文章图片

02
“天才公司”的蜕变
早在成立之初 ， 格灵深瞳就被视作AI行业的“天才AI公司” ， 同样它也是投资人眼中的香饽饽 。
这并不奇怪 ， 因为格灵深瞳的创始人兼“1号”核心技术人员赵勇本身就自带光环 。 他毕业于美国布朗大学计算机工程 ， 并曾在谷歌总部研究院任资深研究员 ， 也是Google Glass最早期的七位设计者之一 。
此外他还曾经担任安卓操作系统中图像处理构架的设计者 。
2013年和2014年 ， 格灵深瞳分别拿到真格基金和策源基金的100万美元A轮投资、红杉资本领投的1700万美元的B轮投资 。
后来 ， 经历了核心技术形成的初期和商业化探索阶段 ， 格灵深瞳终于开始腾飞 。
从2013年到2022年 ， 格灵深瞳完成了这场独属于它的“成长蜕变” ， 从一个“天才公司”成长为一家从技术、场景落地到财务数据上实现了“看得远、行得稳、立得正”的三位一体AI公司 。

文章图片

来源：招股书
03看得远：选最难的技术之路
格灵深瞳从创始最初就是一家坚持技术为先的公司 ， 这正是它“看得远”的属性所在 。
而对内 ， 公司拥有了19项发明专利、6项实用专利、4项外观设计专利及77项软件著作权专利 。
目前 ， 格灵深瞳已经形成了基于深度学习的模型训练与数据生产技术、3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨境追踪技术和机器人感知与控制技术等五大技术方向 。
但这并非没有风险 ， 在早期 ， 格灵深瞳的研发成本较高 ， 实现商业化的时间也较晚 。 但看得远之后 ， 行得更稳 。
格灵深瞳的3D立体视觉技术方向布局包括多目传感器标定与深度估计技术、运动姿态分析技术、3D重建与立体视觉分析技术 ， 其中3D重建与立体视觉分析是一项关键性的基础技术 ， 技术先进性体现在点云配准 ， 即通过对同一坐标系下的不同视角下的点云数据进行矩阵变换 ， 从而实现目标的完整的3D模型重建 。
在该领域 ， 公司更是提出了基于全局信息的重叠点预测模块以及基于 Transformer 的非重叠点过滤模块 ，有效提升了点云局部和局部配准的精度 。
数据显示 ， 格灵深瞳在 ModelNet40 数据集上旋转角度误差（即参照定点 ， 拟合数据与真实图像之间的夹角）评估指标可达到 1.16° ， 是该领域技术指标的最好水准 ， 比第二名的精度提升30% 。
来源：公司公告《发行人及保荐机构回复意见（2021年半年度财务数据更新版》
注：其中Error与MAE均代表误差 ， 值越小越好 。
因此 ， 它也成为了国内能够利用3D立体视觉技术形成下游商用化落地的唯一一家AI公司 。
04行得稳：落地场景多样化
选择更长远的技术终究仍只是“看起来很好” ， 最终要落到现实层面 ， 关键的一步还是——商业化 。
这也是困扰整个计算机视觉领域几乎所有AI公司的难题 。
此前的“四小龙”为自己选择的落地道路也各有不同： 旷视科技选择物联网、商汤科技选择做平台、云从选择了金融 ， 而依图则选择了最为传统的安防 ， 后来又直接转向了基础层的AI芯片 。
而对于选择了一条“少有人走的技术路线”的格灵深瞳来说 ， 其商业化选择也变得至关重要 。
招股书显示 ， 目前格灵深瞳覆盖的下游主要包括城市管理、智慧金融、商业零售、轨交和体育健康领域 ， 其中城市管理所占比重最大 ， 但随着时间的推移收入比例正变得越来越均衡 。