图普科技CEO李明强：AI加持与互联网垃圾制造者对抗

2018年7月6-7日，首届全球人工智能创业者大会在深圳举行，主题是“智能先行共享世界”。站搜网作为受邀媒体之一也参与了本次大会，本次活动参会人员包括国内外著名专家学者和企业家，围绕人工智能的行业生态、前沿技术、发展趋势等议题进行深度交流

2018年7月6-7日，首届全球人工智能创业者大会在深圳举行，主题是“智能先行共享世界”。站搜网作为受邀媒体之一也参与了本次大会，本次活动参会人员包括国内外著名专家学者和企业家，围绕人工智能的行业生态、前沿技术、发展趋势等议题进行深度交流。

图普科技CEO李明强在本次活动上也发表了演讲。

站搜网解到，图普科技成立于2014年，是专注于图像识别的国家级人工智能高新技术企业，以图像识别技术落地应用见长。

图普科技已迅速落地包括图像智能审核、商业智能和安防教育三条业务线。公司目前已服务数百家客户，包括迅雷、小米、美图、秒拍、映客、名创优品、爱回收、OPPO、美的、金一珠宝等企业。

资料显示，李明强是原腾讯广研张小龙团队核心成员、腾讯T4技术专家，QQ邮箱技术负责人，微信创始团队成员之一。2014年初创办图普科技，现日均处理图像数据近10亿次。先后获得北极光创投数百万美元pre A轮融资和晨兴资本领投、北极光跟投的千万美元A轮融资。

值得一提的是，图普科技在国际权威海量人脸识别数据库MegaFace中，以99.087%的最新成绩在百万级别人脸识别测试中拔得头筹，参加这项测试的还有来自Google、微软中国、百度、腾讯等公司的AI团队。

以下是图普科技CEO李明强的演讲全文：

AI创业公司如何保持成长能力

谢谢深圳人工智能协会的邀请，我们研发的主要在广州，深圳，还有杭州，我们做了四年的图象云服务，虽然四年，但也是创业。我一开始做图象识别的服务，后来做互联网的服务，到现在做云服务，我们一直保持跨界，也不断迭代，如何保持创业公司不断的成长，我会分享我们近做的事情和相关的案例。

我们在2014年成立，已经有4年多的历史，获得了很多同行和政府的认可，在很多评选里我们都是名列前茅的。我们的理念是仰望星空，脚踏实地，这和我们做云服务有关，而且我们非常强调产品和落地的团队。因为我是从实业出来的，我很多时间是在互联网企业，总想着做出什么样的产品给人用。所以我们做海量级别服务的时候，我们不光强调算法。前面李教授也提到，我们在过程要处理很多复杂的问题，我们的海量图象识别云服务更复杂。比如全网的调度，不同地方的网络怎么办？要在不中断服务的情况不停更换自己的服务，特别是互联网的很多服务，我们有一个场景是帮助别人替代互联网的建防师，原先建防是很低端的行业，每一个互联网公司需要做内容审核，把有害的内容筛选，这样的情况下，所以我们的算法要不断的迭代，升级，优化，和一般做安防的不太一样，因为安防的问题比较标准，用户完整用过以后，可能一年半年升级一下，但升级也是标准问题。但是我们的问题不是标准的问题，因为我们要和互联网垃圾者对抗的话，色情，暴力，所以我们的人工智能模型，一开始要做到好，包括企业的生存问题。

我们每天处理的数据量也非常大，所以我们对数据量管控来说的话，没有这么好的数据管控能力的话，我们很快被海量的数据淹没，然后在大量的数据你怎么样找到有效的数据。比如我们拿到一亿的数据很容易，但是李教授也说了，

海量数据要有标准数据，并且是有难度的，才能把复杂的情况都能够覆盖，这种数据才是有效的数据。所以到一定量级以后怎么样找有效的数据才是困难的事情。所以我们觉得算法很重要，特别是我们做的和用户长久服务的事情，如果掉线得久，很多客户的正常服务就会终止，因为我们的服务是实时的，是跟企业客户的绑定在一起的。但不是说我们图象识别的算法不好，一个是我们图象识别的算法覆盖到互联网图象识别各个方面，我们有几百个图象分类的能力，几十个图象检测的能力，从人脸识别，图象搜索，从各种物体识别制造OCR，这些地方在我们云服务上都是具备的，而且可以上传调用。

我们在算法方面也是行业领先的，比如在人脸识别算法方面，我们在百万级别的MegaFace上面，也是榜单的第一名，去年年底的时候还是第二名，今年排名到第一，这都是我们的团队做出来的。在人图识别上，不一定看到人的正脸，有时候要从侧面和背影认识到这个人，这样就用到人图识别的技术，在权威的数据级也拿到了第一名。

我们现在有三条业务线，一条是互联网，一条是商业智能新零售，还有一条是安防教育。互联网上我们有大量的互联网客户，比如大的直播，大的下载网站，比如迅雷，花椒。我们从互联网图象识别基础的需求出发切入人工智能应用互联网的领域，做一个场景的切入点，现在提供增值方面的服务，帮助识别人和万事万物。在互联网这条线，也是不停的飞行，在今年也发布一个2.0的产品。其实我们做这个事情和很多标准的都不一样，既要算法落地，工程落地，还要紧抓客户的需求，这是非常困难的事情。比起确定性的，如无人驾驶还复杂，无人驾驶不像垃圾制造者专门和你对抗，我们面对的是99%的对抗，所以我们在互联网上一直在迭代优化。

新零售业务线，我们帮助新零售提供匹配，人货场的匹配。阿里定义新零售以消费者体验为中心的数据驱动，以消费者体验为中心，通常是互联网企业讲，数据驱动，其实像电商，或者我们和App的运营非常紧密。在传统零售里，有很多效率成本，但是注重成本这条路，很难拉出一个差距。我们会用AI的技术帮助新零售的企业，在各种的层面上分析。比如店外到店内，这个LOGO是数据基础的原理，我们帮助他们提升可以投射到数据上，实现赋能。从意义上讲，我们有85%的商业在线下，线下的消费是生产的后一环，可能经过运输物流，然后卖给消费者，这是整个行业要完成闭环很重要的作用是在后的商业环节，后交易的环节要完成很好的匹配，否则生产的环节会被拖累。我们在生产的环节提高效率，降低成本，减少低水平的重复劳动，我们会为这个社会，不单是为商业，而且为生产制造，研发，我们都赋能了很多，用AI赋能了很多价值。

我们会用AI的方式做店外的引流，比如根据年龄，性能，穿着打扮，出现相关的产品。比如我们放在名创优品的店，一般是家居主妇才会进，但是看我是上班的，会推荐靠腰的枕头，我可能会进店买，因为我不知道之前店里卖这种东西。通过这个我们就达成人货场匹配。我们还通过数据的手段做运营效率的辅助决策的数据，比如在门口放摄象头，看进店的人的属性。 我们还会通过行人识别分析到场的坪效，货效，比如哪些地方是热区，我们知道线下的门店，每一平方米的租金很贵，所以对每一个平方产生出来的销售额转化，尽量是越高越好，针对不同的业态，坪效有不同的生存线。我们通过分析就知道坪效是不是有效的去使用。我们想告诉零售的企业追求的数据是这样的，然后和你的商品是怎样的关系，人是怎么样行走的。 这是实际的例子，原数据没有形成报表之前，我们把现实中视频抽象出来是的数据。

OPPO的旗舰店里，OPPO的旗舰店一般是在中心区，对于商品的排布和行人的行走，对门店的运营是非常关键的因素。我们通过行人识别进行匹配，把行人抓出来，投射到平面上，看不同的人怎么样走。我们可以分析出客户怎么样走，店员怎么样走。 这是一个更加元素的数据我们分析出店员和非店员的顾客，因为有时候顾店员的行为会对客户造成很大的干扰，里面有很多人不停的穿插，这样的情况下进行人类的跟踪和辨别是非常有难度的。 我们是通过云服务的方式拓展到不同的行业，我们为什么扩展到不同的行业，因为相关大量的数据和搭建的平台服务都是可以共用，识别模型，使得我们扩展到不同的行业。

我们希望和客户发生长久的联系，而不是做一个项目，做完以后也不知道项目卖什么东西，我们知道云服务的价值一直在交换，比如我们进入到一个行业，我们会深耕到一个行业，然后产生出1.0价值，然后产生出2.0价值，3.0价值，而不是提供一个硬件服务，等着用户下一次购买。所以我们的商业模式可能和单纯提供算法和硬件的企业快一点，我们对产品和用户的价值的了解非常愿意做，因为我们觉得AI技术不是一个高大尚的事情，还是要到行业里，解决行业核心的问题。所以必然是从一个点切入，然后帮助行业不断解决痛点和难点的问题，所以解决痛点和难点的问题不是某一个硬件或者技术能解决的问题。

我们在教育安防也有相关人脸识别的服务器可以提供，也欢迎合作伙伴和我们合作，我们也可以把比较良好的方案提供给各位合作伙伴。 我的分享就到这里，谢谢大家。