300 + 明星创业公司，3000 + 行业人士齐聚全球人工智能与机器人峰会 GAIR 2017，一 同见证 AI 浪潮之巅！峰会抢票火热进行中。读者有专属送票活动哦，详情见文末！
阅面科技 CEO：赵京雷
对于赵京雷担任 CEO 的阅面科技来说，创业之路似乎顺畅的有点儿不像创业公司。
成立不足 2 年，阅面已经完成了 2 轮融资，先是栩远投资的数百万天使轮，再接着是博将资本和索道资本等基金公司投的几千万 A 轮。虽然这个衡量的标准并不能代表一切，但放在当前 AI 圈融资越来越难的行业背景来看，阅面算比较顺利的了。
将将过去一半的今年，对赵京雷而言意义非凡。阅面先后在两项权威的人脸识别和人脸比对识别的平台——FDDB 和 LFW，均取得全球第一的测试成绩。
在赵京雷眼里，阅面是一家架构在 AI 核心技术上的应用型公司。「创新、务实、开放」这三个平实无奇的词，是赵京雷对阅面的气质的概括。“我们的目标在于，通过软硬件结合，做出比原来的产品形态、性能优秀 10 倍的产品，并在成本和功耗上取得突破。”
为什么选择嵌入式视觉算法
2000 年，机器学习开始兴起。加上互联网的兴起，为其提供了巨量的数据。尤其是视觉方面出现了几大数据集，如 FDDB、ImageNet、KITTI、LFW、KITTI 等。特别是 ImageNet 的出现，让业界对计算机视觉燃起了强烈的兴趣和关注。
10 年之后，深度学习火速蹿升并爆发。赵京雷在一次演讲中提到，“深度学习是海量数据出现后的一个必然结果，它的出现使得‘识别’不需要再去考虑‘通过什么特征去进行’，而是可以通过学习完成识别。”
这些出现在特有节点的理论或实践不仅推动着计算机视觉方案的成熟，让视觉技术进入芯片端深度视觉阶段，也让一大批 AI 初创公司踏着移动互联网的末潮疾驰而来。阅面正是这波热潮中的一个。
赵京雷曾在各个场合丝毫不掩饰他对商业化落地的追求，在他看来，“研究型的 AI 公司烧钱是无底洞的。” 又加上阅面科技的产品形态主要面向消费级，这对成本和功耗提出了巨大的挑战。为了秉承「通过 AI 技术让人类生活更加美好」的创业初衷，又不违背「低成本、低功耗、高性能」的产品追求，阅面从一开始就把「主意」打在了嵌入式视觉算法上。
嵌入式算法是指在本地进行实时环境感知、人机交互与决策控制，而不依赖网络和数据中心。诚如赵京雷所说，嵌入式算法是整个计算机视觉算法中最难的一项，其对设备的功耗和计算资源均有高要求。所以阅面在其中应用了深度学习技术，以实现更好地实时动态性，从而满足多种场景化需求。
具体说来，阅面的嵌入式视觉重点关注设备端的计算能力，不需要依赖云端，可把算法嵌入到前端设备去运行，基于此即可实现低功耗和实时的本地化处理。但是，深度学习模型往往比较复杂。采用这一模型的嵌入式视觉算法，如果在低端设备上运行，将对计算的实时动态性产生很大的挑战。赵京雷告诉雷锋网 ，阅面在过去一年达到的重要成就即在该嵌入式视觉方案里加入了一个嵌入式引擎，能实现几十倍的加速能力，从而解决了深度学习和低端设备之间的矛盾。
当然，嵌入式视觉算法还有一项丰功伟绩——使得深度学习进入消费级市场并得以大规模应用成为可能。
AI 行业应以怎样的标准来衡量？
自 AI 行业火树银花以来，各种峰会、论坛，甚至是年末盘点类排名更是比比皆是。暂且抛弃权威与否的那些论调，这些排行在上下而起的同时确实吸引了很多不明观众的目光，但也让很大一部分业内人士对此不再感冒。赵京雷算是其中一个。
直至上面这张图出来之后，赵京雷表示，“这个还相对靠谱点”。
为何这样评判？赵京雷说，“就 AI 行业而言，重点主要放在基础技术和基础技术在各个行业的应用上。”
AI 行业的基础技术，无非就是视觉、语音和文本，当然这些仅是狭隘的理解。要从广义上来划分，AR/VR，甚至是激光雷达、传感器都应该被包含在内。说到 AI 领域的行业应用，细分板块就多了去了，如机器人、自动驾驶、AI 金融、语音助理、智能安防等等。
“以「基础技术 + 行业应用」的形式来划分排名，可以同时将大公司和创业公司涵盖。这是比较科学的分类。” 赵京雷坦言。
事实上，我们也能看到，从去年到今年，也有很多在学术界颇有影响力的大牛开始走出象牙塔，转向工业界以输出光和热。特别是以国外的谷歌微软苹果亚马逊、国内的 BAT 为代表的科技巨擘，更是开启了疯狂的「挖墙脚」模式。
据 Paysa 发布的一则数据表明，在过去的 6 年间，Google、Facebook 和亚马逊三家公司从微软挖到了大量的 AI 人才，其中 Facebook 最高有 9% 的 AI 人才来自微软。同时，在中国，微软也「被动」地向 BAT「输出」了多位核心技术人员。据雷锋网此前报道，今年 5 月底，前微软研究院首席研究员俞栋宣布加盟腾讯，任职 AI Lab 副主任，一石激起千层浪。
庆幸的在于，这些学术界大牛确实发挥了他们的力量。在 AI 技术的前瞻性上，他们拥有的敏锐视角，将引领整个 AI 行业往更纵深的领域发展。
AI 技术尚处于基础架构阶段，产业化落地跟不上，很正常
目前 AI 技术的产业化落地远落后于 AI 技术的发展速度，这在赵京雷看来，是一个非常正常的现象。
基于之前的从业经历，赵京雷对移动互联网有着深刻的情结。2015 年，就在其上一段创业经历还未结束之时，赵京雷与朋友们的一次相聚，让其突然意识到：移动互联网时代很快就会过去，AI 时代将很快来临。正是这一契机触发他和友人创建了阅面。
赵京雷将 AI 行业和过气的移动互联网做了类比。他认为，二者必将呈现一样的发展轨迹。在移动互联网发展的初期，尤其是基础设施构建的阶段，出现了很多与互联网相关的工具，比如软件、数据统计工具等，但是软件技术的发展与商业化落地之间的速度并不能保持一致。然而当基础设施构建成熟之后，随着多款爆品的出现，移动互联网市场不仅趋于成熟，还划分出了多个细分市场，新兴企业、商业机会、经济发展的促进等也从中爆发。
所以，结合移动互联网的经验，赵京雷对 AI 行业一直保持着冷静的态度，他认为目前 AI 尚处于基础架构或基础设施的构建阶段。很多行业外人士或用户对 AI 本身的价值予以无限的放大，对其拥有过高期望反而更易遭受失望，这并非一个很好的现象。
“人类对待 AI 应该要回归理性。目前通过 AI 技术解决的问题还非常有限。”
赵京雷表示，如何让 AI 技术与行业应用更好地结合，应该是 AI 业界接下来着力关注的重点。目前，整个行业仍存在一个问题，即「很多问题，大家都能解决，但在一些解决不了的问题上，大家却缺少思路去解决和突破」。换言之，还是创新力不够，这也是阻碍 AI 技术实现商业化落地的一大顽疾。
结语
自 2015 年以来，人工智能在 2 年多的时间得到了迅速的发展。不仅是行业内，还是行业外，大家每天都被海量的 AI 数据所裹挟。而计算机视觉作为其中一项重要的分支，也被业界广为关注。7.7-7.9 日在深圳举办的「全球人工智能与机器人峰会」（CCF-GAIR），主办方中国计算机学会（CCF）、承办方雷锋网与香港中文大学（深圳）也为大家准备了 CV + 专场。阅面科技 CEO 赵京雷届时也将莅临大会现场，为大家带来他对计算机视觉在行业应用上的看法和观察。
除此之外，CV + 专场的演讲嘉宾还有：微软亚洲研究院资深研究员 梅涛；阿里妈妈精准展示广告技术部负责人 盖坤；中山大学教授、商汤科技执行研发总监 林倞；图麟科技 CEO 魏京京；中科院计算所研究员、中科视拓董事长兼 CTO 山世光。欢迎大家关注。
6 月 25 日 5 张直减 700 优惠券免费领取，仅限「参会门票」
联系客服
