close
高雄汽車借款 高雄支票票貼 高雄大額融資
2017 年 10 月 31 日,中國人工智慧創業公司曠視科技 Face++ (下簡稱曠視)宣布正式完成 C 輪 4.6 億美金融資,本輪由中國國有資本風險投資基金(簡稱「國風投」)領投,螞蟻金服、富士康集團聯合領投。本輪融資由 C1、C2 兩輪構成,同時引入包括中俄戰略投資基金、陽光保險集團、SK 集團等新的重要投資者,騰達資本作為本輪融資獨家財務顧問。
在宣傳稿中提到,這一數字打破了國際範圍內人工智慧領域融資紀錄。
4.6 億美金,是繼 5 月依圖科技 3.8 億人民幣 C 輪融資、 7 月商湯科技 4.1 億美元 B 輪融資之後,又一筆計算機視覺領域創業公司的大額融資。根據公開資料,在該輪融資前,成立於 2011 年的曠視,曾在2012年8月獲得聯想之星和聯想創投天使投資,於 2013年獲得創新工場 A 輪投資;2015 年獲得來自創新工場、啟明創投的 B 輪融資;2016 年,獲得建銀國際、富士康集團的 B+ 融資。
完成這次融資之後,曠視會進一步強化在金融安全、城市安防領域的投入,加快在城市綜合大腦及手機智能領域的技術落地。「在業務方向,我們希望能夠把以往各個單獨領域的智能應用做到城市級別,因此,和很多中國重要的城市不僅簽訂了落戶協議,還有智慧城市聯合建設等合作,其中還包括一個機器人研發製造基地。」曠視市場副總裁謝憶楠對機器之心說。
在早前的採訪中,去年 7 月加入曠視任首席科學家的孫劍也曾提到,公司已經向機器人行業提供硬體模組、內置演算法。下一步會研究它的身體部分、手的部分、腿的部分,甚至是做完整的機器人。
作為中國最早一批投身人工智慧的公司,曠視依託自主研發的深度學習引擎 MegBrain 實現了人工智慧技術工程化、產品化和產業化。但商業化初見成果、融資額一路高漲、公司數量膨脹,並不足以驗證風口上的人工智慧已經走在整個產業的快車道。「人工智慧的周期和路徑也許是一個非常長期的革命。」曠視科技聯合創始人兼 CEO 印奇曾在公開場合表達過對行業發展環境的看法,「我們判斷如果行業能夠從人臉(的識別)部分(推進)到決策部分,從 2011 年算起至少需要十年,現在是我們創業的第六年,而我們最大的感覺是真實進展情況比我們預估的延長了一到兩年時間。」
尋找 AI 到達產業的「最後一公里」
事實上,從 2011 年公司起步,實現商業化的醞釀就已經開始。當時的曠視更多談到的是演算法,在去挖掘應用機會的時候,公司構建了一個免費的技術平台「 Face++ 」,並把它開放給開發者。
在印奇看來,這個平台還稱不上是人工智慧公司的重要形態,只是跨過了為行業應用方提供深度學習能力這一步,真正用 AI 驅動新行業的發展與行業深度結合,幫助這些應用方在同行業中形成差異化壁壘,比如新金融、新安防,才能真正發揮人工智慧公司的價值。
在過去 2-3 年時間,曠視聚焦金融和安防兩大應用場景,研究人工智慧在其中的應用價值。由此,也實現了頗多商業化成果轉化:
簡單來說,曠視的商業化路徑主要圍繞「刷臉」,讓人的「身份」與「行為」數據可以被感知和分析,從而實現從技術研發、產品化到商業化。覆蓋線上支付到線下的交通等安防場景,從地鐵、飛機場、火車站都分佈其動態識別系統。
在具體產品方面,「智能雲」和「智能互聯」是公司的核心。從實際應用數據來看,截至 2017 年 6 月底,曠視核心技術已經累計推動 5 億台設備實現智能化,並為這些設備提供了超過 200 億次的智能服務。
根據不同場景的業務需求,曠視提供的智能行業解決方案為全球 2.1 億人實現了遠程實名驗證服務、並為 25 省公安系統提供了實時警情數據服務,其中直接協助警方破獲案件達 1032 起,抓獲、控制的在逃人員超 2000 人。
在移動端,曠視提供的解決方案應用廣泛,從小米 Note 3 手機的人臉解鎖、金融級別防風險,到 vivo V7+ 人臉解鎖應用,以及支付寶金融級別的刷臉支付方案。
印奇曾反覆談到過,他的 「4 in 1」公式——演算法、軟體、硬體、數據,一個真正優秀的 AI+ 行業的公司不光要做硬體,還要一直做到數據層面,數據就包含行業解決方案。
從 2015 年,曠視開始涉足硬體推出了集成智能識別攝像頭,完成軟體到硬體的升級。截至目前,曠視共生產物聯網智能感知攝像頭 6 款,智能物流機器人 1 款,賦能 25 家商用服務機器人識別能力。並為中信銀行、阿里巴巴集團、滴滴出行、東軟集團、凱德集團、富士康集團、公安部第一研究所等在內 800 余家政企單位提供了智能化的產品和服務。
按照包含演算法、軟體、硬體和數據的「4 in 1」公式,印奇認為,人工智慧公司要遵循的可能是一個非常重的產業互聯網打法,「所以這裡面我也並不覺得會有那麼多如雨後春筍般的 AI 創業機會。」
不過, AI 進入垂直行業時間不長競爭卻幾近白熱化,在包括安防、金融、醫療等可見的應用場景中,人工智慧創業公司扎堆,不少傳統產業公司也在不遺餘力地投資 AI 技術。對於如何從中爭奪足夠的市場空間,謝憶楠認為,「AI 與行業的結合屬於新興領域,所以做研究、演算法、底層數據的人都需要有產品精神和產品意識,並不是在學術領域提出更多可能和假設。技術的本質是解決行業問題,曠視不僅要做純粹技術上的絕對領先,也要做在行業、技術、產品方面的絕對領先,對於 AI 公司來說,這很難,但是必須要做。」
以深度學習為研究核心
實現商業化落地的背後,需要對技術的深度積累與沉澱。在印奇看來,這波人工智慧產業的本質仍由奮鬥技術驅動,深度學習為代表的人工智慧技術。而對曠視而言,技術的發展路徑則始終要遵循「4+2+X」,所謂「4+2+X」就是:
機器視覺領域四個最重要、最有商業價值的垂直門類:人臉識別,行人識別,車輛識別,以及文字識別;
「2」代表的是視覺和廣義機器人的兩個核心:手和腳。腳是自動駕駛、導航,手是大方向但真正興起還需要時間;
「X」是人工智慧定製化,深度學習技術最有吸引力的就是它能夠產生相對通用的演算法,所以在很多的細分領域,比如工業界裡面對材料的識別,都非常容易通過深度學習框架在較短時間對大量數據進行訓練而實現。
目前,曠視擁有國內外在申專利超過 440 件,是中國擁有人工智慧技術自主知識產權最多的企業之一。孫劍曾在接受機器之心採訪時提到曠視作為一家創業公司的貪心——不管是前沿技術的研究還是工程化,「(曠視)都要,而這也是最好的方式,我們付出很大精力和資源來研究和提升本質方法,本質方法的提升會傳導到產品上去,比如精度更高了、速度更快了。這方面不能短視,必須短期、中期、長期(目標)都有。」
孫劍表示,公司在研究方面主要在集中在四個視覺理解核心問題上:圖像分類、物體檢測、語義分割、和序列學習。研究的技術路線則一直是徹徹底底的深度學習:1)使用深度神經網路;2)盡最大可能使用端到端(end-to-end)學習。
和其他大部分人工智慧創業公司一樣,眾多研究成果離不開一支能力完整的頂尖人才團隊。曠視研究部門的第一批「戰士」來自於信息學競賽 ( NOI/IOI ) 和大學生程序設計競賽 ( ACM/ICPC ) 的選手們,此外,團隊背景方面也開始越來越多元化,「以前做視覺的,也有做機器學習的,既有研究基本問題的,也有專註特定應用的。」在孫劍看來,一個多樣性的環境也能幫助團隊看問題更全面。
由此,研究科學家和全棧人工智慧工程師,成為公司最為核心的兩個團隊培養方向。孫劍解釋說:「研究科學家主要聚焦在演算法上,尋求對問題的本質解,我們的培養目標是成為能獨當一面領域專家;全棧人工智慧工程師是我們內部的叫法,目的是培養即能上九天攬月(演算法設計和訓練),又能下五洋捉鱉(演算法的工程化,研究問題和方式系統化)的全能戰士,他們既能做 research , 又懂 system,能建系統、造輪子。」據官方描述,曠視團隊累計獲得國際人工智慧技術評測冠軍 10 余項;獲得國家、國際級信息學金獎人員超過 70 人次。
「我們知道人工智慧最終的結局可能很誘人,但是在到達終點之前人工智慧的發展還會有非常多次的迭代。所以本質上人工智慧創業和投資還是需要回歸到技術本身。」印奇在今年 6 月的一次行業大會上談到。
太平當鋪
參考資料:https://www.xcnnews.com/kj/1688054.html
Orignal From: 高額融資「狂歡」背後的曠視科技
2017 年 10 月 31 日,中國人工智慧創業公司曠視科技 Face++ (下簡稱曠視)宣布正式完成 C 輪 4.6 億美金融資,本輪由中國國有資本風險投資基金(簡稱「國風投」)領投,螞蟻金服、富士康集團聯合領投。本輪融資由 C1、C2 兩輪構成,同時引入包括中俄戰略投資基金、陽光保險集團、SK 集團等新的重要投資者,騰達資本作為本輪融資獨家財務顧問。
在宣傳稿中提到,這一數字打破了國際範圍內人工智慧領域融資紀錄。
4.6 億美金,是繼 5 月依圖科技 3.8 億人民幣 C 輪融資、 7 月商湯科技 4.1 億美元 B 輪融資之後,又一筆計算機視覺領域創業公司的大額融資。根據公開資料,在該輪融資前,成立於 2011 年的曠視,曾在2012年8月獲得聯想之星和聯想創投天使投資,於 2013年獲得創新工場 A 輪投資;2015 年獲得來自創新工場、啟明創投的 B 輪融資;2016 年,獲得建銀國際、富士康集團的 B+ 融資。
完成這次融資之後,曠視會進一步強化在金融安全、城市安防領域的投入,加快在城市綜合大腦及手機智能領域的技術落地。「在業務方向,我們希望能夠把以往各個單獨領域的智能應用做到城市級別,因此,和很多中國重要的城市不僅簽訂了落戶協議,還有智慧城市聯合建設等合作,其中還包括一個機器人研發製造基地。」曠視市場副總裁謝憶楠對機器之心說。
在早前的採訪中,去年 7 月加入曠視任首席科學家的孫劍也曾提到,公司已經向機器人行業提供硬體模組、內置演算法。下一步會研究它的身體部分、手的部分、腿的部分,甚至是做完整的機器人。
作為中國最早一批投身人工智慧的公司,曠視依託自主研發的深度學習引擎 MegBrain 實現了人工智慧技術工程化、產品化和產業化。但商業化初見成果、融資額一路高漲、公司數量膨脹,並不足以驗證風口上的人工智慧已經走在整個產業的快車道。「人工智慧的周期和路徑也許是一個非常長期的革命。」曠視科技聯合創始人兼 CEO 印奇曾在公開場合表達過對行業發展環境的看法,「我們判斷如果行業能夠從人臉(的識別)部分(推進)到決策部分,從 2011 年算起至少需要十年,現在是我們創業的第六年,而我們最大的感覺是真實進展情況比我們預估的延長了一到兩年時間。」
尋找 AI 到達產業的「最後一公里」
事實上,從 2011 年公司起步,實現商業化的醞釀就已經開始。當時的曠視更多談到的是演算法,在去挖掘應用機會的時候,公司構建了一個免費的技術平台「 Face++ 」,並把它開放給開發者。
在印奇看來,這個平台還稱不上是人工智慧公司的重要形態,只是跨過了為行業應用方提供深度學習能力這一步,真正用 AI 驅動新行業的發展與行業深度結合,幫助這些應用方在同行業中形成差異化壁壘,比如新金融、新安防,才能真正發揮人工智慧公司的價值。
在過去 2-3 年時間,曠視聚焦金融和安防兩大應用場景,研究人工智慧在其中的應用價值。由此,也實現了頗多商業化成果轉化:
簡單來說,曠視的商業化路徑主要圍繞「刷臉」,讓人的「身份」與「行為」數據可以被感知和分析,從而實現從技術研發、產品化到商業化。覆蓋線上支付到線下的交通等安防場景,從地鐵、飛機場、火車站都分佈其動態識別系統。
在具體產品方面,「智能雲」和「智能互聯」是公司的核心。從實際應用數據來看,截至 2017 年 6 月底,曠視核心技術已經累計推動 5 億台設備實現智能化,並為這些設備提供了超過 200 億次的智能服務。
根據不同場景的業務需求,曠視提供的智能行業解決方案為全球 2.1 億人實現了遠程實名驗證服務、並為 25 省公安系統提供了實時警情數據服務,其中直接協助警方破獲案件達 1032 起,抓獲、控制的在逃人員超 2000 人。
在移動端,曠視提供的解決方案應用廣泛,從小米 Note 3 手機的人臉解鎖、金融級別防風險,到 vivo V7+ 人臉解鎖應用,以及支付寶金融級別的刷臉支付方案。
印奇曾反覆談到過,他的 「4 in 1」公式——演算法、軟體、硬體、數據,一個真正優秀的 AI+ 行業的公司不光要做硬體,還要一直做到數據層面,數據就包含行業解決方案。
從 2015 年,曠視開始涉足硬體推出了集成智能識別攝像頭,完成軟體到硬體的升級。截至目前,曠視共生產物聯網智能感知攝像頭 6 款,智能物流機器人 1 款,賦能 25 家商用服務機器人識別能力。並為中信銀行、阿里巴巴集團、滴滴出行、東軟集團、凱德集團、富士康集團、公安部第一研究所等在內 800 余家政企單位提供了智能化的產品和服務。
按照包含演算法、軟體、硬體和數據的「4 in 1」公式,印奇認為,人工智慧公司要遵循的可能是一個非常重的產業互聯網打法,「所以這裡面我也並不覺得會有那麼多如雨後春筍般的 AI 創業機會。」
不過, AI 進入垂直行業時間不長競爭卻幾近白熱化,在包括安防、金融、醫療等可見的應用場景中,人工智慧創業公司扎堆,不少傳統產業公司也在不遺餘力地投資 AI 技術。對於如何從中爭奪足夠的市場空間,謝憶楠認為,「AI 與行業的結合屬於新興領域,所以做研究、演算法、底層數據的人都需要有產品精神和產品意識,並不是在學術領域提出更多可能和假設。技術的本質是解決行業問題,曠視不僅要做純粹技術上的絕對領先,也要做在行業、技術、產品方面的絕對領先,對於 AI 公司來說,這很難,但是必須要做。」
以深度學習為研究核心
實現商業化落地的背後,需要對技術的深度積累與沉澱。在印奇看來,這波人工智慧產業的本質仍由奮鬥技術驅動,深度學習為代表的人工智慧技術。而對曠視而言,技術的發展路徑則始終要遵循「4+2+X」,所謂「4+2+X」就是:
機器視覺領域四個最重要、最有商業價值的垂直門類:人臉識別,行人識別,車輛識別,以及文字識別;
「2」代表的是視覺和廣義機器人的兩個核心:手和腳。腳是自動駕駛、導航,手是大方向但真正興起還需要時間;
「X」是人工智慧定製化,深度學習技術最有吸引力的就是它能夠產生相對通用的演算法,所以在很多的細分領域,比如工業界裡面對材料的識別,都非常容易通過深度學習框架在較短時間對大量數據進行訓練而實現。
目前,曠視擁有國內外在申專利超過 440 件,是中國擁有人工智慧技術自主知識產權最多的企業之一。孫劍曾在接受機器之心採訪時提到曠視作為一家創業公司的貪心——不管是前沿技術的研究還是工程化,「(曠視)都要,而這也是最好的方式,我們付出很大精力和資源來研究和提升本質方法,本質方法的提升會傳導到產品上去,比如精度更高了、速度更快了。這方面不能短視,必須短期、中期、長期(目標)都有。」
孫劍表示,公司在研究方面主要在集中在四個視覺理解核心問題上:圖像分類、物體檢測、語義分割、和序列學習。研究的技術路線則一直是徹徹底底的深度學習:1)使用深度神經網路;2)盡最大可能使用端到端(end-to-end)學習。
和其他大部分人工智慧創業公司一樣,眾多研究成果離不開一支能力完整的頂尖人才團隊。曠視研究部門的第一批「戰士」來自於信息學競賽 ( NOI/IOI ) 和大學生程序設計競賽 ( ACM/ICPC ) 的選手們,此外,團隊背景方面也開始越來越多元化,「以前做視覺的,也有做機器學習的,既有研究基本問題的,也有專註特定應用的。」在孫劍看來,一個多樣性的環境也能幫助團隊看問題更全面。
由此,研究科學家和全棧人工智慧工程師,成為公司最為核心的兩個團隊培養方向。孫劍解釋說:「研究科學家主要聚焦在演算法上,尋求對問題的本質解,我們的培養目標是成為能獨當一面領域專家;全棧人工智慧工程師是我們內部的叫法,目的是培養即能上九天攬月(演算法設計和訓練),又能下五洋捉鱉(演算法的工程化,研究問題和方式系統化)的全能戰士,他們既能做 research , 又懂 system,能建系統、造輪子。」據官方描述,曠視團隊累計獲得國際人工智慧技術評測冠軍 10 余項;獲得國家、國際級信息學金獎人員超過 70 人次。
「我們知道人工智慧最終的結局可能很誘人,但是在到達終點之前人工智慧的發展還會有非常多次的迭代。所以本質上人工智慧創業和投資還是需要回歸到技術本身。」印奇在今年 6 月的一次行業大會上談到。
太平當鋪
參考資料:https://www.xcnnews.com/kj/1688054.html
Orignal From: 高額融資「狂歡」背後的曠視科技
全站熱搜
留言列表