人工智能（AI）行業(yè)半年報“成績單”相繼出爐。伴隨技術的加速演進，政策層面利好迭出，AI應用不斷深化，尤其是近兩年生成式AI等新賽道為產業(yè)發(fā)展注入了新的增長點，在始終高研發(fā)投入的背景下，多家AI概念公司實現了營業(yè)收入大幅增長。但值得注意的是，高研發(fā)投入以及商業(yè)化落地不及預期，再加上行業(yè)競爭激烈，盈利難仍是高懸在AI上市公司頭頂的“達摩克利斯之劍”。

同花順數據顯示，其人工智能概念板塊672家A股公司中，上半年有360家公司實現了營業(yè)收入同比增長，占比超過半數。其中，有122家公司同比增幅超過20%，占比接近兩成；德明利、三湘印象、海航科技、因賽集團的營業(yè)收入同比增幅超100%；恒為科技、云天勵飛、協創(chuàng)數據的營業(yè)收入同比增幅超90%。

業(yè)績表現的背后，作為人才和技術密集型行業(yè)，高研發(fā)投入是AI行業(yè)的典型特色。同花順數據顯示，今年上半年，其人工智能概念板塊672家A股公司研發(fā)投入合計達1212.40億元，與去年同期的1194.21億元仍有增長。部分AI公司2024年上半年的研發(fā)投入不僅占營業(yè)收入的比重超過100%，且還實現了同比大幅增長。根據半年報數據，寒武紀今年上半年研發(fā)投入為44747.60萬元，占營業(yè)收入比例為690.92%，較去年同期增加269.36個百分點；云從科技上半年研發(fā)投入為21655.86萬元，占營業(yè)收入比例為179.69%，同比增加58.70個百分點；格靈深瞳上半年研發(fā)投入為9376.81萬元，占營業(yè)收入比例為182.75%，同比增長133.80個百分點?！霸谌斯ぶ悄苄酒袠I(yè)，只有通過不斷的研發(fā)投入，方能驅動技術創(chuàng)新的不斷前行，進而打造出具備競爭力的產品，從而在智能芯片市場競爭中取得優(yōu)勢地位?！焙浼o方面在半年報中表示。

對于高技術含量的人工智能行業(yè)來說，高研發(fā)投入是保持企業(yè)技術領先以及未來占領市場的重要砝碼，但是從上市公司的財報來看，持續(xù)的高研發(fā)投入和行業(yè)競爭激烈，再加上商業(yè)化落地存在諸多不確定性，也成為企業(yè)目前發(fā)展的重要挑戰(zhàn)。同花順數據顯示，納入統計的672家公司中，上半年有233家公司凈利潤為負，占比達34.67%。值得注意的是，記者梳理發(fā)現，在這逾200家虧損的AI概念公司中，有約半數的公司連續(xù)多年虧損，還有多家公司自上市以來始終未能實現盈利。在多家券商研報中，“尚未盈利的風險”也始終位列AI上市公司投資的風險提示中第一位。

如半年報顯示，受供應鏈不利因素等影響，寒武紀上半年實現營業(yè)收入6476.53萬元，較上年同期下降43.42%；實現歸屬于上市公司股東的凈利潤為-53010.96萬元。而自2020年7月上市以來，寒武紀始終未能改變虧損的狀況。同花順數據顯示，2020年至2023年，公司的歸屬于母公司所有者的凈利潤分別為-43450.93萬元、-82494.94萬元、-125656.25萬元、-84844.01萬元。再如云從科技今年上半年歸屬于上市公司股東的凈利潤則為-35634.66萬元，虧損同比擴大16.45%。公司自2022年上市以來至2023年的歸屬于母公司所有者的凈利潤分別為-86891.43萬元、-64345.72萬元。而此前宣布2022年度實現扭虧為盈的AI公司格靈深瞳，自2023年開始又由盈轉虧，今年上半年持續(xù)虧損。

“公司所處的人工智能行業(yè)具有技術含量高、研發(fā)投入大、研發(fā)周期長等特點，穩(wěn)定持續(xù)的研發(fā)投入是公司持續(xù)保持技術領先性的重要支撐。由于公司前期研發(fā)投入、管理投入、銷售團隊建設投入等期間費用較大，而規(guī)模效應尚未完全顯現，營業(yè)收入規(guī)模尚不能完全覆蓋成本費用規(guī)模，致使公司經營業(yè)績持續(xù)虧損?！痹茝目萍荚诎肽陥笾兄赋觯痉e極推進產品和客戶結構優(yōu)化，但大模型技術尚未實現大規(guī)模商業(yè)化落地，不同應用場景之間遷移的邊際成本仍較高，公司相關業(yè)務尚未產生規(guī)模效應。

“盡管人工智能已經在某些領域如安防等證實了其應用價值并進行了滲透率的快速提升，但整體而言，人工智能尚處于發(fā)展初期，在各行業(yè)中何時能實現規(guī)模化落地以及滲透率提升的整體速度受制于多種因素，每個行業(yè)因其實際情況不盡相同，影響到人工智能落地的時間和效率?！痹铺靹铒w在半年報中稱，在當前市場規(guī)模、解決方案落地效果和政策導向等諸多因素的影響下，安防、零售、金融等場景已產生較高的商業(yè)化滲透和對傳統產業(yè)提升度；而其余產業(yè)中，出于成本效益比、數據獲取難度較大、安全性等原因，人工智能應用仍較為邊緣化，短期內滲透釋放難度較大，產品落地及商業(yè)化的進度與效率存在不確定性。