【Pre-B】计算机视觉之后再无搜索

站在风口上，做猪都可以，但下一个风口在哪呢？比尔·盖茨给出的答案是：计算机视觉（computer vision）与深度学习（deep learning） 的结合。2014年 6 月中旬他来北京，去的第一家创业公司就是做计算机视觉的。

这家公司叫格灵深瞳。今年 6 月刚刚获得来自红杉的3000万美元 A 轮融资。据说最近还有投资人想要以数亿美元投资B轮。

让计算机看懂世界

迄今为止，影像是容量最大的信息载体。几千年前，人类发明了文字，记录了语音；二百年前，人类制造了相机，保存了图片；直到最近几十年，人类才发明了动态图片，也就是影像、视频。

但是人类要想完全提取、“读懂” 影像中的信息，不是一件容易事。看电影时，你盯着男女主角谈情说爱，注意到背后的房子是什么颜色了吗？我们总是一心二用，看电视时玩手机又会错过多少信息呢？爆炸的信息以影像的形式被储存时，人类还有能力整理、检索这些信息么？

救世主是时候出场了。

计算机视觉要做的很简单，让设备拥有“眼睛”和“大脑”，像人一样看懂世界。眼睛好办，有摄像头，可是机器没有大脑，这就麻烦了。上世纪60年代，研究人员就开始尝试给机器装“大脑”。有了计算机越来越强大的运算能力做基础，也可以支撑各种先进的深度学习算法了。

计算机视觉一直是人工智能领域里最活跃的部分，指纹识别、掌纹识别、 人脸识别都属于其应用。

但它一直有两个流派。十几年前主流的观点是，凭借着原有的二维摄像头和强大的算法，就能完整还原真实世界。格灵深瞳联合创始人、CTO赵勇，和他当时在布朗大学的导师就不这么看，“现实世界是三维的，使用二维摄像头怎么可能展示真实的世界呢？”因此，二维摄像头基础上完成的视觉分析，也会大打折扣。

赵勇的离经叛道，让他在十年后成为格灵深瞳创始人。回国创业之前，赵勇在谷歌研究院担任过高级研究员（Google research Senior Scientist）。Google X是全球最酷的实验室，Google Glass、无人驾驶汽车、长生不老计划都在这里，赵勇曾是最早提出Google Glass计划的三人之一。

当科学家遇到企业家

格灵深瞳的CEO何搏飞和赵勇完全是两个世界的人。

2013年4月，blackhawk前总经理何搏飞离职，回中国寻找创业伙伴。同时，赵勇也在谷歌内部寻找合伙人，有两名工程师一度非常热情加入其中，但最终反悔。

两个失落的人在投资人徐小平的撮合下，在北京北四环破旧的一栋居民楼里见面了。科学家与企业家从下午聊到凌晨2点。科学家给出了80个计算机视觉可以应用的领域，企业家想在这里试试做第一个将计算机视觉商业化的公司。

最初他们想到了将线下的零售“电商化”，让传统零售像阿里、京东那样拥有用户行为数据。但这需要大量的训练数据完善算法，赵勇和何搏飞要寻找人最多、影像最多的领域。

天安门广场人最多，摄像头也最多，每天产生的监控视频数据，刻成光盘摞起来，比埃菲尔铁塔还高。这些数据被用于安防，全球 50% 的硬盘都用来存储监控视频了。而且安防领域好赚钱，何搏飞给出的数据是，去年中国智能手机的销售额是 3200 亿，而安防设备的销售额则达到了 4000 亿。

视频监控一直以来的两大难题是看不见、找不着。装有几百个摄像头的区域，最多只有几十个监控屏幕轮番播放，监控人员往往看不到异常画面；过后从海量视频中寻找到需要的画面又很难。

计算机视觉正好可以解决。格灵深瞳通过三维摄像头和视觉感知技术，可以跟踪人物运动轨迹、检测动作姿态，发现异常主动预警、报告，保障安保人员“看得到”。同时，可以把个人的行动轨迹作为时间线，进行监测、跟踪、搜索，真正做到“找得到”。

大市场加海量的数据库，似乎短期内格灵深瞳已经可以高枕无忧了。不过，天有不测风云。一项关键传感器是由PrimeSense生产的，2013年11月 PrimeSense被苹果收购，其对外授权的技术都会在 2015 年终止。

当晚，听到消息的赵、何二人都蒙了。“我们第一时间想到的是囤货，还得安抚员工”，何搏飞如是回忆，“那个时候，我和赵勇才真正理解了合伙人这个词的意义”。后来，他们找到了新的替代传感器。

左手开放、右手封闭

格灵深瞳找到了一个千亿级市场。今年 10 月，这套安防产品已经布局了，四大国有银行中的三大首批试点。

按何的说法，这么优质的计算机视觉技术局限于安防大材小用，所以他们要以安防产品为基础做开放平台。

其实，安防市场也不好做。传统的安防公司已经占据了大部分市场份额，格灵深瞳作为创业公司进入很难。安防市场又相对封闭，拿到了天安门广场的全部订单，其它广场还是得一个一个谈。另外，安防的产业链条长，从传感器、存储器的采购到元件的集成，都需要长期的积累。

格灵深瞳真正的强项是识别算法。最佳做法是把安防识别的方案整合出来，做成模块化方案，开放给厂商，做一个“封闭的系统，开放的产品”，既不用与安防厂商竞争，又能获得海量的数据。试想下，未来如果全国大部分的监控屏幕的背后，都有格灵深瞳的安防识别系统，即使人们都不知道格灵深瞳这个品牌，又有什么关系呢？

这是第一步。下一步格灵深瞳要做“封闭的系统，开放的平台 ”，进一步将计算机识别技术模块化，开放API接口。赵勇当时想到了80个可能应用的领域，但计算机视觉的应用很可能有八千甚至八万种，以众包的方式开放技术，就能孕育出来更多有趣、有意义的项目与产品。格灵深瞳要做的，就只有不断升级自己的技术，最终做成一个“开放的系统，开放的平台 ”。

不过，要做开放平台，也没有那么容易。首先自己技术要够好，能够抽象出模块化的东西，才能开放API接口。 从成立至今，外界不少人质疑过格灵深瞳的技术。作为CEO，何搏飞也清楚这一点，坦言现在的技术还需要持续优化。

格灵深瞳已经实现的技术，从微观到宏观主要有四个层次：手表和人脸识别、肢体识别、个人和个体轨迹识别、人与人之间的关系与互动。现阶段个体轨迹识别已经做成了完整的产品，并被运用在了银行安防领域。手部、肢体识别，预计明年春节后也能成熟。在公共场所，人脸识别并不适用，1%的误识率也许意味着上万人被误认为坏人，现阶段还没有很好的解决方案，仍然在研究当中。人与人之间的关系与互动，则是格灵深瞳未来最想解决的问题，人在网上形成的数据都已经很有价值了，那人在世界上形成的关系数据的价值就难以想象了。

这四个方向都很热门。比如人脸识别，Face++就做得小有名气。BAT也在尝试，但没有对外披露细节。

开放平台，还得让开发者足够放心。在国内，BAT做，开发者自然信赖。但由一家才创办两年的公司来做，就难以服众。这也是格灵深瞳先从安防入手，做封闭系统的原因吧。毕竟，苹果每次发布新产品、新功能，也会提前找到靠谱的开发者，让消费者能第一时间体验这些新特性。

这些都还是围绕着人展开的。技术成熟了，格灵深瞳还可以做车。车是人行为的延展，举个简单的例子，司机的心情就会影响司机的开车行为。关于汽车识别，格灵深瞳内部已经酝酿了好长时间，现在有可能会去做，具体如何操作，还在探索。汽车是第一个真正意义上的机器人，汽车相关的市场也是一个大市场，当人的出行方式改变，人的行为就会发生很大改变。从人延展到车，这其中的想象意义就很难简单的衡量、评价了。

在中国，人工的成本越来越高，机器的成本越来越低。也许有一天，我们就会像日本一样，汽车廉价，但打车就要付较高的成本了。当这两条成本线相交时，即使不考虑商业模式，也能看到经济价值了。

下一个大脑？

第一次听到有投资人想要给他们数千亿美元B轮融资，我和我的小伙伴们都惊呆了。资本的寒冬即将到来，这样的声音不绝于耳。不少做技术的公司，鲜有投资人问津。成立不到两年的格灵深瞳，就有可能跨进10亿美元俱乐部了。这也难怪，计算机视觉是个技术活。利用资本的力量，聚拢最优秀的计算机视觉大牛，人就是最大的竞争壁垒，后入局者很难有超越的可能了。

不过，何搏飞告诉36氪，他们现在并不急着拿钱。创业就像是一场马拉松，节奏很关键。有人担心口渴，早期拼命喝水，最终可能也不会有好的成绩。资源也许同样重要。格灵深瞳已经在做物理世界人与人的关系了，未来如果能打通虚拟世界的关系，这其中的想象空间就很大了。而最终，格灵深瞳想做一家伟大的人工智能的公司。

要成为一家伟大的人工智能公司，就要在广度上影响到尽可能多的人，在深度上对单独的个体产生足够的影响与价值。Google、苹果、百度、阿里、腾讯都是这样的公司。只是现在的互联网已经很难再出现这样的公司了。互联网这一波的技术革命已经在要走完历程，新的技术革命即将开始了。

关于技术革命，Chris Dixon有这样一个观点，技术革命一般要经历两个主要阶段：安装阶段和部署阶段。每一次革命均发端于金融泡沫，从而（不合理地）推动了新技术的快速“安装”；然后泡沫破裂，紧接着是恢复期；之后，随着新技术更广泛地“部署”到其他行业及社会，进入到很长一段时间的生产力增长期。最终这轮革命走完历程，新的技术革命又开始了。

安装阶段是打基础，部署阶段则是在基数之上做各类实际应用。安装阶段向部署阶段转化的过程中，会涌现出大量的创业活动。比方说，在汽车革命的安装阶段，其中的活动是造车。而在部署阶段，活动则转移到了应用层：高速公路体系，运输、城镇化、大卖场等。我们最熟悉的信息技术领域，安装阶段大家做的是信息网络的核心技术设施，比如芯片、网关、TCP/IP协议，成就了思科、IBM、Intel、微软；部署阶段则是搜索（Google）、社交（Facebook）、电商（Amazon）。

如果下一次信息技术的革命是人工智能的话，那么现在格灵深瞳做的就是人工智能技术的核心技术设施。上一波的核心技术设施建设过程中，涌现出了一批像思科一样的大公司。现今，Google、Facebook、Amazon我们如数家珍，思科更多的是以一个大公司的形象存在我们的记忆力，但这并不能代表它不伟大，它也依然是一家数千亿美元市值的公司。我们今天互联网的一切，很大程度上就是得益于思科这样的公司。

格灵深瞳能否成为下一个思科，这还真不好说，风还没有起来，技术革命也只是刚刚兴起。一切都还是未知数。唯一能确定的也许只是计算机与人工智能的大潮了。如同当年信息爆炸，现在的视频领域也以指数速度增长。也许很快有一天，现有的技术就已经无法满足视频搜索的需求了。以传统方式处理视频的公司，也许会像当年的门户一样衰败，而以视频搜索见长的公司，会成为新的弄潮儿。

也许，在未来，我不用搜索视频，我所需要的一切，都能自动出现在我眼前的屏幕上。而格灵深瞳，就是背后的那个大脑。从此，世界再无搜索，但背后搜索无处不在。

该有的都有了，你想要看创业资讯，你想要分享，想看视频，想来活动现场，下载36氪iOS客户端，即氪触达。