计算机视觉应用遍地开花 “护城河”如何建立？

　　本报记者倪雨晴深圳报道

　　导读

　　“头部企业同质化，算法大家都差不多，最重要的还是场景迅速落地，实验室和应用之间有差距。”孙庆凯坦言道，“生存是比较艰难，也有可能有厂商死掉。”

　　计算机视觉的火热融资还在持续。

　　7月16日，依图科技宣布，近期完成了1亿美元的融资；就在6月12日，依图科技刚获得2亿美元的C+轮融资；此前4月9日，商汤科技对外公布，已经完成6亿美元的C轮融资。

　　无论商汤科技还是依图科技，两者的估值均已超过百亿元，同行中的独角兽还包括旷世科技和云从科技。图像识别、人脸识别技术目前已经被应用于安防、金融、医疗、零售、手机等各个领域。

　　无疑，图像识别是人工智能中精彩的细分领域，其算法复杂度高、商业前景大。其中人脸识别的C端商业应用已经比较成熟，尤其是静态类的识别准确率很高。但是，自动驾驶相关的图像识别仍需要进一步提升，因为在自动驾驶的实际场景中，除了做识别，还要做决策，涉及的不仅仅是知道周围物体是什么，还要知道路况、物体的运动轨迹，再进行预判。除了一些场景的难题外，对于计算机视觉公司而言，最大的威胁在于同质化严重，护城河难以建立。

　　19日，海银资本创始合伙人王煜全向21世纪经济报道记者分析道：“打个比方，他们有点像互联网刚开始时做网站的公司，一开始一些网站做得比较花哨，很有市场，但是时间长了大家都掌握了。而且，识别的技术正在迅速地被工具化、简单化。”

　　推进B端业务

　　从体量来看，研究计算机视觉的公司分为三种，一类是中小型公司，第二类是商汤、云从、旷世等中大型公司，第三类是BAT等大公司。小公司主要针对具体的企业做细分市场，机场安防等需要大规模计算的业务一般由中大型公司来做。如今，政府机关、金融机构、零售商、手机厂商等等都是视觉公司的客户，其中一些很成熟的业务可以直接用API接口，按年、月收费。

　　以商汤科技、云从科技、旷视科技三家为例，目前的业务线主要做B端市场，金融和安防业务最受捧。具体来看，商汤科技进入了安防监控、金融、手机、移动互联网和深度学习芯片等领域，核心技术包括人脸识别、视频监控识别算法、自动驾驶识别算法、医疗影像识别算法等；旷视科技则从互联网金融切入，然后拓展到安防、手机、新零售、机器人、行业物联等行业；云从科技主攻金融、安防，以及交通、新零售等行业，当前正在3D结构光技术上持续发力。

　　云从科技副总裁孙庆凯告诉21世纪经济报道记者：“银行是我们增长较快的业务，近期招行和我们合作，上个月（6月）的数据中建行的单子最大，排在第一。现在也在布局安防领域，下半年我们也会推出安防硬件。目前我们还没有盈利，预计今年年底可以达到收支平衡。”

　　同时他也指出，技术落地的难点之一是针对每个场景技术开发需求也不一样。例如银行的人脸识别比较静态，光线好，识别率高，但是对公安行业来说，“对人脸识别的要求不是简简单单的算法比对率达到要求就好，更重要的是，比如黑暗场景的动态识别效果要好。不是说比对超过75%就能用，更多的是解决场景的复杂性。安防的室外要求又不一样。”

　　杜克大学电子与计算机工程系副教授陈怡然也告诉21世纪经济报道记者：“其实识别准确率在天气不好、光线不好这种实际场景下不高，仅为30%左右。这就需要通过算法来提高可靠性，但是并非易事。”因此，公司需要根据场景去做一些特殊的算法优化。

　　除了独角兽在各行业驰骋外，不少小型的创业公司也挺进计算机视觉领域，并且迅速在B端市场拿到订单。原因之一是谷歌、Facebook等公司开源了计算框架。以手机做比，现在人工智能仍然也像手机起步的时候，各个公司都开始做手机，大大小小的厂商都在做人工智能。大家都能做手机的一个原因是系统的普及，而人工智能时代，谷歌等大公司也开发了底层框架和系统，使得大多数中国人工智能公司把算法成本快速降低。现在甚至不需要手机这样的硬件基础，尤其是2B业务的话，只需要给客户提供算法，计算设备已经有了。

　　打造技术壁垒

　　而这也导致了视觉公司难以建立壁垒的问题。并非技术不高，而是在高水准上实力相近。

　　“头部企业同质化，算法大家都差不多，最重要的还是场景迅速落地，实验室和应用之间有差距。”孙庆凯坦言道，“生存是比较艰难，也有可能有厂商死掉。”

　　陈怡然向记者表示：“最后肯定会有公司生存下去，但是，头部公司是否都能生存到最后现在还很难说。对于后来者而言，需要看在细分市场上的强大程度。其实这些公司技术同质化很严重，在（AI）硬件领域也是如此，没有不知道的秘密，只是大家资源不一样。”

　　能否商业落地是这些公司面临的考验之一。优点科技创始人刘江峰此前接受记者采访时就谈道，不能落地的话最终也会活不下去，有的人工智能公司估值已经达到了几十亿，但是一年的营业额就几千万，支撑不起这么高的价值。

　　王煜全则告诉记者：“落地的核心是壁垒。IT大企业用自己的芯片构建云计算的平台，然后开放给所有人，这就意味着其他公司和商汤科技的能力不会差太多。这就很危险，对于谷歌等公司来说，希望你没有经过训练就能够调用我这个复杂的功能，未来可能一个接口就可以调用图像识别的能力。”

　　同时，一些需要用到识别技术的公司自身也在组建团队，一旦拥有自己的算法，就不会再从人工智能公司高价购买产品。

　　另一方面，在激烈竞争中，通过开源的计算框架和算法，小公司也能觅得出口，比如专攻人工智能货架、和图书馆合作智能找书等图像识别的应用。可以看到，各式各样的行业确实需要大数据分析，需要所谓的人工智能的引入，但是这项技术的应用已经进入了一种标准商品的状态，即ToB业务似乎已逐渐成为了一种标准品。

　　换言之，将来图像识别的技术可能不再具备这种高科技的高溢价的产品属性，当然它的溢价一定存在，但是已经在普通应用领域上面已经是可以在像做项目一样，招投标、做销售，进入了一种以业务为导向的，以销售为导向的一种业务形态。

　　不过，除了做项目之外，独角兽们也在加紧做一些算法的调优、研究计算框架和底层的一些技术理论。以商汤科技为代表，它正在建立深度学习的平台化能力，商汤科技联合创始人杨帆此前也表示，商汤的策略是“1+1+X”，其中，两个“1”分别代表研发和技术产业化，X代表“赋能百业合作伙伴”。

　　目前，国内的人工智能在软件领域、数据资源上都有优势，但是也期待有更有影响力的计算框架，让更多开发者参与其中。视觉公司们在应用层面上获得营收之外，如何在基础研究上进一步突破，建立更强大的壁垒，仍将是考验。

　　（编辑：张伟贤）