4 月 16-19 日，AI 公司「外出问问」在港交所招股。
据悉，外出问问的港股打新持续火爆，首日发售超额认购超 8 倍，目前已近 30 倍覆盖。另招股首日，国际配售部分已超额，其中国际及中资意见领袖型机构均积极下单参与。
除了 AIGC 风口之上的赛道火爆，在二级市场，更有分析师将外出问问定位为「唯一盈利的 AIGC」股。目前，热炒一年多的生成式 AI 海潮在二级市场并没有太多标的。因此，外出问问的上市对二级市场来说是一个很好的补充，市场本身表现出了一定的热情。
从招股书中看，外出问问的商业模式十分清晰，来自 AI 软件收入持续扩张，并且已于 2022 年兑现盈利，打破了二级市场对 AI 标的盈利遥遥无期的顾虑。
24 日，外出问问将正式以 “2438” 的股票代码在港交所主板挂牌上市，成为「AIGC 第一股」。
从初创至今的十二年，外出问问已是国内人工智能领域元老级的公司。2012 年，外出问问创始人李志飞从谷歌研究院离职，回国以语音交互方向开始守业，是国内最早一批的人工智能守业者。
2023 年初，由 ChatGPT 点燃的生成式人工智能海潮下，由于李志飞本人自然语言处理专家的背景以及外出问问在语音交互与生成式 AI 的积累和提前布局，李志飞成为最早掀起中国大模型热潮的守业引领者和专家。
从 AI 语音起步到现在的 AIGC 大模型，从深度学习革命的第一波海潮到生成式人工智能的大模型海潮，外出问问在十二年的守业过程中兑现了周期穿越，走出了一条属于自己的技术创新和商业化之路。
2022 年已兑现盈利，AIGC 业务复合年增长率超 300%
招股书中，外出问问定位为一家以生成式 AI 与语音交互技术为核心业务的 AI 公司。目前，外出问问共有两条主要业务线：AI 软件解决方案与智能设备。
AI 软件方案方面，针对 C 端内容创作者推出 AIGC 全栈解决方案，包括 AI 配音助手 “魔音工坊” 及海外版 “DupDub”、提供虚拟直播的 AI 数字人 “奇妙元”，以及短视频 AI 生成平台 “元创岛”。
针对企业端，外出问问为汽车、金融、TMT 及其他行业量身定制 AI 软件解决方案 “奇妙问”，提供 AI 语音交互解决方案，用于车载、AI 反欺诈，以及智能客服等场景。
自 2020 年以来，外出问问在全球拥有超过 1000 万名 AIGC 解决方案用户，推出 AIGC 解决方案以来的 AIGC 付费用户超 86.5 万名，已产生 100 多万笔付款。
财务方面，目前外出问问已连续两年兑现盈利。2021 年 – 2023 年，公司的营收分别为 3.98 亿元、5 亿元、5.07 亿元；毛利率分别为 37.5%、67.2%、64.3%；经调整净利润分别为 – 7344 万元、1.09 亿元、1754 万元。
值得注意的是，外出问问来自 AI 软件的收入占比在近两年持续扩大，并且在 2023 年超过此前外出问问的第一大营收 AIOT，成为外出问问的支柱产业。
具体数据显示，外出问问 AI 软件收入从 2021 年的 0.60 亿元增长到 2023 年的 3.43 亿元，年复合增长率 140%，对应收入占比从 2021 年的 15% 上升到 2023 年的 67.7%。
另外，招股书显示，该业务线营收的大部分扩张主要是由于 AIGC 解决方案的付费用户数量增加，导致 AIGC 解决方案的收入增加。其中，公司从 AIGC 解决方案获得的收入增速迅猛，2021 年至 2023 年分别为 682.2 万元、3985.7 万元和 1.18 亿元，复合年增长率超 300%。
2022 年及 2023 年，外出问问毛利及毛利率亦有所改善，毛利润分别为人民币 1.492 亿元、3.362 亿元、3.261 亿元，近三年毛利率分别为 37.5%、67.2%、64.3%。
产模连系，构建独特的增长飞轮
整体上看，外出问问的商业模型包含三层。
在底层，利用此前的积累，构建自己的大模型底座。2020 年，外出问问推出自主研发的通用大模型 “UCLAI”，该模型后于 2023 年升级为多模态大模型「序列猴子」。「序列猴子」以语言为核心的能力体系涵盖 “知识、对话、数学、代码、思维链、规划” 六个维度。基于这个大模型底座，外出问问以 AI CoPilot 的产物形式面向企业和个人提供产物解决方案，主要服务内容创作者与中小企业。
这个商业模型不同于主打模型和主打应用的两条路径，外出问问选择在模型和产物两端共同发力。外出问问创始人李志飞将这种模式定义为 “产模连系”——「产」指 AI 产物，「模」指 AI 大模型，这不仅仅是文本大模型 LLM，而更是大一统的多模态大模型（LUM：Large Unified Model）。
「产模连系」，即产物和模型一体化，如果一家公司既有产物、又有模型，那么这家公司就更有机会形成数据飞轮，具备更强的核心竞争力。
“大模型像个吸金黑洞，国内的投资环境也不乐观，多数守业公司如果没有自己产物的造血功能，想依赖一轮接一轮的融资，是不可持续的。应用产物测的反馈，无论是 bug report，还是场景数据，对于模型的闭环健康发展以及建立场景应用的护城河都是极为重要的。” 李志飞表示。
有着实际数据指标的「产物」如同灯塔，为航行中的游轮指明方向；「多模态大模型」则像游轮的发动机，为不同模态的多艘游轮提供源源不断的动力。
李志飞认为，产模连系的路径对效率的提升毋庸置疑：
首先，拥有自己的模型，产物问题可以得到快速响应。很多公司的产物面向海量用户，难免遇到紧急的需求或者问题。在此情况下，有自家模型的公司可以快速调整底层逻辑或数据，做到第一时间解决问题，而调用其他大模型的公司，难以与之匹敌。
其次，自己的模型让成本更可控。在当下主流的 Maas 收费模式下，比起那些只能依靠调用外部大模型 API 来做产物的公司，有自己模型的公司可以多种方式降低产物开发和运营的成本，无论是模型的继续训练、微调、RLHF、In-Context-Leaning 的模版设计，还是为了应对实时推理环境下高并发的需要对模型所做的 “蒸馏”。
第三，产模连系的公司可以做到针对用户需求进行可配置能力的开发。例如，针对用户的数据安全 concerns，可以快速兑现特定场景下的可配置模型的开发。这包括智能体外挂、场景配置以及灵活部署（例如让数字员工适配不同的大屏硬件）。这样的灵活性带来了效率的提升和品质的保障，也为产物的快速迭代（例如，至少常规保证周迭代）成为可能。
当然，产模连系最大的魅力，更在于它能够兑现更彻底的端到端训练，进而形成「数据飞轮」效应，最终兑现让数据自动驱动模型和产物的更新迭代。
传统 AI 产物的一般采用过程性的管式（pipeline）系统架构，模块层层依赖、串联，Input 与 output 两端之间有很多中间结果，模块化的链路很长。
这种 AI 应用有其固有的优势，包括兑现难度可控，过程透明，定点纠错，开发人员对此套路也驾轻就熟。
然而大模型新范式追求的是端到端数据驱动，以模型训练替代 pipeline 的过程性，这是兑现真正意义上的数据飞轮闭环的必要条件。理想的大模型产物在产物架构定型上线以后，产物的迭代提升可以随着流程化的回流数据自动训练增强。长远一点看，新范式下端到端训练的系统对于传统的管式系统具有碾压性的威胁。
端到端方向对产模分离的架构构成了巨大的挑战，而产模连系则为此提供了可能性。一方面，产物矩阵源源不断地收集经同意的用户反馈 “埋点” 数据，反哺一体化大模型的人类对齐训练，模型的数据质量会随之提升；另一方面，不断迭代的模型可赋能产物能力的提升和体验的优化，越来越对齐用户期望和需求的产物会吸引更大的用户群，带来更多的数据回流。以此构筑的数据壁垒和用户壁垒，才不至于被通用大模型的升级换代而碾压。
远见与特立独行，驱动十二年周期穿越
距离 2012 年李志飞从谷歌回国守业，已经过去了十二年。十二年之中，人工智能领域历经了深度学习和大模型带来的两波大海潮，经历过技术突破吸引全球关注的高光时刻，也经历过广受质疑，被认为无法落地、巨额亏损的负面声音。
外出问问的守业历程完整经历过上一波周期。2009 年，深度学习系统被应用在语音识别领域后，语音识别技术的精度一举被提高到 90% 以上。语音识别助手开始在产业落地，两年后，2011 年带有 Siri 功能的 iPhone 4S 正式面向外部推出，引爆全球对 AI 语音助手的关注，AI 语音守业赛道正式开启。
2012 年，李志飞从谷歌离职，抱着做出 “下一代人机交互” 的目标使命正式开始回国守业。同年，国内 AI 语音赛道另一家初创云知声成立，思必驰也开始正式大量投入 AI 语音技术，上市公司科大讯飞 2012-2013 年营收增速超过 60%。国内 AI 语音赛道快速繁荣了起来。
2013 年，李志飞推出第一代产物中文语音搜索服务，并建立了微信语音搜索服务平台。但很快发现，近场语音交互的场景限制以及人工智能技术不成熟带来的效果不佳，让 ToC 软件服务陷入困境。外出问问在商业化上开始遇到瓶颈。
李志飞做出了一个重要决策 —— 转型做智能硬件，提出让 AI 附体于智能可穿戴设备的「软硬连系」之路。这个决策完全改变了外出问问的商业化方向，让外出问问从一个单纯的软件技术服务商，变成了一个覆盖算法、硬件、供应链、销售、品牌、电商的全栈式软硬连系公司。
2014 年外出问问推出智能手表操作系统 Ticwear，翌年，智能手表 TicWatch 问世，并一举打响海外市场，成为倍受全球消费者爱戴的品牌。2016 年，外出问问进军车载市场，推出智能后视镜问问魔镜 Ticmirror 和后装 ADAS 产物 Ticeye 等。
李志飞的这种自我造血的意识让外出问问在早几年的行业低谷中安然无恙，并且持续地厚积薄发，为之后的技术爆发做准备。
2022 年末，ChatGPT 的横空出世引爆了全球，生成式 AI 海潮席卷而来。相比上一波监督式深度学习海潮，现在的 Transformer 大模型通过自监督学习，可以在海量无标注数据上预训练，从而获得强大的语义理解和知识泛化能力。AI 的通用性更加凸显，通用人工智能（AGI）仿佛不再遥不可及。
在生成式 AI 的海潮下，外出问问重新回到大众视野，成为中国大模型领域的先行者和布道者。2023 年初，许多人将李志飞视为 “中国版 OpenAI” 最具实力的人选。
然而，大模型时代对算力和数据的无止境的需求，让守业者面临二元抉择：要么专注模型，要么聚焦应用。而李志飞开启的 “产模连系” 之路，为行业指明了一种全新的可能性。这种商业哲学折射了外出问问在上一波 AI 周期下衍生的谨慎，也体现了外出问问对大模型核心技术不懈追求的决心。
回顾外出问问的发展历程，我们可以看到，除了这家公司的前瞻性和远见，几乎每一次都稳居海潮之前，还有在面临重重挑战时展现出了非凡的韧性。
当人机交互服务陷入 “人工智障” 的时代局限的时候，他们大胆地转型，开始独创探索 “软硬连系” 的道路。当华为、小米等巨头进军智能手表市场，他们迅速调整策略，发掘出车载语音这一新的市场蓝海。当其他公司陷入高级人力外包的 “项目制” 困局时，又率先开启生成式 AI 的探索，当纯粹的大模型之路因资源门槛过高而难以为继时，外出问问灵活地转向 “产模连系” 的 AIGC 创新模式。
AI 的商业化之路有多难？守业公司要精于出题，也要在每一个困局解题面前，展示出坚韧不拔的意志和灵活多变的应对能力，在逆境中寻找新的生机，正是外出问问穿越周期迎来 AIGC 爆发的底蕴之一。
在国内外科技发展史中，所有存活下来并且成功从小变大的公司都有这样共同的特性。无论是苹果、谷歌、微软、亚马逊，还是腾讯、字节、阿里、美团、小红书。守业难的是如何在起伏变化的技术和市场发展中，不断拓宽自己的边界，持续创新、试错，最终找到属于自己的道路。
在当今的投资和守业环境中，守业公司要赢得信任，仅仅依靠 “宏大愿景” 已经不够了。面对挑战和挫折时表现出的适应力和恢复力，即所谓的 "逆商"，变得日益关键。在这轮人工智能海潮的冲击下，技术边界的突破变得更加频繁，爆炸式的技术创新在带来新机遇的同时，也导致了行业格局的剧烈动荡。
对于一个在商业周期中经受过生死考验和磨砺的公司而言，其所拥有的诸多品质尤为宝贵：灵活的组织架构、高效的决策机制、敏锐的风险意识、超凡的环境适应能力。这样的公司才能在瞬息万变的市场环境中，保持竞争力和生命力。
十二年磨一剑，李志飞用自己的商业哲学平衡了技术创新与市场需求，他所带领的外出问问穿越了深度学习与生成式 AI 的两波海潮，经历过风口浪尖、也曾陷入行业低谷，现在以一种平稳的姿态驶向了新的里程碑。