36Kr-码隆科技报告.pdf

136氪调研报告（第48期）—— 码隆科技2017.06请务必阅读文末的免责声明以图搜图核心技术+垂直行业场景聚焦，打破商品交易的界限—— 码隆科技调研报告报告要点： 行业概况：人工智能推动传统行业升级，行业应用花开遍地人工智能经历两起两落，正在经历第三次高潮。深度学习加速人工智能技术发展，使技术能在终端产品和行业领域里得到应用。资本带动了人工智能产业落地，人工智能促进企业往数据化、结构化、规范化、系统化以及自动化方向上进行产业升级。工业智能化、无人机植保、自动驾驶、刷脸支付、私人助理等人工智能升级产品开花遍地。 图像识别多领域应用广泛，场景化是商业发展的关键图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。作为人工智能中发展最为迅速，应用最为广泛，商业化成熟度最高的技术，其在终端应用场景上也体现了多领域和场景化。随着技术的不断提升，生物识别、物体与场景识别、视频识别的典型技术被广泛应用于刷脸支付、医疗影像判断、安防、教育、交通、零售等领域。 图像识别：数据、运算、垂直行业是图像识别核心竞争力算法、运算力和数据量是人工智能底层基础，而垂直行业和场景驱动则决定人工智能上层建筑。现阶段人工智能从算法技术驱动逐步走向场景化驱动，除基础设施提供者外，对于全产业链生态型、通用技术型还是垂直领域纵深型人工智能公司，场景都是至关重要的，从长期来看，图像识别亦只有在合适的场景切入，构建多维度应用空间，才能够在竞争中占据优势。 码隆科技：以图搜图核心技术+垂直行业场景聚焦，打破商品交易的界限码隆科技是国内领先的图像识别技术平台提供商，从纺织面料切入，为客户提供商品识别、定制化以图搜图搜索引擎，和定制化物体属性、场景及人物识别 AI 模型及接口。以领先的图像识别技术，以图搜图引擎工具，垂直行业场景深入，为面料纺织品、服饰电商、红酒等领域提供精准搜索和推荐，智能鉴别与智能导购，为企业精准营销、人工运营降低成本，为C端消费者的个性化需求提升服务品质和购物体验，迎合消费升级和消费者日渐成熟的趋势。人工智能/计算机视觉最新融资数千万美元融资阶段A轮融资时间2016年10月创始人黄鼎隆、码特36氪数据中心李园园行业分析+86 18810668592lliyuanyuan@36kr.com36氪数据中心张伊葱数据分析+86 13683354577zhangyicong@36kr.com近期相关报告《自动驾驶行业研究报告》2017.2.17《人工智能行业研究报告》2017.2.2021. 行业概况：人工智能推动传统行业升级，行业应用花开遍地1.1人工智能发展历程：自1956年达特茅斯会议人工智能诞生标志开始，历时半个世纪两起两落，人工智能正在经历第三次高潮。数据量、运算力和算法模型是影响人工智能行业发展的三大要素，自人工智能的诞生开始，由于计算机运算能力、算法模型和数据量的限制，人工智能不得不经历数次起落，从人工智能的时间历程来看，有几个重要的时间节点。2000年后，得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生并存储的数据量急剧增加；而擅长并行计算的GPU满足人工智能巨量的数据运算需求；深度学习算法较之神经网络的反响传播算法（BP算法）、支撑向量机（SVM）等浅层学习算法的局限性，无监督的学习使得机器从海量数据库里自行归纳特征，穷举各种复杂情境，使算法拟合的准确率达到最高；人工智能也真正走入了智能感知的时代。人工智能发展历程36氪调研报告（第48期）—— 码隆科技2017.06请务必阅读文末的免责声明图示：根据互联网公开信息整理1956年，达茅斯会议“人工智能”正式诞生的标志1990年，人工智能计算机DARPA没能实现，政府投入缩减，人工智能进入第二次低谷现在，深度学习算法在自然语言处理、计算机视觉识别上获得巨大成功，进入感知智能时代1957年，第一款神经网络Perceptron推动人工智能进入第一个高峰1970年，计算能力未能使机器完成大规模训练和复杂任务，AI进入第一次低谷1982年，霍普菲尔德神经网络被提出；BP算法将人工智能推向第二个高峰2006年，Hinton提出“深度学习”神经网络，使得人工智能获得突破性进展31.2 深度学习加速人工智能技术发展，使技术能在终端产品和行业领域里得到应用。1.2.1深度学习技术深度学习（Deep Learning）是机器学习的分支，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度神经网络具备至少一个隐层的神经网络，与浅层神经网络类似，深度神经网络也能够为复杂非线性系统提供建模，而多出的层次为模型提供了更高的抽象层次，提高了模型的能力。至今已有数种深度学习框架，如深度神经网络、卷积神经网络和深度置信网络和递归神经网络已被应用计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。在短短几年时间里，深度学习颠覆了语音识别、语义理解、计算机视觉等基础应用领域的算法设计思路，逐渐形成了从一类训练数据出发，经过一个端到端的模型，直接输出最终结果的一种模式。由于深度学习是根据提供给它的大量的实际行为（训练数据集）来自我调整规则中的参数，进而调整规则，因此在和训练数据集类似的场景下，可以做出一些很准确的判断。36氪调研报告（第48期）—— 码隆科技2017.06请务必阅读文末的免责声明1根据维基百科资料整理基于神经元网络的深度学习算法示意图41.2.2人工智能行业应用人工智能按照技术应用的不同场景，可以分为基础技术和终端产品两层。从基础技术来讲，可以分为芯片、深度学习、计算机视觉和自然语言处理和计算机识别。从终端产品来讲，可以分为机器人、智能金融、智能医疗、智能驾驶、智能安防等应用领域。1.2.3 资本涌入带动了人工智能产业落地，人工智能成为传统行业升级新动力。人工智能促进企业往数据化、结构化、规范化、系统化以及自动化方向上进行产业升级；尤其近两年来机器人、无人机、智能家居、智能汽车、安防等领域迅速发展；资本与巨头企业的深度布局促进工业智能化、无人机植保、自动驾驶、刷脸支付、私人助理等人工智能升级产品开花遍地。36氪调研报告（第48期）—— 码隆科技2017.06请务必阅读文末的免责声明自然语言处理芯片深度学习计算机视觉机器人智能金融智能医疗智能驾驶智能安防智能家居智能教育无人机基础技术终端产品26444347566176608293999011611414212116916015617369.2%-2.3%9.3%19.1%8.9%24.6%-21.1%36.7%13.4%6.5%-9.1%28.9%-1.7%24.6%-14.8%39.7%-5.3% -2.5%10.9%2012-2016年 全球人工智能领域投资情况投资事件数增长率数据来源：CB insights ; 创投助手（单位：件）51.3 图像识别多领域应用广泛，场景化是商业发展的关键图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，包含生物识别、物体与场景识别、视频识别三项典型技术；图像识别作为人工智能中发展最迅速、应用最广泛、商业化成熟度最高的技术，其在终端应用场景上也体现了多领域和场景化。如，生物识别技术被广泛用于金融和安防领域，而相对更加复杂的物体与场景识别则应用于自动驾驶、增强现实等领域，视频与图像识别广泛用于内容鉴黄、医疗影像、教育、零售等领域。1.3.1 机器视觉识别技术过程机器的视觉系统主要解决的是物体识别、物体形状和方位确认以及物体运动判断这三个问题从技术流程上分为三个过程：目标检测、目标识别和行为识别，分别解决了“去背景”、“是什么”、“干什么”的问题。目标检测：图像预处理、图像分割目标识别：特征提取、目标分类、判断匹配行为识别：模型建立、行为识别1.3.2 视觉识别应用场景如果不谈场景，人工智能就只是一门高深的数学科学、物理科学、计算机科学等等，而人工智能从学术研究到商业应用的过程离不开场景，只有场景足够深入，技术才能商品化，才会有人为之买单。人工智能的基础是数据，在数据可得性高的行业，将率先使得人工智能应用于行业，并爆发出大量场景应用。36氪调研报告（第48期）—— 码隆科技2017.06请务必阅读文末的免责声明目标检测•特征提取•目标分类•判断匹配•模型建立•行为识别目标识别行为识别•图像预处理•图像分割636氪调研报告（第48期）—— 码隆科技2017.06（接上页）从场景上看，可以把人工智能视觉识别公司分为两层：底层技术开发和产品解决方案集成。底层技术开发指通用的计算机视觉主要解决那些场景的识别问题，包含图像识别平台和嵌入式视觉软件两类；平台可直接提供应用服务，而嵌入式软件需要和硬件进行系统集成后在终端产品中使用。场景应用层作为直接解决具体应用场景的需求，产品的形式可能是应用系统，也可能是软硬件一体的终端产品或服务。请务必阅读文末的免责声明底层技术开发•特征提取•目标分类图像识别平台•物体识别•视频对象提取•字符识别•场景识别嵌入式视觉软件产品与方案集成应用系统开发终端产品开发门禁监视搜索引擎视频分析……医疗影像智能识别场景进一步扩大；在临床方面，用于支持、监控、辅导、外科手术辅助、术后康复以及看护自动化设备外骨骼机器人等技术发展迅速。用于解决目前城市交通普遍存在的道路拥堵，驾驶体验差等问题的无人驾驶、智能汽车、交通规划等场景。智能医疗拍照搜题、智能阅卷、智能测评以及个性化辅导等场景有待进一步发掘。仓储物流、智能搜索精准推荐，智能导购客服，不仅提升用户消费体验、满足需求，更大幅降低企业成本。用于金融安全保护的智能个人身份识别，以及Fintech智能投顾促进金融投资。人脸识别已广泛应用于安防监控、安防机器人以及公安系统疑犯追踪等。智能汽车智能金融智能教育智能零售智能安防736氪调研报告（第48期）—— 码隆科技2017.06请务必阅读文末的免责声明4. 图像识别：数据、运算、垂直行业是图像识别核心竞争力算法、运算力和数据量是人工智能底层基础，垂直行业和场景驱动则决定人工智能上层建筑。现阶段人工智能从算法技术驱动逐步走向场景化驱动，无论是产业链生态型公司、还是通用技术型平台，或者垂直领域纵深型人工智能公司，都离不开场景；从长期来看，图像识别亦只有在合适的场景切入，构建多维度应用空间，才能够在竞争中占据优势。2. 码隆科技：以图搜图核心技术+垂直行业场景聚焦，打破商品交易的界限2.1 公司介绍码隆科技（Malong Technologies）成立于2014年，是国内领先的图像识别技术平台提供商，专注于深度学习与计算机视觉技术创新。以 ProductAI 平台为核心产品，为企业及开发者提供人工智能视觉技术服务的 PaaS 平 台（Platform-as-a-Service），为客户提供商品识别、定制化以图搜图搜索引擎以及个性化识图智能 AI 模型与接口。为面料纺织品、服饰电商、红酒等领域提供精准搜索和推荐，智能鉴别与智能导购，为企业精准营销、人工运营降低成本；迎合消费升级和消费者日渐成熟的趋势，满足个性化需求，提升服务品质和购物体验。竞争门槛时间价值数 据运 算 力解决方案应用平台通用技术/算法架构人工智能产业链价值82.2 产品及服务ProductAI 平台：ProductAI 的核心技术为“商品识别”及“以图搜图”• 商品识别：码隆科技专注于商品识别领域，具体品类包括纺织面料、服装、家居等。通过海量的图片训练，实现海量图片库中定制化识别柔性和刚性物体、人体和场景属性，对商品图片进行分类、过滤处理和自动标注生成语义标签。该实体检测功能可精确、多维度定位在复杂图像中的物体。该领域代表客户主要有中国纺织信息中心、穿衣助手等。• 以图搜图：基于深度度学习和计算机视觉技术算法基础，帮助客户快速自助建立自己的“以图搜图”引擎，只需拍照和上传图片，能快速且精准地搜索到相同与相近的图像结果，此外，提供图像处理的接口，实现图像标记、分类、聚类、定位、以图搜图等功能。客户在几乎不懂技术的情况下，...