算法落地之后，又将去向何方

李璇　卢晓彤

2011年，23岁的印奇与同样毕业于清华大学姚期智实验班的同学唐文斌、杨沐一起创建了北京旷视科技有限公司（以下简称“旷视科技”），他们认为，深度学习算法将是下一个创业风口。

近年来，随着算法技术不断取得进展，技术人才纷纷走出高校与研究机构，踏上创业的道路，而他们的诸多实践探索，也日益拓展着算法的应用场景。

从技术到场景

依图科技联合创始人林晨曦曾经说过：“对于AI，最重要的事情是要拥有世界级的算法水平。”

“能够颠覆行业的人工智能，第一是要处于技术快速发展期，第二就是要站在技术的最前端，做出具有突破性、原创性的东西来。”商汤科技联合创始人、副总裁杨帆对《瞭望东方周刊》说。

无论是创始人的教育背景、职业履历，还是技术团队过往的研究成绩、资历水准，都是这些公司最初吸引投资人的不二法宝。

纪源资本管理合伙人李宏玮曾半开玩笑地表示，AI创业团队的天使轮估值是很好做的：“假如一个科学家值500万元，公司有几个科学家就值几个500万元。”

AI初创公司也的确注重对技术研究的持续投入。例如，商汤科技自主搭建了深度学习平台SenseParrots和深度学习超算中心，前者着力于算法的迭代升级，后者则大幅降低了各类AI技术的研发成本，并且缩短了开发深度学习算法模型的时间。

旷视科技也早就开发了自己的研发系统，涵括从采集数据、建立数据图谱、清洗数据到将数据根据不同的场景定义送入机器学习框架进行训练、进而产生算法的全过程，基本实现了自动化流水线的效果。

而在李宏玮看来，“虽然AI创业团队要想获得比较高的天使轮融资比较简单，但如果后续没有相应的产品和健全的团队，很难继续获得A轮、B轮融资。”

这也是技术初创公司有别于研究机构的一点：在技术开拓与具体场景行业落地上，技术公司往往更注重二者是否能够有效结合，而不是单纯实现某个技术指标或提出某个学术领域的假设。

旷视科技、商汤科技等初创公司，也都在各自探索着技术落地的方式。

例如，商汤科技提出“1（基础研究）+1（产品及解决方案）+X（行业）”的发展模式，在发展战略里将研究与应用放在了同等重要的位置。

如何为算法技术找到适宜的落地行业，考验着创业者的眼界与实力。

旷视科技则较早关注到了发展硬件对创业公司的重要意义。

“平台技术公司如果每个垂直行业都涉入得很浅，那肯定会被行业里最专注的一家取代，如果没有足够强的硬件能力，软件某种程度上是可以被替代的。”印奇说。

场景不同，算法也不同

如何为算法技术找到适宜的落地行业，考验着创业者的眼界与实力。

“AI本身不是一个产业，AI+才是。我们常说，判断AI技术是否跨过了行业红线，就是看它能不能为各行各业带来提质增效的改变。当创业公司决定投入一个市场的时候，如果一项技术5年内还看不到红线，那么就说明进入得太早;但如果太晚进入，红海市场也是没有机会的。”杨帆说。

作为算法领域成立时间较早的一家技术创业公司，旷视科技最初是从消费端入手算法应用的。2012年，凭借名为《乌鸦来了》的体感游戏，旷视科技拿到了天使轮投资。

《乌鸦来了》是一款内置人脸检测与追踪技术的游戏，游戏一经推出，在未做宣传的前提下，就获得了不错的成绩。但是，旷视科技并未继续在游戏业里深耕，而是向企业端迈出了步子。

“在游戏里运用人脸识别算法，只是一个比较新奇的体验，但能够创造什么价值？旷视科技还是希望切实通过技术来发现某个行业内部的痛点，进而提出解决方案。”旷视科技副总裁谢忆楠对《瞭望东方周刊》说。

2014年，旷视科技与蚂蚁金服合作，开始试水算法在金融行业的落地应用。

而依图科技，则是在安防领域找到了最初的算法运用场景。

2012年，依图科技刚刚创建，林晨曦与朱珑接下的第一单生意，便是为地市级公安局做车牌识别。

为提高套牌车的车牌识别率，依图团队将车辆颜色、车型、车脸都纳入特征点，从而大大提高了识别率。

试水之后，创业公司渐渐打开局面，各自在多个行业中找到了算法落地的方式，而面对不同行业的多元需求，创业公司还要不断调试算法，为对方提供可定制化的技术。

商汤科技如今已在安防、金融、零售、教育、智能手机、互动娱乐及广告、智慧城市等领域落地应用。“各应用场景对于数据种类和数量、准确度要求不同、技术难易程度不同，这造成了落地速度的分化。”杨帆说。

作为传统行业的“闯入者”，如何在陌生的行业中适者生存，也是创业公司在算法迭代研究之外需要考慮的问题。

上海交通大学计算机应用研究所副所长、博士生导师盛斌对《瞭望东方周刊》说：“当下在如何让AI技术更好地为各行业所用这个问题上，技术企业还要做好与一些传统行业的沟通工作。比如在设计智能医疗的具体算法应用时，就需要请医生提供专业的医学知识，防止由于信息不对称而引发问题。”

事实上，AI初创公司也表现出了与传统行业合作的积极意愿：“从研究、产品研发到最终产业落地，需要相对长时间的推进，尤其是在企业发展的初期，我们还没有足够的能力一下子打开市场。因此，在进入行业时，商汤选择与行业大客户一起对新技术进行迭代，从而解决技术产品化过程中面临的关键性问题。”杨帆说。

北京海淀中关村，北京市商汤科技开发有限公司工作人员在展示手势识别设备（ 田建川/ 摄）

值得注意的是，这些创业公司，也注意到了传统行业对“新玩法”可能怀有的恐慌情绪。印奇就曾表示：“我们更愿意成为一个赋能者，而不是一个绝对的颠覆者。”

人是根本

“算法是AI的技术核心，而算法又是‘数据驱动型算法，因此，数据的作用、价值及其背后所表达的含义是非常重要的。”盛斌说。

海量数据是训练算法模型的原材料，数据处理量越大，深度学习算法的输出结果也就越精准。

在杨帆看来，技术落地过程中，最为重要的挑战就是“如何通过技术的方式去实现数据闭环”。

加入旷视科技后，谢忆楠对海量数据最为直观的感受源自2014年与蚂蚁金服的一次合作：“在此之前，旷视的算法还是基于小规模数据库的，而当我们第一次接触商业化的测试数据集时，面对的却是几十倍的数据量，同时我们要实现的正确率还是一样的，难度很大。”

2015年3月，马云在德国汉诺威博览会的开幕式上，用“刷脸”的方式买下了一枚邮票，而这种支付方式背后的人脸识别技术——“Smile to Pay”——提供商正是旷视科技。

也正是这次在大批量数据下调整算法的经验，让旷视科技看到了算法与人们行为之间的紧密联系。

“除产品内部为实现算法提升而进行的数据‘小闭环外，数据还可以将几个行业串联起来，从而形成‘大闭环。比如说，一个人每天开车上班这个行为，可以影响到他上班途中红绿灯的开关时间，这就是一种大闭环。人们在城市生活中的每一个动作都能对算法产生作用，看似离散的数据也是彼此影响的。”谢忆楠说。

随着算法技术日益被运用到人们的衣食住行中，另一种声音也渐渐响起：当算法的威力覆盖各行各业时，人又要去往哪里？

对此，创业公司也有着清晰的认知。

“我们持续将大量数据与新技术结合在一起，构建出更加智能化的生活空间，根本目的还是在于人本身。”商汤科技联合创始人徐持衡说。