首页 > 商业 > 正文

智能领域创业抢占粤港澳大湾区:模式验证未来三年见分晓

2019-01-17 07:00:00  21世纪经济报道 骆轶琪

1月14日-16日举行的第五届深商全球大会上,英国帝国理工学院数据科学研究所所长郭毅可向21世纪经济报道记者指出,当前国内AI创业中市场热度最高的在于人脸识别和图像处理,其实还有更广阔的空间可以探索,比如穿衣需求、餐食营养搭配等。他指出,AI发展的核心在于数据而非算法算力,数据准确性,以及掌握数据后AI伦理问题,是当前业界普遍遗漏关注的话题。

师从“可穿戴电脑之父”Prof. Steve Mann的艾韬也走在智能领域的创业道路上。2015年回国创业后,AR/VR产业并没有如期望中迅速发展,权衡考量后,公司选择至少先从“看”入手,解决特定环境下看不见的难题。“走到现在还活着的AR/VR公司说明自身都具备一定技术实力,现在首要是活下去,之后才是参与到下一阶段的发展中。”

从事安防行业的王岽面临的则是群狼环伺,于巨头中求发展的情形。他所在的公司决定,从移动端入手,并在软件端匹配不同品牌芯片的通用性上探索。

这是巨头之外,创业者们面临的生态。赶上智能时代只是一个方面,更大的不确定性,是在巨头林立的市场,面对行业发展路径、宏观环境变化等多重因素影响之下,如何更好地建立模式和技术壁垒。

而回归前沿科技发展本身,当市场落地达到一定成熟度之后,一些由应用延伸出的话题也需受到关注。

前沿创业的试错

由于学习的是可穿戴计算方向,2015年回国,年中参与创立公司深圳市易瞳科技后,担任董事长兼首席技术官的艾韬告诉21世纪经济报道记者,公司初期定位是做视频透视增强现实。

没料到的是,近几年AR/VR产业并未实现大规模发展,公司定位亟待调整。

“我们在想,实际上AR/VR产业最大的问题是,当时整个行业没有能提供解决真实问题、又不可替代的解决方案。”艾韬分析道,比如搭建高科技展厅等方案,类似应用接一单没一单,“是摘果子而不是种树的过程。”

回归AR/VR技术应用本身,主要分为两类:数字型增强现实和物理型增强现实。后者体现在场景中,就是通过带上智能眼镜,能否解决特定光照环境下看不到的问题。“基于当下情况,我觉得先把‘看东西’通过技术落地,再讲究形式,比如通过智能眼镜的形式帮助看。AR/VR产业链本身也需要一定时间完善。”

至于这样尝试的逻辑,他向记者指出,在机器人理解世界过程中,首先要“看清”,其后才是“看懂”,否则AI算法并不能将作用更好发挥。随着机器在人脸识别等各种识别算法愈发精进,对“眼睛”的要求也会越来越高。“我想做也相信AR/VR将会是下一代的计算平台,现在的态度是‘心怀梦想、脚踏实地’。”

如果说艾韬所在的行业仍未迎来爆发的风口,那么从视觉识别应用落地而言,近年来已经有诸多玩家介入,其中不乏各领域巨头,比如上市公司有海康威视,新创企业有商汤、旷视等。如何从中分一杯羹,并抓住关键细分市场,成为王岽所在公司考虑的方向。

从目前表现来看,安防是一大主要应用市场,这也与新技术应用落地往往先从2G(政府层面)端有关。

作为深圳火眼智能的联合创始人兼首席运营官,王岽向21世纪经济报道记者介绍道,近两年前,公司尝试过很多固定点的识别项目,包括人体识别、姿态识别、烟雾识别甚至桌椅识别等,但从企业发展层面考虑,往往是在某一个具体市场占据一定份额后深入。

他向记者坦言,“后来发现这种需求太多了。最开始进入的安防市场,到近年也没什么利润,公司从主流安防市场中撤了出来。”

而作为发展初期的创业企业,公司并不相信现阶段借助资本力量所能带来的效应。因此其发展逻辑为,在行业选择上,看哪些行业能带来营收和利润,并占据一定市场份额才是更具可行性的做法。

“这是群雄逐鹿的市场状态,能否在某个市场先实现营收,持续在未来三年有一个垂直案例可以把公司的科研力量和算法、技术提升。以便未来可以在面对更大市场时及时应对,这是大家都在想的事情。”王岽向记者表示,公司综合分析发现,应用到警务、政府、安防等实际领域中,移动端、小型化一定是大趋势。目前看起来相对小,因此巨头并不会有太多意愿介入,但由于未来前景较大,正适合初创公司。

“我们认为固定向移动的转变,会是类似互联网向移动互联网转变的趋势。”他补充道,安防整体是上千亿的市场规模,其中警务是上百亿规模,细分到移动警务和安防或许目前只有几个亿规模,在巨头无暇顾及的移动端安防领域发展,成为公司的选择。

智能时代的“硬核”

找到商业模式是一方面,从AI这一技术应用本身来看,核心三大要素是算法、算力和数据。在其间发展的公司也必然要在这些领域构建“硬核”竞争能力。

王岽指出,以往互联网时代是依靠用户量推广速度驱动,技术壁垒不算强。算法和算力调用正是AI企业的技术壁垒。“比如烟雾识别领域的准确度和数据积累一定量之后,地位就可以形成强技术壁垒。”

码隆科技联合创始人兼CEO黄鼎隆表示,数据在AI视觉识别领域是很重要的一项挑战。“早期深度学习技术研究中,要求获取的必须是绝对干净没噪音的数据。但是在商业世界要求企业投入几万人花费几年时间做数据标注,这种模式不可行。”

但码隆所在的商品识别领域,却存在难以获取干净数据的特性,这成为公司必须面对的挑战。找到的解决方案,是开发出弱监督式学习算法。据介绍,其特点是有效利用实际环境中产生的含有噪音的数据,训练出精准度足够高的AI模型。

奥比中光选择在基础硬件层面构建壁垒。在前述大会上,公司创始人兼董事长黄源浩在演讲中提到,智能化浪潮中,计算芯片、通讯能力、感知器件、智能算法是关键技术。其中,感知器件负责采集环境及物体信息,是智能硬件发展的基础。

“正如人类感知世界时的70%信息来自视觉,视觉技术在AI感知中同样极为重要。3D感知技术是视觉领域继黑白到彩色、低分辨率到高分辨率、静态到动态影像后的第四次视觉革命,能够为许多‘痛点型应用场景’打开局面,将支撑AIoT时代的智能硬件发展。” 黄源浩表示。

但英国帝国理工学院数据科学研究所所长郭毅可向记者强调,数据将是未来AI发展成败的关键。他指出,数据构建出智能时代的基础元素,因此数据质量是其中很重要的问题。“如何在数字经济里,考虑互联网所有信息的准确性和精准度,是很重要的方面。此外,要达到数据共享,最大问题是数据所有权的界定,比如是否所有人的信息可以直接被用在安防监控中。但这方面的探讨在我们国家还没有开始。”

(编辑:周开平)