2017GAITC模式識別與智能感知分論壇實錄丨周曦：計算機視覺的產業化探索

主題：模式識別與智能感知分論壇

時間：2017年5月22日下午

地點：國家會議中心401

本文根據速記進行整理

計算機視覺的產業化探索

周曦

雲從科技總裁

劉成林/主持人：下一位演講嘉賓是來自於雲從科技公司的周曦總裁，題目是計算機視覺產業化搜索。

周曦：很高興和大家交流，我原來以為大家是偏產業或投資方面的人，一看很多是同學。聽了前幾位嘉賓講的東西都是偏學術的，我盡量講快一點，一會我們可以討論。兩個部分，我主要想跟大家分享一下，如果我們搞計算機視覺技術的人想要創業會遇到什麼問題，以及在這中間我們自己的思考。

首先，討論一下計算機視覺這個行業。我理解人工智慧分為感、知、用三塊，我們做語音和圖像處理都是感這塊，感相當於人的五官，是一個交互的入口。知就是我們的大腦，就是做分析的。用就是包含身體、軀幹等等這些東西，這是自賣自誇一下，說我們的視覺很重要，視覺佔到了信息源的70%到80%。我們看一下只佔10%到20%，亞馬遜搞了Alexa股價到現在已經900多了，他們的老大馬上當全球首富了，順利超越比爾蓋茨。Alexa利用語音識別入口把所有的設備商連接起來的手段，亞馬遜從2010年開始布局，大家講了很多年的未來交互的入口，它首先自己做了一個音箱，通過把這條路走通了以後，它開放Alexa這個平台，讓其他各種設備的硬體廠商接入，現在接入量上萬了，所以就成了新的入口，當然也推動了亞馬遜股價的上升。可見人工智慧的感知這一端，作為入口有很大的魅力。反過來視覺能搞這個東西嗎，計算機視覺想做的事相當多，我們可以應用到電商、招聘管理，安防，直播，如果計算機視覺和其他的行業結合，和自然語言理解，ARVR，生物結合起來，還可以撬動各行各業。那這麼大的應用前景，它怎麼就沒有出來Alexa這樣的東西呢。

我們這個行業已經做了很長時間，有一件事不知道是好事還是壞事，好萊塢的電影早在一二十年前，就把計算機視覺演的非常神了，因為我自己是做人臉識別的，所以在好萊塢電影里向來隨便就可以把壞蛋抓出來，好處就是幫我們做了廣告，就是讓民眾理解人臉識別怎麼用，缺點就是總是讓客戶有不切實際的期望。我在2011年回國的時候，當時我們的公安就有評測人臉識別技術，希望用這個人臉識別破案。總之，測出來的結果，我們當時排第一，但是沒有用，事實上當時的技術離破案一點關係都沒有，那時候能夠幫公安做一點事，就是證件查重，因為證件的效果好，除此之外想在監控視頻下拿來破案是完全沒有希望的，這是2012年的情況。

我說的這個什麼意思，實際上計算機視覺的場景這麼豐富，但是它沒有產生一些非常牛逼的入口級的殺手鐧應用，其實是效果問題。我們看一下人臉識別，人臉識別這裡有寫，在2015年這一年的時間，2015年到2016年，識別率提升到2個數量級，這是什麼概念，我們以前是做語音識別出身的，我出國之前，03、04、05年是做語音識別的，04年在微軟的時候，我們在討論的這個數據有沒有錯，全球當時花在語音識別上的投資經費已經超過了阿波羅登月計劃，但是當時做的事就是能做日報讀報，如果你認認真真讀報紙可以，想在實際應用沒戲。當時的語音識別就是摩爾定律的水平，每18個月的時間可以把錯誤率減半，如果做語音（英文）接線盤，上面還有30%的錯誤率，所以我就當了逃兵，不做語音識別了，改行做圖像和視頻了，所以我就講，做了一個錯誤判斷，正確的決定，實際上語音識別的發展速度比我想象的快一些，幾年以後科大訊飛也上市了，我在那也呆過幾天，看一幫兄弟很成功，包括我們開了雲知聲都很成功，但是圖像視頻是比語音更大的入口，即便人臉識別有一個數量的提升，也仍然只是在部分場景能用，前面各位老師講到了，同一個技術在不同場景下的差別極大。像人臉識別，我簡單說，你做確認和識別，就是1：1和1：N，你做配合和非配合不同技術上的影響很大的，確認就是我只是想知道這兩張照片是不是同一個人，這個應用點就非常多，比如說你去銀行辦事，賓館，去飛機場火車站，把你身份證拿出來就是要判斷人證合一。現在就是N的問題，就是我一個照片知道它是誰，這個N有多大，這也是一個問題。再就是同場景和跨場景，註冊照片和現場照片是在同源獲取還是跨源的，一個是身份證照片，還是一個現場視頻，這個跨源的情況很多。還有改變配合與不配合，我們去機場和銀行是配合的，但是公安如果抓人的時候，基本都是不配合的，犯罪分子通常喜歡在夜黑風高的時候出來搞事。即便人臉識別，大家覺得目前進步很快，成熟度很高的人臉識別應用，它仍然是非常受限的。

如果我們要做技術創業，那我們應該怎麼做這個事情。我想起一個很牛的師兄，科大訊飛的劉訊飛師兄，科大訊飛從99年做語音識別的公司，顯然是太早了，結果過了十年時間語音識別才能真正大行其道，所以你就要有本事活十年，要不然像劉師兄一樣讓安徽省政府把任何一個項目都給你，也拿國家補貼，做到你的競爭對手都倒閉這樣就行。現在很多公司都是這樣做的，做無人駕駛的，五年十年才能用，就看誰能熬得住，把其他人搞倒閉了你就行了。要不然你就選擇人臉識別這樣的公司，你現在做，現在做人臉識別面臨一個局面，人臉識別已經能用了，就是所有的大公司也會做這個事，你是小公司就得直接跟大的巨頭，不管是BAT也好，就跟他們打，你打得過也行，要不然很早跳槽，要不然你就直接面對這些大的對手，基本上做技術創業只有這兩招。第一種就是拼耐力，第二種就是拼速度。所以我們自己做，明擺著就是拼速度，2015年年中開公司，當時大大小小做人臉識別的公司沒有100家也有50家，就是看誰能夠最快速地把這個技術落地。在這種情況下，我們自己的基本思考是這樣子的：第一個，就是做創業要保持聚焦，本身就沒有人家資源多，再說現在搞都搞不贏，就是集中力量辦大事，保持機動性的問題。第二就是耐得住寂寞，忍得住誘惑。因為人臉識別需要做的事太多了，同時堅定不移做一件事太苦了，你就會想要不要干其他的。

我講點自己的例子，2015年我們成立公司的時候，本來想做安防的，結果成立完公司以後發現銀行的機會出來了，一般來講銀行很少用新創業公司的東西，但是好在2015年，因為一系列的原因，銀行就得去採購人臉識別技術，而人臉識別技術大部分都很年輕，所以必須在幾個年輕公司中挑，這時候就出現人臉識別公司搞的死去活來的，結果價格越來越便宜，每單都會賠錢，每次PK都要死不活的，這個時候出來一個問題：要不要做這個事，你會發現有很多其他的機會，剛才看到進步非常快的曲線，也是我們打架打出來的。當時有一個客戶，前前後後三家公司PK了4個月時間，PK了7次。最早是給了一個水印照片，目的就是讓人臉識別公司識別不了，客戶要求什麼呢？客戶要求現場視頻拍一個照片，識別是不是同一個人，一開始我們幾家做不到，結果過完節以後有一家做到了，而且把它的識別率做到了接近90%，沒有辦法，我們研究院院長就去現場，人家都搞了，他們當時還出了一個理論上線，我們研究院自己算理論上線，我說這個不可能，一點戰略都沒有。從10月份開始，一直搞到元旦以後，最後這三家公司都能做到在萬分之一的情況下成功率達到95%，技術就是這樣進步的，如果放到實驗室這個事可以干三年，就是這樣的殘酷競爭，你會發現這個項目一共就幾十萬，全是入不敷出的，你還要不要做。所以經常說保持聚焦，講道理聽起來肯定就是這樣子，但是當你這麼做的時候，不一定做得到。

我們有時候也嘲笑一下友商，你看當老大不堅定吧，又轉向了，其實我特別理解他們的想法，因為他不知道他是不是一條路把隊伍帶到溝里去了，如果你堅持，萬一是死路呢，你就轉向，如果人家走通了你又搖擺，要不然是冥頑不靈，要不然就是搖擺不定。所以首先把戰略方向看清楚，這條路是走得通的才要保持聚焦。最終銀行是我們贏了，成了銀行第一大供應商，是因為我們堅持了，只是因為其他公司看的不夠准，僅此而已，所以有時候很難說。所以在雲從的角度來說，我們從來不做其他的東西，到現在為止就是做人臉識別，我認為人臉識別市場足夠大，這個可以跟一些同學講一下，這個不是我編出來的，是很多大佬教我的，你判斷這個市場夠不夠大這麼判斷，一個公司一定要設定未來三年的目標，如果目標3億6億10億，你所在的領域值不值這個數，所以人臉識別顯然搞幾個億的銷售額完全沒有問題。

第三個，人臉識別本身就是入口，本來可以打開各行各業，所以堅持不懈把這個入口做好，這個是非常有必要的。具體做什麼事呢，這個講到2B和2C的問題了，大家很多人覺得C端比較性感，我們做C端，大市場，你得看你的技術行不行。B端是什麼特點？B端的特點，第一它的門檻高，也就是說它要求是你的性能要好，技術比較難；第二要求服務要好，第三對價格相對不敏感。C端要求性能好，使用方便，價格便宜。我們想一想，我們現在的技術基本上是偏定製化的，我們做人工智慧技術，金老師也講了，還沒有一個通用技術搞定這件事的時候，怎麼做到使用方便，怎麼做到價格便宜，使用方便。我們買一個手機，如果有一個手機說，你要看說明書才能用你會買嗎？很抱歉，我們的東西你看了說明書還不能用，我還得派人上門給你調試。但是反過來，如果今天是做大B端，上門就調試，就是服務好。現在大家我們行業的獨角獸都是做B端的，做不了C端。C端什麼時候才能做，我估計還要做一兩年，以現在的速度發展，再有一兩年就可以了。

市場分析，機遇與風險並存。今年開始人臉識別市場有億級的項目出現了，表示機會與風險並存，這裡有一個鯊魚，我們這些公司自稱是一線公司，人臉識別公司里最領先的幾家，我們其實跟大鯊魚比起來很小很小的，所以這是很危險的時候，所以每當有機會來了它可能是一個陷井，如果我們站不住，可能被後面的鯊魚吃掉，所以是這樣的問題，所以這是拼速度的問題。實際上怎麼做這個事呢，前面各位都講了，我不詳細講了，要把演算法和數據和行業應用都打通，只有這樣才能立得住。這是埋頭拉車，抬頭看路。先把眼前的事完成好。

接下來講一下雲從自己是怎麼走過來的，我自己的背景，原來我在國內做語音識別和身份識別，06年去美國，我自己蠻幸運的，起點比較高，我們進步很快，07年去IBM，還有微軟，我們在美國拿了六個冠軍，然後想做點實用的東西吧，就是找一個特別落地的，就是做人臉，就跟國內聯繫了，中科院重慶院就三次到美國來談，我們就建立了一個聯合研究中心，在中科院做的還不錯，我們在劉成林老師的領導下面做專項，做的還比較成功。2015年雲從科技正式成立，成立這個公司的目的，我覺得再不成立就不用成立了，只有改行了，就是我講的邏輯，當那個東西真正到爆發的時候，要不然迎難而上，和大公司競爭，要不然我們就做一些不實用的東西。成立公司以後，當時的情況是，阿里巴巴，百度，騰訊大規模搞人臉識別了，我們還能做什麼呢，當時技術比它們領先一些，技術領先這個事是非常靠不住的，尤其大公司的大量投入，你怎麼保證你怎麼贏。所以我是特別感謝我這幾個對手，說實話，如果沒有他們肯定我們大家都掛了，就是因為有這幾家天天打，經常有人問，大公司趕不上我們，原因是一些公司互相拆台，互相打。就像我們在銀行PK的時候，每個銀行要POC測試，各家分別提供數據彙集到一起，我發現有一個友商提供的全是老人數據，果然我們識別不對，就是我們自己的缺點對手比我們還了解，你只要有一點點做的不到位的地方就有人搞你。我們都一樣，只要有一點毛病，我們友商都會到銀行當播音員，這樣我們進步就很快。所以，技術，產品，市場三位一體都得抓。技術是根本，所以雲從的技術團隊很大的，我們三個研發中心，上海、成都、重慶兩百多人，我們在上海交大和美國矽谷加起來有300多個研發者。這麼多人肯定要干很多事，外面的人臉識別是幾十個模塊。我們保持做一線公司，江湖地位是打出來的，不管是銀行還是公安，你要努力拿第一，我們也不能保證都贏，只是勝率的問題。

第二個就是產品，只有技術不行，要深入業務場景做產品，我們在銀行里，11個部門有46個解決方案。公安里我們做海陸空一體化的應用，因為公安的東西涉秘，我不詳細講了。

第三個就是市場，市場特別重要，我們邏輯是從上到下都得搞，我們雲從有中科院背景，相對來說比較容易做，我們得從頂層設計做起，人臉識別不管公安部標準，國家標準，都是我們雲從做的，所以最頂層的標準和未來的發展都要控制在手上，這是很重要的點。第二就是落地，雲從在全國10個城市建立銷售服務中心，每個銷售服務中心管周邊幾個省，我們在每個省都有專門的服務人員，這種配置在一般小公司不是都能看到的，我們還有科學家跑去裝攝像頭被電打傷了，我們嚴厲批評了這種行為。結果就是我們做到銀行的第一大供應商，包括中農交建等幾大行，銀行總行一旦選哪家是不能改的，是不替換供應商的，之後不管做網點改造，還是信息服務，都要用雲從的產品，這也是為什麼當時打的這麼慘烈，即使是10萬塊錢的單子也要搶。第二個就是公安，這個也是很幸運，2016年在廣東，把日本和德國甩在後面了。總之在公安的事情進展還是不錯的，雲從幾個月時間，從2016年9月份開始做，現在在22個省已經上線實戰了，我不詳細講公安的事了。

雲從科技在2017年人工智慧已經被定為國家戰略，國家發改委定了4家人工智慧基礎資源公共服務平台，4家公司分別是百度，騰訊，科大訊飛和雲從科技，我們非常有幸為國家出力，建立人工智慧平台，國家要求它每日調用次數超過1億次，也就是說希望人工智慧作為一個橋樑，真正可以改變各行各業，這個要求估計百度和騰訊比較容易達到，對我們來說是一個問題，我們千萬級別沒有問題，還沒有到上億級別的調用，也是國家對我們的鞭策。選擇我們重要的原因，就是國家希望我們完全國產化，也是希望國內的公司和中科院的公司主導這方面的事。總的來說，在過去兩年裡，我覺得我們算是很幸運的例子，人臉識別是正在爆發的智能應用，而且在爆發的兩年裡，我非常幸運的沒有帶大家把路走到絕路上去，比如當時在拼銀行的時候確實拼下來了，現在可以自豪地說我們很堅持，但是實際上在這個過程中的時候，並不是這麼簡單的，很多時候就是賭的，賭贏了就是英雄，賭輸了就是狗熊。謝謝大家。

劉成林/主持人：謝謝周曦博士，報告很精彩，我們今天的論壇的宗旨就是學術界和產業界結合，我們希望從不同的角度和不同的方向聽到不同的聲音。你跟那幾個公司打來打去，短短几個月做上去，靠什麼，靠演算法還是數據？

周曦：基本上上是靠數據，尤其對應的是客戶，客戶提供數據，你不能拿走。第二個就是深入場景，大家拚命的時候，就是每個細節都要考慮。為什麼這個地方有一點背光就不行？就瘋狂的搞這個模型，比如有人手持的時候擋住臉的一部分，你怎麼用，有的時候這裡有一個小照片，還有一個大照片，這個你能不能利用起來，就是一點一點扣細節。

吳毅紅：您剛才說技術領先是靠不住的，這句話把我搞的誠惶誠恐，第一張PPT里是有關人才的，有沒有什麼好的辦法和制度，選擇好的人才，並且留住他們。

周曦：我也不知道是哪頁了，我們可以交流一下人才這個事。人才問題是個難題，我是因為有很多失敗的經驗，我在2010年當時拍胸膛搞這個事，我嘗試過在國內做這個事，但是發現沒有很穩定的團隊做不了。後來我們決定，一定要有自己的黃埔軍校，自己培養人才才可以，我們在中科院有一個很大的研發中心，我們裡面有六七十個人，這是很大的隊伍，每年也有學生進來，在上海交大也有博導，首先就是要有一個源頭。另外一個辦法，我們現在有中科院和公司兩邊的優勢，有一些研究的人喜歡在科學院里呆著，有的人願意在公司，即便在公司，我們有上海研究院和重慶研究院，有一些人才喜歡在一線城市，有些人喜歡在二線城市，總的來說，對人才就是順著他來，他想怎麼著我們就怎麼著，只要他們爽了就對了。

提問：剛才看到您在PPT中介紹，現在主要業務是2B的，如果是2C，您預測在一兩年之內會出現2C的井噴，那麼人臉識別會以哪種形式出現呢？我原來有一個同學，他自己創業，博士畢業以後就搞了一個公司，發明一個攝像頭，戴在頭上的發卡，拍小孩，我們現在知道自己家有寶寶，都是鏡頭寶寶，你一拿手機就擺出各種或自然或不自然的POSE，這對孩子成長也是有利的事情，後來這個也沒有做好，我想知道他做的是不是跟人臉識別相關的。

周曦：是這樣，所有的技術，剛才講的東西有一個臨界點，比如您講的東西，實際情況應該是做在眼鏡上，現在有AR眼鏡，接下來的眼鏡已經能做到完全和普通眼鏡一樣的，但是它還有一點重。ER公司最近沒有開發好，VR戴久了以後會有頭暈，說明性能不夠好。使用要方便，價格足夠便宜也沒有做到，因為現在價格比較貴，什麼時候會爆發，就是這三個東西到一個臨界點就會爆發。人臉能做什麼，就是作為門禁，過去車牌以前都是刷卡的，現在任何都是變成車牌識別了，以後所有的門禁都是人臉識別了，這是逐漸的，再下一步，你會發現手機上蘋果8可能會玩，它就用人臉做很多的東西，這個時候技術會全面鋪開。

劉成林/主持人：如果有需求，幾個一線公司相互打進步比較快。