計算機視覺簡史：被稱為“人臉識別”的計算機視覺經歷了什么？
艱難的商業化:合適的落地場景難找
其實,在2015年那一次機器識別準確率高于人眼之前,如今的AI四小龍已經成立了。
其中曠視科技成立最早——2011年,云從科技成立最晚——2015年。
曠視科技由三個年輕人正式創立,三位創始人是清華“姚班”畢業的印奇、唐文斌、楊沐。
商湯科技則是由香港中文大學信息工程系湯曉鷗組建的,是產學研的極佳代表。
云從科技周曦的核心創始團隊有中科院背景,融資又是全內資與政府基金背景,云從又被外界稱為“AI國家隊”,在“AI四小龍”中,云從國資背景最強。
依圖科技由朱瓏、林晨曦共同創立,林晨曦曾經是阿里的第一任技術總監,更早之前是在微軟亞洲研究院,是產業背景最深的一個。
這四家都在2015年拐點之前成立并一起迎接了牛市的到來。
當人臉識別的算法首次獲得突破人眼的成就之時,創業者和資本都很興奮。
整個計算機視覺行業和人臉識別產業也迎來了第一波投資上的熱潮,但隨后的商業化過程卻并不容易。
因為,當為這項技術找一個落地姿勢的時候,就非常明顯地遇到了兩個大問題:
第一個困境是,人臉識別就算再牛,也只是一個模塊技術。這個屬性意味著,它無法作為一個獨立的業務出現,而大多是為原先的業務做增強服務。比如在金融業務中做人臉校驗加強密碼屬性,比如使用人臉檢索功能加強安防等領域的防控效率,比如相似人臉推薦可以用來做婚介社交和整容設計。
這樣的屬性意味著,如果沒有合適的落地賽道,人臉識別就是空中樓閣。即便找到了合適的落地賽道,人臉識別在其中的價值量占比也不夠高。
第二個困境其實是第一個困境帶來的,由于需要具體的落地場景、價值占比不夠高,這項技術始終沒有找到比較好的商業模式。
行業中常見的有幾種模式,要么是直接賣產品、要么賣人臉SDK授權和API服務,要么使用后臺流量變現。算法再好,也需要產品。沒有真正的標準化產品,它就會淪為項目制中的一個模塊,很難做大規模;甚至有些將它作為免費的額外服務提供。
比如在A股曾經火爆過一陣的人臉識別閘機相關概念股,最后大家發現其實只要達到一定精度(不需要最高),誰都可以做,技術門檻并不高。
也就是說,AI的最終任務是實現在各垂直行業的場景化落地,并找到在其中AI能發揮最大價值、實現良好商業模式的場景賽道。或者,打造一個通用型平臺。
中國AI行業融資規模與投融資數量在2013-2018年整體快速增長,但2019年出現45%左右的顯著下滑,2020年投融資金額恢復42．5%正增長,但距2018年顛覆時期仍有差距,投融資數量顯著下降。
二級市場的熱度也可以通過研報數量提供輔證,以”人臉識別“作為關鍵詞為例,在Wind上2015年這一關鍵詞搜索到的行業研究(不含個股研究)報告(僅以Wind數據為例,不保證完全覆蓋)數量為17篇。而在2014年這一數據為0,2018年-2020年,每年都只有1篇。
在人工智能發展的最初,算法研發能力的評判是對一家創業企業最有效的估值方法,換句話說,也就是從企業的投資轉為對技術甚至是對人才的投資。
2014年年初,谷歌創始人拉里佩奇親自操刀了一宗收購案,斥資5．4億美元,收購一家名為DeepMind的人工智能公司,也就是后來研發AlphaGo的公司。而那時,DeepMind是沒有任何商業模式方面的探索的,谷歌僅僅是為了人才,就可以掏出5．4億美元。
但當AI競爭進入深水區,商業化才是真正的考驗。
上市肉搏戰:商業模式破冰乏力
在這種困境中,AI四小龍也基本都開始轉型了,尋找不同的落地場景。
計算機視覺產業鏈可劃分為基礎層、技術層和應用層。基礎層包括硬件支持、算法支持和數據集;技術層包括視覺技術平臺、視頻識別、圖片識別和模式匹配;應用層包括計算機視覺技術在智慧城市、智慧安防、智慧物流、智慧金融、手機終端和智慧商業等領域的應用。
曠視科技,在原創技術的研究基礎上加上IOT、公共IOT、商業IOT等三個領域的頂層設計,開始逐步打開局面,主要專注于物聯網領域。
商湯科技呢,則開始向平臺型“操作系統”轉型,試圖擺脫單一賽道帶來的困境。與其他企業專注特定賽道相比,商湯沒有選擇具體的細分賽道。從現在的情況看,它更多是將自己定義為了一個“AI零部件”生產工廠。
云從科技從創立一開始,就是唯一一個有”國家隊“背景的公司,它背后站著中科院,目前公司主力業務針對金融,是銀行領域第一大AI供應商,以為客戶提供解決方案為主。
依圖則是一開始將計算機視覺業務對接安防的,提供算法產品的輸出。隨著后續項目落地,開始轉向醫學圖像和智能城市業務。目前,依圖的業務重點已經是自研AI芯片了,逐步從純軟件轉向底層硬件+平臺結合的路線。
從競爭格局來看,以收入規模計,商湯科技排第一,曠視科技排在第二位,高于依圖科技與云從科技。不過依圖科技自從撤回招股書之后未再出現更新。
來源:招股書、華爾街見聞整理
至于盈利能力,借用此前某位AI行業的一級市場投資人的話說:
全球大部分AI公司的毛利率都很低,毛利率一般都在50%-60%,而軟件服務行業的毛利率在60%-80%以上。
這樣的結果正是目前AI行業普遍面臨的商業模式導致的,大部分公司都還在做定制化業務,不管是做政府業務、還是金融業務,只要面對大型客戶,這些AI企業都很難使用通用打包產品提供客戶所需要的服務。
最后就會變得和傳統IT企業一樣,要通過堆人頭、做項目來獲得收入。
2G的業務越多,毛利率就越低、銷售費用率就越高。以2020年數據計算,依圖科技(只有上半年數據)和商湯科技毛利率均超過70%,但云從和商湯毛利率都低于上述投資人說的50%下限。
更要命的是,由于AI類企業的研發投入要高于一般的IT企業,因此最終每一家公司都處于虧損狀態。
虧得最多的商湯科技,3年多虧200多億。
在這種局面之下,上市尋求更多資金支持就成為一條不得不走的路。
計算機視覺的前路——工業、醫療
但計算機視覺之路卻并沒有被堵死,因為除了”人臉識別“之外,還有工業機器視覺和醫療影像識別。
1、工業機器視覺
據天風證券的研究報告,機器視覺在工業應用中,可以用來甄別物體特征、定位、測量并檢測,而這些通過人眼是很難完成的。
工業視覺具備極強的機器特性,如極高的速度、精度、重復性等,這些特性成為工業機器視覺 產品的重要參數。
與此同時,工業機器視覺擁有采集大量現場數據的能力,數據是驅動行業快速迭代、獲取信息 的重要來源,這也將成為工業機器視覺未來的巨大可能。
傳統的工業機器視覺采用本地數據存儲和處理, 通過本地總線連接,每臺設備搭載一臺性能強大的電腦進行數據的存儲和處理;而現在的機器視覺系統通過有線(光纖/銅纜) 或無線(WiFi/4G/5G)連接至PC端,PC端無需放置在本地。
因此隨著5G的到來,機器視覺有望迎來更好的發展。
2、醫療影像
當前中國CT行業影像數據爆 炸增長,2019年市場規模達到24．7億元,CAGR約30%。另一方面,目前我國放射科醫師僅有8萬多名,每年承擔的診 斷工作量卻達到了14．4億張影像,結合中國醫學影像數據每年30%的增速,與之相對應的放射科醫師的年增長速率卻只有4%,兩者之間存在巨大缺口,AI+CT影像識別有望彌補這一缺口,發展潛力巨大。
AI+CT影像的主要產品形態包括:影像分析與診斷軟件、CT影像三維重建系統、靶 區自動勾畫及自適應放療系統。通過智能CT影像識別,能夠完成病例篩查、智能分析診斷、輔助臨床診療決策等工 作。從應用的場景來看,主要包括胸部、四肢關節等部位,乳腺、心肺、冠狀動脈、骨骼等器官組織,應用領域廣闊。
人工讀片存在主觀性高、重復性低、定量及信息利用度不足、耗時及勞動強度和知識經驗的傳承困難等問題;而人工智能讀片的優勢體現在高效率低成本。隨著產品的成熟帶動識別率的提升,人工智能讀片的精準度也將形成比較優勢。
尾聲
發展60多年來,機器視覺作為AI技術的急先鋒,經歷了幾輪起落,終于迎來技術上的爆發。但隨著技術進入深水區,尋找合適的商業模式真正成為了機器視覺這門技術的最大難點。
互聯網巨頭的AI技術可以在自身不斷得到驗證,字節的推薦算法可以通過用戶點擊數據驗證;美團的算法可以優化騎手路線通過送達時間變化來驗證等。
我們最近看到的四小龍扎堆IPO僅僅是行業規范化、商業化的開端,計算機視覺的前路還很長。
但是國家政策一直是鼓勵并支持AI產業的發展的,相信未來它們一定能找到更好的出路,帶領中國的計算機視覺乃至整個AI產業走在全球前列。
來源:中國傳動網
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
