（圖片來(lái)源：全景視覺(jué)）

經(jīng)濟(jì)觀察報(bào) 王漢洋/口述 2013年，正值高中畢業(yè)，我去往加拿大滑鐵盧大學(xué)攻讀數(shù)學(xué)專業(yè)，主修計(jì)算機(jī)。學(xué)校的培養(yǎng)方向是想把我們培養(yǎng)成為計(jì)算機(jī)科學(xué)家，而我對(duì)科研并不感興趣。大二剛讀完，我選擇休學(xué)回國(guó)創(chuàng)業(yè)。

休學(xué)回國(guó) 切入圖形搜索

在滑鐵盧的兩年大學(xué)生涯內(nèi)，國(guó)內(nèi)總有朋友不斷讓我?guī)兔Υ?gòu)。我最直觀的感受是，“這個(gè)東西為什么你自己不能買？”后來(lái)了解，原因很簡(jiǎn)單，國(guó)內(nèi)的價(jià)格太高。盡管國(guó)外也有跨境購(gòu)物網(wǎng)站，但對(duì)于不懂英文的消費(fèi)者來(lái)說(shuō)并不現(xiàn)實(shí)。此外，一些網(wǎng)站國(guó)內(nèi)也無(wú)法正常登陸。更大的問(wèn)題是，大家在國(guó)外網(wǎng)站上很難憑借有限的關(guān)鍵詞精準(zhǔn)搜索到自己想買的商品。

我突發(fā)奇想，為什么不能做一個(gè)搜索引擎，專門幫助中國(guó)人找海外的商品？于是我按照自己的設(shè)想做了一款垂直搜索引擎，類似更好用的Shopstyle。其實(shí)國(guó)內(nèi)也有類似產(chǎn)品，而當(dāng)時(shí)我并不知道。實(shí)際上，我做的這款搜索引擎與其他也有一定區(qū)別，我們是通過(guò)純圖像識(shí)別來(lái)打標(biāo)簽。

在過(guò)去，我要找一款鞋，很多網(wǎng)站為了省事，多個(gè)款式可能在網(wǎng)站上是一樣的名字，這意味著消費(fèi)者很難快速搜索到一個(gè)精準(zhǔn)的結(jié)果。我可能只知道它是一雙皮鞋。但這個(gè)時(shí)候，我們的搜索引擎會(huì)主動(dòng)問(wèn)用戶，你是想要牛津鞋，還是德比鞋？

用戶直接搜索名字是不靠譜的，在不知道名字的前提下，他會(huì)以特征為關(guān)鍵詞，比如：藍(lán)色皮鞋、黑色太陽(yáng)鏡。但這種關(guān)鍵詞很難與腦子里定位的商品產(chǎn)生匹配，因?yàn)榫W(wǎng)站上所有的商品介紹信息都相對(duì)有限。于是，我們就開始思考，哪些因素是固定不變的？答案是——圖片。如果能讓計(jì)算機(jī)直接理解圖片里的東西，就意味著我們可以為商品打上更為精準(zhǔn)的標(biāo)簽。

當(dāng)時(shí)我們?cè)O(shè)想，希望研究出一套系統(tǒng)，直接通過(guò)圖像識(shí)別給商品打標(biāo)簽，從而給C端消費(fèi)者提供一款搜索引擎。它能幫助中國(guó)消費(fèi)者買到自己想買的時(shí)尚商品。

我們自己建立了數(shù)據(jù)庫(kù)，通過(guò)爬蟲抓取，積累了200多萬(wàn)個(gè)SKU。很快，我們做到了4000多個(gè)分類，每個(gè)分類下面還有很多標(biāo)簽。對(duì)標(biāo)簽的定義很關(guān)鍵，我們分為兩步走，第一步是學(xué)習(xí)圖像，第二步是學(xué)習(xí)語(yǔ)言描述。在這個(gè)過(guò)程中，我們聘請(qǐng)了專門的時(shí)尚編輯來(lái)輔助分類。

合伙人都是發(fā)小

2015年，我回國(guó)后正式創(chuàng)業(yè)，很快組建了一個(gè)20多人的團(tuán)隊(duì)。我不想做成一個(gè)電商平臺(tái)，不想賺差價(jià)，因?yàn)楹芸煳覀兎e累了大量數(shù)據(jù)，每天更新近20萬(wàn)個(gè)SKU。我們知道用戶在搜什么。我的設(shè)想是，服務(wù)于C端，積累數(shù)據(jù)，讓數(shù)據(jù)發(fā)揮其價(jià)值，進(jìn)而在B端尋找變現(xiàn)模式。

我們?nèi)齻€(gè)合伙人算是發(fā)小，從小到大都是好朋友。其中一位合伙人經(jīng)歷比較坎坷，成績(jī)優(yōu)秀，A　Level考了4門A+，準(zhǔn)備高中畢業(yè)就出國(guó)上大學(xué)。按理說(shuō)，申請(qǐng)條件挺好，但他一直沒(méi)收到錄取信。最后才發(fā)現(xiàn)，自己早已被很多所名校錄取，其中還包括劍橋大學(xué)，但郵箱系統(tǒng)把這些信件都自動(dòng)歸類為垃圾郵件。當(dāng)發(fā)現(xiàn)時(shí)，為時(shí)已晚，已經(jīng)過(guò)了確認(rèn)時(shí)間。最后，他去了英國(guó)伯明翰大學(xué)攻讀信息安全，后來(lái)轉(zhuǎn)學(xué)機(jī)器學(xué)習(xí)。

我的另一位合伙人和我從小學(xué)開始就是同學(xué)。我們一起就讀于東北師大附中，他的成績(jī)一直是學(xué)校前十。他從小到大都很喜歡化學(xué)，大學(xué)也想學(xué)化學(xué)。但高考前體檢他才發(fā)現(xiàn)自己存在色弱的缺陷，這種情況在中國(guó)的大學(xué)里學(xué)不了化學(xué)，但當(dāng)時(shí)申請(qǐng)出國(guó)已經(jīng)來(lái)不及。他最后去了吉林大學(xué)的車輛工程專業(yè)，他想轉(zhuǎn)計(jì)算機(jī)，但學(xué)校不允許，折中之下，他修了計(jì)算機(jī)的雙學(xué)位。

我們的編輯有的來(lái)自時(shí)尚集團(tuán)，有的曾自己運(yùn)營(yíng)時(shí)尚公號(hào)，我挨個(gè)去說(shuō)服加入，在一定程度上，他們也發(fā)揮著產(chǎn)品經(jīng)理的作用。

我本身學(xué)編程出身，與大多數(shù)程序員有共同語(yǔ)言。我們當(dāng)時(shí)的技術(shù)負(fù)責(zé)人在網(wǎng)絡(luò)上開設(shè)了公開課教程，教授的就是我們需要的Ruby技術(shù)語(yǔ)言，我直接找到了他，向他發(fā)出邀請(qǐng)。

變現(xiàn)受挫 積極轉(zhuǎn)型

搜索引擎的項(xiàng)目做了半年多時(shí)間，我們發(fā)現(xiàn)了幾個(gè)問(wèn)題。第一，我們每周用戶都在漲，但用戶漲得越多，賠得越多，因?yàn)榉?wù)器有成本，用戶量越大，我們的成本越高。服務(wù)器每個(gè)月的成本有8-10萬(wàn)。加上研發(fā)和人員費(fèi)用，當(dāng)時(shí)幾個(gè)月已經(jīng)燒了200多萬(wàn)人民幣。

第二，我們沒(méi)有變現(xiàn)機(jī)會(huì)。我們想把用戶行為數(shù)據(jù)賣給時(shí)尚公司，但他們?nèi)狈κ褂眠@些數(shù)據(jù)的動(dòng)力。當(dāng)時(shí)國(guó)外已經(jīng)有WGSN公司專注于信息梳理和預(yù)測(cè)未來(lái)時(shí)尚趨勢(shì)，但國(guó)內(nèi)的公司對(duì)這類服務(wù)缺乏認(rèn)知。通過(guò)趨勢(shì)預(yù)測(cè)，降低庫(kù)存，我們能幫國(guó)內(nèi)的時(shí)尚公司省下不少錢，但國(guó)內(nèi)很多公司老板不這么認(rèn)為。國(guó)內(nèi)公司的老板認(rèn)為省錢是他們的本事，和我們沒(méi)關(guān)系。

我們接不到業(yè)務(wù)，無(wú)法變現(xiàn)，不得不思考轉(zhuǎn)型。2016年1月，有一天我們幾個(gè)合伙人一起吃飯時(shí)討論說(shuō)，“我們做的技術(shù)解決方案，很多公司都能用，為什么只給時(shí)尚公司？”這個(gè)想法，成為了我們轉(zhuǎn)型的基礎(chǔ)。

之前我們見了100多位投資人，但最后一分錢也沒(méi)拿到。但大家都不甘心，不想就這么散了，于是我們就開始流竄作案。沒(méi)有辦公室，那就去咖啡館里辦公。當(dāng)時(shí)覺(jué)得，創(chuàng)業(yè)成不成，與融不融資沒(méi)有關(guān)系，創(chuàng)業(yè)是我們自己的事，能拿融資只是錦上添花。投資人不投我們，我們也要自己走出來(lái)。生死看淡，不服就干是我們的信條。

2016年，我們把之前的想法完全放棄，并重新思考了團(tuán)隊(duì)的優(yōu)勢(shì)和利弊。我們擅長(zhǎng)的是人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)，我們?yōu)槭裁床辉谶@些領(lǐng)域嘗試突圍？機(jī)器學(xué)習(xí)這個(gè)概念已經(jīng)存在很久。深度學(xué)習(xí)的概念同樣也很早就有了，然而，當(dāng)時(shí)的CPU符合不了計(jì)算要求。在我大學(xué)期間，第一次接觸到深度學(xué)習(xí)的時(shí)候，無(wú)比震驚。這種感覺(jué)，就像是1853年美國(guó)海軍準(zhǔn)將馬修·佩里第一次讓封閉的幕府民眾見識(shí)了黑色的軍艦。于我而言，深度學(xué)習(xí)就是那艘黑船，它叩開了我心中的門。

我們熟知的一些產(chǎn)品，比如：網(wǎng)易云音樂(lè)的推薦，日常的垃圾郵件判別，這些都在使用機(jī)器學(xué)習(xí)。只要你接觸互聯(lián)網(wǎng)，接觸手機(jī)，你的行為就會(huì)與機(jī)器學(xué)習(xí)有關(guān)。

但在AlphaGo進(jìn)入公眾視野之前，很少有人知道機(jī)器學(xué)習(xí)的概念。突然之間，AlphaGo引爆了機(jī)器學(xué)習(xí)和人工智能的相關(guān)話題。

當(dāng)時(shí)，我們發(fā)現(xiàn)，所有做AI（人工智能）的公司多是廣義的AI范疇，他們自己都不是自己的用戶，主要是用技術(shù)解決方案去服務(wù)于機(jī)構(gòu)、企業(yè)和組織。然而，問(wèn)題在于，你自己都不是用戶，你怎么知道痛點(diǎn)在哪里？有的公司把技術(shù)解決方案賣給醫(yī)院，但實(shí)際上產(chǎn)業(yè)和學(xué)術(shù)脫節(jié)嚴(yán)重。

正好我們?cè)谒伎嫁D(zhuǎn)型，當(dāng)時(shí)就覺(jué)得，必須以用戶需求為導(dǎo)向，不能閉門造車。近20人的團(tuán)隊(duì)，當(dāng)時(shí)只剩下幾個(gè)人。可是我們有技術(shù)，也有人手，何不找一些業(yè)務(wù)先做做？沿著這個(gè)想法，我們四處找企業(yè)談。當(dāng)時(shí)的思路是，產(chǎn)業(yè)界存在很多問(wèn)題，大部分公司，都是拿著解決方案找問(wèn)題，而不是找到問(wèn)題之后研究解決方案。

拿到融資與客戶

AI存在了很長(zhǎng)時(shí)間，但至今沒(méi)有一個(gè)爆款產(chǎn)品出現(xiàn)。AI技術(shù)本身也不成熟，并沒(méi)有想象中那么神奇。它僅僅是一項(xiàng)技術(shù)，并不是什么轟動(dòng)性的東西。到底AI用來(lái)干什么？如果不是Alpha-Go，可能大多數(shù)人都沒(méi)有概念，可是Al-phaGo其實(shí)離我們的生活太遙遠(yuǎn)。

客戶不知道我們做什么，我們不知道他們要什么，似乎整個(gè)行業(yè)都存在這樣的問(wèn)題。我們不假定產(chǎn)品形態(tài)，因?yàn)槲覀円膊恢雷罱K的AI產(chǎn)品形態(tài)是什么，但行業(yè)只要存在問(wèn)題，就可以去嘗試解決。針對(duì)不同的行業(yè)需求，我們展開了調(diào)研，直接下到了產(chǎn)業(yè)內(nèi)部。

我們接觸了幾家無(wú)人機(jī)公司，發(fā)現(xiàn)無(wú)人機(jī)公司并不是我們實(shí)際上的客戶。能夠?yàn)槲覀兊募夹g(shù)解決方案付費(fèi)的人，是無(wú)人機(jī)的使用者。我們做了更深入的用戶調(diào)研。我們想要弄清楚，無(wú)人機(jī)拍攝視頻的實(shí)際場(chǎng)景是什么樣子？我們?nèi)镜娜藥е鵁o(wú)人機(jī)，找到了實(shí)際場(chǎng)景，自己去飛，自己去看，模仿了用戶的實(shí)際操作步驟。

不同的無(wú)人機(jī)，不同的操作者，進(jìn)而導(dǎo)致了不同的牌照水平，會(huì)造成很多模糊照片。模糊的照片和問(wèn)題照片是否需要甄別？拍攝的不同對(duì)象，是否需要?dú)w類？能不能自動(dòng)生成報(bào)告？我們發(fā)現(xiàn)，這些問(wèn)題都是行業(yè)痛點(diǎn)。如果我們能解決這些問(wèn)題，客戶就會(huì)愿意付費(fèi)。我們針對(duì)現(xiàn)實(shí)存在的問(wèn)題設(shè)計(jì)了AI技術(shù)解決方案，最終，南方電網(wǎng)成為了我們的客戶。

在圖片識(shí)別的應(yīng)用上，我們也能與公安的需求結(jié)合。抓逃犯是全球警察機(jī)構(gòu)的剛需。但我們調(diào)研發(fā)現(xiàn)，真正要提供有效的解決方案，并不是用人工智能去識(shí)別那么簡(jiǎn)單，還需要在攝像環(huán)節(jié)去優(yōu)化改造。如果不能在初始環(huán)節(jié)切入，就很難實(shí)現(xiàn)理想效果。目前我們看到的現(xiàn)實(shí)情況是，企業(yè)選擇人工智能，目的并不是要取代人，而是因?yàn)槿耸植粔颉Ｒ豁?xiàng)工作，實(shí)際需要300個(gè)人去做，可是企業(yè)的現(xiàn)實(shí)是只有30個(gè)人。在這樣的背景下，人工智能解決方案可以幫助企業(yè)緩解人力不足的難題。到現(xiàn)在我們已經(jīng)幫機(jī)場(chǎng)電網(wǎng)無(wú)人機(jī)醫(yī)院等多個(gè)行業(yè)制作了不同的解決方案。

2016年7月，我們成功完成了融資。經(jīng)發(fā)現(xiàn)創(chuàng)投的萬(wàn)總介紹，我們認(rèn)識(shí)了梅花天使創(chuàng)始合伙人吳世春，與他第一次見面就敲定了融資。最近，我們又完成了新一輪融資。我們公司起名為泛化智能，意在地提供高效靈活的人工智能解決方案。（經(jīng)濟(jì)觀察報(bào)記者高陽(yáng)采訪整理）

推薦理由

泛化智能是為具體場(chǎng)景提供提升效率和降低成本的智能引擎，切入點(diǎn)準(zhǔn)確，團(tuán)隊(duì)務(wù)實(shí)，技術(shù)國(guó)內(nèi)一流。

——吳世春 梅花天使創(chuàng)投創(chuàng)始合伙人

泛化智能簡(jiǎn)介

泛化智能是一家專注于機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺(jué)的人工智能公司，總部位于北京。致力于為客戶提供可快速部署、通用的人工智能產(chǎn)品與解決方案。