周曦
云从科技总裁

以下是周曦的演讲实录：

很高兴和大家交流，我原来以为大家是偏产业或投资方面的人，一看很多是同学。听了前几位嘉宾讲的东西都是偏学术的，我尽量讲快一点，一会我们可以讨论。两个部分，我主要想跟大家分享一下，如果我们搞计算机视觉技术的人想要创业会遇到什么问题，以及在这中间我们自己的思考。

首先，讨论一下计算机视觉这个行业。我理解人工智能分为感、知、用三块，我们做语音和图像处理都是感这块，感相当于人的五官，是一个交互的入口。知就是我们的大脑，就是做分析的。用就是包含身体、躯干等等这些东西，这是自卖自夸一下，说我们的视觉很重要，视觉占到了信息源的70%到80%。我们看一下只占10%到20%，亚马逊搞了Alexa股价到现在已经900多了，他们的老大马上当全球首富了，顺利超越比尔盖茨。Alexa利用语音识别入口把所有的设备商连接起来的手段，亚马逊从2010年开始布局，大家讲了很多年的未来交互的入口，它首先自己做了一个音箱，通过把这条路走通了以后，它开放Alexa这个平台，让其他各种设备的硬件厂商接入，现在接入量上万了，所以就成了新的入口，当然也推动了亚马逊股价的上升。可见人工智能的感知这一端，作为入口有很大的魅力。反过来视觉能搞这个东西吗，计算机视觉想做的事相当多，我们可以应用到电商、招聘管理，安防，直播，如果计算机视觉和其他的行业结合，和自然语言理解，ARVR，生物结合起来，还可以撬动各行各业。那这么大的应用前景，它怎么就没有出来Alexa这样的东西呢。

我们这个行业已经做了很长时间，有一件事不知道是好事还是坏事，好莱坞的电影早在一二十年前，就把计算机视觉演的非常神了，因为我自己是做人脸识别的，所以在好莱坞电影里向来随便就可以把坏蛋抓出来，好处就是帮我们做了广告，就是让民众理解人脸识别怎么用，缺点就是总是让客户有不切实际的期望。我在2011年回国的时候，当时我们的公安就有评测人脸识别技术，希望用这个人脸识别破案。总之，测出来的结果，我们当时排第一，但是没有用，事实上当时的技术离破案一点关系都没有，那时候能够帮公安做一点事，就是证件查重，因为证件的效果好，除此之外想在监控视频下拿来破案是完全没有希望的，这是2012年的情况。

我说的这个什么意思，实际上计算机视觉的场景这么丰富，但是它没有产生一些非常牛逼的入口级的杀手锏应用，其实是效果问题。我们看一下人脸识别，人脸识别这里有写，在2015年这一年的时间，2015年到2016年，识别率提升到2个数量级，这是什么概念，我们以前是做语音识别出身的，我出国之前，03、04、05年是做语音识别的，04年在微软的时候，我们在讨论的这个数据有没有错，全球当时花在语音识别上的投资经费已经超过了阿波罗登月计划，但是当时做的事就是能做日报读报，如果你认认真真读报纸可以，想在实际应用没戏。当时的语音识别就是摩尔定律的水平，每18个月的时间可以把错误率减半，如果做语音（英文）接线盘，上面还有30%的错误率，所以我就当了逃兵，不做语音识别了，改行做图像和视频了，所以我就讲，做了一个错误判断，正确的决定，实际上语音识别的发展速度比我想象的快一些，几年以后科大讯飞也上市了，我在那也呆过几天，看一帮兄弟很成功，包括我们开了云知声都很成功，但是图像视频是比语音更大的入口，即便人脸识别有一个数量的提升，也仍然只是在部分场景能用，前面各位老师讲到了，同一个技术在不同场景下的差别极大。像人脸识别，我简单说，你做确认和识别，就是1：1和1：N，你做配合和非配合不同技术上的影响很大的，确认就是我只是想知道这两张照片是不是同一个人，这个应用点就非常多，比如说你去银行办事，宾馆，去飞机场火车站，把你身份证拿出来就是要判断人证合一。现在就是N的问题，就是我一个照片知道它是谁，这个N有多大，这也是一个问题。再就是同场景和跨场景，注册照片和现场照片是在同源获取还是跨源的，一个是身份证照片，还是一个现场视频，这个跨源的情况很多。还有改变配合与不配合，我们去机场和银行是配合的，但是公安如果抓人的时候，基本都是不配合的，犯罪分子通常喜欢在夜黑风高的时候出来搞事。即便人脸识别，大家觉得目前进步很快，成熟度很高的人脸识别应用，它仍然是非常受限的。

如果我们要做技术创业，那我们应该怎么做这个事情。我想起一个很牛的师兄，科大讯飞的刘讯飞师兄，科大讯飞从99年做语音识别的公司，显然是太早了，结果过了十年时间语音识别才能真正大行其道，所以你就要有本事活十年，要不然像刘师兄一样让安徽省政府把任何一个项目都给你，也拿国家补贴，做到你的竞争对手都倒闭这样就行。现在很多公司都是这样做的，做无人驾驶的，五年十年才能用，就看谁能熬得住，把其他人搞倒闭了你就行了。要不然你就选择人脸识别这样的公司，你现在做，现在做人脸识别面临一个局面，人脸识别已经能用了，就是所有的大公司也会做这个事，你是小公司就得直接跟大的巨头，不管是BAT也好，就跟他们打，你打得过也行，要不然很早跳槽，要不然你就直接面对这些大的对手，基本上做技术创业只有这两招。第一种就是拼耐力，第二种就是拼速度。所以我们自己做，明摆着就是拼速度，2015年年中开公司，当时大大小小做人脸识别的公司没有100家也有50家，就是看谁能够最快速地把这个技术落地。在这种情况下，我们自己的基本思考是这样子的：第一个，就是做创业要保持聚焦，本身就没有人家资源多，再说现在搞都搞不赢，就是集中力量办大事，保持机动性的问题。第二就是耐得住寂寞，忍得住诱惑。因为人脸识别需要做的事太多了，同时坚定不移做一件事太苦了，你就会想要不要干其他的。

我讲点自己的例子，2015年我们成立公司的时候，本来想做安防的，结果成立完公司以后发现银行的机会出来了，一般来讲银行很少用新创业公司的东西，但是好在2015年，因为一系列的原因，银行就得去采购人脸识别技术，而人脸识别技术大部分都很年轻，所以必须在几个年轻公司中挑，这时候就出现人脸识别公司搞的死去活来的，结果价格越来越便宜，每单都会赔钱，每次PK都要死不活的，这个时候出来一个问题：要不要做这个事，你会发现有很多其他的机会，刚才看到进步非常快的曲线，也是我们打架打出来的。当时有一个客户，前前后后三家公司PK了4个月时间，PK了7次。最早是给了一个水印照片，目的就是让人脸识别公司识别不了，客户要求什么呢？客户要求现场视频拍一个照片，识别是不是同一个人，一开始我们几家做不到，结果过完节以后有一家做到了，而且把它的识别率做到了接近90%，没有办法，我们研究院院长就去现场，人家都搞了，他们当时还出了一个理论上线，我们研究院自己算理论上线，我说这个不可能，一点战略都没有。从10月份开始，一直搞到元旦以后，最后这三家公司都能做到在万分之一的情况下成功率达到95%，技术就是这样进步的，如果放到实验室这个事可以干三年，就是这样的残酷竞争，你会发现这个项目一共就几十万，全是入不敷出的，你还要不要做。所以经常说保持聚焦，讲道理听起来肯定就是这样子，但是当你这么做的时候，不一定做得到。

我们有时候也嘲笑一下友商，你看当老大不坚定吧，又转向了，其实我特别理解他们的想法，因为他不知道他是不是一条路把队伍带到沟里去了，如果你坚持，万一是死路呢，你就转向，如果人家走通了你又摇摆，要不然是冥顽不灵，要不然就是摇摆不定。所以首先把战略方向看清楚，这条路是走得通的才要保持聚焦。最终银行是我们赢了，成了银行第一大供应商，是因为我们坚持了，只是因为其他公司看的不够准，仅此而已，所以有时候很难说。所以在云从的角度来说，我们从来不做其他的东西，到现在为止就是做人脸识别，我认为人脸识别市场足够大，这个可以跟一些同学讲一下，这个不是我编出来的，是很多大佬教我的，你判断这个市场够不够大这么判断，一个公司一定要设定未来三年的目标，如果目标3亿6亿10亿，你所在的领域值不值这个数，所以人脸识别显然搞几个亿的销售额完全没有问题。

第三个，人脸识别本身就是入口，本来可以打开各行各业，所以坚持不懈把这个入口做好，这个是非常有必要的。具体做什么事呢，这个讲到2B和2C的问题了，大家很多人觉得C端比较性感，我们做C端，大市场，你得看你的技术行不行。B端是什么特点？B端的特点，第一它的门槛高，也就是说它要求是你的性能要好，技术比较难；第二要求服务要好，第三对价格相对不敏感。C端要求性能好，使用方便，价格便宜。我们想一想，我们现在的技术基本上是偏定制化的，我们做人工智能技术，金老师也讲了，还没有一个通用技术搞定这件事的时候，怎么做到使用方便，怎么做到价格便宜，使用方便。我们买一个手机，如果有一个手机说，你要看说明书才能用你会买吗？很抱歉，我们的东西你看了说明书还不能用，我还得派人上门给你调试。但是反过来，如果今天是做大B端，上门就调试，就是服务好。现在大家我们行业的独角兽都是做B端的，做不了C端。C端什么时候才能做，我估计还要做一两年，以现在的速度发展，再有一两年就可以了。

市场分析，机遇与风险并存。今年开始人脸识别市场有亿级的项目出现了，表示机会与风险并存，这里有一个鲨鱼，我们这些公司自称是一线公司，人脸识别公司里最领先的几家，我们其实跟大鲨鱼比起来很小很小的，所以这是很危险的时候，所以每当有机会来了它可能是一个陷井，如果我们站不住，可能被后面的鲨鱼吃掉，所以是这样的问题，所以这是拼速度的问题。实际上怎么做这个事呢，前面各位都讲了，我不详细讲了，要把算法和数据和行业应用都打通，只有这样才能立得住。这是埋头拉车，抬头看路。先把眼前的事完成好。

接下来讲一下云从自己是怎么走过来的，我自己的背景，原来我在国内做语音识别和身份识别，06年去美国，我自己蛮幸运的，起点比较高，我们进步很快，07年去IBM，还有微软，我们在美国拿了六个冠军，然后想做点实用的东西吧，就是找一个特别落地的，就是做人脸，就跟国内联系了，中科院重庆院就三次到美国来谈，我们就建立了一个联合研究中心，在中科院做的还不错，我们在刘成林老师的领导下面做专项，做的还比较成功。2015年云从科技正式成立，成立这个公司的目的，我觉得再不成立就不用成立了，只有改行了，就是我讲的逻辑，当那个东西真正到爆发的时候，要不然迎难而上，和大公司竞争，要不然我们就做一些不实用的东西。成立公司以后，当时的情况是，阿里巴巴，百度，腾讯大规模搞人脸识别了，我们还能做什么呢，当时技术比它们领先一些，技术领先这个事是非常靠不住的，尤其大公司的大量投入，你怎么保证你怎么赢。所以我是特别感谢我这几个对手，说实话，如果没有他们肯定我们大家都挂了，就是因为有这几家天天打，经常有人问，大公司赶不上我们，原因是一些公司互相拆台，互相打。就像我们在银行PK的时候，每个银行要POC测试，各家分别提供数据汇集到一起，我发现有一个友商提供的全是老人数据，果然我们识别不对，就是我们自己的缺点对手比我们还了解，你只要有一点点做的不到位的地方就有人搞你。我们都一样，只要有一点毛病，我们友商都会到银行当播音员，这样我们进步就很快。所以，技术，产品，市场三位一体都得抓。技术是根本，所以云从的技术团队很大的，我们三个研发中心，上海、成都、重庆两百多人，我们在上海交大和美国硅谷加起来有300多个研发者。这么多人肯定要干很多事，外面的人脸识别是几十个模块。我们保持做一线公司，江湖地位是打出来的，不管是银行还是公安，你要努力拿第一，我们也不能保证都赢，只是胜率的问题。

第二个就是产品，只有技术不行，要深入业务场景做产品，我们在银行里，11个部门有46个解决方案。公安里我们做海陆空一体化的应用，因为公安的东西涉秘，我不详细讲了。

第三个就是市场，市场特别重要，我们逻辑是从上到下都得搞，我们云从有中科院背景，相对来说比较容易做，我们得从顶层设计做起，人脸识别不管公安部标准，国家标准，都是我们云从做的，所以最顶层的标准和未来的发展都要控制在手上，这是很重要的点。第二就是落地，云从在全国10个城市建立销售服务中心，每个销售服务中心管周边几个省，我们在每个省都有专门的服务人员，这种配置在一般小公司不是都能看到的，我们还有科学家跑去装摄像头被电打伤了，我们严厉批评了这种行为。结果就是我们做到银行的第一大供应商，包括中农交建等几大行，银行总行一旦选哪家是不能改的，是不替换供应商的，之后不管做网点改造，还是信息服务，都要用云从的产品，这也是为什么当时打的这么惨烈，即使是10万块钱的单子也要抢。第二个就是公安，这个也是很幸运，2016年在广东，把日本和德国甩在后面了。总之在公安的事情进展还是不错的，云从几个月时间，从2016年9月份开始做，现在在22个省已经上线实战了，我不详细讲公安的事了。

云从科技在2017年人工智能已经被定为国家战略，国家发改委定了4家人工智能基础资源公共服务平台，4家公司分别是百度，腾讯，科大讯飞和云从科技，我们非常有幸为国家出力，建立人工智能平台，国家要求它每日调用次数超过1亿次，也就是说希望人工智能作为一个桥梁，真正可以改变各行各业，这个要求估计百度和腾讯比较容易达到，对我们来说是一个问题，我们千万级别没有问题，还没有到上亿级别的调用，也是国家对我们的鞭策。选择我们重要的原因，就是国家希望我们完全国产化，也是希望国内的公司和中科院的公司主导这方面的事。总的来说，在过去两年里，我觉得我们算是很幸运的例子，人脸识别是正在爆发的智能应用，而且在爆发的两年里，我非常幸运的没有带大家把路走到绝路上去，比如当时在拼银行的时候确实拼下来了，现在可以自豪地说我们很坚持，但是实际上在这个过程中的时候，并不是这么简单的，很多时候就是赌的，赌赢了就是英雄，赌输了就是狗熊。谢谢大家。

刘成林/主持人：谢谢周曦博士，报告很精彩，我们今天的论坛的宗旨就是学术界和产业界结合，我们希望从不同的角度和不同的方向听到不同的声音。你跟那几个公司打来打去，短短几个月做上去，靠什么，靠算法还是数据？

周曦：基本上上是靠数据，尤其对应的是客户，客户提供数据，你不能拿走。第二个就是深入场景，大家拼命的时候，就是每个细节都要考虑。为什么这个地方有一点背光就不行？就疯狂的搞这个模型，比如有人手持的时候挡住脸的一部分，你怎么用，有的时候这里有一个小照片，还有一个大照片，这个你能不能利用起来，就是一点一点扣细节。

吴毅红：您刚才说技术领先是靠不住的，这句话把我搞的诚惶诚恐，第一张PPT里是有关人才的，有没有什么好的办法和制度，选择好的人才，并且留住他们。

周曦：我也不知道是哪页了，我们可以交流一下人才这个事。人才问题是个难题，我是因为有很多失败的经验，我在2010年当时拍胸膛搞这个事，我尝试过在国内做这个事，但是发现没有很稳定的团队做不了。后来我们决定，一定要有自己的黄埔军校，自己培养人才才可以，我们在中科院有一个很大的研发中心，我们里面有六七十个人，这是很大的队伍，每年也有学生进来，在上海交大也有博导，首先就是要有一个源头。另外一个办法，我们现在有中科院和公司两边的优势，有一些研究的人喜欢在科学院里呆着，有的人愿意在公司，即便在公司，我们有上海研究院和重庆研究院，有一些人才喜欢在一线城市，有些人喜欢在二线城市，总的来说，对人才就是顺着他来，他想怎么着我们就怎么着，只要他们爽了就对了。

提问：刚才看到您在PPT中介绍，现在主要业务是2B的，如果是2C，您预测在一两年之内会出现2C的井喷，那么人脸识别会以哪种形式出现呢？我原来有一个同学，他自己创业，博士毕业以后就搞了一个公司，发明一个摄像头，戴在头上的发卡，拍小孩，我们现在知道自己家有宝宝，都是镜头宝宝，你一拿手机就摆出各种或自然或不自然的POSE，这对孩子成长也是有利的事情，后来这个也没有做好，我想知道他做的是不是跟人脸识别相关的。

周曦：是这样，所有的技术，刚才讲的东西有一个临界点，比如您讲的东西，实际情况应该是做在眼镜上，现在有AR眼镜，接下来的眼镜已经能做到完全和普通眼镜一样的，但是它还有一点重。ER公司最近没有开发好，VR戴久了以后会有头晕，说明性能不够好。使用要方便，价格足够便宜也没有做到，因为现在价格比较贵，什么时候会爆发，就是这三个东西到一个临界点就会爆发。人脸能做什么，就是作为门禁，过去车牌以前都是刷卡的，现在任何都是变成车牌识别了，以后所有的门禁都是人脸识别了，这是逐渐的，再下一步，你会发现手机上苹果8可能会玩，它就用人脸做很多的东西，这个时候技术会全面铺开。

刘成林/主持人：如果有需求，几个一线公司相互打进步比较快。

（本报告根据速记整理）

CAAI原创 丨 作者周曦
未经授权严禁转载及翻译
如需转载合作请向学会或本人申请
转发请注明转自中国人工智能学会