揭開「冠軍收割機」碼隆科技的面紗，中國AI創業核心是什麼？

目前，世界上最貼近實際應用需求的計算機視覺圖像識別到底有多精確？答案在2017年7月26日，在CVPR(世界計算機視覺三大頂級會議之一)舉辦，蘇黎世聯邦理工（ETH）、Google Research、卡耐基梅隆大學（CMU）共同組織的計算機視覺識別領域的頂級賽事WebVision首屆結果揭曉！來自的創業團隊碼隆科技（Malong AI Research）戰勝了SnapChat、清華大學、上海科技大學、UCF等來自世界各國的頂尖學術和研發機構，獲得了冠軍。這對於碼隆科技來講，其實是在7月斬獲的第二個殊榮，早在7月初，碼隆科技還在德國舉辦的G20全球創新企業競賽中獲得一等獎。（馬上點標題下藍字關注可獲取更多內幕，每日一深度！）

短短一個月時間，碼隆科技在商業和技術領域得到了雙料世界冠軍，結合此前的種種榮譽，引起了業界的矚目。而這種「逢賽必冠軍」的現象之後，碼隆這個團隊的本質是更值得關注的。

【人工智慧團隊取得圖像識別競賽世界冠軍】

首先我們要知道這個WebVision究竟是什麼比賽。

縱覽圖像識別發展歷史，我們能看到在神經網路和深度學習的加持下，近年圖像識別的能力一直在不斷加強，可圖像識別技術的突破性應用卻遲遲沒有來到我們的生活中。

究其原因，在深度學習演算法趨勢下的人工智慧，圖像識別需要大量數據作為「學習樣本」，才能將自己訓練足夠聰明。可這些作為學習樣本的數據，往往又是需要經過提煉和標註好的凈數據。這樣一來就導致，被凈數據培養起來的識圖技能雖然在固有數據範圍內表現出色，但魯棒性卻始終差強人意，在面對現實環境中五花八門的數據時，很容易讓圖片識別的體驗變差。

而WebVision是一場讓演算法離開凈數據的溫室的互聯網圖像識別的比賽。面對更複雜的海量雜訊數據——這240萬張用來「考試」的圖像，不僅隨機來自Google和Flickr數據源，甚至一些原始標籤是錯誤的。相比其前身——應用的凈數據ImageNet，WebVision的難度提升了一大步，也更接近實際應用。

圖片說明：WebVision挑戰賽官方公示比賽結果

這場比賽由Google Research、蘇黎世聯邦理工（ETH）、卡耐基梅隆大學（CMU）等共同組織，在計算機視覺領域最頂尖的學術會議CVPR上舉辦，其權威性不必再次強調。比賽中，碼隆科技Malong AI Research的成績超過第二名2.5%，全部成績均列所有成績的前五名，最差成績仍領先第二名最高成績1.33%，實屬大比分優勢奪冠。

照片說明：在CVPR研討會上，李飛飛教授作為谷歌研究院代表暨競賽贊助方，向碼隆科技演算法團隊頒發了WebVision冠軍獎項

比賽中，碼隆科技摸索了一種針對含有雜訊數據的訓練策略，第一次將半監督學習（Semi-Supervised Learning）與課程學習（Curriculum Learning）引入到大規模的雜訊數據訓練中。很好地實現了利用非人工標註的數據來訓練一個更好的深度模型這樣一個參賽目的。更值得一提的是，碼隆科技94.78%的圖像識別正確率是在所有參賽隊伍中唯一可以達到人類識別正確率的，這意味著人工智慧圖像識別技術離真正改變人們的生活又進了一步。

不得不說，這是創新企業在圖像識別、乃至機器視覺發展歷程上留下的重要一筆。

【打開多維商業場景 商品圖像識別需求無處不在】

上文提及，在更貼近於圖像識別實際應用的競賽WebVision奪冠，並不是碼隆科技的技術首秀。這家2014年底就成立的人工智慧公司，此前一直在人工智慧產品化、落地化方向積累、耕耘。紮實的核心技術積澱和基於互聯網環境人工智慧的探索，為碼隆科技屢次在國內、國際人工智慧競賽舞台上收割榮譽提供了堅實的基礎。

碼隆科技此次在WebVision中展示的演算法實力，早已植入到其核心產品之中，或者說是來源於對核心產品探索。ProductAI人工智慧商品識別平台就是碼隆科技旗下的產品之一，該平台基於雲端，為企業提供人工智慧演算法API對接，讓企業獲得自助式甚至是訂製式的人工智慧服務。基於技術優勢，ProductAI的應用場景自然是商品識別——其API可以做到360°無死角識別商品，即使商品之間有遮擋、摺疊、變形等情況也可以完美識別。

照片說明：ProductAI人工智慧商品識別平台

人工智慧商品識別給碼隆科技開拓了很廣泛的商業應用場景，特別是在日益火爆的「新零售」概念下，有很大拓展空間。比如在無人倉庫中清點庫存、通過用戶瀏覽數據識別用戶喜好等等。尤其在最近很火的「無人便利店」中，ProductAI可以做到快捷簡便的商品識別輔助結算，實現結算監控助力無人購物最後一步——解決無人便利店貨架混亂、結賬不方便兩大試運行期間發現的痛點。當我們為AmazonGo感到驚艷時，或許不知道通過ProductAI平台上的API介面，就能迅速搭建起一個媲美Echo Look的產品，甚至創造出更有想象空間的應用。

數據顯示，在諸多AI技術的解決方案中，計算機視覺作為值得重點關注的AI技術之一，正在推動用戶體驗的提升。Gartner的研究顯示，到2021年會有30%的經濟增長與AI相關，AI將產生 3000 億美元的商業價值。

這樣看來碼隆科技的商業前景還是相當光明的，在這個高喊新零售、智能製造的時代，商品圖像識別一定會是一項普遍性的需求。而ProductAI的PaaS服務模式門檻較低，更適合新零售和智能製造領域的中小企業客戶。

【核心技術和產品化 坐擁兩者才能立足AI黃金時代】

目前在世界範圍內來看，人工智慧都進入了一個黃金髮展時期。雖然它的發展從未停止過，但如今媒體和資本的關注無疑為其注入了一劑生長劑。

在也有大量創業團隊湧入這個領域，想要分一杯羹。但說實話，人工智慧和以往任何的一個「風口」都不同，拼用戶、拼公關、拼情懷都是不可行的。人工智慧不是像共享經濟、O2O那樣的商業模式創新，它應該像前幾次工業革命一樣，徹底改變這個世界的運行狀態。而這些改變，則由無數細節上的技術革新產生，需要無數埋頭在垂直領域上的人推動這台巨型機器運作。

在碼隆科技的原始基因里，可以看到對核心技術的絕對控制能力。碼隆科技的創始人兼CEO黃鼎隆擁有清華大學人機交互博士學歷，曾就職於谷歌，微軟，騰訊，有資深產品經驗。另一位創始人兼CTO碼特（Matt Scott），擁有十年微軟開發經驗，曾任微軟亞洲研究院高級研發主管。二人曾聯袂推出的「必應詞典」是微軟在本土化創新並實現商業變現的成功案例，坐擁千萬級用戶量。同時，碼隆科技的團隊中，30%團隊成員畢業於牛津大學、清華大學、北京大學，科學院等名校；團隊50%成員曾就職於微軟，谷歌，騰訊，百度，富士康等世界500強企業。

在人工智慧成果化和商業化方面，碼隆科技秉承著這樣一個理念：真正的人工智慧，不在於自己有多智能，而是在於能不能讓別人變得智能。

這樣的理念，不僅一語道破此前碼隆科技出戰WebVision的初衷，並且很好地詮釋了其商業化成果——ProductAI 最核心的功能：商品識別。商品識別有別於人臉識別，人臉形態相比而言比較固定，而商品如衣服和布料等柔性物體，會發生扭曲、摺疊、遮擋的情況，而且商品數量非常之繁多，使得其橫縱向識別難度均非常大。在視覺、穿衣助手、優料寶、卷皮、光明日報等諸多碼隆科技成功案例中我們不難發現，在這個行業中，將人工智慧核心技術真正產品化，是唯一的通行證。所以像碼隆科技這樣，以技術為出發點，又注重產品的創業團隊更容易獲得成功。

作為用戶，我們看到的是ProductAI在商品識別上驚人的應用。可從這次WebVision奪冠之後，整個人工智慧行業看到的是利用雜訊數據訓練深度學習模型的可能，更看到了半監督式深度學習技術的突破和商業化可能。

畢竟雜訊數據不僅僅存在於圖像識別中，一切設計到模型訓練的領域，比如NLP，都會遇到數據標註成本高、標準不統一等等問題。碼隆科技的勝利，讓弱人工智慧到強人工智慧之間的距離又小了一步。

像碼隆科技這樣能切入垂直商業場景讓技術落地，又能不斷促進技術發展的創業企業，才能在這個人工智慧的黃金時代立足。

王冠雄，著名觀察家，十大自媒體（見各大權威榜單）。主持和參與4次IPO，傳統企業「互聯網+」轉型教練。每日一篇深度文章，發佈於微信、微博、搜索引擎，各大門戶、科技博客等近30個主流平台，覆蓋400萬核心商業、科技人群。為金融時報、福布斯等世界級媒體撰稿人，觀點被媒體廣泛轉載引用，影響力極大，詳情可百度。

本文系網易新聞·網易號「各有態度」特色內容

我們的10萬+和爆款文章

紅包贏了，我們輸了｜互聯網紅利在消退｜互聯網20年｜矽谷發展史和KK｜重啟技術理想主義｜再見雙十一，你好O2O｜小米被華為超越真相｜李彥宏本命年危局｜馬雲的生態系統｜馬化騰的連接器+IP｜頭條要和微博開撕？｜美團少年王興｜滴滴程維為何戰勝Uber？｜危險敵人劉強東｜你不懂周鴻禕｜壞孩子賈躍亭｜好人張朝陽｜被低估的曹國偉｜丁磊的陰陽師｜最有故事的王峰｜APUS船長李濤｜少數人的唯品會｜紅燒肉和王石落幕｜忍辱負重楊元慶｜致創業愛好者們｜羅輯思維分手幕後｜互聯網必讀10本書｜大佬聯袂推薦重創新

掃碼關注。預告：小米新零售