曠視科技CTO唐文斌：我們是一家人工智能產(chǎn)品公司

 　　日前，曠視科技Face++創(chuàng)始人兼CTO唐文斌接受了新智元專訪，談了曠視科技Face++的商業(yè)模式、公司定位以及人才和發(fā)展觀。

　　唐文斌在曠視科技Face++北京辦公室

　　“沒有什么技術(shù)是不能被取代的。”唐文斌說：“算法也好，技術(shù)也好，都是手段，最后能夠提供出去的是產(chǎn)品價(jià)值。”這位三十剛出頭的曠視科技Face++聯(lián)合創(chuàng)始人，對(duì)這家中國人臉識(shí)別獨(dú)角獸有著很清晰的定位：“曠視不是一家技術(shù)公司，曠視是一家產(chǎn)品公司，是一家以人工智能技術(shù)為核心的產(chǎn)品公司。”他認(rèn)為客戶最終一定是為產(chǎn)品價(jià)值買單。曠視的團(tuán)隊(duì)人數(shù)從去年到現(xiàn)在翻了一番，增長(zhǎng)到600多人，其中擴(kuò)張速度最快、人數(shù)也最多的就是產(chǎn)品部門。

　　相比曠視更常出現(xiàn)在人們視野中的另一位聯(lián)合創(chuàng)始人印奇，唐文斌說他們的搭配是“印奇仰望星空，我腳踏實(shí)地”，更加側(cè)重工程的他關(guān)注如何選擇場(chǎng)景結(jié)合技術(shù)，給用戶帶來最大增值，“不是nice to have，而是must have”。他認(rèn)為曠視工程團(tuán)隊(duì)要做的事情是把算法邊界內(nèi)能夠自動(dòng)化的任務(wù)全部交給機(jī)器去完成。他在尋找的也是復(fù)合型AI產(chǎn)品經(jīng)理，以及能夠隨時(shí)轉(zhuǎn)變?yōu)閞esearcher，時(shí)刻想著如何把research沒有價(jià)值的工作砍掉的懂算法、懂編程、更懂體系結(jié)構(gòu)的全棧AI工程師。

　　曠視不是技術(shù)公司，是產(chǎn)品公司

　　新智元：目前在人工智能領(lǐng)域尤其是深度學(xué)習(xí)技術(shù)落地，你認(rèn)為真正的壁壘在哪里？

　　唐文斌：我認(rèn)為深度學(xué)習(xí)技術(shù)的落地，核心的一個(gè)關(guān)鍵詞是“結(jié)合”。我們有一些很好的算法，比以前的性能提高了很多，但一定要找到合適的場(chǎng)景，把算法用進(jìn)去解決問題，給用戶帶來明確的價(jià)值，這些價(jià)值不是“nice to have”，而是“must have”。

　　我們內(nèi)部有個(gè)說法，叫“用戶價(jià)值增量”——當(dāng)你把技術(shù)用在場(chǎng)景中后，給用戶帶來的價(jià)值和用他原來的方式相比增量有多大，如果很大，那么這就是一個(gè)非常好的場(chǎng)景，如果增量只有一點(diǎn)，說明這要么不重要，要么你沒有看清本質(zhì)。以人臉識(shí)別為例，就是要不斷去思考，人臉識(shí)別到底是在哪些場(chǎng)景下，給誰、通過什么樣的方式，帶來了多大的價(jià)值。

　　賣技術(shù)的話，今天你能賣，明天他也能賣，所以一定要做深，深入行業(yè)，把產(chǎn)品做好，形成完整的一套業(yè)務(wù)服務(wù)，這并不是從用戶價(jià)值的角度去思考，而是公司生存的角度。極端一點(diǎn)說，我認(rèn)為沒有哪家公司是無法取代的，客戶為什么選擇你而是不選擇另一家，一定因?yàn)槟憬o他帶來的價(jià)值更大，他買單的是你產(chǎn)品的價(jià)值。

　　新智元：曠視如何找到這種技術(shù)跟場(chǎng)景價(jià)值增量高的結(jié)合點(diǎn)？

　　唐文斌：我們經(jīng)歷了好幾個(gè)階段。最早的時(shí)候，作為一家純技術(shù)公司，我們做了一個(gè)面向開發(fā)者的開放平臺(tái)，叫Face++，通過API的方式提供互聯(lián)網(wǎng)服務(wù)，美圖秀秀、快手等APP都用了我們的技術(shù)。第二個(gè)階段，我們開始關(guān)注技術(shù)到底在哪些場(chǎng)景下能給客戶帶來重要的價(jià)值——去尋找那些用戶需求感知非常強(qiáng)烈的場(chǎng)景。我們找了很多，最終決定在兩個(gè)場(chǎng)景進(jìn)行業(yè)務(wù)的深入。

　　第一個(gè)是互聯(lián)網(wǎng)金融，通過人臉識(shí)別進(jìn)行遠(yuǎn)程身份認(rèn)證，把線下業(yè)務(wù)線上轉(zhuǎn)化，讓用戶有更便捷的體驗(yàn)，銀行這邊也實(shí)現(xiàn)了安全，這個(gè)增量是非常大的。第二個(gè)場(chǎng)景是安防，現(xiàn)在有大量的安防數(shù)據(jù)，人根本看不過來，而用機(jī)器去看，可以識(shí)別里面每一個(gè)人是誰，還可以識(shí)別逃犯，根據(jù)觀察到的人物行為模式進(jìn)行預(yù)警，這是原本做不到的事情，這個(gè)業(yè)務(wù)價(jià)值增量也是巨大的。

　　同樣一個(gè)技術(shù)，比如人臉?biāo)阉?或者叫圖像搜索)，你既可以用在搜索視頻看哪個(gè)影星出現(xiàn)在哪些電影片段中，也可以檢索監(jiān)控?cái)z像頭視頻，在后面一個(gè)場(chǎng)景你可以解決老人、小孩走失的問題。所以，我們?cè)谶@兩種場(chǎng)景下，一定選擇后者，因?yàn)楹笳邇r(jià)值更大。

　　曠視科技Face++的人臉識(shí)別做到什么程度了？

　　新智元：曠視現(xiàn)在的人臉識(shí)別做到什么程度了？

　　唐文斌：這個(gè)要取決于具體的場(chǎng)景和數(shù)據(jù)庫。在不同的場(chǎng)景下需求是不一樣的，比如說用人臉識(shí)別來做開門，員工走過來門就開了，這種個(gè)場(chǎng)景下要求召回率非常高，每個(gè)人都得識(shí)別出來，并且速度要非常快。我們給阿里集團(tuán)做刷臉門禁，阿里現(xiàn)在幾萬人，基本上一天可以識(shí)別幾十萬次，大概誤報(bào)1~2次。

　　在安防場(chǎng)景下，數(shù)據(jù)庫會(huì)大很多，公安識(shí)別嫌疑人的訴求，最重要的一點(diǎn)就是不能老喊“狼來了”，這就要求識(shí)別出的盡量都是對(duì)的，我們一般會(huì)控制一個(gè)誤報(bào)率。現(xiàn)在我們?cè)诎卜缊?chǎng)景下識(shí)別嫌疑人，基本上路過的嫌疑人都能夠識(shí)別出來，并且誤報(bào)不會(huì)超過30%。目前業(yè)界還沒有一個(gè)基準(zhǔn)，但我們參加了很多樓宇、安防競(jìng)賽，都是業(yè)界的最高水平。

　　現(xiàn)在經(jīng)常聽到99.9%，這只是在某個(gè)數(shù)據(jù)集上的表現(xiàn)，真正現(xiàn)實(shí)的問題和場(chǎng)景要比測(cè)試數(shù)據(jù)集難太多太多。其實(shí)最早是我們引領(lǐng)了刷benchmark這個(gè)風(fēng)潮，后來我們又不怎么刷了。我們最早刷LFW，已經(jīng)基本刷到頂了，最后即使出錯(cuò)，感覺好像也不是本質(zhì)問題，所以我們就沒有去管這個(gè)事情了。但現(xiàn)在大家還很瘋狂地在刷99.9%后面的位數(shù)，這沒有任何意義，LFW只有6000對(duì)數(shù)據(jù)，那個(gè)數(shù)據(jù)集早就已經(jīng)過擬合了。我認(rèn)為大家要更關(guān)注的點(diǎn)，應(yīng)該是更結(jié)合實(shí)際場(chǎng)景去解決問題。

　　新智元：曠視現(xiàn)在很多行業(yè)落地都跟政府有著很強(qiáng)的相關(guān)性，ToG是否是人工智能發(fā)展的一個(gè)重要方向？這是否是曠視發(fā)展的一個(gè)重要方向？

　　唐文斌：面向政府絕對(duì)會(huì)是人工智能發(fā)展落地的一個(gè)新方向。就像我剛才說的，我們要做什么，不做什么，選擇的邏輯是用戶價(jià)值，圖像識(shí)別或者人臉識(shí)別對(duì)于城市治理和公共安全能夠帶來非常大的價(jià)值增量，我們是非常愿意去做的。政府現(xiàn)在是我們最大客戶之一。當(dāng)然，政府也非常支持現(xiàn)在的人工智能產(chǎn)業(yè)發(fā)展，在這種需求里面也給我們提供了很多的機(jī)會(huì)。

　　Research負(fù)責(zé)尋找算法之外的東西

　　邊界里面的全部通過工程實(shí)現(xiàn)自動(dòng)化

　　新智元：曠視的核心優(yōu)勢(shì)是什么？

　　唐文斌：深度學(xué)習(xí)有三個(gè)核心要素，算法、數(shù)據(jù)和系統(tǒng)，這三者是相乘關(guān)系——你有一個(gè)好的算法，用有很多數(shù)據(jù)去催它，當(dāng)數(shù)據(jù)變多、算法變復(fù)雜后，還需要有一套很好的底層架構(gòu)和引擎來支撐。

　　從算法的角度講，我們請(qǐng)來了孫劍老師，希望孫劍老師帶著同學(xué)們?cè)诂F(xiàn)有算法基礎(chǔ)上找到新的東西。算法就像人的智商，數(shù)據(jù)就像人的見識(shí)，見識(shí)決定了你能走到多高，而智商決定了你能走多遠(yuǎn)，兩件事情都非常重要。我們的研究團(tuán)隊(duì)其實(shí)就在智商這個(gè)方向上探索。而數(shù)據(jù)是一個(gè)更產(chǎn)品或者更工程的事情，我們需要在產(chǎn)品中設(shè)計(jì)一個(gè)好的方式，形成數(shù)據(jù)的循環(huán)，讓產(chǎn)品中的數(shù)據(jù)回來，不斷加深算法的訓(xùn)練，讓它變成更強(qiáng)的算法。

　　我們也非常重視系統(tǒng)的建設(shè)，我們有自己研發(fā)的MegBrain深度學(xué)習(xí)引擎和Brain++平臺(tái)。如果說研究的價(jià)值在于去探索邊界之外的東西，那邊界之內(nèi)的，比如網(wǎng)絡(luò)結(jié)構(gòu)的搜索，都應(yīng)該用機(jī)器來完成。我們的產(chǎn)品中常常會(huì)有的定制算法的需求，很多時(shí)候大框架都差不多，數(shù)據(jù)工程師把數(shù)據(jù)整理和準(zhǔn)備好以后，就直接用系統(tǒng)把各種類型的模型都嘗試一遍，最后挑選出一個(gè)不錯(cuò)的。

　　新智元：你提到了數(shù)據(jù)工程師，現(xiàn)在曠視在數(shù)據(jù)方面投入多少？有多少人標(biāo)注數(shù)據(jù)？

　　唐文斌：全職標(biāo)注的大約有300人，不算在600多人的團(tuán)隊(duì)里面。我們還有很多工作是外包完成。我們內(nèi)部有標(biāo)注的數(shù)據(jù)庫是PB級(jí)別。

　　新智元：你曾在清華擔(dān)任科協(xié)主席，也帶過中國奧林匹克信息學(xué)競(jìng)賽團(tuán)隊(duì)，可以說你是曠視最開始的首席人才官。你認(rèn)為目前人工智能人才應(yīng)該有什么樣的特點(diǎn)？曠視在選擇的時(shí)候看重什么特質(zhì)？

　　唐文斌：我覺得人才的類型是很多樣的，每一種類型的人才都是人才，光會(huì)寫paper的人才也是人才，雖然價(jià)值沒有那么大。在現(xiàn)在的人工智能發(fā)展態(tài)勢(shì)下，我們最需要的是復(fù)合型人才。做產(chǎn)品的時(shí)候會(huì)有產(chǎn)品經(jīng)理，但人工智能場(chǎng)景下的產(chǎn)品經(jīng)理需要更加復(fù)合。

　　我們團(tuán)隊(duì)最早的一位同學(xué)，員工工號(hào)No. 5的“卿爺”，我們現(xiàn)在提供給小米、VIVO人臉解鎖的產(chǎn)品線都是他帶著團(tuán)隊(duì)來做的，他需要有什么樣的能力?第一，懂算法，不一定要懂算法具體是怎么做的，但一定要懂算法的邊界在哪里——堅(jiān)信這件事情一定能做到，但同時(shí)也要了解現(xiàn)在的算法有些東西是真的做不到。第二，有很好的工程判斷力，用算法的方式是從本質(zhì)去解決問題，而有些東西你會(huì)通過工程的方法去“不本質(zhì)的解決”，倒推出一個(gè)一個(gè)設(shè)計(jì)。第三，也是更為重要的，需要不斷從用戶的需求、用戶的場(chǎng)景、用戶的價(jià)值角度出發(fā)思考問題。這樣一個(gè)產(chǎn)品經(jīng)理，他需要比以往的產(chǎn)品經(jīng)理有更多工程上sense，更多算法上的sense。

　　從工程師的角度來講，我們有一個(gè)詞，叫“全棧AI工程師”，我們希望這位同學(xué)不僅數(shù)學(xué)好，懂算法，編程很強(qiáng)，還非常懂系統(tǒng);算法編程都很懂才能做引擎，懂體系結(jié)構(gòu)你的引擎才能在不同的平臺(tái)上都跑得很好很快。這樣的人非常難找，但也是最強(qiáng)的。比如說我們做Brain++平臺(tái)的那幫人，他們提供的是訓(xùn)練平臺(tái)，給到研究人員使用，他們知道Research是怎么使用這些東西，他們自己也隨時(shí)都能轉(zhuǎn)變?yōu)镽esearcher。同時(shí)，他們考慮Researcher做的哪些事情是沒有價(jià)值的，要把它工程化、系統(tǒng)化，最終的目標(biāo)是消滅Researcher——所有在邊界范圍內(nèi)的Research都由系統(tǒng)來完成，而Research真正要做的事情是突破邊界，探索邊界之外的東西。

　　曠視在選擇人才的時(shí)候也是按照這個(gè)標(biāo)準(zhǔn)。如果有這樣的人，我們特別特別希望你能夠加入我們，我們團(tuán)隊(duì)里有很多這樣的人，你跟他們?cè)谝黄鹨欢〞?huì)非常愉快。其次，我們也很看重學(xué)習(xí)能力，現(xiàn)在領(lǐng)域發(fā)展很快，你需要非常快速地跟上節(jié)奏去嘗試你的新想法，所以學(xué)習(xí)能力和動(dòng)手速度非常重要。我們也有實(shí)習(xí)生項(xiàng)目，總之歡迎你來，孫劍老師帶你飛對(duì)吧(笑)。

　　算法與硬件結(jié)合，從源頭抓起控制成像質(zhì)量

　　新智元：曠視的算法、軟件如何與硬件相結(jié)合？

　　唐文斌：我們有自己的深度學(xué)習(xí)引擎MegBrain，這個(gè)引擎在不同的品牌上做了非常多的底層優(yōu)化，能夠跑得非常快。我們最近做的一款智能相機(jī)產(chǎn)品，這個(gè)相機(jī)是業(yè)界第一款全幀率、全畫幅(1080P)智能人像抓拍機(jī)。

　　曠視的全幀率、全畫幅(1080P)智能人像抓拍機(jī)

　　全幀率的意思就是說，每秒30幀，每幀都去抓取，在業(yè)界這個(gè)指標(biāo)是最高的。有的嫌疑人員有很強(qiáng)的反偵察意識(shí)，一看到攝像頭會(huì)馬上低頭，如果相機(jī)不能以非常快的速度做出截取，可能只有100毫秒，一兩幀之后這人就消失了。同時(shí)，每一幀都檢測(cè)，也能確保總是能抓到質(zhì)量最好的一幀，為后續(xù)應(yīng)用服務(wù)。以往的相機(jī)在畫面中抓拍做檢測(cè)，基本上最多只能抓拍畫面中10到20個(gè)人，再多就抓不到了，因?yàn)橛?jì)算量不行。我們可以做到128張人臉，很大的人流也能跟蹤得很好。

　　我們用的是自己設(shè)計(jì)的FPGA芯片，在算法層面也做了很大升級(jí)。硬件也好，算法也好，引擎也好，這幾個(gè)東西是要聯(lián)合優(yōu)化的。這也是自己做引擎的廠家好的地方，我的引擎可以根據(jù)算法的需求去調(diào)整。

　　新智元：未來1年曠視會(huì)怎樣？未來3~5年呢？

　　唐文斌：我們分幾個(gè)組，研究院大概10%~15%的力量可能在解決2~5年的問題，更多的人在解決一年以內(nèi)的問題，因?yàn)閯?chuàng)業(yè)公司要?jiǎng)?wù)實(shí)聚焦。在介紹產(chǎn)品時(shí)候也講過，比如說我們?yōu)槭裁醋鱿鄼C(jī)，并不是因?yàn)橛X得相機(jī)賺錢，而是我們想當(dāng)視頻大數(shù)據(jù)平臺(tái)，發(fā)現(xiàn)源頭數(shù)據(jù)不好，后面再怎么分析也沒用，所以我們要在源頭上通過自己的方式把質(zhì)量控制好，讓后面的分析能力能夠更強(qiáng)，形成端到端的解決方案和業(yè)務(wù)價(jià)值。

　　我們希望未來一年左右，在金融和安防這兩個(gè)場(chǎng)景下能夠站深、站穩(wěn)，希望在這兩個(gè)行業(yè)形成全系列的產(chǎn)品，端到端的解決方案，給用戶一套完整的價(jià)值鏈條。我們內(nèi)部有個(gè)說法是“4+2+X”，在微型場(chǎng)景下，把臉人車文字這4個(gè)要素識(shí)別做好，再后希望能夠形成機(jī)器人的手和腿，做一些限定場(chǎng)景的機(jī)器人應(yīng)用。“X”是指通過Brain++這個(gè)平臺(tái)快速做技術(shù)的定制，讓這個(gè)場(chǎng)景真正的能夠形成一個(gè)完整的產(chǎn)品鏈。但真真實(shí)實(shí)地講，領(lǐng)域發(fā)展這么快，未來3~5年，我真的不知道!

　　新智元 AI World 2017即將啟幕

　　11月8日，在新智元 AI World 2017 世界人工智能大會(huì)上，曠視科技首席科學(xué)家、曠視研究院院長(zhǎng)孫劍博士將發(fā)表演講，聚焦人臉識(shí)別等視覺前沿技術(shù)和問題，為我們帶來計(jì)算機(jī)視覺最新技術(shù)和應(yīng)用的精彩分享。

　　孫劍博士目前在曠視科技(Face++)擔(dān)任首席科學(xué)家、曠視研究院院長(zhǎng)。2003年畢業(yè)于西安交通大學(xué)人工智能與機(jī)器人研究所，畢業(yè)后加入微軟亞洲研究院 ( Microsoft Research Asia)，任職首席研究員。自2002年以來在 CVPR, ICCV, ECCV, SIGGRAPH, PAMI 五個(gè)頂級(jí)學(xué)術(shù)會(huì)議和期刊上發(fā)表學(xué)術(shù)論文 100+ 篇，Google Scholar 引用 25,000+次，H-index 60，兩次獲得 CVPR Best Paper Award (2009, 2016)。孫劍博士于2010被美國權(quán)威技術(shù)期刊 MIT Technology Review 評(píng)選為“全球35歲以下杰出青年創(chuàng)新者”。

　　孫劍博士帶領(lǐng)的團(tuán)隊(duì)于2015年獲得圖像識(shí)別國際大賽五項(xiàng)冠軍 ( ImageNet分類，檢測(cè)和定位，MS COCO 檢測(cè)和分割)，其團(tuán)隊(duì)開發(fā)出來的“深度殘差網(wǎng)絡(luò)”和“基于區(qū)域的快速物體檢測(cè)”技術(shù)已經(jīng)被廣泛應(yīng)用在學(xué)術(shù)和工業(yè)界。同時(shí)孫劍帶領(lǐng)的團(tuán)隊(duì)的研究成果也廣泛被應(yīng)用在微軟 Windows, Office, Bing, Azure, Surface, Xbox 等多條產(chǎn)品線上。目前孫劍博士正在帶領(lǐng)曠視科技的研究團(tuán)隊(duì)推進(jìn)計(jì)算機(jī)視覺技術(shù)的進(jìn)步和探索其在工業(yè)和商業(yè)上的實(shí)踐。