商汤的人工智能：AlphaGo低调的中国同行

　　“人工智能一下子火了起来。”徐立感慨说。35岁的徐立是商汤科技(Sense Time)的CEO，也是一位计算机视觉的科学家。

　　以前，徐立布道“深度学习”、“人工智能”、“DeepMind”这些名词，客户常常不知所谓。谷歌(Google)旗下Deep Mind公司开发的人工智能程序AlphaGo击败韩国围棋高手李世石之后，客户纷纷主动询问合作机会，“PPT中的大量专业词汇，AlphaGo用5盘围棋全普及了”。

　　2014年，徐立和学术同行联合创立商汤科技，目前核心业务是机器视觉服务，包括图像视频的处理和理解、人脸识别，其技术基础就是与AlphaGo同源的深度学习。这家低调的创业公司，已在不知不觉中渗透进多数人的生活。

　　领先一步

　　对徐立而言，AlphaGo赢得比赛并不意外。

　　过去两年，但凡介绍深度学习，他都会谈及AlphaGo的“造物主”Deep Mind公司——2014年谷歌耗资4亿英镑收购的一家英国公司。“Deep Mind才12名员工，创始人是一位国际象棋冠军，没有具体产品，只从事深度学习的游戏研究，要花4亿英镑，当时业界震惊了。”

　　每与人谈及这宗收购，徐立听到的多数评价是“谷歌就会乱花钱”。然而，业内学术权威Yoshua Bengio教授当时评论：“深度学习领域内约有50名真正内行的专家，其中12人在Deep Mind，谷歌买的是未来。”AlphaGo证实了Deep Mind的价值。

　　所谓深度学习，某种意义上是对人脑神经细胞的模仿，人脑拥有大量相互联系的神经细胞，细胞间彼此传递神经刺激，而运算过程并非一步到位，是从一个层次到下一个层次计算复杂事物，用计算机模仿该过程，就形成深度学习，其本质是一种人工神经网络，擅长在大量数据基础上进行判断。

　　历史上，谷歌曾进行过一个“猫脸识别”的实验，建立一个有10亿个节点的神经网络，让其“观看”大量视频，人工大脑自主“学会”了识别猫脸的技能。此前没有预先编写任何程序告诉计算机什么是“猫脸”，完全通过海量视频和数据分析猫脸的特征。

　　深度学习的技术渊源，可追溯至上世纪80年代，受限于运算能力以及数据量，在学术界长期处于边缘地带。2006年后，由于IT技术的进步，其学派开始崛起;随后，微软人工智能首席科学家邓力(Li Deng)将其应用于语音领域，并取得重大突破，邓力及其合作者在2009-2010年间开发了一套算法，迅速将语音识别的准确率提高到一个新量级，一大代表性成果即全自动同声翻译系统，可实时把英文演讲翻译成中文并以中文语音输出。

　　“这项研究改变了人工智能的产业现状，引爆了学术界，深度学习马上成为大热点。”徐立评论说，“大量研究开始朝着深度学习方向迅猛推进，像推火车一样，技术应用不断拓展，计算准确率大幅度提升。”2013年，《麻省理工科技评论》(MIT Technology Review)将深度学习列为世界十大突破性技术之首。

　　据徐立介绍，深度学习目前主要应用于三大领域：语音识别、自然语言处理(代表性例子是“微软小冰”)以及计算机视觉。2010年前后，徐立当时是香港中文大学的博士后，与汤晓鸥教授等香港中文大学多媒体实验室的师兄弟多有接触，后者是深度学习在视觉领域应用的先驱。

　　其中，颇具说服力的成就是，在CVPR、ICCV和ECCV三大计算机视觉学术会议上，前3年有关深度学习的29篇文章中，有14篇出自香港中文大学多媒体实验室，其团队后来成为商汤科技的骨干研究力量。可以说，在深度学习与计算机视觉刚刚联姻时，正是学术方向的明智选择以及强执行力，成就了商汤科技现在的商业价值。

　　直到现在，商汤科技也保持着浓厚的学术色彩，其人才团队中有不少来自MIT、斯坦福、香港大学、香港中文大学、清华大学等高校及其实验室，以及谷歌、百度、微软、阿里巴巴等产业界的领军人物，其中包括5位微软研究奖获得者(Microsoft Research Fellow)，两位A-star(阿里星人才计划)，聚集了华人世界中一批深度学习和计算机视觉领域专家。200余人的公司中，拥有50多名博士。

　　“商汤的很多科学家非常抢手，我们提供的工资并不比业界巨头高。”徐立向《二十一世纪商业评论》(下称《21CBR》)记者解释说，“这些科学家愿意过来，是因为我们真心相信，在人工智能这样的关键领域，中国原创科技完全有机会走到世界前列。”

　　全球第一

　　现就职于谷歌的Geoffrey Hinton被誉为深度学习领域的开山鼻祖，2010年在语音领域实现突破后，他尝试将深度学习引入到视觉图像领域，于2012年参加ImageNet竞赛。

　　ImageNet竞赛是人工智能领域的权威竞技场，斯坦福华裔学者李菲菲(Feifei Li)为视觉领域收集了大规模的“图像分类和物体检测”数据集。该数据集最初包括一个1000类图片分类的任务，后面又增加了200类静态图片物体检测任务。

　　Geoffrey Hinton第一次使用深度学习方法，就将图像分类的准确率提升10%，这在过往要耗时数年才能实现。此例一开，但凡在计算机视觉领域要证明自身实力，参加ImageNet竞赛几乎成必选项。

　　2014年9月，商汤科技联合创始人邱石博士等人首次出征ImageNet竞赛，在大规模物体检测比赛中以40.7%的成绩荣获世界亚军，成绩仅次于谷歌的43.9%。

　　2015年，ImageNet竞赛新增一项视频物体检测的任务。视频是连续的图像，比静态图像中的物体检测复杂度更高，商业价值也更高。举例来说，一旦将视频中的所有物件识别出来，品牌商就可按物体搜索，进行定向的品牌植入。

　　在该项新任务的比拼中，赛事主办方选择了30个类别的物体，商汤科技联合香港中文大学多媒体实验室组成的团队，在28个类别中准确率最高，第二名只赢了两个;商汤科技整体62%的准确率，也远高于第二名51%的准确率，最终商汤科技以11%的压倒性优势领先并夺冠。

　　按照徐立的解释，ImageNet比赛的成绩，取决于三大要素：

　　首先最核心的是“造脑”能力，脑子造得聪明与否，决定最后运算结果，造脑能力也是评价一家公司是否有人工智能核心技术的关键。谷歌收购Deep Mind团队，脸书(Facebook)招募学术权威Yann LeCun等人，百度聘请吴恩达(Andrew Ng)担任首席科学家，本质上请的就是“造脑的上帝”。只要人工网络的设计胜出一筹，在搜索等业务场景中将带来巨大的商业利益，而商汤科技研究团队的高占比，正是因为其将“造脑”列为第一要务。

　　其次是数据，数据量越大，运算结果越准确，由于ImageNet主办方也提供了限定的训练数据集，该项条件对于参赛者是平等的。

　　再次是超算能力，这是由大数据处理的需求所决定的，只有计算能力较别人快，才能测试更多的算法模型，从中遴选出最佳算法。商汤团队刚成立时，一开始没有 GPU集群，往往要等1个月才能验证一个结果。在2014年5月，在吴恩达的主持下，百度构建了当时世界最快的超算平台MINWA，实现144个GPU连接。但现在，商汤科技已建设的深度学习超算平台DeepLink，200块GPU的连接为全国最大，以前耗时1个月的运算，现在只需5-6个小时即可完成。

　　ImageNet竞赛的夺魁，证明了商汤科技在两大领域的实力，“第一，我们脑子确实造得好;第二，超算平台能力强。”徐立相当自豪。

　　掘金“人脸识别”

　　深度学习过于抽象，对普罗大众而言，商汤科技最易理解的标签之一就是人脸识别技术。

　　2014年下半年，投资机构IDG主动找上门，游说香港中文大学多媒体实验室的骨干创业，徐立等人当时在业内已相当资深，为什么舍弃学术追求而创业呢?

　　“从学术上转换成工业应用，本身是一种责任。”徐立解释说，此前，香港警方曾向其团队寻求帮助：一些高速行使的逃逸车辆，监控录像过于模糊，希望他们恢复出逃车辆的信息，香港警方愿意为服务埋单。这种实践给予了团队巨大的成就感。事实上，计算机视觉领域的“四大天王”(即前文所述的Geoffrey Hinton、Yann LeCun、Yoshua Bengio、吴恩达)中，就有3位投身产业。

　　2014年10月，商汤科技团队正式成立。创业伊始，团队的主要精力是将学术成果转化为商业性解决方案，2015年上半年一直忙于深耕产品，而随着人脸识别以及图像处理的需求日渐旺盛，在 2015年6月份，公司业务开始爆发性增长，商汤科技的商务团队起初不过四五人，在公司忙于接待问询的客户，直到2015年底，才开始有针对性地开发行业客户。现在商务团队的负责人此前任职IBM Watson Health 大中华区事业总监。

　　由于商汤科技主要从事B2B业务，多隐身于幕后，一直未为人所知，实际上，其服务客户量早已达亿级规模。

　　小米是其合作商之一。2015年8月小米推出操作系统MIUI7，其中发布的宝宝相册，正是联手商汤科技共同打造的新卖点。小米云服务负责人范典告诉《21CBR》记者，宝宝相册中采用的人脸识别技术，主要在于三个核心算法：一是检测图库中的同一张脸，二是识别这张脸的特征，三是聚类相同的脸孔。

　　“在这个过程中，我们要确保用户隐私，绝对不能泄露任何数据，这是个挺大的工作量。尽管我们自研算法，但希望做出来的产品是一流的，所以全方位评估了超过10家公司后，最后决定将‘人脸识别’，就是数据特征这部分交给商汤来做。”范典说。

　　在线金融搜索服务平台“融360”的CEO叶大清也告诉《21CBR》记者，人脸识别技术发展至今，系统识别准确率已经超过了人眼的识别。换言之，技术胜于人类识别。在叶大清看来，这正是金融行业所需要的——人工智能应用于金融行业，可进行反欺诈，识别骗子，提高效率，降低风险。

　　因此，2015年5月，融360联合商汤科技推出名为“天机”的风控系统，从用户身份认证、还款意愿和还款能力三个大维度，进行信用评分，再根据分值向放贷机构提出放款建议。 据称，分值足够的用户，申请5万元以下的小额贷款，10分钟便可完成审批，最快当天放款。

　　同时，叶大清认为，新技术是推动普惠金融发展的重要动力，“我们总说普惠金融，为更多人提供金融服务，这是普遍性;而价格降下来就是‘惠’。长期利用技术能降低贷款利率，这是毫无疑问的。从这个角度来看，人脸识别技术，大数据风控技术，有可能降低融资成本，提高融资效率，推动普惠金融发展，帮助更多需要金融服务的老百姓。”

　　在徐立看来，深度学习近几年之所以流行起来，在于它为行业提供了新的解决方案。“现在深度学习很强大，以至于一套解决方案可以适配到各个行业中去。它是一个万能钥匙。”

　　据徐立介绍，现阶段商汤科技主要布局以下几个领域：

　　第一大领域是移动互联网，其客户包括小米，华为Mate 8发布的智能人脸相册，美图公司的人脸检测器、人像美容等。之前刷爆朋友圈的图聊软件Faceu、Snow等，采用的也是商汤科技的算法。这些产品应用，每个均涉及千万量级以上的客户。

　　值得一提的是，商汤科技还与中国移动在线公司缔结了战略合作关系，后者实施的3亿用户实名制计划，就依托于商汤科技在OCR人脸识别领域的技术。

　　2015年中国移动全面实行实名认证，主要通过身份证OCR识别(Optical Character Recognition，光学字符识别)，以及人脸识别两大技术实现。在去年中国移动的两项公开招标中，商汤科技最终在数十家竞标公司中胜出。

　　“在竞标过程中，商汤科技提供的技术模块有三个方面的特点：算法识别准确率最高;能够满足客户在不同场景下的图像识别;在最短时间内，利用数据针对实用场景开展了人脸识别训练。”中国移动在线公司实名制认证负责人王强鑫告诉《21CBR》记者。

　　王强鑫表示，通过人工智能技术完成身份核实和实名认证，不仅降低身份防骗防盗几率，解决了安全性问题，也因为系统自动处理服务，为客户带来很大的便捷性。王强鑫透露，后续与商汤科技合作中，计划在10086视频客服等其他数字服务领域全面应用刷脸识别技术，为客户提供更加便捷和安全的服务体验。

　　而包括视频和静态图像在内的安防监控，正是商汤科技发力的第二大领域。2015年，商汤科技与安防企业东方网力共同设立公司，以视频监控系统、安防软件、大数据为基础，共同打造智能交通管理系统。

　　东方网力总经理赵永军表示：“视频技术作为视频的拓展，在平安城市中经过多年磨合，加上互联网技术的发展，视觉感知正在发生质变，技术和商业模式的探索将不断涌现出新的形态。”

　　的确，人工智能也为视频行业提供了新的模式和方案。今年年初，网络红人Papi酱火遍互联网时，再次推动了视频行业的发展。视频行业“新贵”小咖秀事业部总经理杨旭向《21CBR》记者透露，在多番评估测试后，小咖秀选择联手商汤科技，探讨如何结合人工智能，打造视频的新玩法。

　　商汤科技布局的第三大领域是互联网金融，其合作伙伴包括银联、京东金融、招商银行等，涉及真人检测、身份证、OCR等业务。

　　除了前文提及的融360，另一家合作伙伴“借贷宝”也采用了商汤科技的算法。借贷宝副总裁翁晓奇透露，其肖像认证系统采用了商汤科技的平台，用户不需输入银行卡密码即可进行身份认证，“在APP为用户肖像采集一张照片，再和公安部提供的身份证照片进行比对，我们每天有几十万人通过这种活体的肖像认证，目前是全国最大规模的肖像认证技术实践。”

　　实际上，商汤的技术曾一度遭到业内怀疑，“有同行误以为我们后台雇佣了大量人员进行人工甄别，实际上完全是大数据处理的成果，我们的技术储备超过了很多同行的想象。”徐立解释，在国内的人脸识别或图像处理等垂直应用市场，商汤科技固然存在竞争对手，但是同行多是根据现有算法从事应用场景的研究，“我们还没有看到跟我们一样，专注于核心的造脑和超算能力的布局。严格意义上，很多同行其实是我们的下游，彼此应有更多的合作”。

　　商汤科技团队希望对标的，是谷歌、脸书这样从事深度学习研究的公司，徐立说：“谷歌和脸书现在均未提供企业级服务，这是我们巨大的机会。”