日均2.16亿次的人脸比对,“银行最强视觉技术供应商”有何不满足?

商业
日均2.16亿次的人脸比对,“银行最强视觉技术供应商”有何不满足?
麻省理工科技评论 2019-07-08

2019-07-08

根据近日 Gen Market Insights 的研究,中国将成为人脸识别技术领域最大的消费者和市场供应商:到了 2023 年,中国将占全球人脸识别市场份额的 44.59%,高于 2017 年的 29.39%。
商业
根据近日 Gen Market Insights 的研究,中国将成为人脸识别技术领域最大的消费者和市场供应商:到了 2023 年,中国将占全球人脸识别市场份额的 44.59%,高于 2017 年的 29.39%。

根据近日 Gen Market Insights 的研究,中国将成为人脸识别技术领域最大的消费者和市场供应商:到了 2023 年,中国将占全球人脸识别市场份额的 44.59%,高于 2017 年的 29.39%。

其中,银行和安防业务是现阶段各 AI 公司人脸识别技术落地的重要驱动场景,细分市场也将延续高景气度。

而在银行业,中科院孵化的 AI 公司云从科技已经成长为目前业内的人工智能技术第一供应商,为农行、建行、中行、招行总行等 400 多家银行提供智能服务,过去近一年,其日均调用达到了 2.16 亿次。

但在 2.16 亿次的比对服务调用量的背后,以人脸技术创新作为切入点的云从,已经开始重新思考自己的定位。在与产业共同探索智能化的过程中,这家刚刚入选 《麻省理工科技评论》2019 年 “50 家聪明的公司” 的 AI 创企,已经不再将自己简单定位为人脸识别技术供应商,也在探索输出行业的智能数据解决方案。

图丨 《麻省理工科技评论》2019 年 “50 家聪明的公司” (TR50)榜单(来源:DeepTech)

据了解,自 2015 年成立以来,云从科技只用了不到 3 年就成长为人工智能行业的“独角兽”,根据 Gen Market Insights 发布的报告,云从科技以 12.88% 的占有率领跑全球市场,比第二、三名加起来还多。在中国市场,云从科技在银行、机场等行业的占有率超过 70%。

云从科技高级副总裁杨桦对 DeepTech 透露,虽然市场和客户对云从最大的感受度在于视觉,但云从正在覆盖到感知、认知、决策的整个人工智能技术的闭环,并且,公司也已经在语音、NLP 等方向都有了技术储备,如语音识别、OCR、跨镜追踪(ReID)等,这些技术也有了一些应用成果,视觉以外的技术突破也已经为云从的视觉解决方案带来了新的市场竞争力和商业价值。

目前,云从拥有重庆、成都、上海、苏州、广州五大研发中心,中科院、上海交大两个联合实验室,及美国硅谷前沿实验室组成的三级研发架构,研发人员超过 700 人。

关键的产业切入点:人脸识别创新如何改进安全性和体验

回顾过去近一年,云从技术上的创新仍是以视觉为主,尤其是其在“3D 结构光人脸识别技术”取得的突破,更是让人脸识别在深入产业场景上迈向新的阶段。

2018 年 2 月,云从正式推出“3D 结构光人脸识别技术”,是中国企业首次将结构光技术应用在人脸识别系统上。

当时,除了 iPhone X,国产手机几乎都是应用的 2D 人脸识别技术,2D 技术在识别的过程中还需要用户进行动作配合,而 3D 可以只需要在摄像头前被捕捉到面部画面即可完成活体验证。相较以往的 2D 人脸识别及以红外活体检测技术,应用了结构光技术的 3D 人脸识别系统在精确度、响应速度与活体方面得到了革命性突破。

例如在分析时间上,3D 结构光人脸识别技术能够把之前的 1 - 2 秒的时间压缩到毫秒级。

(来源:云从)

另外,3D 结构光人脸识别技术对于微光环境也能有很好的输出结果,不受环境光线强弱的影响,扩展人脸识别技术的应用场景,结合云从最新的算法实现了在一千万分之一误识率下达到 99% 以上的准确率。

云从基于这一技术开发出“3D 结构光人脸识别系统”,将深度学习结构光算法与 3D 结构光深度摄像头融合。新技术带来的改进又给人脸识别在银行、安防、交通等各个场景的深度应用“松了绑”,尤其是在云从擅长的刷脸取款、刷脸购物等金融级应用上。之后,围绕 3D 结构光这一技术,团队后续也在多个3D人脸数据集上有新的进展,包括发表论文、开源算法等等。

云从认为,类似 3D 结构光人脸识别这样的技术成绩,属于在人脸识别的基础上不断优化细节领域。

杨桦介绍,在云从内部,一项新兴智能技术从诞生到应用到会经历学术研究、行业验证、商业落地、行业平台以及智能生态五大阶段:在学术研究上,云从的研究团队会做从感知到认知一直到决策的整个闭环所有的学术研究,研究出来的技术必须要在行业、分类场景中和专家一起验证,的确能够解决问题,在之后的商业落地环节,要考虑能够理解行业、有沉淀下来的东西可以输出到行业中,在行业中做通之后,赋能给这个行业里其他的一些用户。

也正是将这样的新技术应用到银行业之后,云从对于自身在产业内的角色认知有了微妙的变化:银行的刷脸取款、安全防控是目前广为认可的 AI 技术的应用场景,随着智慧银行建设逐步深入,人脸之外,AI 技术还有更多的用武之地。

人脸识别以外,也做针对行业场景的智能数据解决方案

杨桦说:“云从的理解是,银行是金融的代表,银行需要智能化发展,而且有非常强的信息化基础,人工智能公司是要通过智能技术,帮助提升客户服务体验。行外实现场景化,让金融无所不在。”

她认为,传统企业在资源通路管理上有很多的经验,但是现在的普遍情况是,人工智能的发展还处于一个早期的阶段,客户知道人工智能是未来的趋势,但并不特别清楚人工智能和自己的行业结合后会有哪些更大的智能提升空间,人工智能如何帮助传统企业降本增效。

在帮助建设智慧银行的过程,云从就发现,集成生物识别平台(IBIS)接入到银行系统之后,这个平台可以触发很多原有工具的更新,在正式投入使用之后,银行的业务场景还可以产生和收集非常多的数据。也就是说,银行还有机会借助技术的升级实现更多的事情,真正为用户提供更精准、更个性化的存贷汇服务。

事实上,银行作为金融行业的代表,本身其实在信息化、数据的结构化上已经走得很前面,很多银行本身也在做业务分析的方案、确定优质客户的方案、贷款信用分级的方案等等。

云从为银行的智能化转型描述的未来愿景是:结合了原有的结构化数据和非结构化数据,再加上前端跟其他行业打通,尤其是在人脸支付体系感知认知逻辑打通之后,比如说智能网点、各条线的场景化都还可以实现更高程度的智能化。如果再加上前端做场景的智能设备,银行可以做跨行业的场景联动,银行是天然地可以和其他的商业进行更多的配合。

在这个过程中,会有很多新的协同产生,包括业务属性和设备的协同、产业链上下游的协同等等。“云从在这些方向能够贡献力量。我们是做以用户为中心的人机协同平台的智能服务。人机协同始终是服务于人,以 AI 武装起来一系列软硬件体系,打通上下游,服务于用户侧和专家侧,例如银行的各个专家。也就是通过我们这个中间层,帮助专家侧和用户侧的服务过程。”

因此,凭借人脸识别打开银行智能化突破口的云从,正在关心的是怎么去做更多的事情,让银行的产业链条最终向 AI、向智能的逻辑去靠拢。具体的实现路径是,在未来的两、三年会跟银行业的专家共同探索如何推出更多云边端的产品和解决方案。

“我们以人工智能技术为核心,和行业专家走在一起,真正从智能的角度去围绕行业内的各个场景,重新把它的传统服务模式和技术结合起来。我们有机会了解行业的很多属性,可以帮助做一些行业场景化的事情,进而提供更行业化、场景化和个性化的服务”,杨桦说。

由此也不难看出,云从未来提供的不会只是人脸识别技术,针对行业场景的智能数据解决方案会是另一大发力点。

目前,云从的技术商业化逻辑已经清晰,整体上正在做两件事:一是大规模投入到技术核心壁垒的搭建上,即全链的技术中台,云从正在这个技术中台上沉淀一些通用的视觉、语音、深度学习的核心技术创新,这些创新可以解决最底层的一些行业共性的问题,云从现在几乎 60% - 70% 的人力和时间投入到技术中台的搭建上,是目前云从投入资源最大的一个方向;另一条线则是解决行业深度问题,在通用基础上真正地去解决行业深度的问题,能够对这个行业进行特别的场景化,最终输出定制的行业解决方案。

未来,人工智能公司在产业中的角色定位或许会越来越清晰,也将越来越举足轻重。


麻省理工科技评论

From Tech to Deeptech