對話商湯科技徐立：AI 正在超越大眾，但還需要 800 年才能擁有專家的能力

今年 7 月，火熱的人工智慧行業誕生了新的融資紀錄，位於北京的商湯科技完成 4.1 億美元的 B 輪融資。商湯是一家計算機視覺（Computer Vision, CV）演算法層技術公司，幫助企業客戶快速接入計算機視覺技術。近日，動點科技也對商湯科技 CEO 徐立博士進行了專訪。

據了解，在計算機視覺技術中，計算機模擬人的視覺系統，從背景中識別目標對象及其行為。計算機視覺的應用非常廣泛，包括基於人臉識別的身份認證、人像美顏，行人車輛識別，圖像識別，文字識別，圖像視頻編輯等。

計算機視覺在圖像編輯方面的應用之一，圖片去霧。截圖來自商湯科技官網

通常來講，像商湯科技這樣的公司面臨兩個選擇。一是基於第三方開源平台進行開發，在 Caffe、Torch、以及谷歌的 TensorFlow 等平台上開發深度學習模型。這樣做的好處是建立模型的速度很快，而缺點是在功能、性能、擴展性方面面臨不同程度的局限。另一類是獨立於現有平台，自主開發原創的深度學習框架，它的特點與前一種相反。商湯選擇了第二類獨立開發的模式，而這也是它的核心競爭力所在。

「使用開源平台畢竟是在利用別人訓練的大腦。我們堅持走原創技術路線，一方面技術的發展方向可以自主把握，不受別人控制，另一方面一旦做好，就可以在長線的競爭當中建立優勢。比如，在去年的 ImageNet 2016 期間，商湯實現了 1207 層神經網路，是當時最深的網路，而這套網路無法正常在 TensorFlow 上運行。」徐立博士在採訪中告訴動點科技。

商湯科技成立於 2014 年，當時商湯科技創始團隊開發的人臉識別技術首次在非受控環境下超越了人眼的準確率，這家公司認為這意味著人臉識別技術具備了大規模應用的基礎。

而堅持自主研發的難點，據徐立介紹，在於人才和計算能力。商湯的優勢是擁有最早投入深度學習研究的華人團隊、亞洲最大的深度學習研究團隊。計算能力方面，商湯科技建設了大規模 GPU 計算集群，由近 3000 塊 GPU 的計算晶元組成。

原創技術給商湯帶來的競爭力在於，能夠生產獨特的產品，換句話說是高效率並且稀缺的產品。「以金融領域為例，如果做到億分之一、十億分之一的誤識率，就能夠比現在十萬分之一的誤識率高三到四個數量級，這就是技術上的差異化。我們涉及的安防、金融，甚至是智慧城市，對安全的準確率要求是很高的，它考驗的是核心演算法。」徐立解釋說。

另外，自有平台提升了演算法效率，降低了硬體門檻，讓各個客戶接入計算機視覺技術更加容易。

今年 5 月，商湯在 NVIDIA（英偉達）的 GPU 技術大會上展出了 SensePose，這是一個單目攝像頭動作估計解決方案。傳統的動作捕捉解決方案受演算法的限制需要使用更加複雜的設備，比如雙目攝像頭、紅外線攝像頭、關節處佩戴的感測器等傳。相比之下，SensePose 大幅降低了動作捕捉設備的製造成本。

目前，商湯的技術已經在人臉識別、圖像識別、視頻分析、無人駕駛、醫療影像識別等應用層技術落地，有銀行、手機廠商、機器人廠商等超過 400 家的客戶，包括中國移動、銀聯、華為、小米、微博等。

智能相冊中的按照照片人物分類功能使用了計算機視覺的人臉識別技術。截圖來自商湯科技官網。

正如文章一開始所說，商湯科技在 7 月份宣布了多達 4.1 億美元的 B 輪融資，本輪融資分兩次完成，B1 輪由鼎暉投資領投，萬達集團、IDG 資本和 StarVC 跟投；B2 輪由賽領資本領投，中金公司、基石資本、招商證券（香港）、華興私募股權基金、晨興資本、光際資本、尚珹投資、中平資本、東證資本、華融國際、東方國際、TCL 資本、盈峰控股、著名投資人梁伯韜等近 20 家投資機構、戰略夥伴參投。

目前，國內計算機視覺行業的領先初創企業還有曠視、依圖、觸景無限等。這些企業都為企業客戶提供智能服務，賦予他們的產品人臉識別、圖像識別等能力。而徐立表示商湯獨特的策略在於，「堅持原創，我們需要潛下心來圍繞真正的原創技術做功課，而不是僅僅在商業應用場景上與其他企業 PK。」

另外，在快速推動國內業務發展的同時，商湯科技也已經開始了國際化，分別在 2015 和 2016 年建立了京都和東京分部。商湯科技目前正在與東京大學、大阪大學和京都大學洽談合作，希望在學術上和技術人才上給商湯提供更多的支持。 之所以選擇日本，徐立解釋說，是因為日本的汽車行業和工業製造業比較完善。

AI 企業在做的事，在徐立看來，可概括為兩個階段：超越普通人能力、以及超過專家能力。他認為現在的人工智慧正處於超越大眾的階段，通過標註幫助機器學會普通人擁有的知識，比如識別交通信號燈、路上的行人等等。如果說要超越專家，比方機器可以像專業的醫生那樣通過患者的 X 光片診斷病情，由於這一部分的數據屬於稀缺資源，換算下來大概需要 800 年的時間才能夠完成完成機器學習所需的這樣一個數據量。

「現在的演算法框架不能解決這個問題，可能需要對演算法的突破、數據的突破、以及各種領域的知識的結合，才能夠做到超越專家。」徐立說。

本文 對話商湯科技徐立：AI 正在超越大眾，但還需要 800 年才能擁有專家的能力來自動點科技.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！