计算机视觉，落地的技术与艺术(3)

腾讯云AI视觉产品中心总经理王磊向与会者完整地分享了腾讯云AI目前所处的位置与所做出的成果。他介绍到,腾讯云AI是腾讯AI的商业化出口,在底层的算法、云资源层面,有包括腾讯优图、微信AI、AI Lab、音视频实验室在内的一系列顶级实验室和海量的服务器、GPU/CPU等资源;在平台和产品层面,包含泛娱乐平台、工业AI平台、广电传媒AI中台、内容审核平台四大平台,提供文字识别、人脸识别、图像识别、知识图谱、AR/VR等一系列丰富产品;在生态层面,围绕开发者社区、培训、竞赛、AI加速器、众创空间、专项合作计划为行业提速。

腾讯云AI在商业化落地的探索中,不断踩坑填坑,一路成长,积累了可供业界参考的宝贵经验。王磊将其总结为四大阶段:确定方向、孵化产品、打造标杆、推广复制。

确定方向

确立方向是第一个环节的工作,简单来说就是选择做什么。道路千万条,胜利第一条。选择方向错,团队两行泪。腾讯云AI的做法是首先对行业的关键流程或重点问题进行深入的分析,推演应用方式和商业模式。比如在教育行业,可以从核心的教、考、管、育的教学流程中去寻找AI的应用场景,最后发现使用人脸识别可以帮助学生非常方便的完成网课的登录,不需要再去设置密码,而且天然地带有身份认证,避免了代打卡、替考等情况。

除了对行业的洞察之外,在确立方向的时候也可以参考业界主要玩家的情况,特别是已经存在的头部玩家。腾讯云在做AI的产品开发设计的时候会去调研市场主要玩家的情况,这直接影响该市场未来竞争的激烈程度。

孵化产品

这里主要考虑两个问题,一是技术是否可行;二是产品的价值是什么,特别是和竞品比,产品的差异化或者优势是什么。王磊以腾讯慧眼的案例拆解了孵化产品这一步的核心问题,可以看到,慧眼人脸核身的四层设计形成了这样一整套立体化丰富的安全的刷脸系统,具备较高的商业价值和广泛的应用场景。目前国内市场上,慧眼是份额第一的人脸核身产品。

打造标杆

标杆的打造也是检验产品的过程,产品是不是一个好的产品,关键要看产品是不是真正为客户创造了价值。只有好的价值才能获得客户的认同,才会有后续的、持续的、健康的使用和付费。

腾讯云AI的标杆客户不胜枚举,王磊表示微众银行是一个比较典型的客户案例。微众银行是国内首家互联网银行,微众的远程核身流程应用了腾讯云慧眼人脸核身技术,在总理视察微众银行时当场见证了人脸核身的演示,经过媒体报道以后慧眼有了更多的客户慕名而来。

王磊指出,标杆的打造不是一锤子买卖,所谓隔行如隔山,在某些重要的行业仍旧需要头部企业的背书以为产品带来更高的认可度。中国联通就是腾讯云AI在电信运营商领域拿下的首个头部标杆客户,腾讯云AI也为其提供了显著的降本效果。

除此以外,王磊还提到了深圳市的政务场景以及直播场景中的斗鱼公司等案例,揭示了腾讯云AI在增效、合规等方面提供的客户价值。

推广复制

推广复制环节背后的问题很复杂,但核心提炼下来其实就一个词:增长。它和市场的供需、产品的价值和产品的特点都密切相关。王磊表示,想要做好增长首先需要想清楚三个问题:

目标客户:目标客户是谁?目标客户所在的行业是哪些?客户是什么类型?是谁在使用它?是谁在给它付费?

定价策略:策略是利润最大化还是收入最大化,是要去抢占市场份额还是要去拉动活跃用户?

复制效率:如何把产品快速地卖给新客户,并完成交付。

只有想清楚了这几个问题,并做好针对性的设计,才有可能在商业化产品的实践探索中找到可持续发展的方向。

王磊总结道,确定方向、孵化产品、打造标杆、推广复制背后有一条暗含的逻辑,企业在不同的阶段、不同的场景下所应采取的做法也不尽相同,要随着变化而变化。AI技术的商业化产品实践是一个循环演进的过程,要不断地理解行业、提供价值、优化价值、找寻新方向、孵化新产品,不断地向前探索。

“在AI生态建设上,腾讯云AI致力于连接产业和开发者,共建开放生态,共建共赢。我们希望有更多的合作伙伴能加入到腾讯云AI的生态里面来,一起加速人工智能行业应用的落地。”

分享结束后,王磊老师还对评论区提出的腾讯内部AI平台差异和落地等问题作了进一步解答。

计算机视觉技术在服装行业的落地实践

“从创业公司维度看AI在行业的落地,可能会有不一样的视角。在人工智能落地的所有行业里面,可能服装或者时尚这样的一些行业是相对来讲大家偏陌生的一个行业。为什么我们要选择在服装行业来落地人工智能,今天希望跟大家一起分享探讨。”

知衣科技联合创始人兼CEO郑泽宇老师作为AI领域的创业者,带来了一些不同于腾讯云AI落地的思考与视角。郑泽宇老师此前曾供职于Google,也是国内知名的TensorFlow专家。他提到,从2015年起人工智能概念开始火爆,大家都希望拿着技术的锤子去找场景的钉子,AI领域的初创企业也特别多,不同的技术方向会孵化出不同的AI企业。这个阶段被他称之为AI技术落地的第一阶段,技术寻找场景。

第一阶段经过一段时间的发展以后,AI领域的初创公司撞上了一堵“南墙”:巨头公司下场,竞争激烈;创业公司资金紧张,AI烧钱太快。这个时候,如何让AI技术在更多其他行业、场景下得到应用并产生商业价值,成了AI商业化落地的新主题,也就进入了人工智能落地的第二个阶段,场景结合技术。

以服装行业为例,其实在这个行业里面要用到的技术特别多,除了CV这样的技术之外,自然语言处理、关联推荐、以图搜图、数据分析、趋势预测等都是关联技术。郑泽宇表示,每个行业的数据非常多,不同的数据需要用到不同的整理方式方法和算法技术,基于这样的技术和应用场景深度融合、绑定以后,才发现技术对一个行业的影响是可以做到深远的。

（编辑：ASP站长网）