最近花了些时间在研究“人工智能”的议题，目的在于“了解此技术革命，甚至预判人工智能在商用领域的应用状况”。当然，还有对自己下阶段的职涯选择做些功课。
虽然我并非电资背景，也不是技术岗位，但有着数年的工程背景，以及网路资讯科技业的涉略，对于“技术革命”带给我们的影响，是非常有兴趣的。
人工智能（AI+）不单单只是一种技术
一般大众可能会认为“人工智能是一项艰涩的技术”，难以了解。确实，它的确包含了大数据的广泛应用、深度学习、机器学习、神经网路…等统计、程式设计与概率学科的结合。
不过可以放心的是，我这一篇不会去讲“艰涩难懂得技术”，而是来谈谈我更感兴趣的
“当技术推进到一定的门槛时，如何落地产生变革？”
当 AI 的应用已经侵入“预测犯罪”，或者生活上的各个面向，如音乐推荐、新闻广告，银行等金融业服务。技术的进步，总会带来一些惊讶与恐慌，就像当时人们开始接触网路时，也是惧怕与好奇参差着。
不过我相信，所有新技术最大的价值，在于了解之后为人类所用。
以 ToB 金融商业应用流程为例，了解人工智能的技术落地
2018 年，中国大量出现“人脸识别”的技术应用，例如：农业银行的刷脸取款、建设银行的无人值守校园e银行、杭州肯德基的刷脸支付…等。让整个支付过程不超过 10 秒，也让大众对于人工智能的商业应用有了更多期待。
其实，人工智能在支付的商业应用，并非指“人脸识别技术本身”，而是将识别技术透过不同的解决方案，以及其他技术的叠加而成，来解决金融行业的业务场景下的实际需求。
经过研究调查后，多方资料显示，人脸辨识的核心技术能力不在于算法本身，而在于对场景的深耕研究。
再具体一点来说，人脸识别技术，大多以特定的场景为基础，透过一定的设计、测试与生产等商业手段，将不同的人脸识别的技术进行重新的排列组合，最终输出符合该金融行业的需求的产品。
我们先来看看这一块“未来的饼”，有多大？
先以金融行业为例。
智能金融的未来商业前景？
根据网路上可以查到的资料，中国目前有 6 大国有银行(中农工建交邮)，12 家股份制商业银行，144 家城市商业银行，212 家农村商业银行，190 家农村合作银行，2265 家农村信用社，4 家金融资产管理公司，40 家外资法人金融机构，66 家信托公司，127 家企业集团财务公司，18 家金融租赁公司。4 家货币经纪公司，14 家汽车金融公司，4 家消费金融公司，635 家村镇银行，10 家贷款公司以及 46 家农村资金互助社，这是个超过千亿级别的巨大市场。
而、旷视、依图、商汤和云从，是目前对岸人脸识别技术在金融行业的应用最早和最为成熟的企业，目前的商业合作伙伴如下表：
人工智能在金融行业的 ToB 商业流程
根据过往在 ToB 行业的经验，以及查询的相关资料，大约可以分为三步骤：
1.“私有云部属”
这一步是基本配备，在这种高资安与资讯管理需求的金融行业中，而除了单笔的部属费用外，还能每年定期收取维护费用。
2.“深度挖掘需求，实施硬体的客制化改造”
以中国建设银行的校园e银行为案例，将“人脸识别”这人工智能技术进行商业展开，设计“刷脸购物”、“互动型娱乐”，或者其他的产品方案，最终达到“无人机台、高互动、高效率、优良体验、高导购”等优势。
而这里的“高效率”，包含两个层面，一是任务的反应速度，人脸识别可以将过往繁琐因人为因素而缓慢的流程加快，平均可达到 2 秒验证；二是透过人工智能的技术与后台进行数据上的无缝衔接，缩短至各平台的中间流程。
3.“沉浸行业，以数据为基底提升服务”
人脸识别在应用之余也同步在行业内沉淀了大量数据，而“数据就是金钱”这一点在未来的必然趋势，我想已不必多说。
将这些人脸数据结合大数据，可以达到 VIP 迎宾服务，或者精准营销等业务流程上的服务优化，进一步提升用户体验。
“我对于人工智能的认知，在金融行业确实能取代一部分人力，但只是冗余的、低技术门槛的人力。”——云从科技品宣部总监徐超。
在人力成本越来越高的金融业，24 小时营业的无人值守的服务当然对于企业的吸引力非常大，机器可以 24 小时在线，而人力则有着轮班和调休的成本和风险。人工智能的商业应用若全面落地，将提高绩效和产出，并减少其人力成本。
人工智能的技术发展至今，已经逐渐成熟可以进入到各个商业场景中落地实践。越来越多纯技术的企业，已从技术研发，进一步扩展到软硬体结合、提供售后服务与商业策略来打造“全产业链”，来实现挖掘场景、快速响应的商业落地目的。
在未来，透过人工智能技术提高大数据分析能力、数据精准度、增强用户黏度和品牌忠诚度，成为各个企业与机构共同关注的问题。
人脸辨识（人工智能技术）面临的商业难题？
上述的四间企业，也就是现在主要的“人脸识别技术提供商”，要面临的难题是，人脸识别技术“本身很难构成一项单独的应用”，必须与其他业务或者产品结合。
也就是本篇的核心：“技术要如何落地？”
举例来说，“技术+摄像头”，成为“智能视频监控设备”。或者与传统支付产品结合，在密码上再加一层人脸辨识验证，才能在“特定场景中形成具有商业价值的应用”。因此，我们看到了这几家人脸识别技术供应商，纷纷与在安防等领域具备“场景纵深的企业深度合作”。
e.g.
商汤科技与安防上市公司东方网力成立合资公司深网视界，利用双方优势推动人脸识别技术在安防产业的落地；另外还有云从科技绑定智慧城市上市公司佳都科技；依图科技和传统身份识别领域解决方案神思电子的案例，当然少不了旷视科技自身的阿里系背景，毕竟单靠技术算法本身，在缺乏场景深耕的情况下是难以有所作为的。
也就是说，人脸识别技术提供商与实际商用场景之间，存在一定的距离，纯技术的公司往往缺乏对于场景需求的深入挖掘，因此难以获得升级。
这些供应商，不得不透过其他产品的商业需求，或者随着技术的推进，嗅出“潜在的新需求”，将技术客制化配合场景，获取数据，有效地对于特定场景进行深耕，获得整体的质变。
最后，当我们拥有“场景+技术”这两个视角，才能较深度去抓住人工智能（AI+）的未来机会，以及有逻辑地观察人工智能的公司走向：
1. 该企业是否具备人脸识别应用场景深耕的专业？或者能与具备场景的企业商务合作（BD）的能力？
2. 该合作是否能在具体场景中取得商业化突破，并转化为具体的利润收入来源？
3. 回到算法技术本身，除了传统计算机视觉技术外，是否能取得技术的突破，这点可从各公司发表的论文主题及质量上调研得出。
人工智能（AI）是一项技术，但人工智能的落地应用（AI+）才是我们急需审视思考的技术革命课题与机会，无论是日本的类人机器人路线，还是中国与美国的无固定形态人工智能路线，在技术研发、BD 和业务落地之间，我们必须找到一个平衡点。
由此可推论，人脸识别已经成为 BAT 与海康……等多方面场景应用的互联网巨头的下一个重要战场。
一项由技术驱动，但核心在于“场景革命业务”的比拼正在激烈发生着。
嗨！谢谢你看到了最后！
若喜欢我在简书分享的内容，欢迎按下「喜欢」，給我一些回饋，我有些成就感继续分享吧！
