云从科技周曦：计算机视觉的产业化探索

2017年5月21日，由中国人工智能学会、中文信息学会主办、亿欧承办的2017·全球人工智能技术大会在北京·国家会议中心拉开帷幕。作为中国人工智能技术和产业领域规模最大、影响力最强的专业会议之一，本次大会汇聚了全球人工智能学术界和产业界著名学者、顶级专家和业界精英，在48小时的议程中，立体剖析了技术大牛与产业明星眼中的人工智能，硕果累累。

云从科技总裁周曦在模式识别与智能感知分论坛上以“计算机视觉的产业化探索”做了演讲。

以下为观点提炼：

1、语音和图像处理都是感这块，感相当于人的五官，是一个交互的入口

2、技术，产品，市场三位一体都得抓，技术是根本

【周曦现场演讲实录】

很高兴和大家交流，我原来以为大家是偏产业或投资方面的人，一看很多是同学。听了前几位嘉宾讲的东西都是偏学术的，我尽量讲快一点，一会我们可以讨论。两个部分，我主要想跟大家分享一下，如果我们搞计算机视觉技术的人想要创业会遇到什么问题，以及在这中间我们自己的思考。

首先，讨论一下计算机视觉这个行业。我理解人工智能分为感、知、用三块，我们做语音和图像处理都是感这块，感相当于人的五官，是一个交互的入口。知就是我们的大脑，就是做分析的。用就是包含身体、躯干等等这些东西，这是自卖自夸一下，说我们的视觉很重要，视觉占到了信息源的70%到80%。我们看一下只占10%到20%，亚马逊搞了Alexa股价到现在已经900多了，他们的老大马上当全球首富了，顺利超越比尔盖茨。

Alexa利用语音识别入口把所有的设备商连接起来的手段，亚马逊从2010年开始布局，大家讲了很多年的未来交互的入口，它首先自己做了一个音箱，通过把这条路走通了以后，它开放Alexa这个平台，让其他各种设备的硬件厂商接入，现在接入量上万了，所以就成了新的入口，当然也推动了亚马逊股价的上升。

可见人工智能的感知这一端，作为入口有很大的魅力。反过来视觉能搞这个东西吗，计算机视觉想做的事相当多，我们可以应用到电商、招聘管理，安防，直播，如果计算机视觉和其他的行业结合，和自然语言理解，ARVR，生物结合起来，还可以撬动各行各业。那这么大的应用前景，它怎么就没有出来Alexa这样的东西呢。

我们这个行业已经做了很长时间，好莱坞的电影早在一二十年前，就把计算机视觉演的非常神了，因为我自己是做人脸识别的，所以在好莱坞电影里向来随便就可以把坏蛋抓出来，好处就是帮我们做了广告，就是让民众理解人脸识别怎么用，缺点就是总是让客户有不切实际的期望。

我在2011年回国的时候，当时我们的公安就有评测人脸识别技术，希望用这个人脸识别破案。总之，测出来的结果，我们当时排第一，但是没有用，事实上当时的技术离破案一点关系都没有，那时候能够帮公安做一点事，就是证件查重，因为证件的效果好，除此之外想在监控视频下拿来破案是完全没有希望的，这是2012年的情况。

我说的这个什么意思，实际上计算机视觉的场景这么丰富，但是它没有产生一些非常牛逼的入口级的杀手锏应用，其实是效果问题。我们看一下人脸识别，人脸识别这里有写，在2015年这一年的时间，2015年到2016年，识别率提升到2个数量级，这是什么概念，我们以前是做语音识别出身的，我出国之前，03、04、05年是做语音识别的，04年在微软的时候，我们在讨论的这个数据有没有错，全球当时花在语音识别上的投资经费已经超过了阿波罗登月计划，但是当时做的事就是能做日报读报，如果你认认真真读报纸可以，想在实际应用没戏。

当时的语音识别就是摩尔定律的水平，每18个月的时间可以把错误率减半，如果做语音（英文）接线盘，上面还有30%的错误率，所以我就当了逃兵，不做语音识别了，改行做图像和视频了，所以我就讲，做了一个错误判断，正确的决定，实际上语音识别的发展速度比我想象的快一些，几年以后科大讯飞也上市了，我在那也呆过几天，看一帮兄弟很成功，包括我们开了云知声都很成功，但是图像视频是比语音更大的入口，即便人脸识别有一个数量的提升，也仍然只是在部分场景能用，前面各位老师讲到了，同一个技术在不同场景下的差别极大。

像人脸识别，我简单说，你做确认和识别，就是1：1和1：N，你做配合和非配合不同技术上的影响很大的，确认就是我只是想知道这两张照片是不是同一个人，这个应用点就非常多，比如说你去银行办事，宾馆，去飞机场火车站，把你身份证拿出来就是要判断人证合一。

现在就是N的问题，就是我一个照片知道它是谁，这个N有多大，这也是一个问题。再就是同场景和跨场景，注册照片和现场照片是在同源获取还是跨源的，一个是身份证照片，还是一个现场视频，这个跨源的情况很多。还有改变配合与不配合，我们去机场和银行是配合的，但是公安如果抓人的时候，基本都是不配合的，犯罪分子通常喜欢在夜黑风高的时候出来搞事。即便人脸识别，大家觉得目前进步很快，成熟度很高的人脸识别应用，它仍然是非常受限的。

第三个，人脸识别本身就是入口，本来可以打开各行各业，所以坚持不懈把这个入口做好，这个是非常有必要的。具体做什么事呢，这个讲到2B和2C的问题了，大家很多人觉得C端比较性感，我们做C端，大市场，你得看你的技术行不行。B端是什么特点？B端的特点，第一它的门槛高，也就是说它要求是你的性能要好，技术比较难；第二要求服务要好，第三对价格相对不敏感。C端要求性能好，使用方便，价格便宜。

我们想一想，我们现在的技术基本上是偏定制化的，我们做人工智能技术，金老师也讲了，还没有一个通用技术搞定这件事的时候，怎么做到使用方便，怎么做到价格便宜，使用方便。我们买一个手机，如果有一个手机说，你要看说明书才能用你会买吗？很抱歉，我们的东西你看了说明书还不能用，我还得派人上门给你调试。但是反过来，如果今天是做大B端，上门就调试，就是服务好。现在大家我们行业的独角兽都是做B端的，做不了C端。C端什么时候才能做，我估计还要做一两年，以现在的速度发展，再有一两年就可以了。

所以，技术，产品，市场三位一体都得抓。技术是根本，所以云从的技术团队很大的，我们三个研发中心，上海、成都、重庆两百多人，我们在上海交大和美国硅谷加起来有300多个研发者。这么多人肯定要干很多事，外面的人脸识别是几十个模块。我们保持做一线公司，江湖地位是打出来的，不管是银行还是公安，你要努力拿第一，我们也不能保证都赢，只是胜率的问题。

第二个就是产品，只有技术不行，要深入业务场景做产品，我们在银行里，11个部门有46个解决方案。公安里我们做海陆空一体化的应用，因为公安的东西涉秘，我不详细讲了。

第三个就是市场，市场特别重要，我们逻辑是从上到下都得搞，我们云从有中科院背景，相对来说比较容易做，我们得从顶层设计做起，人脸识别不管公安部标准，国家标准，都是我们云从做的，所以最顶层的标准和未来的发展都要控制在手上，这是很重要的点。第二就是落地，云从在全国10个城市建立销售服务中心，每个销售服务中心管周边几个省，我们在每个省都有专门的服务人员，这种配置在一般小公司不是都能看到的，我们还有科学家跑去装摄像头被电打伤了，我们严厉批评了这种行为。

结果就是我们做到银行的第一大供应商，包括中农交建等几大行，银行总行一旦选哪家是不能改的，是不替换供应商的，之后不管做网点改造，还是信息服务，都要用云从的产品，这也是为什么当时打的这么惨烈，即使是10万块钱的单子也要抢。第二个就是公安，这个也是很幸运，2016年在广东，把日本和德国甩在后面了。

云从科技在2017年人工智能已经被定为国家战略，国家发改委定了4家人工智能基础资源公共服务平台，4家公司分别是百度，腾讯，科大讯飞和云从科技，我们非常有幸为国家出力，建立人工智能平台，国家要求它每日调用次数超过1亿次，也就是说希望人工智能作为一个桥梁，真正可以改变各行各业，这个要求估计百度和腾讯比较容易达到，对我们来说是一个问题，我们千万级别没有问题，还没有到上亿级别的调用，也是国家对我们的鞭策。

选择我们重要的原因，就是国家希望我们完全国产化，也是希望国内的公司和中科院的公司主导这方面的事。总的来说，在过去两年里，我觉得我们算是很幸运的例子，人脸识别是正在爆发的智能应用，而且在爆发的两年里，我非常幸运的没有带大家把路走到绝路上去，比如当时在拼银行的时候确实拼下来了，现在可以自豪地说我们很坚持，但是实际上在这个过程中的时候，并不是这么简单的，很多时候就是赌的，赌赢了就是英雄，赌输了就是狗熊。谢谢大家。