對不少企業來說，如何開始一個 AI 業務是一個難題，需不需要 AI 來進行業務的輔助？是否需要組建一個自己的算法團隊？我們整理了格靈深瞳創始團隊：苑維然先生的主題演講《如何開始一個 AI 業務：以計算機視覺為例》希望能夠給有同樣困擾的讀者一些啟發與幫助。

下面介紹如何開始一個 AI 業務，這是一次比較科普的演講，希望通過計算機視覺的一些案例，能帶給在座的各位 EGO 會員及各行業的老板一個關于 AI 和自己的業務結合的直觀的認識。

這里我先簡單介紹一下計算機視覺做的事情是什么，然后再給大家引申一下，在一些業務里應用這些技術的可能性。

這個圖是我今天早上臨時加上的，我覺得這樣畫應該更容易理解一些。計算機視覺的任務就是要對幾種和視覺相關的媒體做一些信息處理，包括圖片、視頻以及深度視頻。

通過這些媒體我們得到的對象包括人臉、人體、車以及其他，這里其他對象的范圍比較廣泛，比如說寵物、食品、普通物體分類等等，但是它的應用范圍應該遠不如前三者。

得到了這些對象的圖像信息之后，我們要做什么任務呢？總結一下，比較廣泛應用的有兩種任務，一是結構化，二是圖搜。

結構化是指這個對象確切可描述的信息。比如一張人臉圖片的結構化信息包括人的性別、年齡、表情類別，以及戴不戴眼鏡、口罩、帽子等信息；人體的結構化包括人的上身下身的衣著特點等；車輛的結構化信息就比較多了，基本的有車牌、車型、年款、顏色等，另外有一些可以描述的特征信息，比如車窗內掛件、擺件，甚至是否有劃痕等等，這些特征描述對于區分一些很像的車是非常有用的。

然后是圖搜，圖搜的信息基礎是沒有結構化描述的，計算得到的是一個特征。我們常談到的人臉識別就是典型的圖搜應用，最典型的 1:N 人臉搜索就是以一張臉搜圖庫里的臉，得到和它距離很近的一些臉。人體和車也是一樣，只不過人體和車輛的特征維度相對于人臉來講少一些，這決定了人臉搜索可以在一個更大的庫中發生，人體和車輛只能在相對小的庫中搜索。

對于結構化和圖搜這兩種任務來講，圖搜具有更廣泛的應用場景，為什么呢？得到結構化信息之后，通常是作為數據庫索引進行搜索，但是具體應用中很難單純依賴結構化信息得到想找的對象。比如要找一個人，很難通過具體描述這個人是長頭發、有胡須、戴眼鏡或者其他可描述的細節直接找到這個人，但是如果提供一張這個人的照片，就可以在人臉庫里很好地搜索到。車也是一樣，我們通常通過車牌來搜索一個車，但是在真正的應用場景里，這是不一定生效的。比如一些犯罪分子在辦案時往往會把車牌隱藏掉，或者干脆用一個假車牌，這時候就需要用車的特征來搜索，這樣的場景下技術帶來了真正可用的價值。

這張圖再往后，是計算的平臺或載體。

首先是云服務的應用，這在公安這類機密客戶那里是遠遠落后于商業及個人用戶的。我們去年經常做這樣的事情，就是把一堆服務器搬到用戶的機房里，比如警方或者交管局，我們留下專人運維這個機房里的服務器，我們連接客戶的視頻流，利用 CPU 和 GPU 去計算前面所所說的東西，然后把結果在它的客戶端體現出來，或者是推送到客戶的平臺中。

但從今年開始我們有一些新的東西受到了老客戶的青睞，對于類似于公安或交通這樣的傳統用戶，他們竟然也或多或少的接受云端的方案，這在以往是不可想象的，因為他們的技術和數據是非常機密的。但是現在一些云服務提供商針對公安、銀行這些具體的業務做了大量專用網絡和安全上的優化工作，使得這個事可以發生。

另一方面就是越來越多地使用了 EDGE 端的計算，端到端（EDGE 端到 CLOUD 端）已經不再是什么秘密，一個很直接的結果就是降低了成本、提高了密度、以及廣泛的智能化。舉個例子，原來的 IPC（網絡攝像機）都是傳視頻到后端去處理，現在很多專門的車輛及人臉抓拍攝像機可以在終端設備上把我們關注的對象抓拍成圖片，再把圖片傳到后端去處理，一方面是節省帶寬，原來一個 Gb 的帶寬只能傳輸幾十路視頻，現在只傳輸抓拍圖片可以做到萬路，更令人激動的是，假如抓拍設備部署在普通的超市、飯店這樣的街頭小店里，使用非常便宜和普通的家用帶寬就可以滿足要求。另外一個好處是后端服務器的計算成本極大降低，可能降低兩個數量級這樣的程度。兩個數量級大家可以想象是什么樣的情況，我們可以把一個應用做到非常便宜，可以從原來 2G 的業務逐漸做到 2B 的業務，再逐漸做到 2C 的業務。目前零售行業以及一些智能辦公行業已經在嘗試這樣的業務方式，總結一下，就是我經常在公司和客戶那里說的三個詞：低成本、高密度、智能化。這是從業務上來分析計算機視覺的一些情況。

這里邊有幾個事情我需要說明一下。第一個是深度視頻，深度視頻相關的產品我們在四年前就開始做，我不否認它的科技范兒，以及在一些場景里它不可替代的作用，但是到現在為止還是一個成本比較高的產品，所以它大都應用在類似于銀行加鈔、金庫、監獄等支付能力非常強的客戶。深度視頻的作用顯而易見，通過深度數據，它很容易能夠計算出人的肢體行為、行動、人和環境關系等信息，而普通二維數據很難做到。這個產品目前還不具備廣泛場景的擴展性，但是隨著傳感器技術的提高，事實上我們已經看到一些這方面的成果，它也會滿足前邊提到的低成本、高密度、智能化的原則。

另一個要說明的是視頻，這就是剛才講的，逐漸會把后端視頻的處理轉移為前端抓拍之后在后端對圖片的處理，這樣降低了兩個數量級的成本之后，最大范圍地進行業務的推廣。大家可能很奇怪，之前 GPU 的勢頭很猛，NVidia 的股價在一年時間里飆升了三倍不止。但是我想說的是 NVidia 工業級別的顯卡價格和 CPU 這樣的市場相比是小眾和暴利的。CPU 是個 2C 的市場，GPU 也有 2C 的市場，但是工業級別的 GPU 顯卡，它的市場價格是普通顯卡的幾倍。之所以能維持高價，是因為之前少有替代品，然而我們今天看來它的優勢越來越小。

一方面，現在有很多算法上的進展告訴我們，同樣的算法在 CPU 上也可以高度的優化，它的成本和在 GPU 上可以媲美。而結合 CPU 服務器的穩定性和靈活性，比如分鐘級別的彈性調度，它的實際成本還有一個數量級的優化空間。

另一方面，它的競爭對手還包括 ARM、FPGA、 Google 的 TPU 芯片等這些日益成熟的專有計算芯片。這樣的結果告訴我們，我們以前好像做錯了，我們建立了大量的 GPU 集群，某個友商甚至利用它上一輪融資的千萬美金建立了一個幾千塊 GPU 的私有計算集群。但是大家往后看，這可能不是特別值得，我感覺一兩年內就會發生的是，首先 GPU 的價格會降低到非常親民，專有計算芯片無論在服務器端還是在輕量級設備端都普及。

這個圖是一個人臉系統的業務模型，左邊是終端設備，是我們系統的數據源，基本都是抓拍設備，包括我們自己造的人臉抓拍機，以及我們自己造的人眼相機。人眼相機是可以應用于大廣場、大范圍的人臉抓拍機。另外還有抓拍服務器，對接普通的 IPC，通過這個抓拍服務器可以把普通的 IPC 變成抓拍機一樣的形態來對接系統。中間系統上下兩個藍色的數據流，下面的數據流是實時業務流，上面是像黑白名單入庫之類的離線業務流。視頻數據由抓拍設備轉換成圖片之后會經過人臉引擎進行處理，這個大規模的引擎包括人臉檢測、特征提取和結構化，對于車的數據也類似地會有相應的車輛檢測和結構化，然后經過存儲、比對引擎和消息隊列，形成我們的一套系統，后面對接應用的 API 池。上面還有一個從數據庫對接出的離線數據分析和實時數據分析系統，它結合其他平臺的業務數據，對結構化數據和比對結果進行大數據分析，并匯集到一個多維查詢系統。

每個行業都有它自己不好做的地方，AI 這個細分行業里最大的特點就是數據依賴。大家可能都知道 AI 算法基本上都是以基于學習的算法為主，簡單的講就是通過大量的數據標注之后（Data），對一個網絡（Network）的參數進行迭代優化得到一個模型（Model），業務層通過這個 Model 進行推理計算。我這個題目叫“如何開始一個 AI 業務”，當你在自己的業務上考慮這個問題的時候，你要用 AI 解決什么問題，首先要問自己數據夠不夠，第一是量夠不夠，第二是質量夠不夠，第三是數據的多樣性夠不夠，量和質量比較好理解，下面講一下多樣性的問題，也就是跨域數據的難題。

多樣性

以人臉識別這個業務為例，有一些公共的人臉平臺，可以輸入一張照片和一個庫，它會給出識別結果。但是據我了解，這些通用的人臉平臺在具體業務上表現并令人滿意。我是非常理解他們的，為什么幾個友商都說自己是人臉識別第一的平臺，但是在具體應用時表現不好呢，答案是它的數據并沒有符合你使用的域。

舉個例子，一個做婚戀網站，它數據庫里的照片都是經過化裝打扮的；一個社交網站，它的人臉頭像數據都是個性搞怪的；而我們的身份證照片，則是普通素顏的。這幾個領域里的數據，領域內是非常好用的，但是它們相互之間的交叉聯系，無論從數據獲取、標注還是得到最終應用結果，都是非常困難的。我們之前在某個邊疆省份做了一個業務，模式很簡單，就是用人臉識別跑一個黑名單，黑名單里包括公安關注的危險分子，這個名單非常大，大概有幾十萬。在最開始實施現場測試的時候，我們發現結果非常不好，準確度并沒有達到我們的期望。后來我們發現這個省的大多是少數民族，他們的臉跟漢族人特征差異很大，而跟西亞人或者是俄羅斯人種是更像的，而我們那時候的人臉模型，還是以漢族人為主要的樣本訓練得到的，所以帶來了很大的困難，其根本原因還是樣本數據量不足造成的。所以在我們把現場數據標注和重新訓練作為項目本身的過程，很快就達到了我們期望的準確度。

只有深入理解應用數據的域，才能夠得到期望的效果。另外一種情況是希望有跨域數據的應用，比如證件照和各種現場抓拍照的跨域，就必須專門針對跨域的問題進行交叉的標注和訓練，才能得到好的結果。跨域的成本往往取決于數據的來源，比如刷身份證并抓拍人臉的門禁，就可以很好的把證件照和抓拍照聯系起來。

另外一個與數據相關的就是如何在業務中結合標注。所謂標注，大家可以理解為人工智能里的“人工”。一個已經使用舊數據訓練好的模型在你的領域里可能不一定適用，必須把標注的任務融入到業務里，讓它成為業務的常態。做電商一定會有個呼叫中心，做 AI 也一定會有個標注中心支撐我們的業務，他們就會根據我們任務的指標去完成標注的任務。經過標注中心標注之后，AI 模型的效果會逐漸變好。所以當你考慮這樣的業務一定要同時考慮相關的人工成本，如果領域不變的話，成本可能會逐漸降低，需要標注的數據會逐漸變少，但是可能不會消失，因為時過境遷，總會有些變化的東西。

ID，ID，ID，重要的事情說三遍，在 AI 業務里，我們認為能得到的最有價值的信息就是 ID。我把它分成了幾種層次：

第一種就是類似于身份證這樣的 ID，它不一定是身份證，但一定是長效、唯一的 ID，這是最有價值的，就像你在網上做什么事都有記錄一樣，如果我有這個 ID，而以后你在現實中做什么事也都有紀錄，這是很可怕的事情。

第二種就是長 ID，長 ID 是跨域的，跨時間、跨地點、跨來源，長 ID 并不能知道你是張三還是李四，但是它知道這個 ID 之前所有的活動。我們把能夠拼接形成長 ID 的計算過程叫 ReID，就是你很多活動我們通過算法把它們連接在一起了。

在商場里，當你進入的時候，如果獲得了你得長 ID，系統雖然不知道你是誰，但是能瞬間調出你之前進入商店的行為，包括你在哪個柜臺前逗留時間長，你的動線軌跡，甚至可以綁定了你的結帳信息，知道你購買的記錄。對于商店的應用來講，這些數據已經足夠了，這樣的一個長 ID 獲取成本低而且規避了侵犯隱私風險，一個商場顯然不可能對你的身份信息進行核實，但是它有這樣的長 ID，就有足夠的想象空間做出一些營銷上的優化。短 ID，就是一個在時空上局部的 ID。ID 的價值從上到下是遞減的，當然獲取成本也是越來越小。ID 的密度和分布也是非常重要的，就像網站的瀏覽記錄，得到的 ID 密度越高，對用戶行為了解得更透徹，這里有很多細節。包括我是只得到你在這的活動，還是說得到你非常大范圍的活動。這些就是我對 ID 的一個分類定義。

這里總結了一下以人臉識別或者車輛識別技術為基礎的應用，本質上是 ID 的關系。所有我們需要得到的結果都是這幾個 ID 的關系，車輛、模糊的車輛、清晰的車輛、人臉、人體、手機，或者沒有寫進來的其他的東西。

在應用里，我們希望它們之間都有 ID 對應，同一類對象，比如人臉和人臉之間，進行比對之后，就知道兩個人臉是不是同一個人的概率，如果是同一個人，再把兩個 ID 合并，其他的也是一樣。但是當我關注下面這樣的事的時候，就不一樣了。一個人開了車，然后從這個車上下來，這個時候，我作為一個人很容易知道這個車是他的車，他是司機也好，他是副駕駛也好，這個關系我知道，但是人工智能很難處理這樣的事情，它需要通過一些邏輯上的分析以及一些模糊的匹配去得到這樣的關系。

比如圖中橫向的，車輛和人臉之間的關系，模糊車輛和清晰車輛之間的關系，模糊車輛就是看不清楚車牌，但是大概能看清這個車，清晰車輛就是車牌能看得更清楚一些。我們會通過一些模糊匹配的方式以及時空關系等方式把它們匹配起來。包括人臉和人體也是一樣，能看清這張臉，但是當其他任何拍這個人拍得比較小的時候，這張臉看不清楚了，我怎么知道這個人還是你，這也是一個要打通的關系。人體和手機更是這樣。當我們把橫向和縱向的關系都打通， ID 全部的關系就通了。現在我的圖中打問號的這幾個地方，實際上是目前做得并不好的地方，這也是人工智能相關的應用在近幾年要特別加強，也是最有機會的地方。

你的業務需要 AI/CV 嗎？

我接受過很多的公司來向我們咨詢方案，想要他們的業務里獲得 AI 的能力，用來幫助他們的業務進行優化和轉型。在實際項目中我也接觸了幾個行業，我們也做了一些產品去應用于不同行業。

圖中列的幾個行業有這樣的一些關系，首先從公安業務說起，它的特點就是 2G，主要的業務目標是公安稽查、布控，就是剛才講的動態黑名單布控、靜態圖幀這樣的一些業務，這個業務做了幾年。說實話，這是我們的衣食父母，到現在公安業務也是整個人工智能行業最現實的一個業務方向。以公安業務的技術、產品為基礎，我們發現可以做很多新的東西，比如說智能辦公，樓宇和室內顯然比公共場所的業務量級要大，但這是一個 2B 的業務，之前是不好做的，因為成本太高。

大家也看到很多樓宇物業已經應用了包括人臉門禁，它不是一個新鮮的事物，刷臉然后進門或者拍一個證件對臉進行驗證之后就可以進去了，證明你的人和證件是同一個。但是智能辦公的要求是不一樣的，它的要求是不只在門口要有這樣的設備，在公司的各個角落里都要有，包括休閑區、工作區，甚至車口、門口等等，這作用是什么呢？作用就是把辦公區里人的行為數據化，當然能做到這點的前提就是成本降低了。包括收費業務，有些朋友應該發現廣東這邊已經有了，就是當你進入高速路口時，可以刷支付寶進行收費，不用去 ETC，也不用去交現金。很快它可能做到連手機的支付寶也不用刷了，它看到你的車牌，并且看到你的臉，把車牌和你的臉進行驗證之后，你就直接可以開車通過了。當然之前你要通過支付寶去存一些錢，或者綁定支付寶在相應的帳戶里，這樣就會得到一個更快捷的通過方法。后面還有幾個這樣的業務目標，不擴展講了。我覺得蠻有意思的，通過一種技術從高大上而專業（圖左邊）到走向非常便宜而廣泛（圖右邊）的這一路上，有非常多的機會。實際上正是這樣的轉變，才能讓一個技術真正落地，實現它的價值。

你的業務需要一個算法團隊嗎？

這個問題好多人問的，就是當你的公司想做一些 AI 相關的業務，你需不需要自己養一個算法團隊。這沒有直接的答案，得具體問題具體分析，需要看是哪些方面的業務。

首先你的業務從 AI 的層面上來講，是不是一個通用的類型。比如說你希望像美圖秀秀拍一個人臉之后進行美化，這個就有有可能不需要自己的 AI 團隊，百度騰訊谷歌微軟這樣一些提供基礎 AI 服務的公共資源以及像“一桶筐湯”這樣的公司提供的方案，都可以是你的選擇。但是當你遇到一些業務別人并沒有涉及過的或者你的領域數據很獨特時，可能就得養一個算法團隊了。但是需要更正一下，確切的說是算法“工程”團隊。算法團隊是更基礎的層面，但算法工程團隊實際上是把現成的算法進行實踐和工程化的團隊，這是非常必要的。

做一個 AI 的業務在研發團隊里需要有這樣一些角色，算法團隊、軟件團隊、設備團隊，更包括運營和售前。這些團隊角色之間的關系，我簡單講一下。比如說算法團隊和軟件團隊之間的關系，看起來很自然，算法團隊提供算法，給軟件團隊來包裝成產品。但實際上并不是這么直接，算法的結果一定是循序漸進的，開始得到的結果肯定不好。軟件團隊提供給用戶的價值，是通過算法體現出來，但是算法還不夠好的過程中，軟件要當好一個背鍋俠的角色，它需要通過各種手段來進行補助。算法不是萬能的，軟件在合適的時候巧妙的使用算法，才能實現算法最大的價值，不能美玉當磚。這些團隊里，有不少故事可以講，有機會我專門整理。