如果說過去五年是中國人工智能的上半場，那么從2019年開始，這個行業(yè)正式進(jìn)入了下半場。

這一年，以計(jì)算機(jī)視覺起家的AI四小龍，差異化戰(zhàn)略正在變得愈發(fā)清晰。

一直以來，以技術(shù)名稱來定義公司屬性的企業(yè)，初期均以技術(shù)驅(qū)動業(yè)務(wù)，拿錘子找釘子。

反之，以行業(yè)來定義公司屬性的企業(yè)，業(yè)務(wù)是重心，技術(shù)是輔助，先找釘子，然后制造合適的錘子。

在外界眼里，四小龍仍舊是最初那個拿著AI錘子找釘子的四小龍，而現(xiàn)實(shí)是，他們早已轉(zhuǎn)變?yōu)殄N釘轉(zhuǎn)換，雙輪驅(qū)動的企業(yè)。

隨著錘子與釘子角色的轉(zhuǎn)換，四家企業(yè)的戰(zhàn)略也從同一CV戰(zhàn)線，分頭走向不同的道路。

商湯向后：全面聚焦云端的獨(dú)角獸

與大多競逐者稍顯不同的是，在行業(yè)大部分玩家往“前”走，做邊緣、硬件的背景下，商湯卻集中兵力大舉向“后”，聚焦云端，做城市級視覺中樞平臺。

商湯科技聯(lián)合創(chuàng)始人、副總裁楊帆解釋了商湯安防為何要“別具一格”積極向“后”。

一來是基因。

商湯的基因在于平臺，它成立之初的定位就是做一家AI平臺公司，要讓AI成為一個可以長期保有價(jià)值的技術(shù)，而不是轉(zhuǎn)瞬即逝的風(fēng)口。

此前，行業(yè)內(nèi)秘而不宣地將一眾CV公司大致分為兩類：一類做 “重”，一步一步由點(diǎn)及面，做軟硬一體化，如此易于活下去，但擴(kuò)展速度有限；一類做“輕”，自上而下先面后點(diǎn)，聚焦視頻中樞平臺，如此利于擴(kuò)大規(guī)模，但變現(xiàn)周期較長。

“今天的AI安防賽道，每一家公司的戰(zhàn)略打法都不盡相同，但大家的模式都是‘重模式’，只是“重”的方向不同罷了。”楊帆反駁道。

有些公司從端到邊到云，通過軟硬一體化戰(zhàn)略提供行業(yè)整體解決方案，‘重’在供應(yīng)鏈，后期會慢慢朝著一家技術(shù)型生產(chǎn)企業(yè)方向行進(jìn)；商湯的‘重’，在于云中心，基于頂層設(shè)計(jì)做服務(wù)。

“未來商湯的產(chǎn)品形態(tài)滿足行業(yè)的商業(yè)模式及市場規(guī)律的同時(shí)，也會給自身留有一定的戰(zhàn)略空間，但核心價(jià)值一定不會變，那就是軟件價(jià)值?！?/p>

他始終認(rèn)為，企業(yè)發(fā)展壯大后，在面對產(chǎn)業(yè)蛋糕誘惑時(shí)，需根據(jù)基因優(yōu)勢，守住定位所在，不然雄獅會溺亡，虎鯊也會衰竭。

楊帆說，安防流程中的“分析”、“反饋”這兩大環(huán)節(jié)未能在過去十多年中得到實(shí)質(zhì)性發(fā)展，導(dǎo)致這一領(lǐng)域的產(chǎn)業(yè)信息化沒有真正完成閉環(huán)價(jià)值的提供。

分析是對于前端IPC采集的數(shù)據(jù)真正具備自動化價(jià)值提煉的能力；反饋是指擁有基礎(chǔ)提煉能力之后，再結(jié)合用戶需求，形成應(yīng)用生態(tài)，能夠真正給客戶帶來價(jià)值。

楊帆篤信，對于后面兩個環(huán)節(jié)的補(bǔ)強(qiáng)便是商湯發(fā)力安防的機(jī)會點(diǎn)所在，商湯也會竭盡全力對一個成熟行業(yè)的不成熟環(huán)節(jié)進(jìn)行商業(yè)化重構(gòu)。

二來是大勢。

商湯志不在安防樣板區(qū)域，志在城市級視頻分析管理中心。

中國城市化進(jìn)程加速已成現(xiàn)實(shí)，未來會出現(xiàn)以珠三角、長三角、京津冀為代表的巨型城市網(wǎng)絡(luò)，而隨之出現(xiàn)的便是對于超大規(guī)模城市視頻分析管理及綜合治理的實(shí)際需求。

對于所有從業(yè)者來說，這是一個全新的課題及難題。

以一個城市級項(xiàng)目為例，將1萬路攝像頭（保守估計(jì)）連接在一起，每路攝像頭每天抓拍量3000張（保守估計(jì)），每天系統(tǒng)需要處理3000萬張人臉，如果后期需要存儲100天，也就是30億張人臉。

此背景下，如果用戶想做一人一檔，這對于技術(shù)的挑戰(zhàn)遠(yuǎn)遠(yuǎn)不是一個幾千人的門禁可以比較的。

“團(tuán)隊(duì)人才的上限就是一家公司業(yè)務(wù)能力的上限，目前商湯是全行業(yè)內(nèi)唯一一家能夠做到兩萬路且已經(jīng)落地應(yīng)用的廠商?！?/p>

楊帆告訴雷鋒網(wǎng)，做城市級基于數(shù)萬路的視頻分析系統(tǒng)的難度之高不可想象，它的出世并非一朝一夕之功，需要AI領(lǐng)域眾多頂尖人才的持續(xù)努力，并針對算法做大量優(yōu)化、平衡才可以做到。

曠視向前：終端最“重”的獨(dú)角獸

在商湯大舉向后的同時(shí)，曠視卻奮力向前，從后端到前端全面覆蓋，走軟硬一體化之路。曠視認(rèn)為，當(dāng)互聯(lián)網(wǎng)的上半場結(jié)束之后，所有的互聯(lián)網(wǎng)下半場都是重生意，而“重”便體現(xiàn)于用算法去匹配各種前端硬件產(chǎn)品和工程項(xiàng)目。

七年前，AI還未成風(fēng)口，創(chuàng)業(yè)公司也沒幾家，VC圈尚不認(rèn)可，那個年頭，做AI已經(jīng)要有難得的孤注一擲的情懷，不曾想入場后不久，曠視便瞄準(zhǔn)了行業(yè)公認(rèn)的硬骨頭：安防市場。

今天，曠視安防所研發(fā)的產(chǎn)品矩陣涉及人、車、物特征識別等多個領(lǐng)域；業(yè)務(wù)線涉及 云、邊、端三大版塊。

可以說，曠視正在用軟硬一體的方式打造涵蓋“算法、技術(shù)、硬件產(chǎn)品、解決方案、數(shù)據(jù)”在內(nèi)的全價(jià)值鏈。

安防之外，曠視的“重”還體現(xiàn)在倉儲物流、工業(yè)化上。

此前，曠視重磅公布了其機(jī)器人新戰(zhàn)略，從倉儲物流切入AIoT市場，并推出AIoT操作系統(tǒng)“河圖”。

有人提到，曠視此舉是在謀求轉(zhuǎn)型，在雷鋒網(wǎng)看來，實(shí)則不然，更有可能是業(yè)務(wù)升級。

計(jì)算機(jī)視覺技術(shù)的迭代，最終是為了更好解決人、車、物的問題。一直以來，曠視所研技術(shù)、產(chǎn)品都是圍繞“人”與“車”展開，而他們最新發(fā)布的新戰(zhàn)略則覆蓋了“物”。

與識別“人”及“車”不同，“物”的識別對于軟硬件的要求更為苛刻，也就是說在安防領(lǐng)域積累的軟硬件實(shí)力已經(jīng)滿足不了后者的實(shí)際需求。

從這，再聯(lián)系到近期曠視的種種動作便可以很好理解。

去年4月，其全資收購了一家物流機(jī)器人公司艾瑞斯機(jī)器人，這家公司可以為曠視在物流行業(yè)進(jìn)擊提供強(qiáng)大的軟硬件實(shí)力。

如此，艾瑞思機(jī)器人可以解決外部運(yùn)輸問題，并產(chǎn)生足夠多的數(shù)據(jù)，曠視AI算法可以更好解決機(jī)器人之間的連接問題。雙方合作，便可以優(yōu)化業(yè)務(wù)過程，達(dá)到降本增效之用。

而這，也就恰好構(gòu)成了曠視完整的商業(yè)閉環(huán)。

作為全局背后的總設(shè)計(jì)師，曠視就可通過深度學(xué)習(xí)系統(tǒng)Brain++，將人、車、物這些網(wǎng)絡(luò)節(jié)點(diǎn)綜合起來，打造IoT OS，并通過AIoT的全方位布局賦能安防、機(jī)器人等各種終端，實(shí)現(xiàn)應(yīng)用層各大場景的規(guī)?；虡I(yè)落地。

而之所以會選擇安防（基于視頻監(jiān)控的細(xì)分產(chǎn)業(yè)，包括交通等等）和倉儲機(jī)器人領(lǐng)域突破其實(shí)也比較好理解。一來，IoT落地場景較少，安防和倉儲機(jī)器人應(yīng)該算是相對成熟的領(lǐng)域；二來，安防與倉儲機(jī)器人技術(shù)相通，都是基于計(jì)算機(jī)視覺做的技術(shù)應(yīng)用。

正如曠視CEO印奇所說，“在新的浪潮里，這可能并不是一個安防行業(yè)，而是IoT行業(yè)，我們有機(jī)會做出一個新的像?？颠@樣的行業(yè)巨頭。”

依圖向上：首個跳出人臉識別的獨(dú)角獸

環(huán)顧四小龍，其核心業(yè)務(wù)主要圍繞人臉識別展開。當(dāng)然也有少量非人臉識別產(chǎn)品，但屬于非主營業(yè)務(wù)。

而依圖則是第一個跳出人臉識別，把醫(yī)學(xué)影像分析作為等同于人臉識別戰(zhàn)略地位的獨(dú)角獸。

醫(yī)學(xué)影像分析的的技術(shù)路徑，有別于我們熟知的零標(biāo)注門檻的人臉識別、物體識別乃至語音識別等，前者不僅需要資深影像科醫(yī)生進(jìn)行數(shù)據(jù)標(biāo)注，同時(shí)數(shù)據(jù)獲取也非常困難。

這也是直到現(xiàn)在為止，很多明星人臉識別公司遲遲不輕易入內(nèi)的主要原因之一。

依圖把醫(yī)學(xué)影像分析作為戰(zhàn)略后的很長一段時(shí)間里，其他三小龍雖稍有涉足醫(yī)學(xué)影像AI，但多在Kaggle、Luna等公開域的肺部、眼底數(shù)據(jù)集上做測試，停留在小打小鬧階段。

直到去年9月Dimitris教授和張少霆的加入，才讓商湯醫(yī)學(xué)影像第一次走上臺面，但產(chǎn)品也處于打磨原型的早期階段，與依圖的產(chǎn)品進(jìn)度不在一個梯隊(duì)。

近兩年來，雷鋒網(wǎng)采訪了上百位影像科主任醫(yī)師，依圖醫(yī)療的產(chǎn)品在醫(yī)學(xué)界的好評度排在行業(yè)最前列。

當(dāng)然，在醫(yī)學(xué)影像AI行業(yè)屬于絕對領(lǐng)先，并不代表產(chǎn)品已完全成熟。鑒于該領(lǐng)域的復(fù)雜性和監(jiān)管的金標(biāo)準(zhǔn)門檻，整個行業(yè)仍有很高的提升空間。（詳細(xì)論證參考雷鋒網(wǎng)文章《影像科劉再毅教授自述：為什么我是AI醫(yī)療的「旁觀者」？》，本文雖于2017年發(fā)布，但直至現(xiàn)在，劉再毅提出的多數(shù)問題仍舊未解決。）

現(xiàn)階段，企業(yè)利用計(jì)算機(jī)視覺技術(shù)檢測影像病灶或識別單一（少量）病種，對醫(yī)生的輔助作用相對有限，產(chǎn)品在實(shí)戰(zhàn)中的敏感度和特異度表現(xiàn)也并不穩(wěn)定。

因此，讓醫(yī)學(xué)影像數(shù)據(jù)同時(shí)結(jié)合患者的其他數(shù)據(jù)進(jìn)行分析，顯得尤為重要。

就在近日，依圖醫(yī)療聯(lián)合合作伙伴在《Nature Medicine》上發(fā)表了NLP輔診研究成果，把自己以視覺為主的技術(shù)方向擴(kuò)展到NLP，把數(shù)據(jù)域從醫(yī)學(xué)影像擴(kuò)大到電子病歷。

這也預(yù)示著依圖的醫(yī)療業(yè)務(wù)進(jìn)一步做重。

而現(xiàn)在的依圖，是業(yè)內(nèi)少有的能同時(shí)打好兩張王牌的AI公司，且是渠道封閉且市場化較低的安防牌和醫(yī)療牌，這對于互聯(lián)網(wǎng)科技基因的公司而言，難度可想而知。

云從向下：唯一切入金融核心業(yè)務(wù)流程的CV公司

安防和醫(yī)療兩大領(lǐng)域，計(jì)算機(jī)視覺技術(shù)可滲透入到核心決策業(yè)務(wù)層，直接輔助抓逃與診斷。

而同樣作為重要落地領(lǐng)域的金融，計(jì)算機(jī)視覺的地位則稍顯尷尬。

計(jì)算機(jī)視覺在金融領(lǐng)域的應(yīng)用，更多停留在開戶、登錄、取款的用戶交互層，遠(yuǎn)未觸及到市場份額更大、更核心的貸款決策層。

作為金融人臉識別第一企業(yè)，云從科技也不得不面臨計(jì)算機(jī)視覺在金融場景中的天然局限。

金融人臉識別，其產(chǎn)品以技術(shù)實(shí)現(xiàn)難度較低的靜態(tài)人臉比對為主，平均銷售單價(jià)并不高，尤其是手機(jī)端的金融人臉識別接近零門檻，企業(yè)采購SDK或自研即可實(shí)現(xiàn)在線識別，留給第三方供應(yīng)商的份額有限。

而線下ATM機(jī)和營業(yè)廳的人臉識別業(yè)務(wù)，由于涉及到攝像頭和機(jī)具等硬件設(shè)施的改造，營收數(shù)字較為可觀。尤其是智慧網(wǎng)點(diǎn)一體化改造，單筆合作金額頗為豐厚，這也是云從長期以來的重點(diǎn)布局。

但總體而言，金融人臉識別的門檻高度有限，隨時(shí)面臨大小公司的沖擊。

近日雷鋒網(wǎng)發(fā)現(xiàn)，云從科技的金融產(chǎn)品線增加了以風(fēng)控系統(tǒng)為代表的金融決策方案，雖然都是金融業(yè)務(wù)，但人臉識別和風(fēng)控幾乎屬于完全不同的兩個技術(shù)層，解決的業(yè)務(wù)問題也截然不同。

銀行創(chuàng)收的第一來源是放貸，而放貸最核心的需求便是風(fēng)險(xiǎn)控制。

云從的全新金融戰(zhàn)略，使其業(yè)務(wù)從金融交互層，滲透到金融決策層；其技術(shù)從感知層，跨入至認(rèn)知層。

風(fēng)控層的業(yè)務(wù)，不是靠使用單點(diǎn)機(jī)器學(xué)習(xí)技術(shù)就能實(shí)現(xiàn)。

風(fēng)控的根本，不單是控制風(fēng)險(xiǎn)，降低不良率，更多是如何維穩(wěn)放貸的收與放，是一門平衡的藝術(shù)，也是宏觀和微觀的總和。

微觀是指選取哪些變量，用什么數(shù)據(jù)，閥值定在多高。宏觀是指在當(dāng)前的市場環(huán)境下，該做車貸還是房貸，推出回款周期是三個月的產(chǎn)品還是三年的。

AI技術(shù)，在其中扮演的角色僅體現(xiàn)在微觀層。而人的經(jīng)驗(yàn)，則體現(xiàn)在宏觀層。

本質(zhì)上與醫(yī)學(xué)影像AI有些許相似，AI負(fù)責(zé)檢測和識別，而產(chǎn)品的精度，很大程度上取決于醫(yī)生團(tuán)隊(duì)的標(biāo)注水平。

目前云從已經(jīng)發(fā)布了其互聯(lián)網(wǎng)金融平臺，可在行內(nèi)部署，協(xié)助銀行在資產(chǎn)對接的過程中，制定合理的風(fēng)險(xiǎn)定價(jià)模型及具備可以操作性的貸款審批策略，依托專業(yè)的風(fēng)險(xiǎn)決策工具，實(shí)現(xiàn)自動化決策審批，最終形成風(fēng)控與業(yè)務(wù)自主運(yùn)營的管理體系。

整體業(yè)務(wù)結(jié)構(gòu)已非常清晰，未來尤為可期。

此外，雖然云從科技進(jìn)入安防動態(tài)人臉識別業(yè)務(wù)相對較晚，但近兩年的發(fā)展勢頭也極為迅猛，早早邁入第一梯隊(duì)。

未來的最大挑戰(zhàn)

總體而言，商湯、曠視、依圖和云從四家企業(yè)，最相似的地方，便是其最大營收領(lǐng)域均為安防。

安防動態(tài)識別技術(shù)之復(fù)雜，銷售之水深，產(chǎn)品、供應(yīng)鏈線之繁雜，使得四家?guī)缀跏翘杀M無數(shù)坑了才站在現(xiàn)在的位置上。

而四小龍?jiān)诎卜肋@一核心創(chuàng)收來源領(lǐng)域站穩(wěn)腳后，才逐漸明晰了自己的全新戰(zhàn)略路徑。

在這一節(jié)點(diǎn)，迎接四小龍的最大問題，或許并不是能否保證技術(shù)的領(lǐng)先性，也非利用技術(shù)賺取多大的利潤，而是在業(yè)務(wù)線和技術(shù)體系無限擴(kuò)大、無限縱深時(shí)，如何管理好N個愈加獨(dú)立的行業(yè)事業(yè)部和數(shù)千人團(tuán)隊(duì)，是他們需要過的第一道難關(guān)。