根據近日 Gen Market Insights 的研究，中國將成為人臉識別技術領域最大的消費者和市場供應商：到了 2023 年，中國將占全球人臉識別市場份額的 44.59%，高于 2017 年的 29.39%。 其中，銀行和安防業務是現階段各 AI 公司人臉識別技術落地的重要驅動場景，細分市場也將延續高景氣度。 而在銀行業，中科院孵化的 AI 公司云從科技已經成長為目前業內的人工智能技術第一供應商，為農行、建行、中行、招行總行等 400 多家銀行提供智能服務，過去近一年，其日均調用達到了 2.16 億次。 但在 2.16 億次的比對服務調用量的背后，以人臉技術創新作為切入點的云從，已經開始重新思考自己的定位。在與產業共同探索智能化的過程中，這家剛剛入選 《麻省理工科技評論》2019 年 “50 家聰明的公司” 的 AI 創企，已經不再將自己簡單定位為人臉識別技術供應商，也在探索輸出行業的智能數據解決方案。

圖丨 《麻省理工科技評論》2019 年 “50 家聰明的公司” （TR50）榜單（來源：DeepTech）據了解，自 2015 年成立以來，云從科技只用了不到 3 年就成長為人工智能行業的“獨角獸”，根據 Gen Market Insights 發布的報告，云從科技以 12.88% 的占有率領跑全球市場，比第二、三名加起來還多。在中國市場，云從科技在銀行、機場等行業的占有率超過 70%。云從科技高級副總裁楊樺對 DeepTech 透露，雖然市場和客戶對云從最大的感受度在于視覺，但云從正在覆蓋到感知、認知、決策的整個人工智能技術的閉環，并且，公司也已經在語音、NLP 等方向都有了技術儲備，如語音識別、OCR、跨鏡追蹤（ReID）等，這些技術也有了一些應用成果，視覺以外的技術突破也已經為云從的視覺解決方案帶來了新的市場競爭力和商業價值。目前，云從擁有重慶、成都、上海、蘇州、廣州五大研發中心，中科院、上海交大兩個聯合實驗室，及美國硅谷前沿實驗室組成的三級研發架構，研發人員超過 700 人。關鍵的產業切入點：人臉識別創新如何改進安全性和體驗

回顧過去近一年，云從技術上的創新仍是以視覺為主，尤其是其在“3D 結構光人臉識別技術”取得的突破，更是讓人臉識別在深入產業場景上邁向新的階段。 2018 年 2 月，云從正式推出“3D 結構光人臉識別技術”，是中國企業首次將結構光技術應用在人臉識別系統上。 當時，除了 iPhone X，國產手機幾乎都是應用的 2D 人臉識別技術，2D 技術在識別的過程中還需要用戶進行動作配合，而 3D 可以只需要在攝像頭前被捕捉到面部畫面即可完成活體驗證。相較以往的 2D 人臉識別及以紅外活體檢測技術，應用了結構光技術的 3D 人臉識別系統在精確度、響應速度與活體方面得到了革命性突破。 例如在分析時間上，3D 結構光人臉識別技術能夠把之前的 1 - 2 秒的時間壓縮到毫秒級。

（來源：云從） 另外，3D 結構光人臉識別技術對于微光環境也能有很好的輸出結果，不受環境光線強弱的影響，擴展人臉識別技術的應用場景，結合云從最新的算法實現了在一千萬分之一誤識率下達到 99% 以上的準確率。 云從基于這一技術開發出“3D 結構光人臉識別系統”，將深度學習結構光算法與 3D 結構光深度攝像頭融合。新技術帶來的改進又給人臉識別在銀行、安防、交通等各個場景的深度應用“松了綁”，尤其是在云從擅長的刷臉取款、刷臉購物等金融級應用上。之后，圍繞 3D 結構光這一技術，團隊后續也在多個3D人臉數據集上有新的進展，包括發表論文、開源算法等等。 云從認為，類似 3D 結構光人臉識別這樣的技術成績，屬于在人臉識別的基礎上不斷優化細節領域。 楊樺介紹，在云從內部，一項新興智能技術從誕生到應用到會經歷學術研究、行業驗證、商業落地、行業平臺以及智能生態五大階段：在學術研究上，云從的研究團隊會做從感知到認知一直到決策的整個閉環所有的學術研究，研究出來的技術必須要在行業、分類場景中和專家一起驗證，的確能夠解決問題，在之后的商業落地環節，要考慮能夠理解行業、有沉淀下來的東西可以輸出到行業中，在行業中做通之后，賦能給這個行業里其他的一些用戶。 也正是將這樣的新技術應用到銀行業之后，云從對于自身在產業內的角色認知有了微妙的變化：銀行的刷臉取款、安全防控是目前廣為認可的 AI 技術的應用場景，隨著智慧銀行建設逐步深入，人臉之外，AI 技術還有更多的用武之地。人臉識別以外，也做針對行業場景的智能數據解決方案 楊樺說：“云從的理解是，銀行是金融的代表，銀行需要智能化發展，而且有非常強的信息化基礎，人工智能公司是要通過智能技術，幫助提升客戶服務體驗。行外實現場景化，讓金融無所不在?！?她認為，傳統企業在資源通路管理上有很多的經驗，但是現在的普遍情況是，人工智能的發展還處于一個早期的階段，客戶知道人工智能是未來的趨勢，但并不特別清楚人工智能和自己的行業結合后會有哪些更大的智能提升空間，人工智能如何幫助傳統企業降本增效。 在幫助建設智慧銀行的過程，云從就發現，集成生物識別平臺（IBIS）接入到銀行系統之后，這個平臺可以觸發很多原有工具的更新，在正式投入使用之后，銀行的業務場景還可以產生和收集非常多的數據。也就是說，銀行還有機會借助技術的升級實現更多的事情，真正為用戶提供更精準、更個性化的存貸匯服務。 事實上，銀行作為金融行業的代表，本身其實在信息化、數據的結構化上已經走得很前面，很多銀行本身也在做業務分析的方案、確定優質客戶的方案、貸款信用分級的方案等等。 云從為銀行的智能化轉型描述的未來愿景是：結合了原有的結構化數據和非結構化數據，再加上前端跟其他行業打通，尤其是在人臉支付體系感知認知邏輯打通之后，比如說智能網點、各條線的場景化都還可以實現更高程度的智能化。如果再加上前端做場景的智能設備，銀行可以做跨行業的場景聯動，銀行是天然地可以和其他的商業進行更多的配合。 在這個過程中，會有很多新的協同產生，包括業務屬性和設備的協同、產業鏈上下游的協同等等。“云從在這些方向能夠貢獻力量。我們是做以用戶為中心的人機協同平臺的智能服務。人機協同始終是服務于人，以 AI 武裝起來一系列軟硬件體系，打通上下游，服務于用戶側和專家側，例如銀行的各個專家。也就是通過我們這個中間層，幫助專家側和用戶側的服務過程。” 因此，憑借人臉識別打開銀行智能化突破口的云從，正在關心的是怎么去做更多的事情，讓銀行的產業鏈條最終向 AI、向智能的邏輯去靠攏。具體的實現路徑是，在未來的兩、三年會跟銀行業的專家共同探索如何推出更多云邊端的產品和解決方案。 “我們以人工智能技術為核心，和行業專家走在一起，真正從智能的角度去圍繞行業內的各個場景，重新把它的傳統服務模式和技術結合起來。我們有機會了解行業的很多屬性，可以幫助做一些行業場景化的事情，進而提供更行業化、場景化和個性化的服務”，楊樺說。 由此也不難看出，云從未來提供的不會只是人臉識別技術，針對行業場景的智能數據解決方案會是另一大發力點。

目前，云從的技術商業化邏輯已經清晰，整體上正在做兩件事：一是大規模投入到技術核心壁壘的搭建上，即全鏈的技術中臺，云從正在這個技術中臺上沉淀一些通用的視覺、語音、深度學習的核心技術創新，這些創新可以解決最底層的一些行業共性的問題，云從現在幾乎 60% - 70% 的人力和時間投入到技術中臺的搭建上，是目前云從投入資源最大的一個方向；另一條線則是解決行業深度問題，在通用基礎上真正地去解決行業深度的問題，能夠對這個行業進行特別的場景化，最終輸出定制的行業解決方案。 未來，人工智能公司在產業中的角色定位或許會越來越清晰，也將越來越舉足輕重。