定增不超36.4亿搞大模型！云从科技研发不止，亏损未断
五一假期前夕，上市公司云从科技（688327.SH）定增计划获得上交所受理。具体而言，云从科技募集金额不超36.35亿元，拟全部用于云从“行业精灵”大模型研发项目。
值得一提的是，随着ChatGPT出现，进一步确定大模型作为人工智能主流技术路线的趋势。
受此影响，深耕人工智能赛道的云从科技股价迎来的大涨，股价从2022年底15元/股左右到今年4月4日一度上涨至61.8元/股，至最新收盘价报37.72元/股。
不过，云从科技曾回应称，未与OpenAI、谷歌等合作，包括但不限于ChatGPT在内的GPT类产品和服务未带来业务收入，且其在大模型业务领域同样未产生收入。
可也很显然，云从科技看到大模型带来的“疯狂”，于今年3月底正式启动了前述定增计划，同时正值股价迎涨的高峰阶段。
需特别指出是，云从科技在去年5月27日登陆科创板，仅一年时间，其再次募资不超36.35亿元。另从业绩上看，仍亏损的云从科技目前尚难以将对科研投入有效转化为商业价值。
01 加码大模型研发，四项具体建设内容
2022年底，OpenAI公司发布了ChatGPT人工智能应用程序，底层技术是通用人工智能大模型，有效解解决当前人工智能边际效应低的难题。
所谓的大模型，指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型。
于云从科技而言，算法研究团队选择“预训练大模型+下游任务微调”的人机协同技术范式，陆续在NLP、OCR、机器视觉、语音多领域开展预训练大模型的实践。
以金融行业为例，数字员工等解决方案在“AI代人”处理客户交流的场景中，将通过大模型技术实现高质量人机交互水准，提升产品营销、客服、不良催收的业务效率。
对此，云从科技表示，将与头部客户和解决方案提供商一起，通过建设金融行业大模型，孵化构建新型产品和解决方案，如提供授信、审批等报告的自动数据报表分析、报告撰写工具。
按照云从科技计划，2023-2024年，通过金融大模型的构建和完善，公司金融行业解决方案将全面覆盖金融前中后业务；到2025年，初步形成基于公司和主要伙伴共同构建的行业大模型为基础的金融行业智能解决方案生态，服务主要金融客户。
类似地，在智能制造、机场交通等领域，云从科技也将利用大模型带来的认知能力跃迁，不断形成和完善新的核心业务智能化解决方案，实现人机协同操作系统的开放生态。
此外，“行业精灵”大模型研发项目的具体建设内容有四项，包括：标杆行业专用大模型的研究与构建；人机协同操作系统对多模态大模型的整合与综合实践；数字人应用产品的标杆打造和生态建设；人机协同操作协同和行业大模型在行业智能化升级领域的实践。
02 与商汤对比，谁更胜一筹？
放眼到行业中，“AI四小龙”中，今年4月，商汤科技先于云从科技等发布了“日日新SenseNova”大模型体系，推出自然语言处理、内容生成、自动化数据标注、自定义模型训练等多种大模型及能力。此外，其还确定以“大模型+大算力”推进AGI（通用人工智能）发展的战略布局。
其中，在算力方面，商汤科技智能计算基础设施—SenseCore AI大装置基于2.7万块GPU的并行计算系统实现了5.0exaFLOPS的算力输出，有效支持最多20个千亿参数量大模型（以千卡并行）同时训练，最高可支持万亿参数超大模型的训练。
且目前，SenseCore已支持了超过10个大模型训练项目，包括语言大模型、文生图模型，、视觉大模型、多模态模型等自研模型和客户自定义模型。同时，商汤科技面向8家大型客户支持了7000多张GPU的计算资源，以服务其自定义的大模型训练任务。
对比来看，云从科技从2019年开始在多个领域实践“预训练大模型+下游任务迁移”的技术范式，产生多个百亿参数以内规模的模型。而根据报道，“日日新”大模型同样自2019年开始研发，目前整体参数达到5000亿，今年目标达到万亿。
03 持续亏损，研发费用率居高不下
豪掷超36亿元，云从科技用于研发大模型。而一直以来，云从科技对研发投入毫不“吝啬”。除2018年外，研发费用率均在50%（含）以上。
其中，2022年，云从科技在研发上投入达5.6亿元，占营业收入的比重达106.45%。进一步来讲，仅研发上的支出成本就覆盖掉云从科技的获得的收入，同期归母净亏损达8.69亿元。
2021年，云从科技录得研发费用率近50%，不过也未逃脱亏损的命运，即6.32亿元。另2019年、2020年及2023年第一季度，其归母净亏损分别为6.4亿元、8.13亿元、1.42亿元。
于身处人工智能赛道的科技公司而言，云从科技增加研发费用，无可厚非。其在上市招股书中表示，公司的业务处在快速扩张期，未来一定期间可能持续亏损。
不过，所研发出的技术要最终落实到应用，并带来更多的商业价值。且虽说人工智能能够引发时代变更，可巨大浪潮之下内卷之风也在不断加剧。在一轮又一轮竞速中，云从科技如何保持技术优先性且有效落实商业场景，成为其面临的首要难题。