雷鋒網(wǎng)按：有時(shí)候看AI安防，就像這一幅畫，墨綠色的樹林訴說著這幅畫的寂靜，中間那條筆直的小路遙遙地伸向了遠(yuǎn)處，不經(jīng)意地看，你會(huì)覺得這條小路的終點(diǎn)就在不遠(yuǎn)處。而仔細(xì)看時(shí)，你就會(huì)發(fā)現(xiàn)，這條小路是沒有終點(diǎn)的。

過去一年，有人說，AI安防之爭(zhēng)即將結(jié)束；但大多數(shù)人還是篤定，AI安防這場(chǎng)戰(zhàn)斗才剛剛開始。

三年前，滴滴自動(dòng)駕駛公司COO孟醒談到一個(gè)觀點(diǎn)：人工智能行業(yè)，最缺的是頂尖產(chǎn)品經(jīng)理。

三年后的今天，AI公司之爭(zhēng)，本質(zhì)上還輪不到拼產(chǎn)品，尤其是智能安防產(chǎn)品，仍舊停留在用單點(diǎn)技術(shù)滿足客戶要求和性能需求的階段。

科技產(chǎn)業(yè)從萌芽到成熟，往往需要經(jīng)歷三個(gè)階段：技術(shù)＞系統(tǒng)、系統(tǒng)＞產(chǎn)品、產(chǎn)品＞運(yùn)營，互聯(lián)網(wǎng)已走到第三階段，而AI安防還處于第一階段。

尚是“幼兒”的AI安防行業(yè)未來終會(huì)怎么走？入局者們?nèi)绾尾拍鼙荛_大坑小墻正向迭代？

在即將過去的2019年，雷鋒網(wǎng)AI掘金志從近百位采訪對(duì)象中整理了十四位AI安防領(lǐng)袖采訪語錄，以洞悉他們的獨(dú)特感想與體會(huì)。

現(xiàn)實(shí)和理想之間，不變的是跋涉；暗淡與輝煌之間，不變的是開拓。懂得奔跑很重要，奔跑途中，兼聽思辨更重要。

項(xiàng)目今年多一點(diǎn)，明年少一點(diǎn)，不是特別重要的事情，也不用算得太清楚。不必太過沉迷數(shù)字、圍著數(shù)字在轉(zhuǎn)，把目光放長(zhǎng)遠(yuǎn)些，這是我們應(yīng)該要做的事。

—— 海康威視總裁胡揚(yáng)忠

產(chǎn)業(yè)發(fā)展過程中，各有各的空間和玩法，做互聯(lián)網(wǎng)的、做算法的、做產(chǎn)品的，都在尋找自己的機(jī)會(huì)。就安防市場(chǎng)來說，活下來容易，發(fā)展壯大很難，誰來了都能咬上一口，但過上舒服的日子可能性不大。

從視頻監(jiān)控產(chǎn)業(yè)來講，原來大約有1000多 家廠商，現(xiàn)在應(yīng)該不超過150 家，或者更少一些；以前一年做一千萬的收入可以賺錢，現(xiàn)在一年做一個(gè)億可能都會(huì)虧損。

未來的安防行業(yè)，一定會(huì)出現(xiàn)很多變化，但整合的方式還不確定。曾經(jīng)中國安防行業(yè)有過大的資本整合，但最終變成了資本游戲、鬧劇。

2000年前后，包括Tyco在內(nèi)的五家公司大約進(jìn)行了200次并購，而中國公司不一樣，無論是海康還是友商，并購的行為比較少，更多的是市場(chǎng)上的廝殺。

在安防行業(yè)，如果想要依靠并購做大，挑戰(zhàn)不小。

在業(yè)務(wù)層，項(xiàng)目今年多一些，明年少一些，不是特別重要的事情，也不用算得太清楚。我們不用太過沉迷數(shù)字、圍著數(shù)字在轉(zhuǎn)，把目光放長(zhǎng)遠(yuǎn)，這是我們應(yīng)該要去做的事。

安防不知不覺就從一條小溪匯入了大海，風(fēng)會(huì)更大、雨會(huì)更大，遇到的挑戰(zhàn)也會(huì)更大。在這個(gè)過程中，要清晰定義自己的業(yè)務(wù)邏輯和邊界，并持續(xù)聚焦到這些領(lǐng)域。 

—— 大華股份總裁李柯

任何企業(yè)都需要有產(chǎn)品、有客戶、有渠道、有市場(chǎng)，客戶永遠(yuǎn)不會(huì)只為技術(shù)買單。未來會(huì)有一部分技術(shù)公司能活下去，但也許不一定都是現(xiàn)在看到的這些。

從競(jìng)爭(zhēng)角度考量，這兩年市場(chǎng)的輿論過熱了，現(xiàn)在的競(jìng)爭(zhēng)關(guān)系不是簡(jiǎn)單的0和1的關(guān)系，未來的市場(chǎng)更多的還是競(jìng)合關(guān)系，產(chǎn)業(yè)鏈越長(zhǎng)，亦是如此，優(yōu)秀的企業(yè)需要有能力構(gòu)建合理的技術(shù)生態(tài)和商業(yè)生態(tài)。

在這個(gè)過程中，當(dāng)局者在考慮競(jìng)爭(zhēng)的同時(shí)，更重要的是加強(qiáng)自身內(nèi)力修煉，為客戶創(chuàng)造價(jià)值從而增加客戶黏性。

一個(gè)產(chǎn)業(yè)的格局演變?nèi)Q于各個(gè)玩家的戰(zhàn)略選擇，戰(zhàn)略是有時(shí)效的，當(dāng)前安防產(chǎn)業(yè)的變遷對(duì)于各個(gè)廠家的戰(zhàn)略選擇都是一個(gè)挑戰(zhàn)，戰(zhàn)略決定方向，方向決定未來。對(duì)于大華來說，還是會(huì)堅(jiān)定自己的步伐，持續(xù)在自己聚焦的領(lǐng)域進(jìn)行投入，高筑墻、廣積糧。

勢(shì)如破竹的時(shí)候，你只是迎合了大勢(shì)，而不是你出色。沒有卓越的公司，只有趕上大勢(shì)的公司。

—— 宇視科技總裁張鵬國

中國擁有世界上最大量且時(shí)間最長(zhǎng)的數(shù)據(jù)，但大部分?jǐn)?shù)據(jù)都在沉睡?，F(xiàn)在很多社會(huì)管理部門會(huì)向BAT要數(shù)據(jù)，也許10年后，BAT會(huì)向各社會(huì)管理部門要數(shù)據(jù)。

未來十年、二十年將攝像頭、傳感器的數(shù)據(jù)利用起來，發(fā)揮應(yīng)有的價(jià)值，降低社會(huì)管理成本，就會(huì)創(chuàng)造新的戰(zhàn)場(chǎng)。

在創(chuàng)造新戰(zhàn)場(chǎng)的過程中，人們總是傾向性高估自己的能力，其實(shí)自己沒有想象中的那么強(qiáng)大，能否跳出自身之外客觀看待自己的水平，對(duì)一個(gè)人來說非常重要。

一家廠商吃獨(dú)食的時(shí)代結(jié)束了，華為安防不做到第一不會(huì)退出。

—— 華為智能安防產(chǎn)品線總裁段愛國

過去一年，傳統(tǒng)安防頭部廠商與華為安防的戰(zhàn)略打法已然大相徑庭，交戰(zhàn)雙方都在向?qū)Ψ降某浅匕l(fā)起猛烈沖鋒。

華為安防由后向前進(jìn)軍，全力推出涉及人臉、車輛、視頻存儲(chǔ)等一系列產(chǎn)品及解決方案；傳統(tǒng)安防頭部廠商則從前往后調(diào)兵，大舉進(jìn)攻云端，拼命往基礎(chǔ)層、平臺(tái)層和應(yīng)用層行進(jìn)。

事關(guān)城池與榮耀，守城者與破局者上演殊死博弈，這是多么美妙故事的經(jīng)典開局。

這場(chǎng)史詩級(jí)爭(zhēng)鋒也讓幾乎全部安防人加入到了這場(chǎng)見證歷史的時(shí)代辯論中，且辯題只有一個(gè)：華為做安防，究竟有戲嗎？

目前來看，這個(gè)問題只有時(shí)間能夠解答，拭目以待。

永遠(yuǎn)都沒有固化的產(chǎn)業(yè)。不管大企業(yè)還是小企業(yè)，是不是能夠在某個(gè)點(diǎn)上持續(xù)解決用戶需求，如果能做到，小企業(yè)能一夜崛起；如果不能做到，大企業(yè)也將很快倒下。

—— 海鑫科金董事長(zhǎng)劉曉春

社會(huì)的發(fā)展永遠(yuǎn)都是螺旋式上升的，一定會(huì)有一部分資源被浪費(fèi)掉。

共享經(jīng)濟(jì)下，倒下幾家公司就能證明共享經(jīng)濟(jì)不對(duì)嗎？共享經(jīng)濟(jì)還是有它的價(jià)值，但不一定是什么都可以共享。

產(chǎn)業(yè)發(fā)展前期，大勢(shì)未定，有一些泡沫存在是正常且必要的。創(chuàng)業(yè)者們應(yīng)該學(xué)會(huì)在泡沫期里找商機(jī)，因?yàn)檫@個(gè)泡沫期不會(huì)太長(zhǎng)，紅海遲早會(huì)到來，市場(chǎng)依舊會(huì)是“勝者為王”。

很多時(shí)候，創(chuàng)業(yè)是否成功并不是從單一維度去考量的，戰(zhàn)略投入的方向、力度、節(jié)奏、細(xì)節(jié)、覆蓋面都至關(guān)重要。

一個(gè)企業(yè)方向?qū)α耍灰姷媚茏龀?；方向錯(cuò)了，一定是失敗的。至于很多人談到的，某某初創(chuàng)公司是否撐得起多高的估值，資本市場(chǎng)自有評(píng)論。

數(shù)據(jù)已然成為了不可或缺的關(guān)鍵生產(chǎn)力，科學(xué)合理地獲取、存儲(chǔ)、分析以及利用數(shù)據(jù)成為抓住商機(jī)的最有效途徑。

—— 希捷全球副總裁暨中國區(qū)總裁孫丹

從2015年到2025年，中國數(shù)據(jù)圈以14倍的速度擴(kuò)張，如此規(guī)模龐大的數(shù)據(jù)對(duì)置身于該經(jīng)濟(jì)體的企業(yè)和政府等來講，機(jī)遇與挑戰(zhàn)并存。

與此同時(shí)，隨著數(shù)據(jù)的爆發(fā)式增長(zhǎng)，數(shù)據(jù)安全、實(shí)時(shí)性以及碎片化也成為企業(yè)需要特別關(guān)注的方面。

2018年，數(shù)據(jù)圈中56%的數(shù)據(jù)需要得到安全保護(hù)，而到2025年將增長(zhǎng)至66%。碎片化給數(shù)據(jù)識(shí)別、分類、管理、安全以及應(yīng)用帶來的挑戰(zhàn)也是企業(yè)需要面臨的問題。

孫丹提到，數(shù)據(jù)已然成為了不可或缺的關(guān)鍵生產(chǎn)力，而科學(xué)合理地獲取、存儲(chǔ)、分析以及利用數(shù)據(jù)成為抓住商機(jī)的最有效途徑。

作為數(shù)據(jù)生態(tài)產(chǎn)業(yè)鏈中至關(guān)重要的一環(huán)，存儲(chǔ)對(duì)于企業(yè)實(shí)現(xiàn)其數(shù)據(jù)價(jià)值的重要性不言而喻。四十年來，希捷聚焦存儲(chǔ)市場(chǎng)，能夠?yàn)楦嗥髽I(yè)挖掘數(shù)據(jù)星球的潛力，獲取更多的價(jià)值。

未來的大方向是，在算法精度不斷提升的前提下，拓展智慧城市從1到N的業(yè)務(wù)邊界、促進(jìn)2D感知到3D世界的落地，以及場(chǎng)景現(xiàn)實(shí)到虛擬現(xiàn)實(shí)的融合。

—— 商湯科技聯(lián)合創(chuàng)始人、研究院院長(zhǎng)王曉剛

計(jì)算機(jī)視覺研究有幾個(gè)比較重要的部分：

一是基礎(chǔ)層，包括芯片、AI超算平臺(tái)、深度學(xué)習(xí)平臺(tái)等基礎(chǔ)方面的研究，在這方面，中國還有很長(zhǎng)地路要走，西方尤其是美國領(lǐng)先我們很多。

二是應(yīng)用層，這一塊中國是比較擅長(zhǎng)的，我們有非常豐富的應(yīng)用場(chǎng)景，這些應(yīng)用場(chǎng)景可以給我們更多的反饋，驅(qū)動(dòng)我們的算法不斷地進(jìn)步。

三是工具鏈層，人工智能賦能百業(yè)，當(dāng)不同領(lǐng)域需要人工智能技術(shù)越來越多的時(shí)候，它對(duì)科學(xué)家或者研究員的需求是線性增長(zhǎng)的。如何讓普通的開發(fā)者、公測(cè)人員可以根據(jù)我們的工具鏈迅速開發(fā)出合適的人工智能解決方案，使其生產(chǎn)力充分釋放出來，這是未來我們需要面臨的重大課題。

大背景下，商湯以往、現(xiàn)在以及未來持續(xù)會(huì)做的是：在算法精度不斷提升的前提下，拓展智慧城市從1到N的業(yè)務(wù)邊界、促進(jìn)2D感知到3D世界的落地，以及場(chǎng)景現(xiàn)實(shí)到虛擬現(xiàn)實(shí)的融合。

深度學(xué)習(xí)和傳統(tǒng)機(jī)器學(xué)習(xí)最大的差別是，隨著數(shù)據(jù)量越來越大，使用更大的神經(jīng)網(wǎng)絡(luò)就有可能超越人類性能。

—— 曠視首席科學(xué)家、研究院院長(zhǎng)孫劍

深度學(xué)習(xí)發(fā)展到今天并不容易，過程中遇到了兩個(gè)主要障礙：

第一，深度神經(jīng)網(wǎng)絡(luò)能否很好地被訓(xùn)練。在深度學(xué)習(xí)獲得成功之前曾被很多人懷疑，相比傳統(tǒng)的機(jī)器學(xué)習(xí)理論，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的參數(shù)要比數(shù)據(jù)大10倍甚至上百倍；

第二，當(dāng)時(shí)的訓(xùn)練過程非常不穩(wěn)定，論文即使給出了神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，其他研究者也很難把結(jié)果復(fù)現(xiàn)出來。

這些障礙直到2012年才開始慢慢被解除。

孫劍認(rèn)為，深度學(xué)習(xí)和傳統(tǒng)機(jī)器學(xué)習(xí)最大的差別是，隨著數(shù)據(jù)量越來越大，使用更大的神經(jīng)網(wǎng)絡(luò)就有可能超越人類性能。

而具體到計(jì)算平臺(tái)上，目前包括云、端、芯上的很多硬件上都可以部署智能，技術(shù)發(fā)展趨勢(shì)是如何自適應(yīng)地根據(jù)計(jì)算平臺(tái)做自動(dòng)模型設(shè)計(jì)。

在這方面，曠視提出了Single Path One-Shot NAS的模型搜索新方法，它分為兩步：

第一步是訓(xùn)練一個(gè)SuperNet，是一個(gè)超網(wǎng)絡(luò)，包含我們想搜索的子網(wǎng)絡(luò)，先訓(xùn)SuperNet所有的權(quán)重；

第二步是搜索Sub-Nets子網(wǎng)絡(luò)，好處是第二步不需要訓(xùn)練，非常高效。整個(gè)模型搜索時(shí)間只是正常訓(xùn)練時(shí)間的1.5-2倍，但可以得到非常好的效果。目前在多個(gè)測(cè)試集上得到了領(lǐng)先的結(jié)果。

AI企業(yè)發(fā)展到后期，一定要聚焦、一定要做重、一定要控制好成本、一定要深入行業(yè)。如果還靠著不斷招人、發(fā)論文，也許估值會(huì)越來越高，但后期也一定會(huì)跌得越慘。

—— 云從科技聯(lián)合創(chuàng)始人溫浩

目前行業(yè)有個(gè)通?。簩?duì)于學(xué)術(shù)的看重好像勝于一切。

如果AI公司能夠靠著科學(xué)家團(tuán)隊(duì)走出來，當(dāng)年微軟亞研基本覆蓋了中國AI圈的大半壁江山，后面的結(jié)果大家也看到了；再比如Google X部門 ,全球技術(shù)大牛云集，后面的產(chǎn)品做得好嗎？銷售了幾臺(tái)？

通過微軟亞研和GoogleX的例子可以表明：技術(shù)不是一切，通過大批學(xué)術(shù)人才去落地產(chǎn)品根本行不通，技術(shù)好不代表產(chǎn)品好，但產(chǎn)品好一定要求技術(shù)好。

在今天這一節(jié)點(diǎn)上，包括云從在內(nèi)，或許并不應(yīng)該太過關(guān)心技術(shù)的領(lǐng)先性，也非利用技術(shù)賺取多大的利潤，而是在業(yè)務(wù)線和技術(shù)體系無限擴(kuò)大、無限縱深時(shí)，如何管理好N個(gè)愈加獨(dú)立的行業(yè)事業(yè)部和數(shù)千人團(tuán)隊(duì)，是我們需要過的第一道難關(guān)。

文明的變遷靠的是科技的推動(dòng)，科技推動(dòng)就是基礎(chǔ)設(shè)施的革命；基礎(chǔ)設(shè)施提升的關(guān)鍵在于：提升一個(gè)區(qū)域或者一個(gè)城市的智能密度。

—— 依圖科技聯(lián)合創(chuàng)始人朱瓏

智能密度可以分為兩個(gè)維度考量：

宏觀上，要從單體的機(jī)器智能到群體的智能。比如說一個(gè)攝像頭能夠識(shí)別人臉的數(shù)量從100個(gè)到1000個(gè)、1萬個(gè)。而且這1萬個(gè)攝像頭能夠相互交流，互相對(duì)話，并且它們識(shí)別出來的信息是可決策的。

微觀上，單個(gè)計(jì)算機(jī)能夠支撐的智能算力要足夠大，這里的智能算力不是簡(jiǎn)單的機(jī)器算力。

高級(jí)的算法可以用更少的機(jī)器算力實(shí)現(xiàn)更高的智能?？傊核懔退惴▋烧邲Q定了智能的密度，而提升智能密度是普及AI的關(guān)鍵。

從感知智能到認(rèn)知智能，未來還會(huì)出現(xiàn)一個(gè)新物種：機(jī)器智能，它會(huì)慢慢地具備人類的智能。

機(jī)器智能的發(fā)展可以分成幾個(gè)階段：1、記錄功能，沒有任何的識(shí)別能力；2、可識(shí)別，比如說攝像頭能夠識(shí)別人臉；3、可關(guān)聯(lián)，不同攝像頭之間識(shí)別出來的信息之間的關(guān)系是什么？怎么判斷？4、可預(yù)測(cè)、可預(yù)判；5、可規(guī)劃。

隨著數(shù)據(jù)、算法、存儲(chǔ)、算力和傳輸?shù)然A(chǔ)設(shè)施的不斷提升，AI在未來幾年會(huì)有更為革命性的發(fā)展，讓智能文明社會(huì)加速到來。

唯有用“最有效的算法+最經(jīng)濟(jì)的軟硬體”解決客戶的剛需，才能在AI高速發(fā)展的今天形成敏捷而有價(jià)值的運(yùn)營模式。

—— 澎思科技首席科學(xué)家、新加坡研究院院長(zhǎng)申省梅

科技產(chǎn)業(yè)從萌芽到成熟，往往需要經(jīng)歷四個(gè)階段：技術(shù)、系統(tǒng)、產(chǎn)品、運(yùn)營?；ヂ?lián)網(wǎng)已走到第三階段，而AI還處于第二到第三階段的過渡階段。

在各個(gè)階段轉(zhuǎn)換的過程中，行業(yè)會(huì)發(fā)生非常大的變數(shù)，每一家公司都可能會(huì)贏，每一家公司也都可能會(huì)輸。

AI技術(shù)還有很多空間需要提升，現(xiàn)在基本上還處于監(jiān)督學(xué)習(xí)，依賴大量的標(biāo)注數(shù)據(jù)，半監(jiān)督無監(jiān)督學(xué)習(xí)以及增強(qiáng)學(xué)習(xí)還沒有看到成熟的應(yīng)用，像大腦具有全面認(rèn)智推理功能的技術(shù)還在研究當(dāng)中。

而這些，都是后深度學(xué)習(xí)時(shí)代下，AI創(chuàng)業(yè)公司的機(jī)會(huì)所在。

AI芯片發(fā)展后期，客戶關(guān)注的一定是真實(shí)場(chǎng)景下的綜合效果，而不僅僅是計(jì)算加速。

—— 觸景無限CEO肖洪波

通用型AI芯片在實(shí)際應(yīng)用過程中，會(huì)遇到四個(gè)問題：

一、通用型AI芯片無法和數(shù)據(jù)產(chǎn)生高效、深度連接。專用AI芯片通常針對(duì)某些場(chǎng)景做定制化處理，對(duì)于數(shù)據(jù)的理解、分析、處理更為透徹、精準(zhǔn)。

二、通用型AI芯片無法與市場(chǎng)產(chǎn)生緊密耦合。通用芯片的作業(yè)模式是1對(duì)N，很難與部分市場(chǎng)環(huán)境產(chǎn)生強(qiáng)粘合關(guān)系，無法強(qiáng)聚焦。

三、通用型AI芯片缺乏優(yōu)質(zhì)算法。芯片是框架、算法是靈魂，沒有靈魂的框架難以產(chǎn)生足夠價(jià)值，必須借助和算法強(qiáng)粘合的專用AI芯片才能實(shí)現(xiàn)潛在潛能。

四、通用型AI芯片功耗過大、對(duì)溫度等環(huán)境因素敏感度不夠。前端感知對(duì)功耗、散熱的要求很高，需要做到極致；另外，產(chǎn)品落地不僅僅是技術(shù)問題而是工程問題，比如外界氣候、溫度等都會(huì)成為關(guān)鍵因素。

AI加速只是前端落地應(yīng)用需求的一個(gè)點(diǎn)，經(jīng)過長(zhǎng)時(shí)間打磨的AI加速芯片產(chǎn)品，應(yīng)用于前端后的效果依然不佳。

類比一條公路，AI芯片的集成好比是鋪上了柏油，但車輛通行時(shí)除了對(duì)于路面的高要求，還有對(duì)于路牌、路標(biāo)、服務(wù)區(qū)的需求，而這些在實(shí)際過程中，都得不到很好滿足。

先活下去，再談未來

—— 力維智聯(lián)董事長(zhǎng)徐明

不同于其他行業(yè)，安防行業(yè)有其自身獨(dú)特性，需要全盤了解才能在這個(gè)行業(yè)更好地走下去。

對(duì)于大型企業(yè)來說，最終的競(jìng)爭(zhēng)體現(xiàn)在機(jī)制體制的競(jìng)爭(zhēng)，誰的機(jī)制體制更完善，誰就能在這場(chǎng)戰(zhàn)爭(zhēng)中獲得勝利。

而對(duì)于大多數(shù)中小型企業(yè)來說，必須要有自己非常清晰的戰(zhàn)略規(guī)劃。很多時(shí)候，大人打架，遭殃的是小孩。

在徐明看來，安防產(chǎn)業(yè)鏈冗長(zhǎng)且繁雜，縱橫交錯(cuò)，唯有強(qiáng)強(qiáng)聯(lián)手才能走得更遠(yuǎn)。

另外，一個(gè)企業(yè)在發(fā)展過程中難免犯錯(cuò)，力維要像頂尖互聯(lián)網(wǎng)公司一樣，對(duì)技術(shù)、市場(chǎng)、產(chǎn)品保持充分敏感，錯(cuò)了要趕快改，盡最大可能將技術(shù)與場(chǎng)景結(jié)合，為客戶產(chǎn)生價(jià)值、盡最大可能打磨技術(shù)、落地產(chǎn)品。

做得好人臉識(shí)別技術(shù)，不代表人工智能解決方案就做得好，人工智能解決方案做得好，不代表智慧場(chǎng)景就做得符合用戶的實(shí)際需求。

—— 千視通聯(lián)合創(chuàng)始人、CTO兼首席科學(xué)家胡大鵬

很多人認(rèn)為，人臉識(shí)別、大數(shù)據(jù)技術(shù)現(xiàn)在很多AI企業(yè)都可以做，并且準(zhǔn)確率都很高，難度不大。這個(gè)說法并無大的邏輯錯(cuò)誤，深度學(xué)習(xí)技術(shù)日益成熟的今天，識(shí)別技術(shù)對(duì)人臉的判斷并不難實(shí)現(xiàn)。

但是，做得好人臉識(shí)別技術(shù)，不代表人工智能解決方案就做得好，人工智能解決方案做得好，不代表智慧場(chǎng)景就做得符合用戶的實(shí)際需求。

初創(chuàng)型AI企業(yè)，要么不做，要做就得做好、做細(xì)。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。