商汤科技通过港交所聆讯，募资或超10亿美元

机器之心报道

编辑：泽南

商汤将成为 IPO 融资规模最高的国内 AI 公司。

11 月 22 日晚间，据港交所文件显示，商汤科技（SenseTime Group Inc）已通过上市聆讯。联席保荐人为中金公司、海通国际和汇丰银行。

从今年 8 月底提交申请到 11 月通过聆讯，商汤的上市进程进行得可谓顺利。该公司有望在年内挂牌上市，成为国内 IPO 融资最高的 AI 独角兽。

商汤科技由汤晓鸥等人成立于 2014 年，在国内一直与旷视、云从、依图三家 AI 创业公司被并称为「AI 四小龙」。最近一段时间里，四家公司都开始了上市的步伐。

根据公开资料统计，从 2015 年至今，商汤科技已融资 12 轮，共计 52 亿美元。由于商汤的市场份额、融资规模在四小龙中都位列第一，因此其赴港上市的过程备受关注。根据第三方咨询机构 Frost&Sullivan 此前发布的报告显示，在 2020 年，商汤是亚洲收入排名最高的 AI 公司，占据中国计算机视觉市场 11% 的市场份额。

从商汤的招股书中我们可以看到，该公司 2020 年营收 34.5 亿元，2021 年上半年营收为 16.5 亿元。同期亏损分别为 8.8 亿元和 7.3 亿元。不过截至今年上半年，商汤科技的现金及现金等价物为 89.26 亿元，资金较为充裕。

由于 AI 四小龙近期均已申请或申请过上市，根据公开的资料可知，商汤营收远远超过其他三家。

商汤科技长期专注于计算机视觉和深度学习技术的研究与应用。如今随着业务的发展，商汤已发展出以原创技术体系为根基，SenseCore 商汤「AI 大装置」为核心基座，布局多领域、多方向前沿研究，覆盖 AI 在各垂直场景中应用，面向行业赋能的业务体系。

基于人工智能基础设施 SenseCore，商汤提供通用化的 AI-as-a-Service 能力，主要拥有四个方向的产品，分别是面向智慧商业场景的方舟企业开放平台、面向智慧城市的方舟城市开放平台、面向智慧生活的 SenseME、SenseMARS 及 SenseCare，以及面向智能汽车的 SenseAuto（商汤绝影智能汽车平台）。

商汤指出，SenseME、SenseMARS 等业务已让商汤成为最大的元宇宙赋能平台之一，「我们的 SenseMARS 软件平台内含 3500 个人工智能模型，支持感知智能及混合与增强现实系统（MARS），创造了全新的元宇宙体验。」

最新披露的聆讯后资料集显示，2021 年上半年，其智慧商业业务有 635 名客户，智慧城市业务为 119 名客户，智慧生活业务为 155 名客户，智慧汽车业务为 13 名客户。

截至 2021 年 6 月 30 日，商汤软件平台客户数量合计超过 2400 家，其中包括 250 家《财富》500 强企业以及上市公司，119 个城市以及超过 30 余家汽车企业，赋能超过 4.5 亿部手机以及 200 多款手机应用程序。

商汤的四大业务线中，智慧商业以及智慧城市贡献的营收较多，分别占 39% 和 47%，智慧生活与智慧汽车业务营收占比则在 10% 以下。

对于外界来说，这是一家技术实力雄厚的公司。自成立以来，商汤在各项工作全球竞赛中已获得超过 70 个冠军，发表过 600 余篇顶级学术论文，并拥有 8000 个专利及专利申请。

商汤科技创始人，香港中文大学信息工程系教授汤晓鸥（左）是 AI 领域著名学者何恺明的导师。

2019 年 10 月，商汤科技被列入美国商务部「实体名单」，这限制了公司获取某些源自美国的技术的能力。

目前商汤最大股东为创始人汤晓鸥，持股比例为 21.73%，CEO 徐立持股 0.9%，王晓刚持股 0.73%，徐冰持股 0.33%，SenseTalent（徐立、王晓刚、徐冰等人所持 B 类股票）占 12.17%。核心机构投资占比：软银 14.88%、淘宝中国 7.59%、春华资本 3.08%、银湖资本 3.05%。

在 IPO 的募资用途上，公司预计将有 60% 用于研发，其中 10% 用于扩大 AIDC（上海临港大型人工智能计算与赋能数据中心）算力，10% 用于加强人工智能芯片的设计能力及开发自有的人工智能芯片解决方案，15% 用于提升与人工智能模型有关的能力，25% 用于进一步开发产品，并增强其他人工智能研发能力， 以维持行业领先地位。

商汤上市前最后一轮融资于 2021 年 6 月完成，其时估值达到 120 亿美元。但在上市之后，我们是否能够看到相应的市值还存在疑虑——目前为止，公司尚未进入盈利阶段。

商汤科技在港交所的聆讯后资料集：https://www1.hkexnews.hk/app/sehk/2021/103756/documents/sehk21112201308_c.pdf

详解NVIDIA TAO系列分享第2期：

基于Python的口罩检测模块代码解析——快速搭建基于TensorRT和NVIDIA TAO Toolkit的深度学习训练环境

第2期线上分享将介绍如何利用NVIDIA TAO Toolkit，在Python的环境下快速训练并部署一个人脸口罩监测模型，同时会详细介绍如何利用该工具对模型进行剪枝、评估并优化。

TAO Toolkit 内包含了150个预训练模型，用户不用从头开始训练，极大地减轻了准备样本的工作量，让开发者专注于模型的精度提升。本次分享摘要如下：

• NVIDIA TAO Toolkit的独到特性
• TensorRT 8.0的最新特性
• 利用TAO Toolkit快速训练人脸口罩检测模型
• 利用TensorRT 快速部署人脸口罩检测模型

点击 阅读原文 ，报名直播吧。

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com