AI英雄 | 碼隆科技黃鼎潞AI已裝酷60多年 現在核心是賺錢

摘要：網易智能重磅推出大型策劃《AI英雄》，和您一起走近數十位人工智慧行業領袖，深入洞察技術發展趨勢，捕捉「智能+」行業機會，關注人的價值與人的故事，每周二推出。

本期對話嘉賓為碼隆科技CEO黃鼎隆，他如何看待這波人工智慧帶來的價值？又為什麼選擇商品識別細分市場進行切入？聽聽他怎麼說！

出品 | 網易智能

策劃 | 廣勝

作者 | 廣勝

越來越多的人談到了錢！

資本不相信理想主義，在這波人工智慧浪潮之下，大家紛紛開始嗅到金錢的味道。

「我們不想湊熱鬧。」黃鼎隆向網易智能表示，碼隆科技選擇深入的細分領域是商品識別，而不是更熱鬧的人臉識別。

作為碼隆科技的CEO，黃鼎隆擁有清華大學人機交互博士學歷，曾發表人機交互領域國際頂級學術會議及期刊論文7篇，曾任TripAdvisor產品副總裁，也曾在谷歌、微軟與騰訊任產品高管，創造過數個將產品從零打造至年收入過億的案例。

在黃鼎隆看來，碼隆科技的不同在於他們說要幫別人先賺到錢，所以他們開放人工智慧商品識別平台，讓用戶以極低門檻接入，而後只是通過調用API的次數進行收費，這讓很多對新技術猶豫的企業願意一試。

「真正的人工智慧並不是讓自己變得多智能，而是能不能讓別人的產品變得更智能。」

據黃鼎隆介紹，碼隆科技的ProductAI上已經開始讓一些細分領域發生改變，一個很典型的例子就是，目前在面料行業，只要拍張照片，就能識別出對應的面料。黃鼎隆稱，這導致行業中前10名已經有7家在使用這一技術，從而大大節省了辨別尋找面料的時間，提高了行業效率。

對於創業，黃鼎隆將之比喻為爬山。

「一定要弄清楚我們要爬的是什麼山，如果是香山、梧桐山的話，可能幾百個人的團隊吃吃喝喝就爬上去了，但如果是爬珠穆朗瑪峰的話，幾百人的隊伍恐怕沒法爬了，人工智慧行業還處於早期，非常大的商業機會還沒有出來，不應該組建一個過於龐大的隊伍，我們的策略是組建一支小而美的團隊」。

據網易智能了解，碼隆團隊目前有40多人，值得一提的是，兩位聯合創始人是一對中美跨國組合，除了黃鼎隆，另一位創始人來自美國的碼特（Matt Scott），目前擔任CTO職位。黃鼎隆坦言，「我們團隊的氛圍非常好，通常的文化講人情，但容易有裙帶關係、股權糾紛等等，美國人更講契約，喜歡白字黑紙，但顯得冷冰冰，而我們需要將二者很好的結合，不但有足夠的人情又把所有的東西都寫的很清楚，達到了人情和契約的平衡點」。

對於人工智慧技術的發展，黃鼎隆認為速度會更快。

「AlphaGo從二段的水平到九段的水平，只用了幾個月的時間，從九段連贏人類60場也沒過幾個月，技術進展的速度非常驚人，所以，這波人工智慧的發展絕對可以實實在在地為我們做點事情，真正實現落地。」黃鼎隆如是說。

他認為現在人工智慧和很多熱潮不一樣，有的時候是在那炒概念，這有本質的區別，而人工智慧就像「電」一樣，將會成為標配，持續不斷地讓整個社會受益。「所以，從根本上講，它是一種新的能力，一種人類生產力的提升。」黃鼎隆說。

以下根據黃鼎隆問答實錄整理，網易智能（公眾號Smartman163）做了不改動原意的刪減：

「我們是中美創業組合，達到了人情和契約的平衡點」

網易智能：談談您組建的創業團隊和對於人工智慧創業的想法？

黃鼎隆：我們的團隊一直是我非常驕傲的一件事，其實，從事人工智慧創業，並不是人越多越好，我經常和我的團隊打比方，創業就好比是爬山，但一定要弄清楚我們要爬的是什麼山，如果是北京的香山、深圳的梧桐山的話，可能幾百個人的團隊吃吃喝喝也就爬上去了，但是，如果是要爬珠穆朗瑪峰的話，那一個幾百人的隊伍就沒法爬了，再者，整個人工智慧行業還處於早期，真正的非常大的商業機會還沒有出來，那就不應該組建一個過於龐大的隊伍，所以，我們的策略一直是組建一支小而美的團隊。

雖然數量不是主要的，那團隊素質必須全面，不能光有工程師和研發，不能光有商務，我們團隊有承擔各種角色的員工，每個人還都是多面手，學習能力非常強，因為人工智慧行業的變化非常快，我們需要跟上節奏。

這就是之所以我們前兩輪融的都不錯的情況下，我們也一直沒有爆炸式擴張的願意，現在團隊控制在大約40人左右，前段時間我們做了一個統計，碼隆的錄取通過率僅有2%，這是一個非常嚴格的錄取比例。

此外，不同於很多公司的學術基因，碼隆有著非常強的產品基因，我們公司的兩個聯合創始人，我和碼特（Matt Scott）曾是微軟的黃金搭檔，在微軟研發的產品曾推出市場並獲得了非常可觀的流量，我們是中美組合，團隊氛圍非常好，可以達到人情和契約的平衡點，通常的文化講人情，但容易有裙帶關係、股權糾紛等等，美國人更講契約，白字黑紙，顯得冷冰冰，而我們可以將二者很好的結合，有足夠的人情又把所有的東西都寫的很清楚。

網易智能：據我們了解，碼隆已經積累了很多客戶，最新推出的ProductAI人工智慧平台的市場反響怎樣？

黃鼎隆：目前的市場反響非常好，我們從去年10月24號發布到現在，短短几個月的時間，已經有將近1000家企業來申請使用，其實，我們一直都在強調，真正的人工智慧並不是讓自己變的多智能，而是能不能讓別人的產品變得更智能，我們的平台已經讓某一個細分的領域發生改變，比如在面料行業，目前它們行業裡面的前10名，已經有7家公司在使用我們的產品，因為它讓找面料這件事變得非常的容易了，只要拍張照片，就能找到對應的面料，實現了我們做這件事的初衷。

當然，我們也可以看到有一些傳統的企業或者機構開始接觸人工智慧的產品，比如在今年全國兩會期間，《光明日報》就使用我們的ProductAI平台策劃了一次非常好玩的新聞報道，當我們在看報紙的時候，看到報紙上有領導人握手的照片，用戶可以打開手機APP掃描一下報紙上面的照片，你就可以非常直觀的看到這張照片的視頻場景。而《光明日報》只用了一周的時間就把這樣的體驗搭建出來，而且沒有我們工程師的參與，只使用了平台，我們希望把使用人工智慧技術的門檻降到更低。

其實，我們相對於其他家的優勢還在於，我們是唯一一家支持自助式、定製化的以圖搜圖，很多時候，客戶不想去百度、谷歌那樣大型圖庫裡面找東西，他需要自己定製一個圖庫，那就可以去碼隆的平台自助定製一個，此外，我們在語義理解上面也力求做到更好，谷歌他們什麼都能識別，而我們作為創業公司，聚焦在商品識別方面，提供更精準、專業的服務。

網易智能：在這之後，碼隆科技的2017年還有哪些具體的計劃？

黃鼎隆：人工智慧這塊比較廣為人知的是人臉識別，但我們不希望去湊那個熱鬧，商品識別會是碼隆今年主要的方向。

但還是初期，這裡面還有很多改進升級的空間，並且需要時間讓更多的客戶認可這項技術，商品識別其實非常的寬泛，我們會想辦法把它做深，做的更加垂直。比如在面料紡織行業，碼隆和紡織信息中心達成了戰略合作夥伴關係，一起發布用人工智慧預測服裝色彩的流行趨勢等；技術助力許多服裝、面料電商平台，提供前端和後端的柔性商品識別服務；為設計師平台提供靈感搜索引擎；還在跟行業質檢機構進行實驗性項目，在檢測方面做進一步探索。

人工智慧已經「裝酷」60多年 這波的核心是賺錢

網易智能：碼隆科技的商業模式是怎樣的？目前的銷售情況如何？

黃鼎隆：我們的賽道是商品識別，現在更關心的一個問題是客戶能不能賺到錢，這裡面分兩種情況，一種是幫他省錢，一種是幫他們創造新的商業場景賺更多的錢。

對於幫別人省錢方面，已經有很多成功的案例，客戶通過我們這套人工智慧系統，可以更加高效的區分類目，比如電商類的平台需要為用戶推送商品，但很多時候會遇到圖片有水印、模特姿勢不一等等問題，需要人工進行識別，這些事情完全可以交給人工智慧，以前需要20多個人力投入的事情，現在不需要人來幹了，這樣就幫助他們節約了成本。

第二個是幫客戶增加收入，剛才所說的找面料已經是一個案例了，所以，我們現在做的首先是幫助大家賺錢，增加利潤。為了達到這一目的，我們目前採用的是接入API的商業模式，客戶接入我們，依照調用次數我們收取一定費用，雖然這不是我們商業最大化的方式，但它是目前最合理的方式，這可以讓很多還在猶豫要不要上人工智慧相應場景的客戶決定試一試，如果調用不多，並不需要付很多錢，如果調用多，那說明對他的用戶是有價值的，他可以產生更多的利潤。

網易智能：您曾說過「產品挺炫酷，但似乎沒什麼用」的觀點，碼隆所從事的工作比較務實，這背後有哪些思考？

黃鼎隆：人工智慧本身不是一個新東西，它已經有60多年的歷史了，如果是所謂的酷炫，為了裝酷，那也60多年了，其中經歷了起起伏伏但始終「然並卵」，無法落地。

但這次大家很有信心是因為它可以落地了，能幫助企業實實在在的賺到錢了，這是非常關鍵的一步，我一直從事IT領域的工作，從來沒見過一個技術可以發展的如此之快，比如AlphaGo從二段的水平到九段的水平，只用了幾個月的時間，從九段連贏人類60場的水平也沒過幾個月，這個技術進展的速度非常驚人。所以，這波人工智慧的發展絕對可以實實在在的為我們做點事情，真正實現落地。

比如碼隆處於的賽道，商品識別，我們已經可以切實的看到人工智慧對各種商品的識別準確度已經非常精準，很多地方都超過了人。

人工智慧就像「電」，可以從根本上提升人類生產力

網易智能：有觀點認為這次的人工智慧熱有很大的泡沫，並且可能會再次沉寂，您認為人工智慧熱還會持續多久？

黃鼎隆：關鍵還是看落地，我們確實看到了現在人工智慧是可以落地的，它和很多熱潮不一樣，很多熱潮是在那裡炒概念，這有本質的區別，而人工智慧就像「電」一樣，將會成為各行各業的標配，持續不斷地讓整個社會從中受益，所以，從根本上講，它是一種新的能力，一種人類生產力的提升。

網易智能：既然已經開始盈利，那不可避免的會與同行發生競爭，您是如何面對行業競爭的？

黃鼎隆：競爭肯定是不可避免的，微軟、百度等等都在這塊下功夫，大家說這是塊兵家必爭之地嘛，巨頭在人工智慧領域有著非常大的優勢，但我認為還是人多的優勢，就好比人工智慧是我們教計算機學會人的一些技能，其實和我們教小孩很類似，你請100位老師教和請一位老師教，不見得100位老師教的更好。

此外，我們作為創業公司，效率會更好，在研發過程中，我們會遇到各種各樣的問題，但這些問題都是全球都沒有解決方案的，我們會把他裝在腦袋裡，上班想、下班想、吃飯想、睡覺想甚至上廁所都在想，當你不斷的琢磨，突然哪天靈光一現，問題就解決了，創造力更強，但如果是在大公司工作，這樣靈光一現頻率會比較少。

所以從這些角度來講，我認為在這樣一個垂直領域，我們會比巨頭做的更好，我不擔心來自巨頭的競爭；那創業公司的話，我們也不用擔心哪天突然冒出來一個人工智慧公司然後顛覆行業，因為進入的門檻非常高，比如需要資金、人才還有非常貴的GPU等等，這些都抬高了准入門檻，這個行業不太像做社交網路，一個大學生在宿舍裡面搗鼓一個網站很受歡迎，然後就成功了。

此外，時間窗口同樣是一個重要因素，2013年、2014年出來的一批公司基本已經把資源都佔到了，組建了自己的團隊，拿到了足夠多的投資，再往後的公司會相對難很多了。總之，這個領域沒有像共享腳踏車那樣燒錢，是比較健康的競爭。

網易智能：您認為人工智慧將對普通人產生哪些影響，他有哪些具體的價值可以體現出來？

黃鼎隆：目前這一波人工智慧落地大都是2B的，碼隆面對各行各業，其中包括有服裝行業、家居行業、圖片版權等等，而這些又面向特定的某一類人，最終全部加起來，其實已經觸及到很廣泛的受眾了，所以，人工智慧一定會影響到我們大部分人。

它還將為我們帶來一種全新的交互形式，以視覺為例，之前的計算機是以文字為主的交互，而現在以圖搜圖是更自然的一種交互方式，我們之前看到很多年長的人玩不轉這些東西，那隻能表明這個科技不夠高，並不是人的問題，我們需要這種最接近人的交互方式。

它對我們的影響一定會是潤物細無聲的，在不知不覺當中已經影響到我們了。

網易智能：您認為通用人工智慧會成為現實嗎？

黃鼎隆：以我們的實踐來看，至少是相當遠的，人工智慧的領域非常廣，我們是細分的視覺領域，視覺裡面細分的商品識別，然後商品識別裡面又有很多細分的東西，這些都需要專門來進行研究，所以，通用的人工智慧還是非常遠的。

但是技術的進展非常快，哪天突然出現一個理論的重大進步，使得通用成為現實，我也不會太驚訝，至少近期還不會出現這樣的事情。

網易智能：去年深度學習取得了進展，引起廣泛關注，您能預測一下2017年技術領域的發展嗎？

碼特（碼隆CTO補充回答）：前不久，通過AlphaGO、ImageNet、人臉識別挑戰等這些比賽，我們已經可以看到基於深度學習的技術應用已經產生了突破性進展，在一些領域的表現已經超過人類。

在2017年，隨著深度學習演算法的提升，大規模計算能力歷史性地引領潮流，可以預期深度學習在各領域 「超人」 識別能力仍然會持續提高。但同時，目前也還有個尚未解決的瓶頸問題：被標註數據的缺失。我們正處於「監督式學習（Supervised Learning）」的階段，數據數量很飽和，但問題是這些都是沒有被標註過的數據，這些數據是無法被用來訓練演算法模型的。

目前的解決方案是依賴於專業標註人員，來進行這項繁冗的工作。但展望一下2017年深度學習技術的發展，會不會出現在更少訓練數據的情況下，甚至能實現計算能力提升呢？隨著生成式對抗網路（Generative Adversarial Networks, GAN）取得顯著的研究進展，這個問題的答案某種程度上是肯定的。

這項技術在2014年首次由古德菲洛等科學家提出，它能夠通過指令生成逼真程度驚人的照片，GAN目前已經取得持續性進展並開始嘗試被應用在不同問題上。特別是GAN能夠被用於生成大量訓練數據來提升演算法模型表現，並進行更高效的半監督式學習。另外，遷移學習（Transfer Learning）也在最近取得了重大進展，可以用來解決訓練數據的問題，我們可以期待2017年出現更多人工智慧的「超人」表現。（End）

註：本文為網易智能頻道稿件，轉載請聯繫我們獲得授權（微信公眾號smartman163），違者必究。

點擊進入專題查看更多大咖專訪

1、專訪微軟洪小文：下一個十年，AI應用將成兵家必爭之地

2、專訪地平線機器人技術余凱：我特立獨行 不畏懼行業泡沫！

3、專訪科沃斯錢東奇：人工智慧落地還要十年，你很酷不代表你能存活

4、專訪雲從科技周曦：刷臉時代 一支」國家隊」的獨特」戰法」

5、專訪馭勢科技吳甘沙：2021年實現L5自動駕駛很難 共享無人車可期

6、專訪優必選周劍：人形機器人普及還要十年，90%創業太虛都會死

7、專訪聯想芮勇：以前大家把搞AI的當騙子 現在我希望AI是只"慢牛"

8、專訪第四範式戴文淵：AI的Windows時代何時到來？

9、專訪英特爾宋繼強：如果機器人取代了你的工作，要學會靈活轉型並與AI共處

10、專訪圖森未來侯曉迪:自動駕駛改變世界？先賺到錢再說

11、專訪Gowild邱楠：討厭硬體免費，所有的付出都應該被尊重，今年低成本機器人會上量