1
| 本文作者： 老王 | 2017-03-02 19:47 |
“這個產(chǎn)品挺炫酷，但似乎沒什么用”
這句話曾不止一次的縈繞在黃鼎隆耳際。
2015 年，碼隆科技推出基于圖像識別技術的 App 產(chǎn)品 StyleAI，用戶可上傳任意圖片素材，StyleAI 會根據(jù)圖片中的色彩等元素，反饋出與之風格相似或相同的時尚單品圖片。
由于當時國內(nèi)市場上把圖像識別技術應用在消費級產(chǎn)品中的案例較為少見，StyleAI 的出現(xiàn)無疑讓不少人感受到了 AI 的美輪美奐。
然而拿獎拿到手軟的產(chǎn)品 StyleAI 在面對市場考驗時，其表現(xiàn)遠不如創(chuàng)新大賽中評委給它的分數(shù)。如同奧斯卡最佳影片在票房上永遠打不過好萊塢商業(yè)科幻大片一般。
科技與影視行業(yè)不同，這個市場對好產(chǎn)品的定義其實很簡單，就是“有用、能用、好用”，對好公司的定義更簡單，不過是“能賺錢”。資本市場不相信大獎，也不相信小而美。
2014 年 7 月，黃鼎隆與 Matt 成立了碼隆科技公司，致力于用計算機視覺和深度學習撬動時尚產(chǎn)業(yè)。黃鼎隆是清華大學工業(yè)工程學士-清華大學人機交互博士，師從美國工程院院士薩文迪教授，歷任微軟 MSN 產(chǎn)品總監(jiān)，騰訊微博事業(yè)部商業(yè)產(chǎn)品總監(jiān)，Trip Advisor 中國區(qū)產(chǎn)品副總裁。黃鼎隆的搭檔 Matt 則擁有十多年的開發(fā)經(jīng)驗，曾任微軟亞洲研究院高級研發(fā)主管，擁有 40 多項中美專利、13 篇國際頂級論文。
與黃鼎隆聊了一個半小時，絕大部分時間是他在認真講述并演示他們在去年推出的產(chǎn)品：ProductAI。從演示的純熟度可以看出這些流程他已經(jīng)給別人講述了無數(shù)遍，但仍舊不愿跳過任何一個細節(jié)，猶如家長在鄰居面前提自家孩子一樣，把同一個故事說了一百遍后，愿意繼續(xù)講第二百遍。
“StyleAI 這個產(chǎn)品，我們確實走了商業(yè)上的彎路。當時我們選擇做消費級產(chǎn)品 StyleAI，這在大趨勢下是個錯誤的決定，是個逆潮流而動的事，現(xiàn)在已經(jīng)沒有多少用戶有嘗試新 App 的意愿?！?/p>
StyleAI 在商業(yè)上走了彎路后，產(chǎn)品出身的黃鼎隆并沒有以一個行業(yè)分析者的角度去看待問題，沒隨大流轉(zhuǎn)型去做熱門的、蛋糕大的方向，而是以產(chǎn)品的角度去重新審視 StyleAI。
經(jīng)過許久的研究和思考后，黃鼎隆得出這樣一個結論：
我們的產(chǎn)品和技術沒問題，我們在技術層面肯定走了正確的路。
C 端產(chǎn)品哪怕只有一個用戶，也必須得保證優(yōu)質(zhì)的用戶體驗，需把體系中每個環(huán)節(jié)的銜接都打磨到位，它提供的是一整套流程，而 B 端產(chǎn)品籠統(tǒng)上講只需提供一個環(huán)節(jié)。為了做出 C 端產(chǎn)品 StyleAI ，黃鼎隆和 CTO 碼特不得不把端到端的整個體系搭建出來。
“做消費級產(chǎn)品對工程和體驗要求很高，很簡單的一個例子，用戶拍照然后進行識別，如果識別了 10 秒才出結果，這一定不是好產(chǎn)品。”
但隨著 StyleAI 在商業(yè)上的曲折探索，他們決定把 StyleAI 這一整套的技術、工程以及交互植入在 B 端產(chǎn)品 ProductAI 中。
“市場上很多 App 已經(jīng)積累了非常豐富的用戶和數(shù)據(jù)，那為什么不把我們的技術服務于這些擁有這么多用戶量的客戶？這樣就可以間接服務上千萬上億的用戶，盡快發(fā)揮技術的作用?！?/p>
黃鼎隆認為，碼隆的技術如果僅僅服務于數(shù)量有限的普通消費級用戶會有些浪費，如果把 StyleAI 進行延續(xù)并升級為 To B 產(chǎn)品，從而整合為一套端對端的解決方案，為客戶提供模型、數(shù)據(jù)采集、標注等一整套服務，無疑會發(fā)揮它更大的價值。
這期間，他也反復提到這句話：真正的人工智能，不在于自己有多智能，而是在于能不能讓別人變得智能。現(xiàn)在很多人工智能產(chǎn)品都在炫耀自己有多智能，自己很聰明，但卻不能幫助別人更聰明。人工智能真正的商業(yè)化，一定是讓別人變得更聰明。
隨后，黃鼎隆展示了他們的產(chǎn)品 ProductAI。
ProductAI 最核心的功能是商品識別。商品識別有別于人臉識別，人臉形態(tài)相比而言比較固定，而商品如衣服和布料等柔性物體，會發(fā)生扭曲、折疊、遮擋的情況，而且商品數(shù)量非常之繁多，使得其橫縱向識別難度均非常大。
1.應用在“穿衣助手”上的產(chǎn)品
通過圖像識別技術計算出圖片中有哪些服飾，而給出每件服裝顏色的量化比例，并可為圖片打上時尚相關的標簽，比如“顯瘦顯高”、“優(yōu)雅淑女”、“OL通勤”等，就如同一位時尚專業(yè)人士在點評服飾。點擊相關標簽后，即可查看穿衣助手過去與標簽相關的時尚搭配文章。除此之外，碼隆也正在開發(fā)上傳上衣圖片，然后給出下裝搭配與購買的功能。 
1.應用在“優(yōu)料寶”的產(chǎn)品
雷鋒網(wǎng)了解到，優(yōu)料寶是面向買家和賣家布料交易平臺，買家如果對擁有某種圖案的布料感興趣的話，可用以圖搜圖功能在優(yōu)料寶上搜索相同或相似布料圖案的賣家，碼隆目前擁有數(shù)百萬張布料數(shù)據(jù)集。
2.應用在“卷皮”的產(chǎn)品
與優(yōu)料寶相似，用戶可在卷皮網(wǎng)這一購物平臺找到所傳圖片一模一樣的或同一種風格的商品。并支持后臺智能管理，對同樣的商品進行歸類、比價、去重處理。 
任何創(chuàng)新入口都會有巨頭的進擊，對于這一問題，黃鼎隆似乎并不擔憂：
阿里現(xiàn)在已有近百人在做圖像識別這個項目，縱使阿里的實力很強大，但在各個垂直商品領域并沒有我們做的那么深入。而且阿里商品識別團隊其實和碼隆并不是直接的競爭對手，他們是服務于自己的平臺如淘寶等，而ProductAI則是服務于穿衣助手和優(yōu)料寶這些需要商品識別技術的產(chǎn)品。
除了上述提到的這些案例，碼隆在非常傳統(tǒng)、偏冷門的紡織行業(yè)有著自己的想法和行動。
聊到這一話題時，黃鼎隆眼中充滿了憧憬。
國內(nèi)紡織業(yè)相比于歐美國家在供應鏈、設計、材質(zhì)等方面均落后一到兩年時間，但在 AI 技術層面，中國領跑全世界。這時候當 AI 與紡織業(yè)相結合的話，或許可在時尚領域?qū)崿F(xiàn)彎道超車。
時尚行業(yè)非常重要的一點就是時尚話語權在誰手中，當下這些掌權者無非就是全球幾大時尚中心，他們在定義明年會流行趨勢后，也會告知相關機構提前把原材料都備好，等到趨勢起來后，雙方就可以躺著賺錢了。
“我們近期與跟中國紡織信息中心合作，用人工智能學習流行色彩從而對流行趨勢迅速做出判斷。中國紡織信息中心每年會發(fā)出指導報告，公布明年流行的顏色，以便讓供應商提前做好顏料和材料上的準備。以往中國紡織信息中心觀察流行趨勢，更多是派人員進行觀看時裝周來完成，我們知道時裝秀周期很長，人員觀看也往往存在主觀和感覺上的分析，不能量化。”
根據(jù)這一痛點，ProductAI 根據(jù)全球各大秀場以及與多方面的流行色彩數(shù)據(jù)，基于深度學習把整個流行顏色的比例進行計算，從而分析時尚色彩及趨勢。比如草木綠色的出現(xiàn)比例從去年 6% 提高到 12% ，就能得出草木綠色將會成為流行色的結論。計算出流行趨勢后，便可幫助中國成千上萬的面料生產(chǎn)商預測國際面料需求，從而優(yōu)化生產(chǎn)和供應鏈渠道。
產(chǎn)品演示結束后，記者詢問了以下三個問題：
如果滿分為 100 分，你會為 ProductAI 打多少分?
我覺得 ProductAI 在我們所服務的商品識別領域，率先邁過了 60 分，率先達到客戶可用、及格的階段。以前很多商業(yè)場景一直想要這樣一個產(chǎn)品，但最后結果卻達不到基本可用的效果。
如果真要打分的話，現(xiàn)階段我會為 ProductAI 打 65 分。當然， 這個 65 分是放在特定行業(yè)中的。好比我在清華讀書時，微積分課程大家平均分都是 85 分，這個時候 60 分就不算高分。而當時也有一門叫《隨機過程》的課，全班只有一個人過了 60分，很多人都是二三十分，這個時候達到 60 分線就很厲害。碼隆科技正是切入了“隨機過程”的場景。
如何彌補剩下的 35 分？
要彌補的東西非常多，我們主要做的是商品識別。從橫向角度講，商品的數(shù)量非常多，我們需要對不同的商品進行識別?？v向角度講，每個商品都要提高識別精準度。
那您覺得這個行業(yè)的平均分是多少？
目前行業(yè)平均是及格線的一半多一點點，大概是 30 到 40 分的樣子。
在說出 ProductAI 的分數(shù)和行業(yè)分數(shù)后，黃鼎隆馬上又改口說到人工智能產(chǎn)品不能用打分來評價，衡量一個產(chǎn)品的維度是看這三項：有沒有產(chǎn)品、有沒有商業(yè)化、有沒有幫助客戶創(chuàng)造價值，滿足了這三項便算得上是及格產(chǎn)品。
從小在深圳長大的黃鼎隆，身上天然帶有任正非、馬化騰、汪滔等深圳企業(yè)家的氣質(zhì)：克制、務實。
其中“克制”的一方面體現(xiàn)在他從不高談闊論，很少談及碼隆以外的東西。聊完產(chǎn)品后，在雷鋒網(wǎng)再三追問下，他談了談自己對行業(yè)的看法。
2016 年是國內(nèi)整個 CV 行業(yè)輿論環(huán)境最為混沌的一年，羅振宇在跨年演講中發(fā)出的“創(chuàng)業(yè)者不黑創(chuàng)業(yè)者”口號也急需滲透在人工智能產(chǎn)業(yè)界中。黃鼎隆認為，影響 AI 企業(yè)的很大因素是因為企業(yè)內(nèi)部環(huán)境，而非外部環(huán)境。
可能很多從業(yè)者把問題指向外部環(huán)境：抱怨行業(yè)差、市場不成熟、時機未到、資金不足等等，其實問題的最大根源往往來自團隊內(nèi)部。去年我們也能看到，陸續(xù)有 AI 初創(chuàng)公司出現(xiàn)一些管理問題，內(nèi)部相互指責、分崩離析。出了問題后，利益受到影響的在職員工以及離職員工會在網(wǎng)絡社區(qū)匿名發(fā)泄，字里行間流露著出對企業(yè)和行業(yè)的悲觀。這種戾氣會傳染，當初創(chuàng)團隊很多人都在指出問題，而不是去解決問題時，公司一定會出毛??；當很多人在網(wǎng)上批評，卻不去正視它的優(yōu)點時，這個行業(yè)也會出毛病。
黃鼎隆認為，凝聚力和良好的氛圍對一家初創(chuàng)公司來說十分重要，同時他也強調(diào)不要去刻意擴張團隊和雜亂的業(yè)務線。一支有著共同目標的精煉團隊即便走錯了路，船也好調(diào)頭，如果是一支凝聚力不強的大船，它在掉頭的過程中很容易散架。
為了保持內(nèi)部凝聚力，黃鼎隆對公司的擴張也十分克制，公司創(chuàng)立將近三年，隨著產(chǎn)品線和業(yè)務線的迅速擴張，員工總數(shù)依舊不到 50 人。
“AI 公司其實用不到那么多人的，碼隆不會刻意去擴大冗雜的業(yè)務線，我們只縱深做商品識別，這樣內(nèi)部也不會出現(xiàn)業(yè)務勢力上的分歧?！?/p>
當提及如果大公司進入這個市場，團隊人數(shù)并不龐大的 AI 初創(chuàng)公司會不會被吞噬這一問題時，黃鼎隆堅信在小市場的競爭中，初創(chuàng)公司有實力打贏巨頭：
首先，小公司做的事情，大公司不一定會做。
巨頭的一大優(yōu)勢就是人才多，但在 AI 領域，人多是沒用的，人多是發(fā)揮不出它的優(yōu)勢的。
AI 其實跟教育有點相似，你找一百個老師和找一個好老師教小孩，不見得一百個教得更快更好。AI 領域也如此，它不像其他行業(yè)人多力量就大。創(chuàng)業(yè)公司可以做很多大公司無法做的事情，尤其是跟傳統(tǒng)行業(yè)相結合的產(chǎn)業(yè)，小公司的優(yōu)勢可能更大。BAT 是不會放下身段，去做那么小的一件事，也不可能細入到很垂直、很小的行業(yè)去跟小公司搶占小市場。
那如何看待百度收購渡鴉科技一事？
陸奇在微軟時就非常看重人機交互的研究，到百度后收購渡鴉科技其實也并不難理解。當下 AI 領域的人才非常稀缺，而優(yōu)秀人才很多在創(chuàng)業(yè)公司，收購也是獲得優(yōu)秀人才非常重要的一個手段和途徑。
但之前雷鋒網(wǎng)采訪余凱時后者說到國內(nèi)巨頭更傾向于高薪挖人 ，而不愿意收購公司？
國內(nèi)人工智能剛剛興起，其實絕大部分 AI 牛人都是從微軟亞研和 IDL 等大機構出來的，既然這批人出來了，他們打心底是不會考慮回去的。我們就是從微軟騰訊等大公司出來的，我們出來都是因為自己的抱負和愿景。因此大公司一般也不會去挖這些人，不會過多做無用功。舉個很簡單的例子，余凱從百度出來了，他還會考慮回百度嗎？（笑）
最后，當談到 AI 時代產(chǎn)品經(jīng)理應該具備哪些特質(zhì)時，資深產(chǎn)品人黃鼎隆談到：
產(chǎn)品經(jīng)理在互聯(lián)網(wǎng)公司時代更像是流程中的一個環(huán)節(jié)，與開發(fā)、設計、測試、市場、銷售在同一個鏈條中。人工智能技術在科學家做了大量創(chuàng)新之后已到了落地階段，AI 產(chǎn)品經(jīng)理的位置也越來越重要。
但現(xiàn)在階段對 AI 產(chǎn)品經(jīng)理有新的定義，只要能讓 AI 落地，那他就是一個優(yōu)秀的 PM。優(yōu)秀的 AI 產(chǎn)品經(jīng)理可以是一個研究員，他把算法落地。也許他是一個銷售，尋找到一個 AI 商機，然后協(xié)調(diào)開發(fā)資源把這個機會背后的功能或產(chǎn)品做出來，那他也是產(chǎn)品經(jīng)理。
與此同時，讓 AI 落地不一定是產(chǎn)品經(jīng)理做的事，而是整個公司都要考慮的事情，誰能讓 AI 落地，誰就是產(chǎn)品經(jīng)理。
交談結束走出海景休息室后，大多員工已離開辦公區(qū)下樓吃飯，而黃鼎隆則回到工位上繼續(xù)工作。
上一次見黃鼎隆是兩年前在微軟創(chuàng)投加速器，那時人工智能在國內(nèi)剛剛興起，兩年間 AI 受到空前的追捧，人工智能創(chuàng)業(yè)者也隨之被耀眼的光環(huán)籠罩，高調(diào)登場。而現(xiàn)在的黃鼎隆與兩年前并無變化，依舊一如既往的務實、克制。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
