞政府补助占利润总额比高达62.45%，真实盈利质量非常差。
5.1.2高额的成本费用
作为一家研发型企业，决定了科大讯飞的营业成本基数大，占营业收入比例一直比较高。随着公司业务的快速拓展，销售费用的扩张开始格外明显，目前销售费用已远超研发费用。
2018年销售费用172589万元，同比增长55.30%。2018年科大讯飞销售费用占营业收入比例为21.80%，对比海康威视，大华股份该比例分别为11.82%和14.22%。销售费用的过快增长很大程度上压缩了当期利润增长空间。
5.1.3研发投入资本化支出过高
在第3章已详细分析，科大讯飞高额的研发投入资本化，通过无形资产摊销严重侵蚀着利润和占压了现金流，透支了公司未来利润的成长空间。近五年科大讯飞研发支出资本化率最低值是2014年的39.16%，最高值是2016年的52.43%。反观同为高科技公司的海康威视和大华股份近五年研发投入资本化率均为0。结合每年科大讯飞高额的研发投入和资本化金额，可想而知其对于利润的负面影响。
5.1.4资产营运效率不足
由近五年资产负债表知，应收账款始终是占比最高的资产，2018年应收账款同比增长32.79%，占总资产比例高达22.15%。这对于商品经营能力不足的科大讯飞产生现金流影响。此外，固定资产和在建工程在总资产中占比较高，由较高的研发投入资本化自行研发产生的无形资产、开发支出都严重影响着资产周转效率，阻碍科大讯飞盈利能力的提升。
5.2财务层面对策
5.2.1保持费用良性增长
当前AI人才市场的激烈竞争，未来公司在留住核心人才，吸收新生力量方面将付出更多的人力成本。科大讯飞需要做好企业文化建设，不断优化组织结构，提升管理效率，将管理费用增长控制在合理的范围内。
2018年公司面向C端业务发展迅猛，占营业收入比例达31.80%，在公司未来发展战略中，C端业务的角色将越来越重。因此，科大讯飞必须提升销售费用利用率，努力提高营销投入的产出收益，实现销售费用的健康增长。
5.2.2增强资产营运能力
科大讯飞应不断完善信用审核机制，加强对应收账款的日常监督管理，加大销售回款力度，提升应收账款周转率。同时，不断完善供应链、销售渠道，做好产品生产、迭代周期的把控，加快存货周转。保证固定资产、在建工程，研发支出资本化的合理增长，兼顾好研发工作和资产运营的关系。
5.2.3有效运用财务杠杆
近年来，科大讯飞的权益乘数不断增加，体现了公司在有意识地增加负债融资比重。结合公司年报，2017和2018年短期借款分别为42057万元和71657万元，2017和2018年长期借款分别为46070万元和36706万元，公司外部融资中的短期借款大幅度增长，长期借款有所下降，且科大讯飞资产结构中非流动资产占比较高，这使得公司流动比率由2017年的1.61下降至2018年的1.34，短期偿债能力下降。
建议未来科大讯飞在外部融资中适当增加长期借款，这既有助于减轻短期偿债压力，又能更好地匹配人工智能产品研发、生产周期较长的特点，实现长期资产和长期资本配比，提升资金使用效率，进而更有效地运用财务杠杆，提升资本经营盈利能力，给股东带来更多利润。
5.3经营管理层面对策
5.3.1进一步提升创新能力
互联网巨头公司纷纷将AI产业作为重要的战略部署，这使得科大讯飞B端合作伙伴在逐渐变为其竞争对手，如百度、腾讯、搜狗。互联网大厂在强大的C端资源基础上，自建语音体系，给科大讯飞的市场份额造成了较大的冲击。但与此同时，智能语音技术在应用中尚未成熟，仍有非常大的提升潜力。基于此，科大讯飞必须立足语音技术先发优势，不断加快推进研发进展，促成语音识别技术的产品落地，这样才能继续领跑人工智能2.0时代。
5.3.2加强品牌管理
2018年科大讯飞相继陷入“AI同声传译xx”、“侵占扬子鳄国家级自然保护区”、“裁员”等负面舆论[21]，引发股价、市值暴跌。面对激烈的行业竞争，科大讯飞应提升风险意识，不断提升公关能力，增进与用户、媒体的交流。加强与高校、科研机构的合作，在人才市场中不断提升雇主品牌价值。积极参与市场竞争，不断提升ToC端产品营销能力，加强线上、线下营销渠道布局，通过冠名赞助、新媒体提升产品知名度和品牌附加值。
5.3.3拓宽AI技术应用赛道
科大讯飞在继续保持B端和G端业务平稳增长的同时，应敏锐捕捉消费者需求，重点发力C端业务，加强C端人才建设，逐渐实现转型升级。从而提升语音服务的天花板，丰富AI技术应用场景，拓宽AI赛道生态链。
建议现阶段重点发力相对成熟的教育市场，丰富智慧教育产品品类，加大学习机、录音笔、翻译机等产品的市场推广力度，进一步优化讯飞输入法，同时保持对家居、医疗、政务C端硬件产品的持续探索。最终实现C端、B端、G端业务联动，不断增加收入，提升主业盈利能力。
6结论与展望
科大讯飞身处人工智能这一“风口”行业，同时作为智能语音技术的龙头企业，近年来营业收入和市值不断攀升，但在盈利质量、盈利成长速度上一直面临较大的问题。通过对其报表项目、财务比例、同行业公司分析，发现科大讯飞导致盈利能力问题的成因主要有：过于依赖政府补助、成本费用增长过快、研发投入资本化比例过高、资产运营效率偏低等。
基于对科大讯飞盈利能力的分析，本文建议：科大讯飞应不断提升成本费用产出效率，优化管理模式，平衡好科研工作和公司经营的关系。加速推进语音技术的创新，实现更多技术成果产业化落地；加强品牌建设，发力C端业务，延伸AI生态链条，创新商品经营模式，从而提升盈利能力的天花板，逐渐减少对政府补助“输血”的依赖，实现良性的内生增长，在盈利能力上兑现其应有的高潜力和高价值。
受目前知识积累所限，本文存在以下不足之处：对人工智能行业的理解和对科大讯飞内部竞争力、外部因素的分析有待更为深入。财务分析方法的使用相对单一。计划在未来几年持续关注人工智能行业与科大讯飞的发展，在今后的研究中加入改进的杜邦分析法、EVA价值评估法、预测分析法等，更为全面地评价公司盈利能力。
参考文献
GoranKaranovic,SinisaBogdan,SuzanaBarsa,FinancialAnalysisFundamentforAssessmenttheCompanyValue[J].UtmsJournalofEconornics,2010,11.MockE,AShleiferandRVishny.ManagementOwnershipandMarketValuation[J].JournalofFinancialEconomics,1988,20:293-315.ProwseS.D.TheStructureofCorporateOwnershipinJapan.TheJournalofFinance,1992,03:134-148.LiShangfeng.OntheSmallandMedium-sizedEnterprises’GrowthinDiamondModel——TakeMengniuDairyCompanyasExample[J].Reformation&Strategy,2009.MurrayZ,Frank,VidhandK,Goyal.ProfitsandCapitalstructure[J].AFA2009SanFranciscoMeetingsPaper,2009(05):32-35.Biddle,Seow.EarningsQualityandOwnershipStructure:TheRoleofPrivateEquitySpons-ors[J].AccountingReview,2015(08),629-655.刘灿辉,干胜道.我国中小企业板块上市公司成长性实证研究[J].上海金融学院学报,2005(04):28-31.张宝清.上市公司盈利能力分析指标探讨[J].财会通讯(学术版),2006(08):43-45.莫生红.上市公司盈利能力与资本结构关系研究——以家电行业为例[J].财会通讯,2009,15:26-28.黎锦萱.艺龙网盈利能力分析[D].湖南大学,2017.李佩芫.改进的杜邦分析法在房地产企业中的应用研究——以万科为例[J].现代商业,2018(14):126-127.彭颖嫒,吴力佳.申通快递公司盈利能力分析[J].物流技术,2019,38(03):10-13.丁玉蒙,宋淑鸿.格力电器盈利质量分析研究[J].经济研究导刊,2019(07):113-115+151.刘剑.2017年中国人工智能行业分析——智能语音应用篇[J].湖南工业职业技术学院学报,2017,17(03):1-4.钱丽娜,游丛瑞.刘庆峰的焦虑:科大讯飞危局[J].商学院,2018(12):13-20.毛献峰.国内外人工智能技术应用模式比较研究[J].经济研究导刊,2018(36):130-132.王玮.基于哈佛分析框架对科大讯飞公司的财务分析[D].安徽大学,2018.梅新蕾,李伟.科大讯飞:探寻人工智能的实现路径[J].清华管理评论,2018(12):11-19.杨婉琳.科大讯飞公司的财务战略研究[D].合肥工业大学,2018.鄢波,杜勇,阮敏彦.上市公司成长性与财务指标的相关性研究[J].商业研究,2011(07):119-124.张绪旺.讯飞困境与AI泡沫[N].北京商报,2018-10-30(C04).人工智能企业盈利能力分析——以科大讯飞为例VIP月卡¥免费VIP年会员¥免费价格¥9.90发布时间2023年7月6日已付费？登录或刷新下载提示：1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：打字小能手，如若转载，请注明出处：https://www.sbvv.cn/chachong/88086.html,
收藏！《2023年中国人工智能企业大数据全景图谱》(附企业数量、投融资、专利信息和风险信息等)
当前位置：前瞻产业研究院»经济学人»研究员专栏收藏！《2022年中国人工智能企业大数据全景图谱》(附企业数量、投融资、专利信息和风险信息等)UVc分享到：夏才艳•2022-05-1514:00:15来源：前瞻产业研究院E21211G02023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告2023-2028年全球人工智能芯片（AI芯片）行业市场调研与发展前景研究报告2023-2028年中国大数据产业发展前景与投资战略规划分析报告2023-2028年中国云计算产业发展前景预测与投资战略规划分析报告2023-2028年中国生物识别技术行业市场调研与投资预测分析报告人工智能行业主要上市公司：海康威视(002415)、科大讯飞(002230)、赛为智能(300044)、东杰智能(300486)、闻泰科技(600745)、中兴通讯(000063)、恒生电子(600570)等
本文核心数据：中国人工智能企业数量、中国人工智能企业区域分布、中国人工智能企业投融资、中国人工智能风险分布
全文统计口径说明：1)上述数据均来源于中国企业数据库(企查猫)，与全球企业数据库存在一定的误差。2)搜索相关关键词为“人工智能;3)企业筛选逻辑为：企业的名称、产品服务和经营范围中包含了“人工智能”的企业。4)统计时间截至2022年4月29日。5)由于中国企业数据库与全球企业数据库不同，存在一定的统计误差;6)若有特殊统计口径会在图表下方备注。
──中国人工智能企业在2020年注册火爆
根据中国企业数据库企查猫，目前中国人工智能行业的主要企业共有8586家，其中以2020年为主要注册热潮，2020年注册企业数量为2589家，而2021年则为2244家。
──人工智能企业注销企业占比不到10%
根据中国企业数据库企查猫，目前中国人工智能行业的存续企业5985家，占总企业数的70%;存续企业数占比为21%;注销企业数量占总企业数的9%。
──人工智能企业注册资本在500万以上的企业超过54%
根据中国企业数据库企查猫，目前中国人工智能企业的注册资本主要分布在1000万-5000万之间，相关企业数量为2539家;其次为100万-200万的企业，相关企业数量为1731家。从整体来看，中国人工智能企业注册资本在500万以上的企业超过56%，在1000万以上的企业超过39%。
注：已将以美元和港元的注册资本转换为人民币。
──人工智能企业主要注册在广东和江苏
根据中国企业数据库企查猫，目前中国人工智能企业主要分布在长三角和珠三角等地，特别以广东和江苏为代表。截至2022年4月底，广东共有相关人工智能企业数1240家，江苏则有1060家。
──上海的人工智能企业的平均注册资本更高
根据中国企业数据库企查猫，目前中国人工智能企业的平均注册资本区域分布中，上海相关企业的平均注册资本最高为5459万元，除此外，河北、北京和湖南的人工智能企业平均注册规模均在4000万以上，规模相对较大。
──人工智能企业主要为有限责任企业和独资企业
根据中国企业数据库企查猫，目前存续和在业的企业共7756家，中国人工智能企业以有限责任公司为主，目前共有7166家，其次为独资企业的2203家。
注：1)上述企业为存续和在业企业;2)上述统计未剔除重复值，同一个企业可以同为有限责任公司和独资企业。
──人工智能企业融资主要在A轮和战略融资
根据中国企业数据库企查猫，目前存续和在业的企业共7756家，其中共有284家企业有融资信息，而其中以A轮和战略融资为主。截至2022年中国人工智能企业中，有95家企业为A轮融资，93家企业为战略融资，其次分别为种子轮/天使轮的50家和B轮的27家。
注：上述企业为存续和在业的企业。
──人工智能企业主要在新三板和新四板上市
根据中国企业数据库企查猫，目前存续和在业的企业共7756家，其中7689家未上市，总来来看，人工智能企业的上市率为0.9%。在上市的企业中，以新四板和新三板的企业为主，新四板企业有42家，新三板企业有10家。
注：上述企业为存续和在业的企业。
──人工智能企业中科技型中小企业和专精特新企业较多
根据中国企业数据库企查猫，目前存续和在业的企业共7756家，其中共有523家企业获得科技型中小企业的称号，107家企业为专精特新企业，66家企业为主雏鹰企业。
注：上述企业为存续和在业的企业;2)上述统计未剔除重复值，同一个企业可以同为科技型中小企业和专精特新企业。
──人工智能企业中有发明专利者居多
根据中国企业数据库企查猫，目前存续和在业的企业共7756家，其中1563家企业有专利信息，2093家企业有软件著作权。在专利信息中，人工智能企业以发明为主，拥有发明信息的企业有1263家，申请实用新型的企业有1043家。
注：上述企业为存续和在业的企业;2)上述统计未剔除重复值，同一个企业可以同时拥有多种专利信息和软件著作权。
──人工智能企业中风险以裁判文书和经营异常为主
根据中国企业数据库企查猫，目前存续和在业的企业共7756家，其中539家企业有裁判文书，394家企业存在经营异常，104家企业有行政处罚。
注：上述企业为存续和在业的企业;2)上述统计未剔除重复值，同一个企业可以同时拥有裁判文书和行政处罚。
以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院还提供产业大数据、产业研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商引资、IPO募投可研、IPO业务与技术撰写、IPO工作底稿咨询等解决方案。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。
前瞻产业研究院-深度报告REPORTS2023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告本报告前瞻性、适时性地对人工智能行业的发展背景、供需情况、市场规模、竞争格局等行业现状进行分析，并结合多年来人工智能行业发展轨迹及实践经验，对人工智能行业未来...
查看详情
本文来源前瞻产业研究院，内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）品牌合作与广告投放请联系：0755-33015062或hezuo@qianzhan.com在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。如有IPO业务合作需求请直接联系前瞻产业研究院IPO团队，联系方式：400-068-7188。
p30q0我要投稿
UVc分享：标签：人工智能企业大数据人工智能企业数量人工智能企业投融资人工智能行业品牌、内容合作请点这里：寻求合作››
产业规划
园区规划
产业招商
可行性研究
碳中和
市场调研
IPO咨询
前瞻经济学人专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。前瞻产业研究院中国产业咨询领导者，专业提供产业规划、产业申报、产业升级转型、产业园区规划、可行性报告等领域解决方案，扫一扫关注。相关阅读RELEVANT收藏！2022年广东省人工智能企业大数据全景分析(附区域企业数量、投融资、专利信息和风险信息等)
【建议收藏】重磅！2022年杭州市人工智能产业链全景图谱(附产业政策、产业链现状图谱、产业资源空间布局、产业链发展规划)
【深度】2022全球人工智能行业企业盈利大数据分析全球仍有近半企业未盈利？
【全球首发】2022全球人工智能行业企业资本大数据分析上市率低但杠杆率却居高不下
【全球首发】2022全球人工智能行业企业区域大数据分析哪个国家“更卷”？
收藏！2022年中国人工智能企业大数据竞争格局(附企业分布、风险分布、投融资集中度等)
人工智能公司，主要的商业模式是什么
正如新闻总是滚动出现的那样，AI的确正在影响人们生活与工作的方方面面，但是很多人都没注意到一点：AI公司正确的商业模式应该是什么样？
人们一般认为，AI创业公司与之前兴起的云/SaaS一样，其商业模式并无差异。与AI一样，云软件创业公司最初的商业模式也让客户和投资者感到困惑。例如，云计算先驱Salesforce就避开了传统软件的预付款和本地部署所需资源和成本。而现在Salesforce模式早已成为了云/SaaS公司的基准之一，投资者甚至可以在睡梦中说出常见的SaaS公司投资衡量指标，如CAC和LTV等。
但要将这种云商业模式移植到新生的AI创业企业上并不容易。这主要是因为云和AI技术的基础不同:AI是由数据、大量的原始计算能力和大众难以理解的算法驱动的。对于客户来说，它其实比云计算创业公司要复杂得多，因此这种技术也必须以不同的方式销售。
更慢的软件部署?更多的本地集成?有时候AI就是这样。那么，如何才能打破现状，说服客户购买新的AI技术呢?在过去两年中，有三种新兴的AI商业模式开始发挥作用。它们具有不同的特点，因为在某些场景中它们可能比其他方案更加有效。
AI商业模式一：附加
这一类AI解决方案的模式非常类似于SaaS公司的产品，而且商业模型几乎可以互换。这些AI解决方案将无缝地附加于其他的系统之上，如CRM产品或ERP系统。AI将访问流经这些系统的数据，并随着时间的推移推动商业改进。
许多AI创业公司都符合这种模式:ChorusAI和Gong附加在Salesforce产品之上，利用AI优化客户的销售实践；而客户支持软件Solvy附加在Zendesk或ServiceCloud服务之上，可以对工单进行自动回复。还有SiftScience使用机器学习来减少客户的欺诈行为，如滥用付款或虚假内容等。
因为这个商业模型类似于SaaS模型，所以外界很容易对其进行评估。其策略是“插入”或“嵌入”，从一个增值功能开始，逐渐成熟为一个平台。这些解决方案部署速度很快，就像云软件一样，因此销售周期很快，并且容易计算出ROI。通过快速获得大量客户，AI解决方案将迅速构建了一条数据护城河，因此它也变得更聪明、速度也更快。
但这种速度和轻松也可能带来缺点。就像云软件一样，这些AI解决方案很容易被窃取和替换。如果这些解决方案不能打破自身一个漂亮、好用功能的固有形象与模式，在用户出现预算缩减时，他们很容易就会进行停用或替换原有方案。
该商业模型本身可能是我们最熟悉的，但这不一定会使它成为最佳的。
AI商业模式二：流程强化
尽管作用在流程，但在AI第二类的商业模型中，全新的AI产品根本不会改变现有的工作流程;它只是通过集成AI来提高当前工作流的效率。不过这些都是深度手动集成，需要大量的实施工作，当然其回报是大大改进了的流程。
这类的公司及服务产品包括Ayasdi、IBMWatson和H2O.AI。这些解决方案横跨不同的行业垂直市场，帮助客户改善核心业务的运营。以IBMWatson为例，它首次在电视节目Jeopardy中亮相，就利用自然语言回答问题，引起了国际社会的广泛关注。它可以实时分析大数据模式，并给予自己的见解，它甚至可通过复杂的传感器将数据传回电脑，来管理建筑物中的电梯。（尽管围绕其的争议也很多。）
这种AI商业模式不同于目前流行的云模式。它的缺点很明显:部署密集，销售周期长。同时低成交量意味着每笔交易都必须是大买卖，才能保证创业公司的产品销售。但这种模式的优势也是可观的，一旦实现，这些解决方案就非常具有粘性，并且可以很好地进行向上销售。就像AI的潜力一样，这个模型的ROI可能是无限的。
AI商业模式三:让机器独立
在第三个AI商业模式中，AI技术会通过引入智能，来帮助客户以更好的方式完成业务流程，从而改变了整个工作流程。该类AI“拥有”端到端的体验，几乎不需要人类的帮助，算法将自动完成运行。
这类公司包括自动驾驶汽车类服务公司以及无人机公司Kespry。后者的无人机可用于建筑、采矿或保险公司的数据收集。比如暴风雨过后，Kespry无人机可以评估屋顶的损坏情况，所以客户不再必需要在的屋顶上安装相应的设备，由于数据直接发送到云端，并使用AI电脑视觉进行分析，保险公司几乎可以立即估算出索赔数据。
因为这个模型涉及到硬件维护，所以它的优点和缺点与纯云模式不同。在这种模式下，硬件是成本中心，是创业公司必须运营和存储的商品。无人机(或车辆)内的AI软件是与众不同的IP，也是这类公司的收入来源。这些AI创业公司会向租用硬件的公司出售软件订阅包;这些订阅包可以随着时间的推移进行扩展，以完成更多工作。
总之…
未来可能会出现更多可行的AI商业模式。AI时代已经来临，投资者也还是从众心理。不过，他们要想找到AI成功的“正确”公式，还需要时间。
这对AI创业企业意味着什么呢?首先一个让企业有效成长的商业模式是必须的，然后向客户和投资者提供有意义的影响和价值。如果企业业务不符合大众熟悉的模式，这可能意味着他们需要更加坚决地捍卫自己的模式并对投资者和客户进行更耐心地劝，有时候，创业者的直觉反而比所谓的“分析”更可能为自己找到一条正确的道路。人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：1.人工智能时代，AI人才都有哪些特征？http://www.duozhishidai.com/article-1792-1.html2.大数据携手人工智能，高校人才培养面临新挑战http://www.duozhishidai.com/article-7555-1.html3.人工智能，机器学习和深度学习之间，主要有什么差异http://www.duozhishidai.com/article-15858-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
人工智能创业盈利点在何处
在AI创投界，仍有一个问题悬而未决：AI创业最可行的商业模式，依旧模糊不堪。 要知道，仅在中国A股市场，就有200多家大数据和人工智能企业，这还不算尚未上市的数以千计的初创企业。然而，不少投资人在抱怨，往来于各种AI论坛的光鲜中，那些科技新贵们看似群星璀璨，但真正在商业化上令人兴奋的公司数量，却非常惨淡。 前年年底，一篇《保卫科大讯飞》，更是揭开了AI团队遭遇BAT时的伤疤。文章导语写道：“近20年的技术积累能为科大讯飞暂时构筑一个壁垒，但不得不说，这个壁垒在互联网企业快速迭代的模式下，将会很快瓦解”——强如科大讯飞，也在巨头面前拉响警报，其他咖位尚浅的AI创业者，不禁感到惶恐。 他们在惶恐什么？ 回答这个问题，必须深谙AI产业链格局。 人工智能的产业链大概分三层。最底层是地基，包含云计算，芯片和开源框架等。这一层门槛高企，拿芯片来说，芯片市场的机会，留给了英伟达，高通这些赌资雄厚，永远也不下牌桌的“oldmoney”身上。 地基之上，是中间层。你熟悉的图像识别，语音识别等通用技术，就在这一层。你之所以熟悉，是因为这一层赛道宽阔，热闹非凡，攫取了媒体最多的聚光灯：BAT将其视作关键要塞，是他们搭建生态系统的核心；深耕技术多年的各路AI中小型团队，也在这一层挤得头破血流，他们不断吸取数据，精进算法，试图与巨头掰掰手腕。 但很遗憾，据我所知，不少投资人都倾向于认为：这一层未来仍是巨头的内斗。因为若不框定某个具体行业，BAT最不缺的就是数据；且所谓搭建生态系统，基本等同于未来通用技术一定全部免费，然后靠云计算等其他服务收费。而挤在这一层的AI创业公司，却只能继续靠技术本身赚钱，未来的路只会越走越窄（理由后面会说到）。 那么，天山神仙打架，小角色只配看个热闹？当然不是，AI世界不会如此无趣，AI产业链还有最上面的应用层：小角色最明智的打法，就是手握巨头们的技术武器，选择垂直领域，一头扎进去。 这并非什么新鲜论调，已是投资界共识，我今天更想说的是：人工智能创业，该扎进哪些行业。 按照迅雷创始人程浩老师的划分，人工智能与垂直行业的相遇，可细分为**“AI+行业”和“行业+AI”**。
“AI+行业”是指在AI革命来临前，世间不存在这样的产业，譬如无人驾驶和智能音箱，开辟了一条全新的产业链，创业公司与巨头处于同一起跑线，但事实上，这对创业公司是不利的，正因为起跑线的相对公平，巨头的数据优势，会让他们迅速拉开与创业公司的差距。 “行业+AI”是指行业一直存在，产业链成熟，只是过去完全靠人工，效率低，AI的辅助决策大幅提升了运行效率（比如安防和医疗等领域）——相比于“AI+行业”，“行业+AI”对创业公司更友好，也更易构建出行业壁垒。 在程浩老师看来，行业壁垒才是AI创业最夯实的护城河，巨头与创业公司唯有在“行业纵深度”这个泥泞的战壕里，才能达到真正意义上的公平——不只是起跑线公平，深耕的过程，同样公平。 他拿“医疗+AI”举例：“大量准确的被医生标注过的数据最重要，没有数据，再天才的科学家也无用武之地。但在国内，医疗数据拿出来非常困难，BAT做医疗一点优势都没有，他们要把这些数据从各医院、各科室搞出来也很累。相反，如果一个创业者在医疗行业耕耘很多年，也许拿起数据来比大公司更容易。 这与互联网+一样，一旦细分到具体行业，并不是说你百度、腾讯有资金、有流量，投入人才就什么都能做，比拼的还有行业资源和人脉……在巨大的行业壁垒面前，真不是说我的算法比你好一些，市场就是我的，只有技术优势仍然差的很远。 回归‘AI+行业’和‘行业+AI’，通常来讲前者的行业纵深比较浅，后者则有巨大的行业壁垒。而行业壁垒，则是创业公司最大的护城河，也是抵挡BAT的关键。”譬如，另一个有巨大壁垒的“行业+AI”案例是安防，海云数据创始人冯一村就曾坦言：“没有哪个创业公司像我们这样去扎一个行业。”这几乎是对“行业壁垒”理论的一种极端化描述：他们属于AI产业链最上层，选择了安防等“行业+AI”深耕；他们技术不错，但不靠技术本身赚钱，却赚了更多的钱。剖析这家闷声赚钱的公司，或许是探究AI商业模式的一条捷径。 在广袤AI的疆域，神仙有神仙的活法，精灵有精灵的活法，巨头们的生态博弈，并没有堵死创业者的路。 只靠技术赚钱，可能性不大 科技世界，最赚钱的公司往往不是聚光灯下的公司。 譬如在大数据时代（短暂流行过后，这个词已经老了），最赚钱的不是大数据公司，而是为大数据提供底层支持的云计算公司；而在人工智能时代，真正激发的是大数据市场，“AI最重要的逻辑是用数据做智能化训练，所以在人工智能时代，最赚钱的公司并不是像商汤和Face++这类的公司，不是说这些公司不赚钱，他们也赚钱，但他们的盈利模式并没有呈现很清晰的特点。” 其实就像冯一村所言，在不少投资人眼中，倘若人工智能团队的自我定位永远是“技术提供商”，没有给客户提供一套整体解决方案，那么它在产业链中的价值将会日趋暗淡。 这不难理解。原因之一，如前所述，就像那篇《保卫科大讯飞》所写，巨头会免费提供图像和语音识别等通用技术。原因之二，AI本身的技术门槛正在下降，就像猎豹移动傅盛所言：“深度学习的核心是数据驱动，虽然有模型调参，有自己的优势，但别人有更多的数据调参会很快拉平优势，很难真的想像一家公司通过提供技术输出就能成功。未来深度学习是基础的技术运用，很多公司都具备深度学习的研发能力。” 举个例子，在过去，初创AI团队的进展受制于软件开发所花费的时间，但如今，巨头们纷纷开源了自家的深度学习框架，初创团队可以如插件一般，将人脸识别等技术嫁接到自己的系统中，让没有太多深度学习背景的开发者也能容易上手。 换句话说，单纯靠技术本身卖钱，天花板很低，也很危险。 那么问题来了，AI创业路在何方？ 我认为，最可行的出路，来自于程浩提出的“一横一纵”理论： “一横”是指你提供的技术服务，通常“一横”能服务很多行业，但一定要找到几个最有机会的垂直市场，深扎进去，升级为“一纵”——也就是，把技术转化为产品，卖给客户，商业变现，再通过商业反馈更多数据，夯实技术，形成商业闭环。 总之在我看来，随着未来技术门槛的下降，AI创业者的身份认同，要从最原始的“技术提供者”，逐渐转向成为一个“行业专家”。而在这个过程中，他们应时刻谨记两点：1，面对自己时，深耕几个垂直领域，然后等待时间的回报；2，面对客户时，从技术提供者进化为一个“赋能者”，授之以鱼不如授之以渔。 授之以鱼不如授之以渔 AI创业者深耕具体行业，还有另外一个原因：AI将在***ToB***和***ToG***领域率先落地。
其实不止人工智能，追溯历史、计算机、互联网、智能手机，任何颠覆性技术的发展路径大抵相似：缘起于军方和政府（我一直觉得，冷战时期的美军是人类史上最大的“黑科技集中营”，这篇不赘述了），待到技术相对成熟后交还与企业，然后用于特定行业，最后变成大众消费品——AI亦如此，去年AI的落地过程，其实更多是向ToB和ToG等传统行业渗透的过程。 而人工智能ToB和ToG落地的第一站，很多都是在传统行业，用AI进行辅助决策。拿海云举例，他们大数据可视分析起家，现在把AI与可视分析技术结合，选择四个“行业+AI”深耕：公共安全，交通运输，军民融合和智慧城市，推出与这些行业结合紧密的解决方案，提升客户数据决策能力。 颇值一提的是，他们在与行业客户交流中发现，客户真正需要的其实不是提出的具体“技术需求”，而是一整套随机应变的综合能力——授之以鱼不如授之以渔，海云数据因此提出了**“能力服务”**的概念，这一概念现阶段的标志物，就是图易AI能力服务平台。 这一平台可以通过整合软件、硬件、数据和算法，实现全程“无代码化”，客户可根据不同需求，对海云提供的模块进行拖拽和组合，自己构建智能数据处理模型。他们今后可根据不断增加的业务需求，不断更新自己的能力矩阵，如同搭积木一样，完成业务的效率提升和数据决策价值变现。 以安防领域为例，基于图易研发的“智警大脑”可以通过人脸识别（利用了百度的开放技术）进入后台，然后通过语音指令调出事故现场视频，附近的警力、周边卡口、情报分析情况、犯罪嫌疑人的路径、重点嫌疑人的档案等节点，可以瞬间通过一张图和一张网的形式，让公安人员实时看见，确保在事故发生后公安部门能快速处理。 目前智警大脑已服务全国超过三分之一的公安市场，使公安情报分析准确率提升70%，指挥决策效率提升50%。 而从智警案例中不难发现，在“行业+AI”的落地过程中，最重要的是提供一个综合解决方案。智警大脑融合了通信技术、语音识别、人脸识别等AI技术，以及海云最熟悉的大数据可视分析技术，通过将它们封装成一套解决方案，让客户瞬间完成决策能力的跃迁。 除了公共安全，图易AI能力服务平台也在完成对其他行业的改造。譬如在智慧城市建设中，它能综合处理调度整个城市的公共数据，对城市进行全局实时分析，自动调配公共资源，提升城市综合治理水平，使紧急事件响应从8分钟降低到4分钟，减少犯罪率和改善应急服务。 而在交通运输领域，脱胎于图易的“智航顺”可以为机场接入400多个数据源，集成多种类型架构的数据，并在所有机场功能中生成单一的运行健康指数实时视图，可使飞行支援准备时间缩短33%，航班延误率降低一半，提高机场资源利用率28%。 最后想说，在整个“行业+AI”市场，将自己定位于“行业专家”，为客户真正赋能的AI团队，不只海云一家——事实上，在这片叫做人工智能的草原上，倘若将BAT比作不可一世的雄狮，那么这些团队就像一只只勤勉的穿山甲，它们力量或许显得卑微，但经过时间的陈酿，经过多年的深耕，穿山甲们也终将在各自领域“拱”出一方天地。 也正因如此，这片草原，才显得生机勃勃，光芒万丈。
参考文献[1]http://mini.eastday.com/mobile/180204074933091.html