前132次0-3从无翻盘？爵士核心放话：G4战不会坐以待毙成全火箭

齐齐哈尔时尚网小编提示，记得把"前132次0-3从无翻盘？爵士核心放话：G4战不会坐以待毙成全火箭"分享给大家！

如果说过去五年是中国人工智能的上半场，那么从 2019 年开始，这个行业正式进入了下半场。

这一年，以计算机视觉起家的 AI 四小龙，差异化战略正在变得愈发清晰。

一直以来，以技术名称来定义公司属性的企业，初期均以技术驱动业务，拿锤子找钉子。

反之，以行业来定义公司属性的企业，业务是重心，技术是辅助，先找钉子，然后制造合适的锤子。

在外界眼里，四小龙仍旧是最初那个拿着 AI 锤子找钉子的四小龙，而现实是，他们早已转变为锤钉转换，双轮驱动的企业。

随着锤子与钉子角色的转换，四家企业的战略也从同一 CV 战线，分头走向不同的道路。

商汤向后：全面聚焦云端的独角兽

与大多竞逐者稍显不同的是，在行业大部分玩家往 " 前 " 走，做边缘、硬件的背景下，商汤却集中兵力大举向 " 后 "，聚焦云端，做城市级视觉中枢平台。

商汤科技联合创始人、副总裁杨帆解释了商汤安防为何要 " 别具一格 " 积极向 " 后 "。

一来是基因。

商汤的基因在于平台，它成立之初的定位就是做一家 AI 平台公司，要让 AI 成为一个可以长期保有价值的技术，而不是转瞬即逝的风口。

此前，行业内秘而不宣地将一众 CV 公司大致分为两类：一类做 " 重 "，一步一步由点及面，做软硬一体化，如此易于活下去，但扩展速度有限；一类做 " 轻 "，自上而下先面后点，聚焦视频中枢平台，如此利于扩大规模，但变现周期较长。

" 今天的 AI 安防赛道，每一家公司的战略打法都不尽相同，但大家的模式都是‘重模式’，只是 " 重 " 的方向不同罢了。" 杨帆反驳道。

有些公司从端到边到云，通过软硬一体化战略提供行业整体解决方案，‘重’在供应链，后期会慢慢朝着一家技术型生产企业方向行进；商汤的‘重’，在于云中心，基于顶层设计做服务。

" 未来商汤的产品形态满足行业的商业模式及市场规律的同时，也会给自身留有一定的战略空间，但核心价值一定不会变，那就是软件价值。"

他始终认为，企业发展壮大后，在面对产业蛋糕诱惑时，需根据基因优势，守住定位所在，不然雄狮会溺亡，虎鲨也会衰竭。

杨帆说，安防流程中的 " 分析 "、" 反馈 " 这两大环节未能在过去十多年中得到实质性发展，导致这一领域的产业信息化没有真正完成闭环价值的提供。

分析是对于前端 IPC 采集的数据真正具备自动化价值提炼的能力；反馈是指拥有基础提炼能力之后，再结合用户需求，形成应用生态，能够真正给客户带来价值。

杨帆笃信，对于后面两个环节的补强便是商汤发力安防的机会点所在，商汤也会竭尽全力对一个成熟行业的不成熟环节进行商业化重构。

二来是大势。

商汤志不在安防样板区域，志在城市级视频分析管理中心。

中国城市化进程加速已成现实，未来会出现以珠三角、长三角、京津冀为代表的巨型城市网络，而随之出现的便是对于超大规模城市视频分析管理及综合治理的实际需求。

对于所有从业者来说，这是一个全新的课题及难题。

以一个城市级项目为例，将 1 万路摄像头（保守估计）连接在一起，每路摄像头每天抓拍量 3000 张（保守估计），每天系统需要处理 3000 万张人脸，如果后期需要存储 100 天，也就是 30 亿张人脸。

此背景下，如果用户想做一人一档，这对于技术的挑战远远不是一个几千人的门禁可以比较的。

" 团队人才的上限就是一家公司业务能力的上限，目前商汤是全行业内唯一一家能够做到两万路且已经落地应用的厂商。"

杨帆告诉雷锋网，做城市级基于数万路的视频分析系统的难度之高不可想象，它的出世并非一朝一夕之功，需要 AI 领域众多顶尖人才的持续努力，并针对算法做大量优化、平衡才可以做到。

旷视向前：终端最 " 重 " 的独角兽

在商汤大举向后的同时，旷视却奋力向前，从后端到前端全面覆盖，走软硬一体化之路。旷视认为，当互联网的上半场结束之后，所有的互联网下半场都是重生意，而 " 重 " 便体现于用算法去匹配各种前端硬件产品和工程项目。

七年前，AI 还未成风口，创业公司也没几家，VC 圈尚不认可，那个年头，做 AI 已经要有难得的孤注一掷的情怀，不曾想入场后不久，旷视便瞄准了行业公认的硬骨头：安防市场。

今天，旷视安防所研发的产品矩阵涉及人、车、物特征识别等多个领域；业务线涉及 云、边、端三大版块。

可以说，旷视正在用软硬一体的方式打造涵盖 " 算法、技术、硬件产品、解决方案、数据 " 在内的全价值链。

安防之外，旷视的 " 重 " 还体现在仓储物流、工业化上。

此前，旷视重磅公布了其机器人新战略，从仓储物流切入 AIoT 市场，并推出 AIoT 操作系统 " 河图 "。

有人提到，旷视此举是在谋求转型，在雷锋网看来，实则不然，更有可能是业务升级。

计算机视觉技术的迭代，最终是为了更好解决人、车、物的问题。一直以来，旷视所研技术、产品都是围绕 " 人 " 与 " 车 " 展开，而他们最新发布的新战略则覆盖了 " 物 "。

与识别 " 人 " 及 " 车 " 不同，" 物 " 的识别对于软硬件的要求更为苛刻，也就是说在安防领域积累的软硬件实力已经满足不了后者的实际需求。

从这，再联系到近期旷视的种种动作便可以很好理解。

去年 4 月，其全资收购了一家物流机器人公司艾瑞斯机器人，这家公司可以为旷视在物流行业进击提供强大的软硬件实力。

如此，艾瑞思机器人可以解决外部运输问题，并产生足够多的数据，旷视 AI 算法可以更好解决机器人之间的连接问题。双方合作，便可以优化业务过程，达到降本增效之用。

而这，也就恰好构成了旷视完整的商业闭环。

作为全局背后的总设计师，旷视就可通过深度学习系统 Brain++，将人、车、物这些网络节点综合起来，打造 IoT OS，并通过 AIoT 的全方位布局赋能安防、机器人等各种终端，实现应用层各大场景的规模化商业落地。

而之所以会选择安防（基于视频监控的细分产业，包括交通等等）和仓储机器人领域突破其实也比较好理解。一来，IoT 落地场景较少，安防和仓储机器人应该算是相对成熟的领域；二来，安防与仓储机器人技术相通，都是基于计算机视觉做的技术应用。

正如旷视 CEO 印奇所说，" 在新的浪潮里，这可能并不是一个安防行业，而是 IoT 行业，我们有机会做出一个新的像海康这样的行业巨头。"

依图向上：首个跳出人脸识别的独角兽

环顾四小龙，其核心业务主要围绕人脸识别展开。当然也有少量非人脸识别产品，但属于非主营业务。

而依图则是第一个跳出人脸识别，把医学影像分析作为等同于人脸识别战略地位的独角兽。

医学影像分析的的技术路径，有别于我们熟知的零标注门槛的人脸识别、物体识别乃至语音识别等，前者不仅需要资深影像科医生进行数据标注，同时数据获取也非常困难。

这也是直到现在为止，很多明星人脸识别公司迟迟不轻易入内的主要原因之一。

依图把医学影像分析作为战略后的很长一段时间里，其他三小龙虽稍有涉足医学影像 AI，但多在 Kaggle、Luna 等公开域的肺部、眼底数据集上做测试，停留在小打小闹阶段。

直到去年 9 月 Dimitris 教授和张少霆的加入，才让商汤医学影像第一次走上台面，但产品也处于打磨原型的早期阶段，与依图的产品进度不在一个梯队。

近两年来，雷锋网采访了上百位影像科主任医师，依图医疗的产品在医学界的好评度排在行业前列。

当然，在医学影像 AI 行业属于领先，并不代表产品已完全成熟。鉴于该领域的复杂性和监管的金标准门槛，整个行业仍有很高的提升空间。（详细论证参考雷锋网文章《影像科刘再毅教授自述：为什么我是 AI 医疗的「旁观者」？》，本文虽于 2017 年发布，但直至现在，刘再毅提出的多数问题仍旧未解决。）

现阶段，企业利用计算机视觉技术检测影像病灶或识别单一（少量）病种，对医生的辅助作用相对有限，产品在实战中的敏感度和特异度表现也并不稳定。

因此，让医学影像数据同时结合患者的其他数据进行分析，显得尤为重要。

就在近日，依图医疗联合合作伙伴在《Nature Medicine》上发表了 NLP 辅诊研究成果，把自己以视觉为主的技术方向扩展到 NLP，把数据域从医学影像扩大到电子病历。

这也预示着依图的医疗业务进一步做重。

而现在的依图，是业内少有的能同时打好两张王牌的 AI 公司，且是渠道封闭且市场化较低的安防牌和医疗牌，这对于互联网科技基因的公司而言，难度可想而知。

云从向下：唯一切入金融核心业务流程的 CV 公司

安防和医疗两大领域，计算机视觉技术可渗透入到核心决策业务层，直接辅助抓逃与诊断。

而同样作为重要落地领域的金融，计算机视觉的地位则稍显尴尬。

计算机视觉在金融领域的应用，更多停留在开户、登录、取款的用户交互层，远未触及到市场份额更大、更核心的贷款决策层。

作为金融人脸识别第一企业，云从科技也不得不面临计算机视觉在金融场景中的天然局限。

金融人脸识别，其产品以技术实现难度较低的静态人脸比对为主，平均销售单价并不高，尤其是手机端的金融人脸识别接近零门槛，企业采购 SDK 或自研即可实现在线识别，留给第三方供应商的份额有限。

而线下 ATM 机和营业厅的人脸识别业务，由于涉及到摄像头和机具等硬件设施的改造，营收数字较为可观。尤其是智慧网点一体化改造，单笔合作金额颇为丰厚，这也是云从长期以来的重点布局。

但总体而言，金融人脸识别的门槛高度有限，随时面临大小公司的冲击。

近日雷锋网发现，云从科技的金融产品线增加了以风控系统为代表的金融决策方案，虽然都是金融业务，但人脸识别和风控几乎属于完全不同的两个技术层，解决的业务问题也截然不同。

银行创收的第一来源是放贷，而放贷最核心的需求便是风险控制。

云从的全新金融战略，使其业务从金融交互层，渗透到金融决策层；其技术从感知层，跨入至认知层。

风控层的业务，不是靠使用单点机器学习技术就能实现。

风控的根本，不单是控制风险，降低不良率，更多是如何维稳放贷的收与放，是一门平衡的艺术，也是宏观和微观的总和。

微观是指选取哪些变量，用什么数据，阀值定在多高。宏观是指在当前的市场环境下，该做车贷还是房贷，推出回款周期是三个月的产品还是三年的。

AI 技术，在其中扮演的角色仅体现在微观层。而人的经验，则体现在宏观层。

本质上与医学影像 AI 有些许相似，AI 负责检测和识别，而产品的精度，很大程度上取决于医生团队的标注水平。

目前云从已经发布了其互联网金融平台，可在行内部署，协助银行在资产对接的过程中，制定合理的风险定价模型及具备可以操作性的贷款审批策略，依托专业的风险决策工具，实现自动化决策审批，最终形成风控与业务自主运营的管理体系。整体业务结构已非常清晰。

此外，虽然云从科技进入安防动态人脸识别业务相对较晚，但近两年的发展势头也较为迅猛，早早迈入第一梯队。

未来的最大挑战

总体而言，商汤、旷视、依图和云从四家企业，最相似的地方，便是其最大营收领域均为安防。

安防动态识别技术之复杂，销售之水深，产品、供应链线之繁杂，使得四家几乎是躺尽无数坑了才站在现在的位置上。

而四小龙在安防这一核心创收来源领域站稳脚后，才逐渐明晰了自己的全新战略路径。

在这一节点，迎接四小龙的最大问题，或许并不是能否保证技术的领先性，也非利用技术赚取多大的利润，而是在业务线和技术体系无限扩大、无限纵深时，如何管理好 N 个愈加独立的行业事业部和数千人团队，是他们需要过的第一道难关。

至于 AI 四小龙未来之路将如何发展，这又是一个新故事的开始。