中科奥森李子青：AI创业需要突破性商业模式，不能靠卖技术瓜子

360 人工智能 研究院院长颜水成、阿里巴巴iDST资深总监华先胜、依图CEO朱珑等都曾是他的学生。扳开手指数一数，从1988年去英国留学至今，他已在人工智能领域深耕近30年。

“人工智能是一个跨学科的技术，从全球来看，既懂算法，又懂计算机视觉，又懂光电和硬件，以及整体解决方案的不超过10个人，除了我自己其他9个我不认识。” 中科奥森 董事长 李子青 博士接受亿欧采访时说。这话听上去有些孤傲，但如果你了解他的经历，可能并不会感到意外。

深耕人工智能30年，他代表中国制定 人脸识别 国际标准

其实超过30年。1982年他大四做毕设觉得老师给的课题没意思，自己设计了一个“基于鲁棒统计学的信号处理”课题，自己开展研究，后来这篇毕设论文发表在国内一级学报《电子学报》上，这也是他做人工智能的起点。

纵观人工智能发展史，其实有两个冬天，第一个是在六七十年代，第二个是在八九十年代，李子青恰好赶上了第二个寒冬。

1988年，他去英国留学，进入爱丁堡大学人工智能系，那也是世界上曾经存在过的唯一一个人工智能系。

那时候的人工智能主要分为两派：一个是“符号学派”，另一个是“连接学派”。爱丁堡大学人工智能系是符号学派的一个大本营。

“我在爱丁堡的导师，他做三维视觉，却采用符号的方法。我是奔着三维计算机视觉去的，但做了几个月，深感这个技术路线不可行，因为原始数据完美地转换成符号是不可能的，转成语义就更行不通，”李子青回忆说，“符号学派是‘路线错误’，符号化、语义化到现在也还没很好解决，那时就更是空中楼阁。”

洞察到符号学派路线走不通，他在研究中自然滑向了“连接学派”和统计学方法：不是将数据转换成符号，而是考虑很多单元之间的相互作用，最终求得一个综合的最优解。 所谓“连接学派”方法，其实就是现在把人工智能推向新巅峰的神经网络。不同的是，现在的神经网络比那时做得更深，采用的训练数据大了许多数量级。

之后，他南下，到Surrey大学师从统计模式识别大师、人工智能著作《统计模式识别》的作者Josef Kittler教授。他在Surrey做的博士论文，把计算机视觉的底层、中层到高层计算全部统一到“连接主义”框架下，采用能量函数的优化求解。在此框架下，采用能量函数做优化求解，正是现在对人工智能发挥巨大影响的深度学习方法的打法。

1991年，他到新加坡做博士后，对博士期间的工作进行了更深入的研究，1995年他写就了一部经典著作《计算机视觉的马尔科夫随机场建模》。1998年，在他还是一位高级讲师时，即获得终生教职资格，1999年提为终身副教授。

李子青说：“做博士研究和后来写那个专著，几乎整成了半个理论数学家，其中受到了当今深度学习、人工智能大师Geoffrey Hinton的影响。我做面向应用的人脸识别其实是从我学生带我做起的，他在国内做人脸识别，来我这读博希望继续做，我同意了，并且跟着他做，进去后，就一发不可收拾。巧的是，做人脸识别最初阶段，我提出了一个模式识别的新方法—最近特征线（Nearest Feature Line），把这个方法和当今深度学习、人工智能的另一位大师Yann LeCun的CNN做过PK。”

2000年，李子青加入微软研究院，担任人脸识别组Lead，他在微软研究院研发了世界上第一个实时人脸识别系统Eye-CU。比尔·盖茨接受CNN头条采访时，特地推介这个系统，并亲自做演示。

2004年，作为“中科院百人计划”的入选者，李子青进入中科院担任中科院生物识别与安全研究中心主任。此后他设计并研发了深圳罗湖人脸/指纹识别通关系统，奥运实名制人票核验系统；他还研发了近红外人脸识别，也是首个能把人脸识别落地成市场产品的技术；他还是目前安防/金融人证核验与活体防伪技术原创人。

不久后，他创办了中科奥森公司，该公司的团队协助他研发了上述原创技术与系统。中科奥森于2016年初获得上海国际创投集团5000万元A轮融资。

2006年，他代表中国制定了中国参与的唯一一个人脸识别国际标准，他还制定了国家、行业人脸识别相关标准制累计18项。

由于他在计算机视觉、机器学习和人脸识别领域的贡献，和他在国际学术界的影响力，被评为IEEE Fellow院士。

“我的创新能力得益于我少年时玩无线电、做音响电视机、还有砌砖盖房以及修马桶。谢天谢地，那时没有考试的压力。”李子青说。

这些年，他教过诸多国内顶级的科学家，比如颜水成、华先胜、朱珑等，还有不少在阿里、百度、Google、GE、商汤等企业的技术骨干。

辨识双胞胎、大年龄跨度人脸识别、戴口罩墨镜人脸识别都是娱乐节目

2006年，加拿大多伦多大学教授、机器学习领域泰斗—Hinton和他的学生在顶尖学术刊物《科学》上发表了一篇关于深度神经网络的文章，开启了深度学习在学术界和工业界的浪潮。

深度学习突破有三个要素：第一是神经网络足够深，可以胜任复杂的数学变换；第二是 大数据 训练，比以前超过几个数量级；第三是高度并行的计算能力，使得深度网络的大数据训练成为可能。

2014年Facebook旗下DeepFace项目利用计算机视觉、人工智能及机器学习技术，利用9层神经网络来获得脸部表征，Facebook人脸识别技术的识别率达到了97.25%，而人在进行相同测试时的成绩为97.5%，可以说已经相差无几，这一突破让人脸识别提上了几个台阶。

人脸识别应用模式主要分为两类：1：1人脸识别和1：N人脸识别。所谓1：1的人脸识别，就是人证核验，比如机场过安检，机器验证本人是否和身份证上的人是同一个人。而1：N的人脸识别是指从多个黑名单里面找出一个来，比如反恐，抓逃，从N个黑名单中找出一个来。

目前来看，1：1人脸识别技术比较成熟，而1：N的人脸识别技术还不够强大。

李子青说：“辨识双胞胎、大年龄跨度人脸识别、戴口罩墨镜人脸识别都是娱乐节目”。

“《MIT Technology Review》选出了若干个超级人工智能企业，其中说蚂蚁金服和百度的人脸识别达到了金融级别，我认为是没有达到，因为目前人脸识别技术里面有明显的安全漏洞，如315晚会所披露的用一张照片就可以骗过机器的假体攻击。最近有银行想用1：N刷脸取款，我认为5年之内技术上不可能做到”。

AI创业需要突破性商业模式

仔细分析就会发现，国内主要人工智能的创业公司的业务多是与集成商、代理商合作，而这些公司只是提供技术、软件支持。主要有以A、B公司为例的卖技术的路线，还有以C、D公司走类似集成商的形式。

不管卖SDK还是卖产品都没有脱离传统商业模式，最重要的是，这种依赖集成商和商业运作的商业模式很难做大做强。

“ SDK我们也卖，但是我一直认为卖SDK就像‘卖瓜子’，不可能撑起一个大体量企业。目前国内的有些AI创业公司估值都数亿美金，如何做到足够大的流水才能支撑这么高估值？靠卖技术甚至买产品都是难以为继的 ，”李子青说，“目前几大做计算机视觉的AI企业都挤在智能安防的赛道上，在传统安防巨头海康、大华他们那拿到多少市场份额呢？我很怀疑。”

李子青强调，人工智能要有突破性的商业模式，这种商业模式要把智能算法、智能前端设备（IoT）、移动互联、大数据、云服务等融合到一起，形成闭环。不仅仅靠卖产品，还要把产品之外的价值挖掘出来。

此外，人才也至关重要。李开复说过，“世界上懂人工智能的人不超过7000个，而中国是700个”。优秀的算法人才很宝贵，而既懂人工智能算法，又懂光、电，懂场景懂用户体验，能把人工智能产品做到极致的人才更是凤毛麟角。当然也可以是几个牛人一起合作，但把这样的协作做得水乳交融，机会非常小。

中国做人工智能有明显优势。首先，这个领域有很多华人技术人才；其次，中国丰富的可用数据；还有，中国人胆儿大，敢于吃螃蟹，敢用。

对于人工智能的发展趋势，李子青认为，目前带热市场的“弱人工智能”，其技术进步和市场应用会一直上升不会回落。而所谓具有自主思维、创造能力的“强人工智能”，是畅想，是美丽的泡沫，它会像第一、二波人工智能一样落入下一个低潮。“Sorry。我做这个这么多年，我是这么看的。”李子青说。

“我的梦想是让人工智能落地，我现在在搞的是实用的人工智能创新，要把云里雾里的仙女，变成身边看得见摸得着的美女”。

“AI照进现实”，这是李子青给中科奥森制定的Slogan，也借此向他《梦想照进现实》中的“女神”徐静蕾致敬。

本文作者许伟军，亿欧专栏作者；微信：xuweijun24（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。