從本科后半段到PhD期間，他們一直都在思考如何將所學(xué)技術(shù)做成有用的產(chǎn)品，也一直在考慮創(chuàng )業(yè)機會(huì )。
侯曉迪和郝佳男曾是人大附中同學(xué)，高中時(shí)兩人同班。本科畢業(yè)后，侯曉迪去了加州理工讀PhD，研究方向是計算與神經(jīng)系統，郝佳男則去了南洋理工大學(xué)攻讀博士學(xué)位，研究并行和分布式運算。從本科后半段到PhD期間，他們一直都在思考如何將所學(xué)技術(shù)做成有用的產(chǎn)品，也一直在考慮創(chuàng )業(yè)機會(huì )。
2014年，還在香港科技大學(xué)讀機器學(xué)習與計算機視覺(jué)PhD的王乃巖去美國訪(fǎng)問(wèn)，在那里認識了侯曉迪。經(jīng)過(guò)一段時(shí)間的交流，兩人在創(chuàng )業(yè)想法上達成了一致，于是王乃巖決定和他們一起創(chuàng )業(yè)。
而陳默的加入則是在去年初。作為一位連續創(chuàng )業(yè)者，陳默曾獨立創(chuàng )立運營(yíng)過(guò)三家公司，后成功出售并退出。多年的商務(wù)合作和投資經(jīng)驗，讓他在互聯(lián)網(wǎng)領(lǐng)域積累了廣泛的資源。
2015年8月，圖森互聯(lián)正式成立。陳默任CEO，負責公司的戰略、資金等事務(wù)。侯曉迪任CTO，帶領(lǐng)北美研究院團隊，王乃巖任首席科學(xué)家，帶領(lǐng)國內算法團隊，郝佳男任工程VP，帶領(lǐng)工程部門(mén)。
從去年成立至今，圖森一直在探索圖像識別技術(shù)的商業(yè)化方向。得益于新浪5000萬(wàn)A輪融資及相關(guān)資源的進(jìn)入，他們首先從新浪微博的廣告開(kāi)始做起。
圖像識別+廣告
圖森所做的事情是用圖片識別技術(shù)，為用戶(hù)瀏覽過(guò)的圖片打上關(guān)鍵詞標簽，讓廣告主找到最適合產(chǎn)品定位的投放廣告位，達到最佳的品牌傳播效果。比如在汽車(chē)廣告方面，圖森可以通過(guò)后端的圖像識別，為用戶(hù)之前瀏覽過(guò)的汽車(chē)圖片加上特定標簽，從而幫助汽車(chē)廣告商進(jìn)行更精準的定位。
除了精細化廣告定位，圖森還用圖像識別技術(shù)為新浪微博的廣告投放物料做審核。以前，平臺上每天50萬(wàn)張素材都是人工審核，現在這一任務(wù)可以由機器執行，大大提高了審核效率。
圖像識別+企業(yè)級應用
圖森廣告業(yè)務(wù)目前每年2000萬(wàn)營(yíng)收。不過(guò)，由于廣告市場(chǎng)更多的是由資源而非技術(shù)驅動(dòng)，因此圖森決定探索更多可以讓算法落地的領(lǐng)域。圖森CEO陳默在調研時(shí)表示，公司定位是做計算機視覺(jué)和機器學(xué)習領(lǐng)域的算法研究和企業(yè)端服務(wù)。
算法研究方面，圖森一直圍繞最前沿的技術(shù)進(jìn)行探索，同時(shí)也會(huì )做一些可演示的Demo，作為其技術(shù)實(shí)力的一種展示。此外，他們還會(huì )把一些容易商業(yè)化的技術(shù)拿出來(lái)，根據第三方企業(yè)的產(chǎn)品需求去做定制。
識車(chē)神器就是其中一例。這個(gè)專(zhuān)門(mén)為新浪汽車(chē)頻道研發(fā)的技術(shù)，近日也在圖森官網(wǎng)開(kāi)放了大眾試玩入口。只要用戶(hù)上傳汽車(chē)圖片，系統即可識別2016年3月前發(fā)布的主流乘用車(chē)品牌和車(chē)型。目前，該識別系統已覆蓋國內市面上2000多種車(chē)型，識別準確率達到95%以上。
據圖森首席科學(xué)家王乃巖介紹，在車(chē)型識別方面，從數據的收集、整理，到預處理和清洗，圖森都有一套完整的自動(dòng)化算法，不僅把數據采集和標定做到了基本沒(méi)有人工干預，而且還實(shí)現了在一兩天之內采集到百萬(wàn)級別數據量的高效成果。
除了車(chē)型識別，圖森也在人臉識別、汽車(chē)自動(dòng)駕駛、SLAM 3D地圖、數據平臺等方面做出了一些2B的技術(shù)，用來(lái)開(kāi)放給不同的企業(yè)需求方。
人臉識別方面，圖森已經(jīng)在一些國際比賽中拿到了很高的分數，但是由于進(jìn)入市場(chǎng)較晚，因此不會(huì )作為主攻方向，目前主要是將人臉識別技術(shù)應用于駕駛員監控系統(DMS)中。
自動(dòng)駕駛領(lǐng)域，圖森會(huì )做一些車(chē)輛、行人、車(chē)道線(xiàn)、自行車(chē)、三輪車(chē)識別，以及道路分割、可行駛區域、車(chē)輛軌跡預測、自身定位等技術(shù)，打包提供給想做自動(dòng)駕駛的汽車(chē)廠(chǎng)商。
SLAM技術(shù)方面，圖森會(huì )用攝像頭做一些3D繪圖，四維地圖等，提供給騰訊、高德等相關(guān)企業(yè)產(chǎn)品。
數據平臺方面，圖森也會(huì )做一些數據采集標定方案，包括數據的采集、加工、標定、降噪等處理過(guò)程，提供給國外企業(yè)客戶(hù)。
圖像識別+智能駕駛
圖像識別技術(shù)目前的需求主要集中在人臉識別、安防和交通三大領(lǐng)域。
人臉識別方面，國內幾家計算機視覺(jué)公司已有布局；安防領(lǐng)域市場(chǎng)相對封閉，而且已經(jīng)有海康威視、大華等上市公司占領(lǐng)市場(chǎng)；而智能駕駛領(lǐng)域，目前各大公司尚在嘗試，整個(gè)市場(chǎng)還處在探索階段，于是圖森選擇了智能駕駛作為其未來(lái)商業(yè)化的主要方向。
在智能駕駛領(lǐng)域，圖森選擇了兩個(gè)方向進(jìn)行布局。一方面，圖森看重國內車(chē)企對于研究無(wú)人駕駛的技術(shù)需求，通過(guò)和車(chē)企合作，在比較好的實(shí)驗場(chǎng)景中，不斷磨練和提升自己的算法。另一方面，圖森也希望把的一些無(wú)人駕駛技術(shù)直接做成硬件級別的產(chǎn)品，形成一套完整的ADAS(高級輔助駕駛系統)解決方案，從而實(shí)現商業(yè)化落地。
在無(wú)人駕駛技術(shù)研發(fā)方面，圖森已經(jīng)正式宣布和北奔研究院、北京理工大學(xué)合作，聯(lián)合研發(fā)軍用重型汽車(chē)的自動(dòng)駕駛技術(shù)。北奔主要提供整車(chē)平臺以及相關(guān)試驗資源，北理工為自動(dòng)駕駛車(chē)輛的研發(fā)提供運動(dòng)控制技術(shù)，圖森負責計算機視覺(jué)和深度學(xué)習算法部分，提供以攝像頭為主、配合毫米波雷達和視覺(jué)芯片的、經(jīng)濟型自動(dòng)駕駛解決方案。
這種方案一方面降低了自動(dòng)駕駛技術(shù)的應用門(mén)檻，另一方面能夠實(shí)現數據采集和高精地圖標定的快速部署，在自動(dòng)駕駛領(lǐng)域建立算法和數據的雙重優(yōu)勢。
而在A(yíng)DAS硬件方面，圖森選擇從“兩客一危”、室內公交等運營(yíng)車(chē)輛入手。通過(guò)將4路攝像頭連接車(chē)內計算機，在碰撞之前，對周邊行人和車(chē)輛進(jìn)行識別以及運行軌跡的測算，從而為司機提供碰撞預警。該產(chǎn)品將在4個(gè)月后投入市場(chǎng)，目標客戶(hù)是公交公司以及運營(yíng)車(chē)企等。
商業(yè)化落地
當前，隨著(zhù)人工智能越來(lái)越火，國內幾家圖像識別公司已然成為明星公司，不僅在各類(lèi)活動(dòng)、論壇、會(huì )議上頻繁亮相，也經(jīng)常被各路媒體報道和提及，甚至合伙人的流動(dòng)也成為業(yè)內八卦熱點(diǎn)。
然而，光鮮背后，各家公司商業(yè)化落地情況并不樂(lè )觀(guān)，大多都還處于探索和規劃階段，要么通過(guò)和大公司合作，提供一些定制化需求來(lái)實(shí)現營(yíng)收。
安防領(lǐng)域已有上市公司占領(lǐng)市場(chǎng)，圖片審核、服裝電商、金融等領(lǐng)域的需求尚未形成，各家公司很難說(shuō)已經(jīng)找到明確的市場(chǎng)需求來(lái)落地自己的技術(shù)，而圖森選擇的智能駕駛領(lǐng)域，除了國內大公司紛紛試水，國外公司也早有研究和布局。
在美股上市的以色列公司Mobileye已經(jīng)做了近20年的ADAS系統，目前全球市場(chǎng)占有率已達70%。與谷歌等大公司的方向不同，Mobileye通過(guò)強大算法，僅用單攝像頭就實(shí)現了ADAS主要功能，大大降低了設備成本，因此受到各大車(chē)企青睞。2015年，Mobileye營(yíng)收2.4億美元，比2011年翻了12倍多，凈利潤6800萬(wàn)美金，公司財務(wù)狀況良好。
今年3月，成立不到3年的自動(dòng)駕駛初創(chuàng )公司Cruise Automation被通用以超過(guò)10億美元的價(jià)格收購。該公司的第一款產(chǎn)品就是安裝在普通汽車(chē)上的自動(dòng)駕駛套件，可以在高速公路上接管汽車(chē)行駛，其組件包括毫米波雷達、立體攝像頭(雙目)、GPS 以及慣性傳感器，而非谷歌所采用的價(jià)格高昂的激光測距雷達系統。目前，該公司也開(kāi)始研發(fā)全棧式無(wú)人駕駛技術(shù)，成為谷歌競爭對手之一。
雖然這一方向前景未知，但至少可以證明，高昂的激光雷達并非無(wú)人車(chē)標配，用毫米波雷達、立體攝像頭等也可以實(shí)現一定程度的自動(dòng)駕駛，低成本和易量產(chǎn)反而更容易實(shí)現商業(yè)化落地。
對圖森來(lái)說(shuō)，無(wú)人駕駛技術(shù)的商業(yè)化現在看來(lái)還很遠，能夠短期落地的就是針對運營(yíng)車(chē)輛的ADAS硬件產(chǎn)品，但這一細分市場(chǎng)未來(lái)落地情況如何，現在還不好說(shuō)。不過(guò)陳默也表示，今年9月15日以后，圖森將開(kāi)始針對其第三方服務(wù)向B端企業(yè)進(jìn)行收費。可見(jiàn)，在圖像識別的商業(yè)化上，圖森至少已經(jīng)有了明確兩條路徑。
近期，愛(ài)分析對圖森互聯(lián)CEO陳默、首席科學(xué)家王乃巖、工程總監郝佳男進(jìn)行了調研訪(fǎng)談，現將部分內容摘錄如下。
Q：目前團隊規模和構成如何?
陳：北美和國內團隊加起來(lái)一共70人左右，北美研究院有20個(gè)人在做核心算法，國內算法部門(mén)10人，硬件部門(mén)10人，工程部門(mén)10人，工程部門(mén)主要負責科研成果的產(chǎn)品化，比如系統對接，數據輸入輸出等。
Q：最開(kāi)始是怎么考慮國內和北美團隊兩邊協(xié)作的?
陳：計算機視覺(jué)這個(gè)領(lǐng)域很新，生源也比較少。在這一領(lǐng)域北美又領(lǐng)先國內平均水平。而且我們聯(lián)合創(chuàng )始人侯曉迪博士也在UCLA帶過(guò)一個(gè)研究院，之后出來(lái)創(chuàng )業(yè)就是為了把積累的技術(shù)商業(yè)化，他本身在美國各個(gè)大學(xué)有良好的關(guān)系，也是這個(gè)領(lǐng)域論文被引用最多的作者，所以就由他帶隊，創(chuàng )建了北美研究院團隊，幫助我們吸引更多的PhD畢業(yè)生加入我們的團隊。
Q：車(chē)型識別的技術(shù)實(shí)現過(guò)程是怎樣的?
王：先從數據準備開(kāi)始，也就是你要識別什么樣的車(chē)，每一類(lèi)車(chē)對應什么樣的圖片，然后就是訓練數據，把數據放到神經(jīng)網(wǎng)模里面去訓練。同時(shí)在標準程度上做一些改進(jìn)，比如有些車(chē)很相似，就需要在原有基礎上增加一些約束和限制，來(lái)辨識相似的圖片。
Q：圖片識別目前的難點(diǎn)在哪?
王：最難的地方還是數據的收集。這部分我們利用了在做互聯(lián)廣告時(shí)的技術(shù)架構，因此能夠比較快地拿到這些數據。
Q：數據是從哪獲取的?如何實(shí)現快速獲取?
郝：來(lái)源主要是互聯(lián)網(wǎng)的公開(kāi)數據。從技術(shù)上講，大家都是利用爬蟲(chóng)獲取公開(kāi)數據，但是關(guān)鍵在于能否在極短時(shí)間完成有效的下載、解析、清洗、標注。對于每個(gè)環(huán)節，我們都有很深的技術(shù)積累，人工干預的部分很少。比如對于解析，我們可以做到半自動(dòng)地從未知結構的網(wǎng)站獲取結構化的數據。
Q：車(chē)型識別技術(shù)能否直接遷移到其他領(lǐng)域?
王：對模型來(lái)說(shuō)沒(méi)有問(wèn)題，主要還是數據方面，會(huì )有不同的采集方式。
Q：和車(chē)企合作研發(fā)無(wú)人駕駛技術(shù)是出于什么考慮?
郝：國內車(chē)企確實(shí)有這方面的需求。一方面國外技術(shù)比較封閉，沒(méi)辦法給到國內的車(chē)企，另一方面他們也想做無(wú)人駕駛，所以就有一些合作機會(huì )。但其實(shí)無(wú)人駕駛技術(shù)離真正實(shí)現，或者說(shuō)離大家都買(mǎi)得起，還有很長(cháng)的時(shí)間。在這段時(shí)間，我們更多的還是去磨練算法，并且跟車(chē)企合作，他們能夠提供一些比較好的實(shí)驗場(chǎng)景，反過(guò)來(lái)也可以幫助提升我們的算法。
Q：針對運營(yíng)車(chē)輛的ADAS產(chǎn)品需求如何?
陳：這一塊需求還是很大的。我國每年運營(yíng)車(chē)輛造成10萬(wàn)人死亡，近百萬(wàn)人受傷，不僅給運營(yíng)車(chē)企造成巨大損失，也給社會(huì )安全也帶來(lái)了巨大隱患。政府和相關(guān)監管部門(mén)以及運營(yíng)車(chē)企都對車(chē)輛安全存在很大需求。
Q：產(chǎn)品自己生產(chǎn)嗎?計劃以什么形式收費?
陳：攝像頭從外部采購，芯片用英偉達的，其他部分找代工生產(chǎn)，銷(xiāo)售可以找代理，我們就提供技術(shù)。
收費方面，按每臺車(chē)收取月服務(wù)費，我們負責做軟硬件升級，軟件系統需要經(jīng)常更新，硬件大概兩三年升級一次。
Q：國外在這一領(lǐng)域有類(lèi)似形式嗎?
陳：國外主要還是以賣(mài)硬件為主。
Q：目前這一塊投入人力有多少?
陳：獨立立項投入20個(gè)人。
Q：在智能駕駛領(lǐng)域如何與現有玩家競爭?
郝：目前這一領(lǐng)域的玩家主要是谷歌、百度等大公司，以及基于Mobileye技術(shù)的車(chē)企。
谷歌采用的激光雷達，雖然點(diǎn)云數據處理難度較低，但設備價(jià)格高昂，大概 7 萬(wàn)美金左右。而且這種雷達目前基本都是手工制作，很難進(jìn)行工業(yè)化生產(chǎn)，想要大幅度降價(jià)并不容易。因此，谷歌無(wú)人車(chē)的最終落地也很困難。
Mobileye十幾年來(lái)一直采用的是傳統算法，而對于近兩年才得以突破的深度學(xué)習技術(shù)，大家都處在同一水平，至少沒(méi)有隔代差距。Mobileye的產(chǎn)品思路是供給芯片，但是完成支持深度學(xué)習的芯片，并把芯片做到量產(chǎn)還要花費多年時(shí)間。我們則選擇更多從算法優(yōu)化層面來(lái)做優(yōu)化，使得深度學(xué)習算法可以在已經(jīng)發(fā)布的SoC(系統芯片)上運行。
我們的目標是可商業(yè)化、低成本的自動(dòng)駕駛解決方案，通過(guò)攝像頭、慣性制導、GPS、毫米波雷達等廉價(jià)傳感器，配合深度學(xué)習算法完成感知、決策和控制。
