0
就在林元慶離職創業之際，曾經與林同門的NEC Labs系師弟、前Snap資深科學家、Snap研究院創始人之一王孝宇博士，于近日宣布加入深耕安防領域的人工智能公司云天勵飛，出任首席科學家兼AI副總裁。
如果說MSRA是軍風統一的黃埔軍校，那NEC Labs無疑是百花齊放的西南聯大。
前者低調、務實的風格貫穿整個人工智能研究圈，后者雷厲風行的行事風格為AI創業注入了源源不斷的活力，掀起多股AI浪潮。
MSRA的影響力毋庸贅言，而很多人較為陌生的NEC Labs所培養出的余凱、周曦等人已經成為細分領域的領頭人之一，剛剛從百度離職的林元慶也投入到創業大潮，書寫自己AI歷程的下一篇章。
而今，王孝宇的歸國無疑讓智能安防江湖的角逐更加激烈。
“非常快。”
在問到回國后的第一感覺時，王孝宇不假思索的說出這三個字。
“國內人工智能圈的節奏，無論是技術迭代還是業務推進速度都遠超硅谷，這很讓我興奮。”
連續六個月KITTI無人駕駛數據庫識別任務冠軍；2013年ImageNet美國第一，全球第二；美國國家標準局性別識別第一和年齡識別第二；大規模細粒度圖像識別研究中，二十萬張圖像數據集中識別600多種差異較小的車型，準確率高達96%。
這便是作為團隊一份子的王孝宇在NEC Labs任職期間交出的成績。
在NEC Labs打下了結實的算法基礎后，2015年，王孝宇加入了當時僅有一百多人的Snapchat，并與李佳一同創辦Snap研究院，主導Snap計算機視覺研發，研究云端的視覺解決方案和手機端的人臉檢測、識別、分割方案，AR，商業圖像智能等，尤其在模型壓縮上取得了非常優秀的成果。
當時王孝宇團隊把運行在2億手機終端的神經網絡壓縮到2MB，超過Google研究團隊的壓縮性能。
在NEC Labs專攻計算機視覺基礎技術研究，在Snap研究手機端的消費級AI功能，雖然兩個地方做的事兒都讓王孝宇充滿干勁，但他明白，這并不是自己內心真正想要的。
“這次我回國加入云天勵飛，就是想讓AI更直接地為傳統行業賦能，這里我需要強調下‘ 更直接’。”
“我選擇人工智能公司的標準是，在業務上腳踏實地，在服務模式上和行業結合緊密。這家公司要懂得如何做行業解決方案，而不是單純的人工智能技術提供商，只做人工智能這一單點技術。”
云天勵飛是一家很To B、更加注重實際落地的智能安防解決方案商，相反，王孝宇的基礎研究和消費級AI研究背景，與新東家所做的事有些不同，這時候往往會遇到水土不服的問題。
此前筆者與美的人工智能研究所所長俞大海交流時，安防出身的他談到消費級和企業級人臉識別產品的算法、軟硬件方案，幾乎可以用“完全不同”四字形容。消費級產品是以用戶體驗為主，而企業級產品更多講究的是功能實現。
在研究側重點和客戶需求迥異的情況下，王孝宇卻并不擔心。
“05年到08年期間，我本人就已經在安防領域創業，公司叫創世科技。這三年間，我不僅熟悉了安防業務的流程，也深諳行業痛點，所以基本上不存在行業水土不服的問題。”
隨后，他繼續補充道，過去由于智能攝像頭架設數量有限，客戶方往往看重安防解決方案的準確性，對速度的要求并不嚴格。但近兩年隨著各家頂尖供應商識別精度差異越來越小，智能攝像頭覆蓋數呈指數級增多，前端設備的處理速度成為了重要的比拼點。
目前云天勵飛在深圳龍崗區架設了3000多路智能攝像頭，在全國有6500+多路部署，這些攝像頭都需要大量的視頻處理能力，如果未來當規模達到數萬甚至幾十萬路級時，更需要強大的前端強大的分析能力，快速反饋結果，并降低服務器端的壓力。
“過去大家都在拼性能，但算法的壁壘會越來越低，到那個時候相差百分之幾的數字比拼本質上并沒多大差別，真正的差別在于誰的算法能在嵌入式端和大規模數據中實時運行。”
“15年我們創立Snap研究院時，Google等巨頭都把App的AI功能放在云端處理，但是云端成本太高且速度較慢，于是我們決定把它放在手機端。當時團隊做了世界上唯一個運行在兩億手機設備上的神經網絡系統，這套系統可以在幾十毫秒內把人臉檢測、識別、分割全部完成，而且功耗很小。其實這些手機端的CV研究經驗，很多都可以沿用在攝像頭前端。”
加入云天勵飛后，王孝宇的第一要務是對公司的算法和大數據進行進一步的規劃。
“在大數據上，我們計劃積攢超過千萬人的數據系統，增強訓練。算法創新上，我們想讓自己的算法在千萬和億級數據集上得到更好的效果，開發算法自動化系統，縮短研發周期。”
在人人都談人臉識別率可達99%以上時，某安防集成商高管告訴雷鋒網，他們曾使用了兩家計算機視覺公司的人臉識別方案，最終在某個場景中的實戰準確率分別為30%-40%和70%左右，準確率相差百分之四十之多，后者已經是行業頂級水平。
王孝宇指出，這個現象其實就能反映出AI實戰的重要性。
由于實驗室庫中的數據量較小，產品單一，模型訓練相對簡單，因此能夠達到很高的精度。研究者們能夠輕而易舉在LFW中取得非常可觀的成績，主要因為LFW僅有一萬數據量。但在實際應用場景下，方案商面臨的底庫完全能夠達到幾百萬、幾千甚至上億人級，精度會立馬下降。
而且在安防實戰動態底庫數據比拼當中，各家公司完全不在同一起跑線上。
除了底庫外，復雜的應用場景，如遠距離、夜晚、側臉、逆光等環境都會對識別影響很大。
“我認為半年到一年以后，絕大部分公司的算法和性能都可能處于同一條起跑線上。但技術領域有個規律，當A條件成熟之后，就會對B條件產生新的要求。”
如馬斯洛需求理論把人類的需求，像階梯一樣從低到高按層次分為五種并層層遞進一樣，科技這一行，客戶對供應商的技術要求也會隨著低層需求的滿足，從而對其他條件提出更高的要求。
“性能和速度之后，就是智能攝像頭硬件的比拼，尤其是硬件價格的比拼。”
“同樣的算法、同樣的精度、同樣強大的處理能力，有人只需要1萬塊的硬件就能架設完，而有人可能得花費10萬。雖然近些年算法方案的價格戰屢見不鮮，但更殘酷的硬件價格戰正在來臨。”
寒冬將至之際，云天勵飛也在這個關鍵節點發布全新產品IFBOX V3.0，可應用于傳統攝像頭改造，硬件產品二次開發等。該產品采用嵌入式設計CPU+DSP架構，提供較高性價比的視頻圖像處理及人臉識別解決方案，最高支持到每秒50+人臉抓拍，15+個人臉特征值提取；數據庫最高可以支持超過20W，并實現每秒15+個人臉的數據庫對比。
目前云天勵飛也已聚集了一個40多人的團隊研發AI芯片，并將于明年生產投片，為客戶提供“芯片+算法+數據+應用+服務”端到端的整體解決方案，全面進入備戰狀態。
一邊為安防“硬”戰籌備糧草，云天勵飛一邊也在探索安防之外的場景。
安防中可以標識人身份的有兩種重要信息：人臉和車。
王孝宇談到，為了更全面的掌握“人”的信息，除了老本行對“人”的檢測和識別外，云天勵飛接下來最有可能做的事情將圍繞車來展開，完成在各種復雜環境下對每一輛車的識別等。
“但我們也不得不考慮另外一個問題，當無人車普及后，私家車更多會以共享的形式出現，這時候車輛信息在人身份中扮演的角色權重就會下降。因此我們需要提前預判新的場景，并籌備新的解決方案：當用戶進入共享無人車時，這時需要攝像頭來捕捉到進入車的人是誰，汽車端的監控方案會成為必需品。"
做解決方案得隨時考慮未來可能發生的狀態，隨著場景的改變，很多應用也會隨之改變，王孝宇總結到。
隨后他又談到基于監控攝像頭的新應用。
眾所周知，互聯網是收集用戶線上行為數據、構建人用戶畫像的重要平臺，而用戶線下的行為數據卻很難采集。
這時候，安裝在城市中的億萬個攝像頭將會成為構建人線下用戶畫像的新平臺。
云天勵飛希望通過對城市用戶畫像，挖掘這中間的數據附加值。
“我在Snap也有做過相關的研究，我們在這方面的技術能力全球領先。”
除此之外，云天勵飛的新研究團隊具有廣泛的AI技術研發實力，如醫學影像和無人車等，但有些傳統行業的數據壁壘和商業壁壘比技術壁壘更高，還處于戰略調研階段。
“云天勵飛選擇進入某個行業比較慎重，得深入調研我們團隊對這個行業有沒有一個好的思路，好的積累。等到對商業模式有充分把握后，再去用技術實現。”
確實，過去人工智能企業野蠻生長時期，商業模式很容易被技術誤導。
微軟亞洲研究院副院長張益肇曾告訴雷鋒網，很多AI創業者們在切入某個場景時，既沒捋順流程，也沒想清模式。單純覺得我有AI技術，有幾個合作伙伴，就能大干一場。
于是技術先行，在沒認清自己，想好業務時，直接用人工智能去撬動整個行業。
好者，在碰的鼻青臉腫后吸取經驗不斷保持商業模式和產品的迭代，最終走對路；壞者，一蹶不振。
雖然前者“精益創業”式的產品開發手段在移動互聯網時代被互聯網界熱捧，但在企業級產品中，這種方式并不是所有公司、投資方和員工能承受得起的。
“我們相對屬于保守派吧，AI技術的擁有者得對傳統行業抱有敬畏之心。”王孝宇笑著說道。
作為有著優秀實驗室背景的研究者，王孝宇還有一項重要任務是在美國西雅圖建立AI Lab，專注做更加前沿的工作。
過去云天勵飛圍繞業務創立了應用機器學習組和機器學習框架組，探討如何搭建更好的框架，更高效地做訓練，更高效地采集數據，更直觀地做可視化，滿足公司幾個月內的技術需求。
“AI Lab主要聚焦在6個月到2年內的前瞻性研究，很多時候，當你鉆進一個很細的應用之后，不站在外面看問題，很難看到更多改進的空間，我們非常需要有這樣一群人去看6個月到2年后的技術走向。”雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
