meet2020-澎思科技马原：AI安防竞争还没有结束

安防是AI最早到达的区域之一。在激烈的竞争中，看起来像是“战争结束了”，但也有后来者，表现出了惊人的活跃。

比如中国第一个专攻人工智能的西安电子科技大学毕业的马原和他设立的澎思科技

马原我在2012年跳入AI世界。当时他在中科院自动化所，师从面部识别领域华人界第一人李子青教授，26岁起承担江苏省级研发课题《大容量视频综合利用技术集成与示范应用》。

2015年，马原加入中国顶尖人工智能公司担任AI+安防的工作，在中国多个城市进行AI行业落地。2016年，公司负责人脸识别研究项目列入“公安部”年度全国科技成果推广计划，成为公安行业首个人脸识别全国科技成果推广项目。2018年创业，创立了澎思科技。

在MEET2020智能未来会议上，澎思科技创业者兼CEO马原以“AI落地后的优势时代，智能视野的行业机会和重构”为题，讲述了AI落地时代的感受。

关于MEET2020智能未来会议：由量子比特主办，现场共有20多位行业名人分享，1000多位行业受众参与。在线上近100万名工作者通过直播参与了视听和互动。

量子比特在不改变本来的意思的情况下，用第一人称编辑了在[马原]中共享的内容。

谢谢给我这个机会的主办方。在此介绍澎思科技成立一年的进展和方向。

从2014年开始，在VC加入、媒体关注和广泛认知之前，有几个非常商业化固定的场景。

第一个是安防第二个是自动运行。第三是娱乐，av，电视。

解锁的场景为6%

安防无论是行业还是互联网行业，我都认为是IT行业。IT行业的特点是软件服务数据的价值最高。但是，进入“安防”的领域后，发现有点奇怪。“安防”行业市场规模7000亿，其中大部分是硬件。

AI安防行业经过近几年的发展，最广泛的是面部识别技术，包括AI四小龙在内的玩家都进入了这个领域打开了应用，但实际上，面部识别技术仍然只解锁了6%的场景。

大多数相机实际上都没有拍到脸，所以面部识别只能解决一些场景中识别人身份的问题。

在没有拍到人的脸的地方怎么办呢？也许需要对行人再认识和影像进行结构化的技术

这几年，有人说AI安防行业成了瓶颈，也有人说大学生可以用开源的想法解决问题，但我不能同意这样的主张。在这个阶段，AI并没有变得容易做，AI已经渗透到业界也是事实。

因此，“澎思”最初的5年，决定集中于AI的“安防”。

例如，在手机市场之前的特征手机时代，甚至之前的固定电话时代，设备的本来功能被强调，后端的数据、服务和场景都没有被激活。

同样，在安防行业，在过去20年里，真正的技术不再聚焦于后端，而是聚焦于前端，但最近几年，它逐渐向智能方向转移。

事实上，目前整个行业已经开始转向技术、数据和服务。

这就是澎思的机会。

算法能力是最重要的，产业链都要建立起来

那么如何抓住这个市场机会呢

为了让手机市场从诺基亚、摩托罗拉到苹果、OPPO、vivo、小米，安防业界一定会出现海康威视 2.0或大华 2.0这样的企业。

那样的公司需要的是算法能力。必须具备软件、硬件、云以及所有这些能力。因为这是这个场景的重要诉求点。

这与互联网行业的不同，不是做好什嚒就好，而是整个产业链连在一起才能覆盖整个“安防”行业。

澎思目前核心发力的技术点主要是三个中台能力：AI中台、计算中台、行业中台。

AI中台是安防业界AI的全栈算法，覆盖了安防业界所需的所有算法种类。从面部识别到车辆、行人再识别，再到自动驾驶，澎思开始释放这些技术。

计算中台是产品的载体。[澎思][安防]行业不打算卖算法和许可证

我们的选择是直接制作产品全自研，需要全场景的侧端智能硬件。

行业中台是每个落地场景的应用层。以云+SaaS的形式，导入大量的数据，扩大场景。

技术和行业是一样的

在AI技术方面，澎思有两个优势。

一是技术深度。澎思以计算机视觉和深度学习的世界顶级科学家申省梅为中心，设立澎思北京和新加坡研究院，开展面向场景的AI技术的研究开发和创新。

据了解，中华圈AI人才分散在中科院、香港和新加坡三地。现在以北京为基础的中科院自动化所和以新加坡为基础的新加坡国立大学、南洋理工大学等占2头。这两个研究院保证将优秀人才送进“澎思”、AI“安防”行业。

申省梅老师之前是松下新加坡研究院副院长，她在该行业积累了27年，从面部识别，目标检测，情感识别，追踪，ReID，车辆，机器人，基本掌握视觉领域的全要素，是该领域的资深专家。

到目前为止，我们的团队已经在33个计算机视觉顶级比赛中获得冠军。

二是技术宽度主要是澎思智能视图的全场景覆盖能力，全元素算法能力。

目前的安防市场，算法复杂度应该非常大，但从前端收集、检测、结构化到视频摘要、后端识别，整个产业链非常长，很深。

我印象最深的例子是，20年前很多公司都在从事车辆识别，但其中大部分都被海康威视压了下来。因为在世界100多个国家可以识别200种以上的车牌。

我发现，技术还是要与行业相结合，与行业走在一起，最终使你的技术覆盖面最大化，在技术幅度上，成为行业的佼佼者。

我来介绍几个具体的例子。其实这几年，大家直接或间接地感知到了人脸识别在安防整个行业落地的现状。但你可以看到，比较容易识别类型的人群基本上都是同龄人，他们的特点基本上是所有身份证照片、签证照片、社保照片、驾照照片，或者是在不同场景下采集的数据。孩子和老年人的数据不多是很难解决的问题。

AI从出生之初就与数据有很强的关系。数据问题可能需要花时间慢慢积累才能解决，但同时也需要调整算法。

为什么今年还要继续比赛呢？参加美国NIST ijb-b和ijb-c比赛的是在复杂的光线中不见面的面部识别。

原因是“安防”要求全场景、全人口、全年龄覆盖的行业特性很强。安防在行业中，我们手上的照片是在复杂的光、复杂的气象条件下，以50米或100米的距离拍摄的。在这样的数据环境中如何识别是非常困难的

在今年10月的ICCV LFR轻量级人脸识别挑战中，澎思也获得了3项比赛的第一名，这里的挑战是考虑边缘智能设备有限的计算能力。在2025年，50%的计算力可能会被放在边缘，所以算法不仅要好，而且要足够轻。

澎思在行人再识别ReID方面，今年在图像用ReID和动画用ReID方面都取得了优秀的成果。

要将整个行业的摄像头都智能化，将所有东西连接起来，进行全图搜索，就需要这个能力。

比如说，很多年前我们做车的时候，第一步是车牌，后来才发现要做车，而且车不断更新，每年都有新的品牌。所以技术要随着市场的需要不断前进。

关于视频结构化，无论是行人的结构化还是车辆的结构化，从识别的种类到数量、性能，澎思基本上都是行业top1水平的泛安防在场景中完成了全视频元素算法能力的配置，我感到自豪。

拥有全栈的技术算法能力还需要硬件产品。以前大家都有不同的做法，有合作的方法，有给予能量的方法，有授权的方法。后来我们发现这样的动作还是太慢了，我们决定自己再进一步做这个产品。

我们如何定义产品。最有效的方法是用户开机，上网就可以使用。

例如，深圳安防展上发布的自动驾驶警车，就自动驾驶在“安防”领域的应用进行了探索。

AI落地，进入后发优势时代

另外，今天也重点说明落地。

基于前面提到的计算AI中台、中台、行业中台的能力，我们可以快速赋能不同行业。目前，我们在公共安全、智能社区、智能公园、智能交通和智能制造五个行业的16个场景发布解决方案。说白了，我们把产品扔进去，你有什么问题直接跟我说。

另一个行业争议颇多，有人说2020年是“十三五”雪光项目的最后一年，那么AI安防的下一站会在哪里呢。

我的结论是，全泛安防行业不是AI化，其本质是AI驱动的信息化、互联网化、物联网化。三个技术周期叠加，一方面带来巨大颠覆，另一方面也带来巨大机遇。

我每周都会查看全国的信息，看看现在政府在购买什么。基本上在雪亮工程后期，大量骑马的都是大数据系统。

原因其实很简单，中央政府推进的大量前沿建设，目前带回了大量数据。有了数据，有了AI能力，就一定要利用这些资源。

下一步肯定是大数据。所有数据融合在一起，可以挖掘过去沉淀下来的历史价值。安防整个行业或整个视频无所不在网络行业，基于软件、数据和算法的市场正式开始，这是一个巨大的蓝海市场。

澎思江苏无锡落地案例，是官方渠道认可的首批AI技术在公安行业落地。

这个案例让我们感受到了未来城市的状态。检查法司，医院，地铁，机场，高铁，社区，校园，工地，政府，大楼，所有的数据都是相通的。

早在安防建设的时候，划分区划，描绘街道。但是，当你有机会赶上历史机遇期，一步一步跨越这些鸿沟时，为什么不这样做呢。

最后，我们发现有些公司更强调数据的价值，更强调软件和算法的价值。做了安防这样的事。

所以澎思整体落地战略，坚持行业+AI。这是一个美好的愿景，最终肯定也是如此。但在现阶段，我们是在做安防公司，还是在做AI公司。你说我们是AI公司里面制造视觉的公司。

那么，首先要成为好的安防公司。安防领域目前问题最多，所以如果连这根最硬的骨头都抢不到，就不能绕过这个历史机遇期去做其他的事情。恐怕不能做那件事。

我们公司内部有一种文化，如果有两条路，哪条路更难走，我们走哪条路。因为只有你爬过这个最难的石头，才能形成真正的墙壁。

最后，我用几句话来结束这次演讲。

很多人都说今年是资本之冬，融资难了，市场难了，顾客也觉得更难对付。但是我觉得寒冷的冬天是特别好的季节。因为身体健康的孩子多在冬天出生。另外，在寒冷的冬天噪音也会稍微消除。

在这个时代，它是最糟糕的时代，也是最好的时代，它能突出真正有实力的公司。过了这个寒冷的冬天，春天就来了。

AI落地，进入后发优势时代，从技术创新竞争走向商业模式、落地实力竞争。澎思作为第二阶段AI公司，坚持行业+AI的战略，首先打通这个行业，带着胜利的结果进入下一个行业。

谢谢大家了！

-结束了