计算机视觉简史：为了让机器学会“看”，人类到底有多努力(7)

商汤科技则是由香港中文大学信息工程系汤晓鸥组建的，是产学研的极佳代表。
云从科技周曦的核心创始团队有中科院背景，融资又是全内资与政府基金背景，云从又被外界称为“AI国家队”，在“AI四小龙”中，云从国资背景最强。
依图科技由朱珑、林晨曦共同创立，林晨曦曾经是阿里的第一任技术总监，更早之前是在微软亚洲研究院，是产业背景最深的一个。
这四家都在2015年拐点之前成立并一起迎接了牛市的到来。
当人脸识别的算法首次获得突破人眼的成就之时，创业者和资本都很兴奋。
整个计算机视觉行业和人脸识别产业也迎来了第一波投资上的热潮，但随后的商业化过程却并不容易。
因为，当为这项技术找一个落地姿势的时候，就非常明显地遇到了两个大问题：
第一个困境是，人脸识别就算再牛，也只是一个模块技术。这个属性意味着，它无法作为一个独立的业务出现，而大多是为原先的业务做增强服务。比如在金融业务中做人脸校验加强密码属性，比如使用人脸检索功能加强安防等领域的防控效率，比如相似人脸推荐可以用来做婚介社交和整容设计。
这样的属性意味着，如果没有合适的落地赛道，人脸识别就是空中楼阁。即便找到了合适的落地赛道，人脸识别在其中的价值量占比也不够高。
第二个困境其实是第一个困境带来的，由于需要具体的落地场景、价值占比不够高，这项技术始终没有找到比较好的商业模式。
行业中常见的有几种模式，要么是直接卖产品、要么卖人脸SDK授权和API服务，要么使用后台流量变现。算法再好，也需要产品。没有真正的标准化产品，它就会沦为项目制中的一个模块，很难做大规模；甚至有些将它作为免费的额外服务提供。
比如在A股曾经火爆过一阵的人脸识别闸机相关概念股，最后大家发现其实只要达到一定精度（不需要最高），谁都可以做，技术门槛并不高。
也就是说，AI的最终任务是实现在各垂直行业的场景化落地，并找到在其中AI能发挥最大价值、实现良好商业模式的场景赛道。或者，打造一个通用型平台。
中国AI行业融资规模与投融资数量在2013-2018年整体快速增长，但2019年出现45%左右的显著下滑，2020年投融资金额恢复42.5%正增长，但距2018年颠覆时期仍有差距，投融资数量显著下降。