頭條楓林網商湯科技SenseTime正在變成一台融資機器。
過去一年（嚴格來說只有11個月），商湯科技這家曾明確表示不以融資為目的的人工智能初創公司，火速完成了三次大的融資和一次小的融資——
2017年7月11日完成 4.1億美元B輪融資 ，當時創下了全球人工智能領域單輪融資最高紀錄，其中包括由鼎暉領投的B-1輪，由賽領資本領投、近20家頂級投資機構、戰略夥伴參投的B-2輪 ；
同年11月15日，又獲得了 高通數千萬美元戰略投資 ；
2018年4月9日獲得 6億美元C輪融資，估值超過40億美元 ，由阿里巴巴集團領投，新加坡主權基金淡馬錫、蘇寧等投資機構和戰略夥伴跟投；
5月31日，商湯科技今天宣布獲得 6.2億美元C+輪融資 ，由多家國內外投資機構和戰略夥伴參與，聯合領投方包括厚朴投資、銀湖投資、老虎基金、富達國際等，深圳市創新投資集團、中銀集團投資有限公司、上海自貿區 基金、全明星投資基金等跟投，高通創投、保利資本、世茂集團等作為戰略投資人參與。
商湯科技表示， 本輪融資結束後，其估值超過45億美金 ，繼續保持全球總融資額最大、估值最高的人工智能獨角獸地位。
在11個月內，商湯科技融資額超過16.3億美元，加上高通的數千萬美元投資，再加上B輪之前一共融了差不多4000萬美元……這意味著從2014年創立至今， 商湯科技的融資總額可能已超過17億美元。
去年的商湯人工智能峰會上，商湯科技副總裁柳鋼在接受虎嗅採訪時表示，商湯不是一家以融資驅動的公司，有很多機構爭著想投資，但不是誰想投就可以投的 。
但過去一年商湯頻繁的融資節奏和龐大的融資金額，很難讓人相信它不是以融資為驅動的。
這當然可能是客觀原因造成的，即儘管蹭人工智能這波浪潮的創業公司無數，但真正有核心技術的少之又少，商湯科技成為資本眼裡的“唐僧肉”就不足為奇了 ，另一家是曠視科技，去年10月31日，曠視獲得了4.6億美元的C輪融資，打破了商湯科技此前的單輪融資紀錄，但其此後再也沒有宣布過融資消息，反而 是商湯科技不停地宣布融資。
站在我個人的角度上，我對商湯科技好感陡增源於其創始人湯曉鷗去年在清華大學對馬化騰說的一番話，當時他抱怨現在對創業公司首先面對的問題是站隊，站隊 阿里還是站隊騰訊，“從我們的角度來說，我們是很願意跟大家（BAT等）都合作的”，“我們做學術的是有骨氣的，就是說’不能為五斗米折腰’。”湯曉鷗 說。
但今年4月份商湯拿到的C輪由阿里巴巴領投，似乎推翻了湯曉鷗此前不站隊的言論，外界紛紛認為商湯科技成為了阿里系的一員。
市場還曾傳言，商湯跟投資者之間簽有對賭協議，但2017年11月29日 在接受量子位採訪時，商湯科技聯合創始人、副總裁徐冰極力否認 ，並強調商湯科技在融資中處於強勢地位：“跟商湯談投資的投資人，沒有任何條件可談。一定是以商湯公司利益為主；一定是以如何讓我們這麼一個團隊，掌握 公司控制力和管理能力為主；一定是以未來能夠做大為主。”
今天，商湯科技在新聞通稿中表示，其在2017年已實現全面盈利，並在智慧城市、智能手機、互聯網娛樂、汽車、金融、零售等行業實現快速落地，其業務營收連續三年 保持400%同比增長，快速結合場景落地，2018主營業務合同收入同比增長10多倍。 並曬了最近一個多月的成績單：
與國內最大地鐵公司上海申通地鐵簽約，落地交通出行場景；
與成都市簽約，落地一帶一路區域總部，拓展西部市場；
與阿里巴巴集團、香港科技園聯合成立香港人工智能實驗室，成為首個響應中央政府號召支持香港國際科創中心建設的項目；
與美國麻省理工學院（MIT）簽定戰略合作，共同推進AI學術科研突破；
與華東師範大學等共同發布全球第一本人工智能高中教材，並與清華大學附中、上海交大附中等40所國內重點中學簽約，開設人工智能課程，推動AI在教育行業的落地。
商湯科技表示，C+輪融資後，將繼續加大研發和人才方面的投入。 據虎嗅了解，商湯半年前引入了一位高管張文，並為其設立了一個總裁的職務，此後張文主導了商湯與上海、成都等城市的合作落地項目。
4月25日，距離其宣布C論融資剛剛過去兩週，商湯在北京召開了2018年商湯人工智能峰會，由於剛剛宣布獲得6億美元融資，所以這場峰會開得底氣十足，現場人滿為患 。
但願商湯別被融資沖昏了頭腦。
附上商湯科技聯合創始人、CEO徐立4月25日接受虎嗅採訪的部分內容：
虎嗅：為什麼標榜“原創”，不標榜會怎樣？
徐立： 這個我覺得是價值觀的差異。 比如說中國原創的操作系統，大家都覺得很有必要，但是這麼多年來美國開源Linux，每一行代碼都開放，那麼中國很多公司都說自己有自主知識產權，但是都是基於Linux上面開發應用的 ，所有的服務器都用的Linux系統。 或者說手機端的操作系統，中國用得最多的是安卓，安卓也是谷歌的開源系統，大家又說自己有自主知識產權，但其實底層的東西都不是自己做的。 那麼這個會影響什麼？ 可能也沒什麼影響，只要開源的東西存在，大家就都能用。
反過頭來說，我們認為真正能夠顛覆的東西，第一是要處於技術快速發展期，第二要站在技術最前端。 所謂最前端，那麼要做的事情就是真正的、突破性的、原創的東西，要花的力氣就要更大。
不是別人不知道做系統的價值高，只是別人不願意花那麼大的沉沒成本。 如果我們在做創業公司，在做操作系統上的應用，發現Linux已經做了20年了，該怎麼去投入超過20年甚至是50年的沉沒成本去做這樣的系統？ 這個投入產出比，在不平衡的情況下，很難有人真正意義上去推動整個行業的發展。
但是從我們的角度來看，技術能夠帶來的壁壘一定在於需要明顯的突破性。 如果跟隨別人，用share的技術，或者谷歌的技術來搭建平台我們也能幹，因為谷歌沒有限制中國企業不能使用；但是搭建平台之後，我們的技術發展路線就會完全限制於谷歌的速度。
所以我們所謂的原創，就是從源頭掌握技術的核心鏈條，而不是說只在一個產業方向上擁有自己的自主知識產權。 比如說，現在可以用谷歌算法來做識別功能，也是有自己的自主知識產權，也可以做商業模式，但是如果谷歌不推進，自己的識別功能也到了瓶頸的話，那很可能就不能往下推進 了。 所以我們所謂的原創是，從零開始打造基礎，從基礎端往下擴展。
有一組數據是中國投資和美國投資的對比。 大家會發現很有意思，就是美國投資相對來說比較平衡，也就是說從基礎的操作系統、芯片端，到技術端再到到應用端的投資，都是相互平衡的。 但是中國的投資是不平衡的，對應用的投入超過百分之八十，也就是 中國人都喜歡看得到、離錢近的，但是對於基礎的架構不太重視， 大家會想幹嘛不用別人呢？
這個情況下什麼叫原創？ 我們認為原創就是要把底層的東西補起來，現在芯片只是其中的一個內容。
商湯的核心理解是，在中國很多人都覺得新出現了一個“快速迭代”的概念。 快速迭代，其實就是拿來主義，所謂拿來就是拿來別人的東西自己用，然後獲得商業成功；商業成功之後，再去補自己的短板。 這個模式是肯定可以行得通的，因為中國過去二十年來基本上都是這個模式。 很多成功的企業都是以商業模式的成功，再倒推到技術成功。
但是現在有兩個核心點。 第一是技術發展勢頭非常快，軟件的技術、算法的技術，都達到了摩爾定律的速度 ，在美國每十八個月性能甚至會翻一番。 在這樣的情況下，算法本身可以帶來足夠的時間窗口去佈局。
第二的話就是算法的通用性、實用性以及持續性，其實已經漸漸顯示出端倪。 這才是我們在這個階段上為什麼想要專注於把整個鏈條建立起來，這樣我們形成的壁壘就比較長。 所以我說的“原創”不是說別人沒有原創，只是強調我們從零開始，搭建架構擁有自主的能力。
虎嗅： 你覺得AI時代最核心的技術應該是什麼？
徐立： 首先，AI的技術是底層的技術，關鍵在於底層如何利用硬件形成一個平台的訓練系統。 現在的AI是在“造生產力工具”，我們稱之為“造腦”。
我們把人工智能分成兩個階段： 2010年之前稱為叫數據驅動的時代 ，就是大部分是人的知識去指導機器，專家系統也都是加了人的知識在裡面； 2010年之後就進入到了純數據驅動的時代 ，純數據驅動的核心就是要造一個“大腦”，數據就相當於他學習教材讀書，大腦聰明不聰明是關鍵。 書就是數據，但是大腦的聰明程度決定了這個系統的能力性。
AI的核心能力在於，第一要有造腦的工具。 造腦的工具如果都是別人的，那很難往新的方向去造腦。 如果現有的造腦工具不合適，肯定就造不出來。 舉例來說，谷歌和Facebook都開源了，他們都是造腦的工具；但是反過頭來，如果還用別人的造腦工具，造腦的能力和腦容量就受到了限制。
第二件事情就是造腦的專業知識。 就是即使有了工具，也需要有一個團隊知道怎麼去造腦。 所以這兩點是AI領域的核心差異化，就是如何結合應用去造出大腦。 這個能力恰恰是需要厚積薄發的，不是說AI突然間火了，隨便組建一個團隊就能做的。
我們能夠做的就是在現有的大腦上面做應用，把應用做好，把產品化搞得更豐富。 比如一個很好的人臉識別系統，既可以做門禁，也可以做簽到，甚至還可以做VIP識別，也可以做會場系統。
現在的行業，大家更關心有沒有創新產品，但是對於人臉系統算法是不是原創的並沒有那麼關心，對於訓練人臉大腦的引擎是不是原創的更不關心，對於底層的架構和服務器是不是 能夠原創地聯繫起來、機器之間是否存在聯接、是不是獨創的，可能就更沒有人在意了。 所以我們覺得造大腦的能力是關鍵，其次才是和行業結合的應用。
虎嗅： AI這個技術下一步最大的突破，或者是最需要攻克的難關是什麼？
徐立： 其實每一波都有新浪潮。 所謂的浪潮，這波帶來的還是智慧勞動力。 其實是希望AI在某些垂直行業能夠突破人本身的能力。 在突破過程中，很核心的一點是，就算有了造腦的工具，但還是需要特別強的造腦工程師知道怎麼去做。 現在的突破是，可能不需要研究人員的能力，這個大腦可以自主學習，面對任何一個垂直的任務，都可以找到一個自有解決方案。 這樣就可以知道每個任務中有沒有達到人的準確率，如果達到的話就繼續推廣產品，如果沒有達到可能就是目的算法有一些缺陷。
目前來看，自動的大腦生成系統在未來一到兩年內成熟度會比較高。 現在的自動系統是大腦的每個模塊相對固定，而其中模塊的擺放是渲染出來的；實際上未來可以實現整個結構都進行顛覆的變化。
AI的發展，以前是目標固定，然後是網絡結構固定，但網絡參數是訓練出來的。 現在是目標固定，就是結構和參數都可以訓練出來，再往後就是對整個行業的顛覆，就是目標的確定性。
機器現在還是在指定目標下完成特定任務，但是未來會在指定目標下學習網絡、結構、參數這三個東西。 現在是參數學習，未來是結構學習，再以後是目標學習，給出一些數據內容之後，就會發現機器可以學出某一種非指定的特定能力。
到了那個階段，機器可以figure out出來一些意料之外的能力。
未來面前，你我還都是孩子，還不去下載 虎嗅App 猛嗅創新！