为何与Face++互怼百度推广？人脸识别路在何方？云从CEO全解答
牧北 若朴 采访/整理 量子位·QbitAI 出品
“世界上的四家人脸识别的独角兽都在中国。这个市场没有大到可以支撑四个独角兽”，李开复说这是中国特色。
从另一个角度理解，人脸识别这个人工智能最火热的领域，接下来肯定会有最火热的拼杀。即便你不在这个行业，也能感受到一点点。方法很简单，百度一下。
上周，如果你在百度上搜索“云从科技”，最上方的结果是一个引导你跳向Face++官网的广告，而你搜“Face++”第一个结果是跳向云从科技的官网。
两个人脸识别的同行，互买对方百度关键词，也只有这两家互买对方关键词……??
（说明：上图是3月6日上午的最新战况，云从压住了Face++，这个动态推广随时会变）
是他们先动手的，云从科技说。
场景
百度推广真的那么重要？云从CEO周曦直言，这对销售业务来说，可能会有点不利，毕竟如果客户想了解云从，在百度搜不到肯定会有影响。云从科技表示之所以买百度推广，是因为Face++先买了云从的关键词，但实际上这件事重要性不是很高。
原因就在于，目前包括人脸识别在内的人工智能企业，业务仍以2B为主。云从现在给自己的标签是：人脸识别银行业第一大供应商。
都供应什么呢？“我们有40多种不同的解决方案”，周曦说这些解决方案涉及营销、节约成本、增加安全等多个领域。比方为农业银行的VTM(银行远程视频柜员机)提供人脸识别支持，未来ATM也将具备类似的功能。
或与建行合作，在广东高校试点无人值守的银行网点，刷脸支付的自动售货机等。学生打球可以不带钱包和手机，刷脸就能买饮料。
但场景，还是一个核心的问题。
“人工智能还不是通用技术”，周曦继续解释：“比如说我们提供一个人脸识别技术，所有的行业，你拿我这个去就通杀了。没到这个水平，对吧？”
室内or室外，照片or视频，同场景or跨场景，配合or非配合，运动快or慢……这些都有赖于不同的人脸识别解决方案。
“所以说这个事情既然不能通用，那我们就得把一个个场景先做好”，周曦说。而对人工智能创业公司而言，苦练技术和深挖行业，是个相互促进的关系：没有实际应用的落地。就不知道痛点是什么，而不提升技术肯定会被客户扫地出门。
如何平衡二者关系是一个艺术。云从的想法是，对于一个还不完美的技术而言，如果不真正去市场验证的话，就有可能走偏路。
“大部分的人工智能应用，要短期落地都是有难度的”，周曦说人脸和语音识别，是鲜有的能立刻大规模使用的技术，但人工智能领域的自动驾驶、NLP等距离实用还有一段时间。
扩张
△ 云从CEO周曦
下一个场景在哪里？云从的目标是安防。
这毫无意外，无论是银行还是安防，都是人脸识别公司争夺的核心领域。“目前我们已经是银行业的人脸识别的第一大品牌了。那么接下来我们在安防也要做到”，这是周曦原话。
安防领域，云从换了一套玩法。在银行领域云从采用直销模式，而在安防领域云从开始构建经销商体系。
“银行是不接受经销商的，其次银行的总数量相对有限，可以用直销体系服务好”，周曦对量子位表示，安防是一个非常广阔的市场，无法用直销方式做好，“经销商对本地化的后续服务，以及解决资金和账期问题都有帮助”。
然而人工智能并不局限在这两个领域。周曦也认为各行各业的AI+是一个大趋势，跟曾经的互联网一样，但是又有一个明显的区别。
以前讲互联网、讲大数据，但是对于一个矿场或者车企来说，并不知道如何利用大数据：大数据怎么帮我挖矿？怎么帮我造车？怎么请客户吃饭？“这中间必须要有人工智能”，周曦说人工智能就是让数据和计算发挥出威力，直白的告诉人们，怎样效率更高、体验更好。
“你给我数据没有用，甚至你给我孤立的技术点也没有用，得把这套系统做完整，直接就可以用，而且前端最好不要花多少钱”，周曦认为人工智能时代，有机会再各行各业把这种方案落实下去，“得有人把这个东西做好”。
然而一切只是刚刚开始。人工智能想要做到通用化、标准化，云从CEO认为最快三五年，慢的话也要八年十年。
展望未来的三五年，周曦觉得不会复现“千团大战”那种扎堆的情况，而且没有足够的研发实力很快会掉队。他的另一个判断是：因为有很多定制化的需求，AI领域不会一家通吃。
此前，量子位曾经发过一篇报道《春运“刷脸”检票系统为何来自日本公司？》。对这个问题，周曦的回应是中国的AI公司忙不过来了，“各行业的需要的东西实在是太多了，所以目前真是有点忙不过来”。
日本公司的技术并不比国内顶尖公司更好，周曦说：“只不过是大家确实没忙过来。云从今年会做高铁。我们相信一件事，只要我们去做的话，他们不会有很大机会的”。
未来
未来包括人脸识别在内的人工智能技术，会如何演进发展？以下是周曦的判断，我们换成第一人称的方式叙述：
人脸里面还有很多要研究的东西，安全领域就有很多。比如说距离比较远、比较模糊的时候，运动速度比较快的时候等等。或者是夜间，光线差的时候，效果都不是很好。
所以从人脸的角度来说，肯定是要有各种办法来解决这些非常复杂常用的识别问题，这个是目前很大的一个研究方向，当然再往下就是说我们是从人脸往它相关的知识做全面的拓展。
光是识别他一张脸肯定还不够是吧？从人脸上面我除了识别他的脸是谁以外，还要识别他的口语表情，我们还可以猜猜他是做什么行业？我们往整个的人体扩展。
其他领域。像无人驾驶要做前装市场，前装市场本来就要花三年，那还是相对成熟的技术你也要三年嘛，可能这个无人驾驶还是一个快速发展的技术，还不是一个成品。
那也就是说，它还需要若干年才能商用嘛。现在问题是说，你的创业公司去做无人驾驶的话，你要先考虑怎么活过前这么些年，我觉得这是个问题。技术没有完全成熟的问题，是可以通过商业模式来解决的。
神经网络现在最大的问题就是黑匣子，出了问题找不到原因，不出问题同样找不到原因。
以AlphaGo为例。AlphaGo虽然赢了，但它自己也不知道怎么下了这一步。这个是所谓的黑匣子，不管是对还是错，都不知道是为什么，它只有一个结论，没法以人类能够交流的方式把这个逻辑讲出来，出错了就没法纠正。
再举一个例子，比如银行办贷款，我们收集了大量的大数据，顺着这个模型算出来一个数据，说可以贷给您3000万。我肯定想问个因果啊，为什么啊，说不出来。
这对实际操作非常麻烦，所以肯定要把这个黑匣子打开。
所以对于人机大战来说，我们不关心输赢。上一次的AlphaGo是用了巨大的计算量来做的，但是我们想把一个东西想往商业推广的话，应该降低它的功耗，降低它的成本。如果能用一个单机就能解决的话，那么这个技术在商业化方面又进了一大步。