竞争力：成为“离用户最近的科技型企业”（三）

三、围绕客户场景布局前沿技术

2014年，在推进行业解决方案转型的同时，赵志坚看到了人工智能的技术趋势，并且开始围绕客户场景进行技术布局。

回顾摄像头视频技术的发展历史，业内有人总结为从“看得见的时代”发展到“看得清的时代”，然后从“看得清的时代”跃迁到“看得懂的时代”。“看得见”是指传统录像技术时代，能录像，但图像品质不高；“看得清”则是数字高清视频技术的应用；“看得懂”则是指视频图像识别技术的应用，摄像头像人的视觉神经系统一样，对环境图像有了认知能力。

2014年可以说是人工智能发展的元年，因为市场上有一款突破性的产品横空出世——神经形态芯片。它可以探测和预测数据中的规律和模式，大大提升了机器学习软件的工作效率。芯片带来的算力迅猛提升，再加上互联网、物联网产生的海量数据，以及人工智能算法的突破性进展，人工智能的商业化进程越过拐点，进入快速成长阶段。正是这一年，计算机也终于能够读懂图像了，而这些突破对摄像监控领域而言可以说是划时代的。

人工智能领域基础技术取得的重大突破，刺激了锐明全新的产品创意——如果摄像头具有图像认知能力和语言认知能力，那么诸多用户场景中的潜在需求将得到满足。原本无法完成的任务，人工智能技术能够很方便地完成。例如：在车辆行驶过程中，具有图像认知能力的摄像头和分析系统，能够识别环境和司机行为的安全风险因素，及时做出预警和管理干预。这种精准、及时的干预极为重要。在“看得见”“看得清”的时代，这是做不到的。赵志坚当时的理解是，AI（人工智能）是一场技术革命，在视频监控领域，它带来的是一种全新的能力，将会创造全新的用户价值。这是一场颠覆性的创新。因此，锐明必须将AI上升为公司级战略——“All in AI”。2014年，锐明开始组建AI研发团队，是行业里最早投入AI研发的企业。

起初，锐明与深圳其他具有AI研发能力的企业合作，希望通过合作来提升自身的AI能力，但最后效果不是很理想，就没有继续做下去。之后，锐明开始组建AI团队，最早的AI技术人员只有一个人，他后来成了锐明AI业务的核心领导人。2014年底，锐明又和一家大学的国家级实验室建立了校企合作关系，但维持了一年多，最后发现效果也不够好。于是，AI业务负责人便提出，“投入那么多钱还不如自己干，我肯定能把AI弄出来”。核心技术骨干的激情和自信，加上公司高层“自主可控”的战略意志，驱动锐明开启了AI自主创新之路。赵志坚认为，锐明不排除开放式创新，但锐明的AI技术核心一定要掌握在自己手中，才能让AI有效融入所有的解决方案里面。

当时的AI团队只有4个人，为了让大家时刻跟上前沿技术动态，也为了促使研究团队主动学习，AI业务负责人要求大家下苦功夫，先从读外文文献开始学习研究。他发起了每周五学术交流会议，鼓励大家把了解到的资讯及学习的心得在会上进行交流和研讨。锐明的AI自主研发就是这样迈出了第一步。

2016年，锐明就已经有了自己的AI产品。虽然初代产品不够成熟，不过已经符合行业的产品标准了。今天，锐明的AI产品已经覆盖到所有产品线，AI产品均为自主开发，核心团队发展到几十人。目前，锐明AI技术实力已经获得行业和政府的高度认可，被授予深圳市“人工智能工程研究中心”。深圳只有两家企业拥有这块牌子，锐明是其一。

坚持自主可控的同时，拥抱开放式创新，锐明把看似相互矛盾的两种策略糅合运用得恰到好处。目标识别和目标检测是锐明AI功能的技术关键，比如，人脸识别、语音识别、车辆检测、人员身份检测、车道车险检测、交通标志牌检测等技术。对锐明的AI功能而言，具有深度学习的芯片十分重要。之前使用的美国品牌芯片与锐明的技术缺乏协同，效果不太让人满意。人工智能时代，锐明与产业链上的关键伙伴H芯片公司再度携手。2017年，H芯片公司研究出了一款直接带神经网络加速引擎的芯片，让锐明AI功能实现了一次技术突破。锐明AI团队经过努力已经打下了良好技术基础，通过和H芯片公司的深度合作，只要把之前的研发成果往新的芯片上迁移就可以实现更大的进步。

在算法方面，锐明的做法是“站在巨人的肩膀上”，他们认为既不必要，也不可能每一个应用都从底层开发做起。锐明AI团队有一套实用有效的机制，随时密切关注业界可供整合的前沿创意、领先实践和基础算法的进步动态。在应用层面自主可控的同时，及时利用全球必要的基础算法，甚至是大量免费的算法，再开发出属于自己的应用算法。锐明的AI团队每周五都会举行技术交流研讨会。针对全球在AI领域相关的技术突破和创新，无论消息对错，锐明的AI团队都会一一验证，敢于试错，倘若技术验证结果为真，就会思考如何与产品进行深度融合应用。

锐明的AI产品最早是从“两客一危”这个细分市场开始突破的。“两客一危”是指从事旅游的包车、三类以上班线客车和运输危险化学品、烟花爆竹、民用爆炸物品的道路专用车辆。这些车辆一旦发生交通事故，往往造成群死群伤、重大财产损失等严重后果，因此政府长期将“两客一危”车辆列为重点管控对象，严查严管。2017年底，一起高速公路连环追尾事件，导致11人死亡多人受伤，引发社会关注。之后政府开始强制要求“两客一危”车辆安装具有AI功能的MDVR进行监控。AI视频监控不仅仅是要监督司机行为（DSM产品），还要能识别环境风险因素，支持主动安全（ADAS产品）。

锐明最主要的两款AI产品为DSM和ADAS。DSM是司机状态模拟器，可以判断司机是否存在睡觉、抽烟、打电话、玩手机或不系安全带等不良驾驶行为；ADAS是高级驾驶辅助系统，具有防撞车防撞人、识别限速限高牌、异物检测等功能。

之后，锐明的AI也应用于出租车领域。出租车领域的AI产品也是要解决安全问题，但具体场景与“两客一危”不同。出租车上经常发生治安案件和刑事案件，AI技术通过识别危险动作、危险语言以及车辆不正常状态，智能判断并及时报警。除了安全问题外，AI技术还广泛应用于出租车业务管理场景，比如通过人脸识别司机合法身份，司机刷脸不通过就不能开机、不能打表、不能打票，也接不了单。

锐明的AI不仅应用于这两个产品。所有的锐明产品都已经具有AI功能，最基本的也具有人脸识别功能。AI是技术驱动，带来新应用，本质同样是为用户提供解决方案。不同的是，MDVR从最早的事后存证查证功能，通过AI技术，到现在实现了事前预警预防功能，是从事后到事前的转变。从2019年初开始，锐明的AI投入开始实现变现。AI的产品赋能也给锐明带来了一波巨大的业绩增长。锐明AI负责人受访时强调：“到现在，可以说一套MDVR产品如果没有AI功能是卖不出去的，没有AI技术，市场就是零。”锐明“All in AI”的战略已经成功落地，实现了从0到1的突破。

锐明的AI是基于客户场景的AI，围绕客户需求来构建，为客户的结果负责。锐明要成为一家“离用户最近的公司”，这里面有两层意思：一是强调走进用户场景，理解用户需求，深化与用户的关系；二是强调对效果负责，关注点放在产品和解决方案的实际效果上，关心的是用户问题是不是真正得到了解决，而不仅仅是产品的性能卓越和技术领先。

AI商业化蓬勃发展之初，业界展开了一场“算法竞争”。技术团队也好，投资人也好，财经媒体也好，都把焦点放在“谁家的算法最优”。这里面的假设是：算法竞争是一场“领先者通吃”的游戏。然而，AI市场发展的现实却告诉人们，好的算法只是赢得竞争的必要条件而远非充分条件。再说，算法最优是有成本代价的。比如说，AI做到90%的效果就足够满足客户当下的需求了，假如做到95%需要再花两倍的资源，那就先放一放，因为技术深化无止境。此时，把有限的资源投入其他对效果影响更重要的环节，则是更合理的。

车载领域的AI解决方案，往往都是用户个性化定制的。不同的用户，场景和问题都不尽相同，哪怕是同一个行业的同一个场景，其环境因素和用户需求也有差异。锐明简要地总结为“无场景，不智能”。用户对AI解决方案供应商的关键要求就两条：一是解决方案的效果好，二是解决方案交付的速度快。即所谓“快速出效果”。

锐明始终强调自己“不是算法最优，而是解决方案最优”。比如，摄像头的安装位置，不同车型、玻璃、光线都会影响数据采集，这都是要对产品和光学设计特别研究的，要做大量场景化的适应性研究。这些设计和工作安排，与算法技术无关，但只有这些工作都做好，算法才能精准识别特征。

为了实现解决方案最优，“快速出效果”，锐明会把开发过程中的许多“杂事”“麻烦事”留给自己做，而其他同行通常会外包给第三方。锐明AI核心团队中有很多“助理工程师”。“助理工程师”多为深职院学生，其主要任务有三个，一是产品出现问题，去前线深度介入，经营客户关系；二是测试AI功能和系统；三是抠样本，提供数据给神经网络进行学习。对于这些“杂事”，锐明认为自己团队干更有利于快速出效果，实现解决方案最优。例如，阿联酋有个项目需要实现车牌识别功能，锐明没有这个场景的图像素材。于是锐明的AI部门直接派5个人去到阿联酋。只用2个月的时间，整个产品的交付与测试就完成了。因为这些员工首先就是相关专业的，对用户问题看得准，也了解产品，同时因为是AI团队的人，直接听AI负责人指派，效率立马提高。

经过两年多的磨炼，锐明成功开发AI产品的同时，还发展出独特的“人工智能体系能力”，或者说是“锐明人工智能开发方法论”。运用这套方法论，AI团队能够根据客户具体的业务场景，高效迅速地研发出适应业务场景的智能化解决方案。

版权声明： 本站文章已获出版方或者作者方授权，如需转载，请保留网站地址和作者信息。部分文章来源于网络，著作权归于原作者，仅供学习交流使用。

很赞哦！ ( )