互联网与传统产业的结合催生了“互联网+”和“移动互联网+”；而在大数据时代，基础设施等硬件方面的不断完善和迭代以及算法技术的进步，让人工智能得到了前所未有的发展。各行业也在加速探索人工智能与传统行业结合的商业进程。
Nobby Kan于2024年11月12日向香港联交所提交了IPO表格；这家将人工智能技术应用于交通、城市治理和能源行业的公司，在业绩不断增长的同时，也在不断“出血”。 ……
01
在职创业并招募前同事
人工智能，简单来说，就是让机器能够做出无限接近人类智能的分析和决策。
发展至今，人工智能的底层就是利用机器学习、深度学习等算法技术，从海量“标准化”数据中寻找规律，形成具有高概率统计支持的模型，从而高效辅助甚至替代（部分）人类生产。和工作。
Nobikan主要提供基于AI行业模型的软硬件一体化解决方案。其业务包括三个层次：NBK-INTARI平台、AI行业模型和AI解决方案。
理解起来并不复杂。就是通过“深度学习平台”和“大数据平台”的融合，生成其算法库（NBK），然后训练成行业模型并实现产业化。
目前，公司利用人工智能和数字孪生技术，在AI+交通、AI+能源、AI+城市治理等领域为客户提供深度赋能，包括智能监控、检测、运维等。
Nobikan成立于2015年3月，创始人为廖宇。
从其简历来看，2009年2月至2016年8月，廖先生就职于成都睿智石科技有限公司（一家软件开发公司），属于在职创业。
在真正离职后，成都睿智仕的同事林仁辉和唐泰克也于2016年相继离职，加盟诺比坎。目前，林仁辉担任公司监事会主席、研发总监，唐泰科担任董事、首席技术官。
说起来，廖宇和唐泰克从2007年起就是同事了：2006年底，锐之仕成立，两人先后加入公司； 2008年3月至2009年2月，两人一起“跳”到成都。布鲁迅科技有限公司；遂双归瑞知里，历史悠久。
02
“毛”息无钱
一款软件一旦开发出来，总是在边际成本几乎为零的复用模式下展现出巨大的利润。
诺比坎成立后，于2018年将AI平台应用于轨道交通，至今已为国内80%以上的铁路局（其中60%以上的供电断面）提供了“接触网悬挂状态缺陷识别解决方案” ;自2019年上线以来，累计铁路应用里程约37万公里，检测缺陷超过20万处。
由于AI模型在近似场景下具有泛化性，Nobikan将在2021年和2022年将AI技术应用于城市治理和能源行业，进一步丰富公司的收入来源。
技术能力的泛化为Nobikan带来了显着的业绩增长：
2021年至2024年上半年，诺比坎营业收入分别为1.01亿元、2.53亿元、3.64亿元、1.86亿元；并且随着底层技术的复用，毛利率整体呈现上升趋势。 54.46%继续增加至2023年的57.97%。
近60%的整体毛利率只是Nobby Kan在新业务“拖累”下的表现；公司核心、最早涉足、成熟业务的毛利率与茅台相当。 2021年至2024年上半年，“AI+交通”的毛利率保持在90%左右。
遗憾的是，Nobikan业务的高毛利率未能及时“变现”，反而成为业务扩张的沉重负担。
招股书显示，2021年至2024年上半年，诺比坎应收账款分别为8900万元、1.76亿元、3.03亿元、4.41亿元，前三年占当年营业收入的88.12%。 %、69.56% 和 83.24%。
换句话说，2021年到2024年上半年的收入有近一半没有收回。
这导致Nobby Kan的利润暂时只是“纸面财富”：
2021年至2024年上半年，公司净利润分别为2600万元、6300万元、8900万元和5100万元，但同期经营净流入分别为-1400万元、-8100万元， -1亿元和-4000万元；
这种“垫钱做生意”的模式，留给其可支配现金不足7000万元，资金极度紧张。
导致“缺钱”的主要因素之一是Nobikan业务高度依赖大客户，终端客户基本都是政企单位：
2021年至2024年上半年，前五名客户的收入占总收入的比例分别为85.7%、61.1%、85.9%和91.5%；尤其是2024年上半年，61%的收入来自单一大客户。
这一弱点是由于同类型业务的参与者数量众多且行业极其分散造成的：
例如，在“AI+供电系统检测监控解决方案”领域，Nobikan排名行业第二，市场份额为6.9%，但前1仅拥有11%，行业前五名约占22%；而升级为“AI+轨道交通”，公司排名行业第七，市场份额仅1.3%，行业前十名仅占20%左右。
03
视觉眩晕还有很长很长的路要走
招股书中，Nobbykan的业务描述中充满了“AI+”，“AI+交通”、“AI+能源”、“AI+城市治理”等细分业务名称让人看起来十分高大上。
但从底层技术来看，基于视觉的AI模型主要用于检测和预警。
比如AI+交通中接触网悬挂状态缺陷识别的解决方案，就是通过摄像头捕捉并记录电网的状态，然后通过模型分析是否出现问题，确实在相当程度上提高了效率。
这类模型更多依赖孪生数据进行预警分析，因为长尾事件（如铁路螺丝松动）的情况很少，需要通过模拟事件反馈给算法才能达到统计显着性；这只能算是AI应用中的一个例外。低端产品的扩展性相对有限：
（1）AI+交通方面，公司正在试运营AI+城市交通、AI+机场。前者旨在推动城市交通的日常管理，后者则是通过基于机器视觉的智能停车产品（辅助飞机在合适的时间近距离精准停放到位）；
（2）AI+能源方面，公司进军AI+化工行业，目前正在为某大型石化公司炼油化工变电站开发智能机器人巡检系统；
（3）在AI+城市治理方面，公司正在积极探索应用场景，涵盖园区管理、智慧校园管理、应急管理、社区管理等；
看起来应用范围很广，但Nobikan还有很长的路要走，因为模型需要不断强化才能应用到更动态（更多不确定事件）的环境，以及AI的迭代模型需要大量的数据投入。你好;
对于Nobikan来说，没有大量基础设施（如安全监控等）的支持，需要从外部购买数据。这也是近两年其研发费用（“数据相关服务费”）大幅增长的原因；
如果模型训练后业务拓展顺利，仍然需要大量的流动资金。更重要的是，随着模型的迭代，未来对算力和数据样本的需求将呈指数级增长，成本将十分惊人。 。 （作者：Adam，来源：IPO金榜、博科IPO及财务报告智库）
