AI技术落地产业 腾讯优图给出这五点理解

　　2018年的两个消息，让素来低调的腾讯优图进入更多人的视野。

　　2018年9月6日，腾讯执行副总裁汤道生在首届计算机视觉峰会上宣布，腾讯优图实验室升级为腾讯计算机视觉研发中心，不设KPI，聚焦并加强在计算机视觉领域的投入。

　　2018年9月30日，腾讯宣布将原有的7个事业群合并重组为6个事业群，腾讯优图实验室从原有的SNG(社交网络事业群)转到了新成立的CSIG(云与智慧产业事业群)。据了解，CSIG整合了腾讯云、互联网+、智慧零售、教育、医疗、安全和LBS等行业解决方案，被腾讯赋予了推动产业数字化升级的使命。

　　腾讯优图实验室是腾讯旗下三大AI实验室(优图实验室、AI Lab、人工智能联合实验室)之一，也是三大实验室中成立最早的一家，其官网自我介绍为“腾讯旗下的机器学习研发团队，专注于图像处理、模式识别、深度学习。”亿邦动力了解到，腾讯优图目前可以在人脸识别、图像识别、医疗AI、交通、OCR等领域提供完整的解决方案。

　　2017年.腾讯就曾提出“Make AI Everywhere”(让AI无处不在)的口号，意图在技术、场景和平台三个层面推进AI的发展，更多地把AI技术落地到具体的应用场景。2018年针对优图实验室的这两番调整，再次明确了优图实验室将作为腾讯产业互联网的技术前锋，为腾讯的人工智能产业化战役打起头阵。

　　AI技术的落地一度是各产业的迷思。有AI行业从业者向亿邦动力表示，现阶段的AI热潮大部分依然相对表面。无论是数字化转型的大势所趋，还是国家推动人工智能产业落地的愿景，创新的技术如果不能与产业诉求切实结合，便无法真正给予产业以支撑。

　　2018年的最后一周，亿邦动力与腾讯优图实验室核心人员进行了一次沟通。在AI成为产业数字化重要基石的产业互联网时代，腾讯优图就技术落地的问题给出了源于实践的理解，亿邦动力抓取了五点以馈读者。

　　①2018年，AI技术的关键词是深化

　　经历了前几年深度学习等人工智能技术的集中式突破，2018年，整个AI行业更多地扎根在更实际、更垂直的业务落地场景，与场景结合做深、做透。以人脸识别为例，虽然从技术层面和架构层面没有太大的变化，但从2014年到2018年，每年的准确率都有翻倍的提升，错误逐年缩为一半以下或者到十分之一。几年前，几千万甚至上亿规模的人脸检索很难想象，现在成为了现实。

　　从技术框架的角度来说，许多技术看上去变化不大，但是实际的难度层面拔高了很多。在过去，线下的人脸识别是一个难题，需要面对大量的遮挡、光线、年龄等差异。在今天，基于不同光照、不同场景的识别成为可能，甚至可以做到跨年龄识别，这些都体现了技术在特定垂直场景的深化。

　　②2018年，AI技术的短板是落地

　　不少AI企业能轻易地做一些示范性的落地，包括DEMO或者标杆的落地应用。但真要想大规模落地的时候，会发现过程里的每件事情都很难，脏活累活都得干。以腾讯优Mall智慧零售系统为例，人脸识别在标准数据集上可以做到99.99%的准确率，但是在实际应用场景下就会变得复杂很多。例如，不同的店里光照差异很大，有的是白光，有的是蓝光，识别率就不一样，需要搜集更多不同的场景、不同光照的数据来提升模型和技术的能力。

　　技术指标上的差异还算不上难题，还有很多线下实施的问题。再举一个例子：有客户反映客流统计有问题，排查后发现客户使用的时候把电源给拔了。

　　在不限于零售的业态里，AI技术的企业级服务需要到每个店去精耕细作，需要大的投入，以及持续积累运营的过程。对于AI技术来说，落地难本身就是一个短板，这也可以说是技术基因决定的。

　　当然，除了产业落地的问题，国内AI技术的发展还有人才供给不足等困难。

　　③2018年，AI技术还没有“同质化”

　　所谓的“技术同质化”，当前对外暴露比较多的局限于算法层面。比如，在图像识别的一些榜单上，大家看差别不大，容易下“技术同质化”的论断。

　　实际上，技术的差异化并不仅仅体现在这里，不同的团队之间做出来的技术差异始终存在。当下的AI技术可以说都是处于同一个时代的技术，某种程度上可能没有逻辑上的本质区别。但是当数据规模越来越大的时候，细节处体现的差异也会越来越大。换个角度，同样是人脸识别技术，也可能有不同的场景，包括室内场景、自拍场景、室内的白天场景、晚上的场景等，而针对不同的场景，不同家的算法就会存在差异，很难有一个团队在所有的场景都可以做到。

　　除了算法之外，包括工程和交付流程等在内的能力也都属于技术上的差异化：公司A对一千家的门店的交付速度要比公司B更快，公司C安装摄像头的速度很快，公司D做运营监控系统比其他家要更完善等等……这些都是很重要的差异点。站在整个解决方案层面看，技术只是其中的一小部分，后面的部分都需要各自配合。在当下，技术处于一个发散发展的阶段，大家都会往前走，看起来方向比较“同质化”，但最后还是看各家的产业整合能力、线下能力，包括所谓的AI算法能力，看谁能跑得更快。

　　④核身技术是产业数字化的重要工具

　　一句很有名的话是：在互联网里面没人知道你是谁。判断线上线下是不是一个人，是具有基础意义的命题。在优图实验室的发展过程中，很重要的一个技术就是人脸核身──判断目标是不是同一个人，更进一步判断这个人是不是活人。

　　在经历了第一代的技术语音，第二代的交互+防翻拍，第三代的光线活体技术后，优图实验室在2018年升级到了跟硬件设备相结合的技术的3D结构光的活体技术。在这一过程中，对活体的判断呈现出很明显的技术演变路径：从最开始要做很多的动作搭配语音，到后面只要做一些简单的动作，到只需要光照，到最后根本不需要配合……过程变简易，检测活体的能力以及准确度则越来越高。这一能力在优图实验室输出的两个业务中得以完整体现：一是人脸核身，通过精准的OCR技术和人脸对比技术整合，可以帮助提升银行、保险、证券等行业的核身效率;二是人脸支付，包括微众银行的远程开户，以及与微信支付联合提供的刷脸支付系统等，强化移动时代支付的“无感度”。

　　在未来，通过更少的时间、更小的代价知道“你是谁”是打通线上线下数据的关键一步。核身技术作为能力实现的重要工具，将会是各家打磨的重点。

　　⑤腾讯优Mall经验：短期与标杆客户共同打磨产品，长期可输出通用的解决方案

　　包括腾讯优Mall在内，全行业的零售解决方案仍然处于一个探索的过程。当前，腾讯优Mall不断在做的是将优图实验室所具备的通用能力，整合成一些比较好的、符合零售业态需求的产品模块，从而对外输出能力。短期内，腾讯优Mall的选择是始终深入与客户共同打造产品的过程，在和标杆客户的磨合中探索技术如何适应他们的需求、如何更好地帮助零售行业创造价值，可以称之为定制化。

　　事实上，由于前文中所述的落地难问题，几乎所有AI技术提供方在实际交付的过程中都会有调整和定制的过程。未来，在数据维度更为丰富、数字化门店的建设更为标准化的前提下，打包出售通用能力或将成为传统零售业者和技术提供方都更喜欢的形式。(来源：亿邦动力网)