【OFweek 人物专访】阅面科技赵京雷：从云到端 视觉在硬件和行业的双重赋能
我们最大的心愿就是让AI变得和移动互联网一样，任何人想到它的时候第一反应是通过它能够做什么，而不是AI是什么。其次，如何把AI技术的应用门槛降低，从而成为真正的基础设施，让各行各业能够通过AI达成改造行业的诉求。与此同时，如何提升效率、降低成本，以及提升用户体验，这些都是现阶段对AI进行探索的本质问题。
——阅面科技CEO 赵京雷
视觉市场巨大 从公共安防转向民用
在去年11月腾讯研究院发布的《中美两国人工智能产业发展报告》中，与美国投资者对于基础层更为看重不同，中国投资者在应用层关注的更多。其中，融资占比排名前三的领域分别为计算机视觉与图像，融资143亿元，占比23%；自然语音处理，融资122亿元，占比19%；以及自动驾驶/辅助驾驶融资107亿元，占比18%。
视觉领域的资本热潮可见一斑。
在赵京雷看来，和人自身通过眼睛认知大部分事物一样，机器视觉也是人工智能最为重要的感知功能：“资本热是很正常的事，视觉基本占比人工智能80%的份额，市场巨大。”
事实上，作为重要的落地应用，得益于深度学习，视觉已经为各个领域带来了巨大的“赋能”作用。在制造行业，视觉已经成为自动化生产制造中软件层的关键环节；服务领域，要让机器人实现诸如迎宾、导引、送餐等功能也离不开视觉导引；在安全防卫产业中，得益于巨大的市场，催生了大华股份、海康威视、保千里等监控产品供应商和解决方案服务商。
无疑，AI视觉的赋能改变了传统图像视频监控产业。与此同时，还有一个巨大演变趋势赵京雷认为是不可忽视的，那就是视觉应用从公共安全领域开始向更多民用场景转变，出现了长尾化趋势：“很多想象不到的领域开始使用视觉，我们每天接到大量行业需求，有些是想所未想的需求，比如说健身房，用人脸识别来改善用户体验，把整个数据层打通。”
对于阅面科技来说，在资本热潮和巨大的商民用市场中何以占得自己的市场份额，定位显得尤为关键。“大安防竞争激烈，空间留下的比较少。阅面科技主要把目光集中在民用安防领域。”对于公司的战略方向，赵京雷这样表示说。
从云到端的迁移 硬件赋能和行业赋能
除了应用领域的变化，另一个在赵京雷看来非常明显的技术趋势是算法不断从云到端的迁移。
“端的智能化是未来很长一段时间AI非常重要的主题，怎样让设备和终端更具智能，是AI变革非常重要的表现。拿摄像头来讲，2017年实现了通过AI赋能的升级改造，传统的摄像头从记录、存储视频设备真正变成了一种数据的传感器，可以在前端实时看这个世界，直接把数据借以此做终端的互联互通，现在所有端都在进行AI的重构。”赵京雷说到。
目前，阅面科技的主要工作正是集中在基于芯片的硬件赋能和基于端的行业赋能上。在硬件赋能方面，芯片是终端载体的核心，其次是基于人机交互的硬件设备，也需要构建适用于端智能的嵌入式技术，进行持续优化。与此同时，搭载芯片一起深挖上游的算法和场景，使得终端具备更加智能的能力，是目前阅面科技在行业赋能上的应用。
“行业赋能可以使得整个硬件系统发生根本变化，有了这些智能端之后可以围绕它们进行连接，从而进行数据的存储、分发等。围绕行业的场景去让智能端更好的为场景服务，这个是行业级的服务，能给行业提供一些total的solution，主要是这两个层面。”赵京雷表示说。
“繁星”战略：与芯片厂商合作降低端侧门槛
作为技术驱动型公司，阅面科技前期也正在和将要经历长期的技术产品研发期。值得一提的是，目前公司技术底层和产品已经全线成熟。与此同时，公司营收也在快速增长中，接下来的重要工作是行业应用和产品怎样更好的结合，以满足更多实际场景需求。
目前，阅面科技主要有三大技术和四大产品方案。其中，三大技术包括人脸识别技术，主要通过面部识别算法利用大数据深度学习技术，从视频中识别并跟踪人面部的特征，起到帮助智能产品辨识用户、了解用户特征、判断用户情绪等功能；人体识别技术则是利用大数据深度学习，从视频中检测人体、识别人体行为，并跟踪人体的特征，帮助机器感知并可实现人体跟随，这其中包括人形检测、人体位置检测、人体追踪，以及运动轨迹和手势检测；此外，空间识别技术主要实现辨识空间特征及障碍物，并进行空间自主探测及导航，帮助机器在没有人工干预的情况下实现自主行走的功能。
在三大技术的基础上，阅面科技开发出了包括SenseKit、阅客、阅邻，以及阅趣四款产品。
“如何把端进入智能领域的门槛大大降低”赵京雷介绍说，阅面所做的工作是和芯片厂商进行合作，在端侧赋能。比如和英特尔合作推出针对多场景的硬件化模块战略，又称为“繁星”战略。目前，繁星”集中化程度最高，功耗最低的一款产品已经进入量产模块。
去年11月，阅面宣布与瑞芯微电子、CEVA联手，将企业的自研算法IP集成至RV1108芯片之中，并作为官方指定功能。这一联手的背景是基于传统视觉与云端深度学习视觉都存在一定缺陷，例如前者采用传统人工特征，精度较低；后者则在动态性与鲁棒性上略逊一筹。
对于未来视觉技术的机会，赵京雷认为主要集中在人脸识别、数据采集，以及人机交互三个层面：“人脸识别，这个应用已经爆发了，而且是在海量的爆发，爆发期至少会持续两年。数据采集方面的机会主要集中在新零售领域。人机交互方面，包括机器人，AR/VR，构建人机交互的载体，在这里面视觉层面的人机交互将成为另一块机会。”
最后，赵京雷强调：“AI应该是赚钱的AI，而不是简单的AI”。
