2019 年即将翻页，外界纷繁议论各式各样的”冬天”之际，到哪里寻找以技术进步为底色的”下一个春天”？
仍有一些场合最密集地聚合了一批创造”春天”的人。例如在计算机视觉领域的国际计算机视觉大会 ICCV。
10 月 27 日-11 月 2 日，最新一届 ICCV 在韩国举行，参会人数较去年暴涨 2.41 倍达 7501 人，接收到的论文数量也是上一届的 2 倍多。全球各地的计算机视觉学者在会场中你来我往、摩拳擦掌，共同推进计算机视觉的交流和落地，展现着这个领域旺盛的生命力。
回顾计算机视觉技术的发展，从 2012 年的 ImageNet 深度学习一鸣惊人、到 Ian Goodfellow 一夜灵感带来 GAN 的问世，这个领域似乎经历过不少堪称”如有神迹”般的时刻，现如今行至 AI 最热门研究和应用方向的地位，更持久的创造力将在于更大范围的协同创新。
这个判断反映在参会的中国 AI 视觉公司商汤身上，他们变得更忙了：
图丨商汤在 ICCV 主办的 SenseTime PartyTime（来源：商汤）
今年，商汤及其联合实验室共有 57 篇论文入选 ICCV 2019（包含 11 篇 Oral），同时在 Open Images、COCO、LVIS 等 13 项重要竞赛中夺冠。成绩刷榜之外，商汤还在 ICCV 2019 期间组织或参与主办了多个 Challenge 及 Workshop。
一个更重要的变化是，其在创新生态发展上效果初显：由商汤及联合实验室研究团队去年发布的开源物体检测框架 MMDetection，在今年各大比赛中被众多参赛队伍广泛使用，Open Images、COCO、LVIS、Mapillary 等比赛中的多支获奖队伍都使用 MMDetection 作为基准代码库，团队去年提出的 HTC、Guided Anchoring 等方法也成为今年诸多队伍的关键助力。
那么，商汤为什么让自己这么忙？
图丨商汤科技联合创始人、研究院院长王晓刚（来源：商汤）
“商汤的研究一定是多元的，创新也是无边界的”，近日，商汤科技联合创始人、研究院院长王晓刚在接受 DeepTech 采访时如此表示。他曾师从汤晓鸥，2009 年加入港中大多媒体实验室，现为商汤研究院院长。
他认为，接下来商汤要想在人工智能领域持续输出创新技术，仅仅靠自身的研发力量是不够的。事实上，汤晓鸥也在多个公开场合表示过，商汤将是一个平台型公司。而平台型公司往往需要非常强的产品推陈出新能力，需要持续的创新技术傍身。
为此，商汤正在构建一个新的 AI 创新生态。在这个生态中，有三个层次的主力人群：商汤内部的研究团队、港中大-商汤联合实验室、以及与商汤有合作关系的全球顶尖大学。
从 2017 年的 30 亿估值、2018 年的 45 亿估值、再到 2019 年的 70 亿估值，如果说多轮融资的节奏串起商汤发展的”明线”，那么，在这条明线之下，商汤庞大的研究版图扩张则是另一条重要的”暗线”，事关这家公司人工智能技术创新的真正源头和边界所在。
接下来的一段时间内，这条”暗线”上的新悬念是：以商汤公司为核心的”创新生态试验场”，将如何打破企业缺人才、学校缺老师、科研缺经费的 AI 领域边界层层的”怪圈”？又会给商汤这家行业焦点公司带来怎样的机会和挑战？
7 年前新加坡视觉检测公司，这个方向的创新宛如”黑胡同中行走”
事实上，商汤的科学家创业故事，本身就是一个关于学院派”破圈”的范本。
2011 年新加坡视觉检测公司，深度学习还没有如此家喻户晓时，以汤晓鸥和王晓刚为首的港中大多媒体实验室团队率先开始关注深度学习技术，是国内最早开始关注深度学习的团队之一，甚至比 DeepMind 还早两年专注于深度学习的研究。港中大多媒体实验室由汤晓鸥于 2001 年创办，被认为是”CV 界黄埔军校”。2012 年整个 CVPR 接收的论文之中，只有两篇和深度学习有关，皆出自该实验室。到了 2013 年，另一顶会 ICCV 有 8 篇深度学习相关的论文，港中大多媒体实验室更是贡献了 6 篇。
但这些研究具体将怎么改变这个世界，答案远不如现在清晰。团队发表相应的论文，也多为非常纯粹的兴趣驱动型的学术研究。
“当时在做这件事情，就相当于你在一个黑的胡同里走，你本就不知道前面什么时候能够走出来。深度学习究竟能够做到一个什么样的一个程度，其实是没人知道的”，王晓刚如此形容。
无独有偶，同样是在 2012 年，世界范围内的一大标志性事件照亮了这个方向——Hinton 团队开发的 AlexNet 算法获得了图像识别的突破，并在当年 ImageNet 比赛夺冠。那次比赛也是业界公认的深度学习技术走向成熟的一大里程碑。
而对于港中大多媒体实验室来说，其计算机视觉研究则在 2014 年迎来”量变到质变”的节点：商汤团队自主研发的人脸识别算法全球首次超越人眼识别准确率，这意味着计算机视觉达到了工业应用的红线，有了商业化落地的可能。
计算机超过人眼，这样的里程碑事件让嗅觉敏感的投资人非常兴奋，2014 年 10 月，商汤科技在香港科技园内正式成立。后来，多媒体实验室研究深度学习的几位关键人物，构成了商汤研究的核心团队，包括研究院院长王晓刚、港中文-商汤联合实验室主任林达华教授等。
以技术从实验室诞生到落地产业的视角来看，2012~2014 年期间，团队的重心非常纯粹地放在学术突破上。商汤成立之后，团队还持续参加着几项主流的计算机视觉挑战赛，因为算法虽然超过人眼，但距离真正的产业化价值仍有很大的优化空间，他们也需要以这种方式去持续向外界证明这种技术的领先性和团队实力。
“我们连续参加了三年计算机视觉领域难度最大的挑战赛 ImageNet，14 年的时候我们是第二名，谷歌是第一名，15 年的时候商汤得了一项冠军，16 年得到了 3 项冠军。
这 3 年的时间里，因为计算机视觉大规模落地还没有发生，我们怎么去证明自己这样的一个新技术的领先性以及技术实力？当时还是通过参加这样的世界级的人脸识别比赛去展现技术的竞争力”，王晓刚解读到。
进入产业后才发现，AI 创新被”消化”掉的速度之快
2016 年以后，由于整个视觉算法的突破越来越多、GPU 为代表的高性能算力到位、以及大数据的稳定积累，几大要素历史性地汇聚成一股力量，显著推动深度学习进入落地应用潮。
王晓刚也是在那时候起负责商汤的技术研究。但此时商汤所做的研究又和在港中大实验室中有了很大不同，因为从互联网金融场景简单的网上人脸注册再到手机端上的人脸识别，计算机视觉的大规模落地征兆开始显现。
例如，当时手机厂商已经注意到在手机上应用深度学习的机会。但 AI 技术从实验室进入到手机，手机其实对算法的创新性和实际体验要求特别高，”需要团队不停地有新技术出来”。
换句话说，商汤的创始团队在计算机视觉这个方向上纵然有近 20 年的创新积累，但它此前在市场上是从未验证过的，它究竟能不能跑的通是存疑的。
而且，市场是很挑剔的，对技术创新的需求也是非常迫切的。长期研究孵化出的科技创新所带来的差异化机会，很快就被推向市场，同时市场提出更多的新需求。这就导致新的技术从实验室应用到产业中，它实际上还需要更多的创新，而且创新的节奏要高于单纯的学术研究。
图丨商汤科技联合创始人、港中文-商汤联合实验室主任林达华教授（来源：商汤）
商汤科技联合创始人、港中文-商汤联合实验室主任林达华教授对此深有体会。他也是商汤的核心人物，现为香港中文大学-商汤科技联合实验室主任，与汤晓鸥和王晓刚一样拥有麻省理工学院背景，是带领联合实验室团队征战学术顶会的核心人物。
但这位学术界的大牛评价研究的价值似乎不那么”学院派”。”学术界想象的需要解决的问题，跟真正产业落地需要解决的问题，是有很大的区别的。研究论文可以做得很漂亮，但最后却可能没有什么应用的价值”，他在接受 DeepTech 采访时如此表示。
“在 AI 落地产业的过程中，我们不仅需要算法上的创新，特别重要的是找到行业真正的挑战”，他说，”商汤在广泛落地的实践过程中，接触很多不同的行业，因此可以接触到真正的需求和痛点。我们由此会发现一些学术界此前根本就没有关注到的一些事情”。
在寻找行业真正挑战的过程中，一个发生在商汤科学家身上有趣的变化是，发顶会论文给商汤科学家带来的快感，已经远远不如合作厂商的发布会上公开其视觉算法”Powered by SenseTime”的那一刻。
如果说过去这群人的春晚是业内的顶会，那么现在，合作厂商的发布会已取而代之，成为这些科学家的新”春晚”。
“不能仅仅停留在 AI 落地本身”
现在整个 AI 领域，也有越来越多的声音认为，工业界对未来新技术挑战的判断对学术界来说是非常有价值的，这也是除了企业要给大学提供研究经费以外，大学愿意和企业合作的原因。
对于工业界来说，他们最大的诉求便在于，学术界抽象的创新思维能够给工业界具象的技术问题带来更好的解决方案。
具体到商汤自身的发展上，相比一些采用开源框架的 AI 企业，商汤一方面强调使用自己研发的底层技术，一方面也已从早期的人脸识别中跳脱出来，在多个领域进行技术研发，布局的核心技术边界已经涵盖人脸技术、深度学习框架、图像识别、文字识别、图像视频编辑、3D 视觉、增强现实、自动驾驶、智慧健康等等。
同时公司落地的业务线也呈现出不断突破边界的态势。恐怕很少有新创公司比他们更迫切地希望”找到更多行业真正的挑战”并解决之。
换句话说，这家继承了港中大多媒体实验室创新基因的公司，对于 AI 创新的渴望又到了新的高度。
那么，找到行业真正的挑战之后，商汤真的就能解决这些问题吗？
这个问题也正是商汤眼下建立全球 AI 创新生态的出发点。在这个创新版图中，”解决行业真正挑战”的三股主要力量分别是：商汤内部的研究团队，和港中大共建的港中大-商汤科技联合实验室、以及与商汤有合作关系的大学。
其中，商汤自身的研究团队将主攻更靠近业务线的技术突破，港中大-商汤科技联合实验室负责将单点的工业技术问题抽象成更具普适性的底层算法问题，并和商汤同步最前沿的算法基础创新研究，而合作高校则定位在将其特色的基础研究方向与商汤的业务形成优势互补。
在最后一点上，商汤与浙江大学建立的联合实验室是一个很好的案例。
发布者：sgadmin，本文为作者独立观点，不代表本站立场。转载请注明出处：https://www.sgstarting.com/archives/18904
