原標題：騰訊優圖技術研究全景圖公開 2018主攻三大方向
智東西（公眾號：zhidxcom）
文 | 心緣
2018年AI產業波瀾叢生，智能化開始深入各行各業，AI落地潮空前火熱。騰訊優圖實驗室在今年的落地潮中表現尤為亮眼，它成立於2012年，專注在圖像處理、模式識別、機器學習、數據挖掘等領域開展技術研發和業務落地，是騰訊的三大人工智慧實驗室之一。
今天，騰訊優圖實驗室創始人兼總監黃飛躍、騰訊優圖實驗室總監吳永堅、騰訊優圖實驗室總監任博、騰訊研究院研究員俞點、廈門大學教授紀榮嶸分享了AI學術和產業落地方面的進展，並與智東西等媒體深入交流了AI技術的相關趨勢和短板。
黃飛躍認為現在AI技術的最大短板是在線下複雜的真實場景做識別，吳永堅說技術差異化還包括工程交付效率、方案完整度等方面的綜合實力，任博則談到減少對數據的依賴是非常有意義的事情。
一、以計算機視覺為基礎，全面輸出AI能力
騰訊優圖的技術研究以「計算機視覺AI」為基礎，全面輸出AI能力，著力成為騰訊雲與智慧事業群的底層支撐。
其團隊成員超過百人，大都為清華、北大、中科院、上海交大、南大等頂級院校的博士、碩士，皆具有較深厚的學術研究背景和較強的工程實踐能力，擁有超過160篇AI專利，其研究成果多次在MegaFace、LFW, ICDAR, MIREX等AI國際權威比賽中創造了世界紀錄。
優圖實驗室以產品為核心，以AI技術落地為導向。通過騰訊雲及「騰訊優圖開放平臺」對外輸出團隊核心的技術能力，建立AI雲生態，帶動行業的智能化變革。
騰訊優圖首個AI開源項目ncnn於2017年7月正式開源，促進AI移動端生態的創新和部署，推動AI領域的技術革新。2018年，優圖實驗室升級為騰訊計算機視覺研發中心。
二、聯合騰訊明星產品，主攻三大應用方向
如今優圖AI技術已經廣泛應用在金融、鑑黃、安防、醫療等領域，和微信支付、微視、QQ音樂、全民K歌、騰訊覓影等明星產品合作，例如優圖的OCR文字識別技術每天都會被海量調用，協助騰訊進行內容審核。優圖還與福建公安廳、順豐等多家政企客戶合作。
騰訊優圖實驗室總監吳永堅介紹到，優圖實驗室在2018年主攻三大重點方向，分別是核身、安防與智慧零售、軟硬體一體化。
1、深耕核身，發力刷臉支付
為了應對高效準確辨別是否為本人的核心挑戰，騰訊優圖實驗室打造了從線上到線下的身份驗證。
騰訊身份驗證方案經過4年的迭代，從早期的唇動和數字語音，到3D結構光活體，其技術演進的趨勢是交互越來越簡單，準確率越來越高。
優圖實驗室聯合微信支付，整合了人臉識別、會員認證、免密支付等核心技術，幫助提高購物體驗和收益效率。比如騰訊和家樂福打造了合作下的首家智慧門店「Le Marche」，將騰訊智慧零售工具矩陣會全部投入使用，為顧客提供零售全鏈條的智慧體驗。
2、夯實安防，賦能智慧零售
多地公安逐漸應用人臉識別，科技企業、傳統商家紛紛布局智慧零售，其技術難點在於如何在茫茫人海去精準識別出這個人的身份。
在模型演進過程中，識別效果越來越好，模型也越來越深，結構更加複雜。
以安防需求為導向的優圖天眼，支持億級別庫的人臉檢索系統，毫秒級識別速度，目前已在福建省公安廳「牽掛你」防走失平臺、蘇州公安等成功落地，協助找回走勢人口和實現車輛全城追蹤。
優圖實驗室還與騰訊雲聯合打造基於騰訊優Mall智能零售系統，可以輕鬆識別顧客身份，根據購買記錄提供個性化推薦和優惠券推送等，顧客也能用「刷臉」支付。商店也能藉助此系統分析用戶信息和優化運營方式。目前，該系統已通過百麗落地。
3、軟硬一體化研究與探索
想要更好適配算法和場景，需要與之更為匹配的硬體來增強識別效果，AI算法和AI晶片結合已經成為AI軟硬體一體化趨勢。對此，優圖實驗室實現從軟體到硬體方案的開拓。
CPU為了保證通用處理器性能，部分面積用於控制單元，致使算力有限。GPU為並行計算、圖形處理涉及，其中包含大流量並行運算單元，算力強，但同時功耗也較高。
隨著架構的演進，專用AI晶片開始湧現在半導體市場，它們為AI加速設計，算力更強、功耗更低。晶片性能不斷提升，單位算力功耗越來越低，計算從雲端走向邊緣。
通過軟硬體協同，騰訊優圖打造了成本更低、性能更佳、體驗更優的行業解決方案，比如優圖人臉識別一體機、優圖盒子、騰訊優圖AI攝影機等硬體產品，在一定程度上解決算力的困難。
三、AI技術的趨勢和短板
騰訊優圖實驗室創始人兼總監黃飛躍認為，去年很多技術集中式爆發，今年AI技術更多在垂直應用場景做的更深更透，但技術本身沒有很大的突破性進展。
黃飛躍說，現在AI技術的最大短板在於落地，在線下複雜的真實場景做識別，其難度遠高於理論環境，因此需要非常大的投入和持續的積累。
騰訊優圖實驗室總監吳永堅表示，當前大家會把AI能力持續提高，在行業野蠻生長的過程中，到底誰來做事並沒分那麼清楚，關鍵是如何適配場景，推動產業往前發展。
關於技術同質化的問題，吳永堅也給出了自己的看法。
他認為，當前說不上是技術同質化，技術差異化不只體現在競賽榜單上，算法差異可能沒有本質區別，但當數據規模增大，算法實力的差距也會體現出來。另外，工程交付的效率、方案的完整度等相互配合，也會拉大實力的差距。
騰訊優圖實驗室總監任博則從技術本身的角度切入，他看到深度學習幾個方向開始相互交叉，比較明顯的特點是NLP領域的技術進步更快，因此可能在NLP技術上要給予更多的關注。
另外，過去如GAN等技術的理念很好，但實用性較差，今年的技術實用性明顯得到很大改善，很可能明年GAN在應用結合方面會有很多創新。GCN研究也很有意義，任博預測這項研究在2019年會火。
任博還談到了數據問題，現在一些容易獲得數據的場景已經被廣泛布局，但對於餘下場景來說，可能收集數據本身就是一大難題。因此，如何減少對數據的依賴，使之在數據缺失的場景有更多的應用，是非常有意義的事情。
除此之外，任博認為現在的AI算法被預期過高，它的通用性和標準性沒那麼強，需要根據客戶需求進行改善和優化。黃飛躍也補充說，如何高效的把數據運用起來是一大問題。
優圖會與AI晶片的生態去結合，吳永堅表示期望AI晶片彎道超車，他也分享了關於深度學習平臺趨勢的觀點。
吳永堅認為，深度學習平臺呈現從單機到多機的趨勢，隨著數據越來越龐大，需要多機之間的整合，在量化方面，深度學習需要更少的比特位數來表達信息，剪枝、壓縮也是技術領域很明確的趨勢。
他還提到，邊緣計算加雲端是一大趨勢，但隨著從4G過渡到5G，網絡量級將有很大提升，為雲端計算的傳輸等帶來更多優化，未來硬體底層可能有多種方案。
四、騰訊研究院對AI的理解和期望
騰訊研究院研究員俞點從更加宏觀的角度去分享了騰訊研究院對全球AI趨勢的觀察、理解和一些建議。
1、中美AI企業PK
今年中國AI企業的數量達到1011家，比去年足足增加了420家，在全球AI企業數量排行僅次於美國，令人感到意外的是，印度超越英國、以色列、加拿大排名世界第三。
目前AI企業的九大熱點領域分別是語音識別、自然語言處理、機器學習應用、智慧機器人、計算機視覺與圖像、技術平臺、自動駕駛/輔助駕駛、計算機/晶片和智能無人機。
九大熱點領域創業偏重不同，其中自然語言處理、計算機視覺與圖像、晶片和語音識別領域為最熱門領域。在投資方面，2017年，晶片領域狂攬321億元投資居首，機器學習應用領域以306.8億元位居第二。
從2017年的數據來看，中國AI企業在計算機視覺與圖像領域的佔比最高，為24.7%，站在世界前沿。但我國在處理器/晶片領域積貧積弱，多集中在智能開發定製化晶片，在通用晶片領域還相對空白。
儘管美國在處理器晶片領域的企業看起來並沒有比中國多太多，但美國的33家中英特爾、英偉達等頂尖的半導體公司，相比較而言，中國在企業、人才和投資全方位都與美國有不小差距。
2、九大黃金應用場景
俞點還介紹了AI企業的九大黃金應用場景，包括人臉識別、視頻及監控分析、圖片識別分析、自動駕駛、三維圖像視覺、工業視覺檢測、醫療影像診斷、文字識別、圖像及視頻編輯。
其中人臉識別更加普及，應用拓展廣泛，目前在網際網路金融、銀行、安防、交通等行業應用廣泛，泡沫問題並不突出，多數資本趨於理性。
目前網際網路創企蹲AI熱點雖然比較普遍，但多數真正擁有AI核心技術的公司普遍成長狀況良好，整體呈良性發展。
3、AI新風口
俞點重點介紹了智慧零售、AI+反欺詐（風險控制）以及其他AI落地的風口。
智慧零售以人臉識別、體感識別和生物支付等計算機視覺技術為核心，需解決如何保證顧客優質體驗、滿足個性化高品質需求、提供更高級的服務功能等問題。
在AI+反欺詐領域，機器學習成為關鍵性技術，國外AI反欺詐公司併購事件頻發，國內亦有同盾科技、猛獁反欺詐等多家反欺詐公司。
其他AI落地領域諸如機器翻譯、AI+製藥研發、AI+智慧財產權，其市場前景都十分廣闊。
4、產業問題：人才不足，鴻溝難越
目前，全球AI專業排名前20的高校有16所在美國，AI人才青黃不接，供應數量和預估質量遠小於而技術是行業發展最底層的東西，因此必須重視人才。
全球現有367所設有AI方向的高校，所需AI人才數量超過百萬，而現存的人才僅有30萬，每年以3-5萬人遞增。
大廠招聘的馬太效應正在顯現，D輪以上企業對人才需求更多。有52.8%的AI企業職位要求求職者最低學歷至少為碩士。
科技創新企業在上升發展階段會遇到層層阻礙和壁壘，必須跨越技術鴻溝、產品鴻溝和市場鴻溝，才能繼續發展。
5、一些小建議
最後，俞點也為中國AI之路提供了一些建議。
在政府層面，應增設AI二級學科，提高新生人才數量，吸引歸國高端人才，給予AI產業適當政策傾斜，完善AI領域的法律法規和行業標準。
在企業層面，要把握產業大趨勢，找準發展方向，聯合高校培養AI人才，開展企業公開課，幫助中小企業轉型升級。
高校、協會也應積極與企業合作，完善交流平臺，形成更好的高校-協會-企業聯合合作機制（OTL流程），從而進一步提升教育水平，助力人才培養更上一層樓。
結語：推進AI技術落地，走差異化之路
今年是AI落地飛速發展的一年，巨頭們持續加大研發力度和人才儲備，AI創企們在各類垂直市場開始站穩腳跟，AI技術已經在安防、家居、醫療、教育、金融、零售等與人們息息相關的各行各業廣泛鋪開。
智能化升級顯然已經成為多個產業走上轉型之路的選擇，技術掌握在誰手中，誰就掌握了連接起生態的關鍵。經過良性的切磋，各家科技公司的AI技術和解決方案在大面積落地的同時，如何走出差異化路線，是所有AI公司都必須面臨的考驗。