中国科学报：深入场景“加油向未来”
■本报记者 赵广立
取得这样的成绩，最重要的是我们的数据不比那些融资几十亿美元的团队少；另外，我们拥有一支很强的工程化团队，能够把算法做得特别快；再就是我们清楚问题的细节在哪里，这样才会更快迭代。
2018年底，一支名不见经传的人工智能（AI）创业团队引起了业内的关注。他们在国内规模最大的、最关注前沿科研与产业实践相结合的非商业化数据集和竞赛平台“AI Challenger 全球AI挑战赛”上，从来自81个国家1100所高校和990家公司的近万支团队中脱颖而出，摘得无人驾驶视觉感知赛道冠军，并且夺冠成绩领先第二名4倍之多。
一鸣惊人的背后，是一支长于“推动AI在科研与行业应用结合来解决真实世界的问题”的科学家创业团队。近日，《中国科学报》独家专访了这支团队的带头人——中科视语（北京）科技有限公司（以下简称视语科技）创始人兼董事长王金桥。
走上创业路水到渠成
“视觉识别现在已经成红海了。”在攀谈中王金桥告诉记者，以前那些卖给设备集成商AI算法的供应商，也纷纷做起了硬件和系统设备， “不然无法撑起几十亿美元的估值”；供应商变成竞争对手还不算，再加上原来没赶上做智能硬件的设备商的涌入，视觉识别领域一时间从蓝海变成红海。
尽管如此，依托中国科学院自动化研究所模式识别国家重点实验室，以及多年来跟行业打交道的积累和技术迭代，视语科技硬是在红海中占据一席之地。“我们做过许多来自交通、零售、纺织等领域的项目，攒下了不少算法工程化能力和行业数据的‘家底’，走上创业这条路水到渠成。”王金桥说。
在采访中记者了解到，视语科技自2018年4月成立以来，创业仅半年有余就实现了上千万元的销售额，并成功完成天使轮融资（金沙江创投投资，中科院参股）。2019年更是仅在其中一个赛道（智能视觉验布机）就拿下亿元大单，通过技术升级从成本和效率两方面甩开竞争对手。
说起视语科技的创立，2017年，王金桥携视觉识别技术为核心的AI机器人“小加”参加《加油向未来》节目，精准的识别技术给观众带来震撼。投资人看到节目后找到他，希望能专门成立公司，将相关技术产业化。
那时，国务院已经出台《〈中华人民共和国促进科技成果转化法〉若干规定》以及《促进科技成果转移转化行动方案》，自动化所也制定了相应的细化实施方案，明确了“科技成果作价入股的85%奖励给团队，15%所里通过设立投资公司持有”等权属问题，给王金桥走出实验室创立公司扫平了道路。
“这种结构是灵活的，这种模式也利于促进产学研一体化，能够最大化地激发科研人员踏出创业这一步的动力。”王金桥说，知识产权划分、科学家兼职的约束得到松绑，“非常重要，否则融资都没法谈”。
在红海中寻找蓝海
不过，作为AI创业大潮中的一支新军，视语科技快速成长的真正秘诀是：“找对并深入场景。”
布匹的缺陷检测，是视语科技一个“已建立了壁垒”的赛道。“以前都是靠人，精度不高，60%~70%的检查率，现在也没人愿意干了，我们用视觉识别技术进行缺陷检测，这是一个庞大的市场，还算是蓝海。”王金桥告诉记者，纺织服装行业正面临着招工难、成本高的难题，这个行业处于一个迫切需要机器换人的重要时期。
记者了解到，国外一家厂商曾经在自动验布机方面稳坐市场头部。视语科技改用面阵相机和最新算法的智能视觉验布机，不仅效率大为提高，还可弥补国外厂商自动验布机只能检测横纹或竖纹的缺陷。再看成本，不到对方的1/6。
“我们这半年大部分都在沉淀产品和打磨团队，争取团队更完善，产品更聚焦。”王金桥告诉记者，除了上述赛道外，视语科技另外一个聚焦的领域是智慧交通。
“交通有好多生态，常见的是交警系统的‘电子警察’、停车场、高速路以及连接两城市之间的省道。相比而言，城市之间这些道路，目前其实还是个蓝海。”王金桥说，以前这块没有得到过多关注，是因为该场景需要先进的边缘计算，并且线程长导致光纤等铺设成本太高。如今随着5G临近以及边缘计算AI芯片的迭代，成本和技术的问题将迎刃而解。
目前，视语科技在与公安部交通科学与管理研究所多年的合作中，已经积累了成熟的车纹识别技术和大量的车辆信息数据库，奠定了其在该领域的行业地位。“我们现在可以实现对5000种车款的识别，可精细识别每一辆车独一无二的身份特征，形成了“一人一证一车一档”的行业解决方案，实现“人、车、路”智能化管理，拥有这项技术可以做很多事情。”王金桥说，视语科技研发的车纹识别一体机，目前在技术上领先，已经在北京交警多个平台上应用，同时在安哥拉和委内瑞拉也已经投入使用。
实现产业学术齐头并进
“取得这样的成绩，最重要的是我们的数据不比那些融资几十亿美元的团队少；另外，我们拥有一支很强的工程化团队，能够把算法做得特别快；再就是我们清楚待解决问题的细节在哪里，这样才会更快迭代。”王金桥告诉记者，这也是他们选择去创业的原因——通过深入应用场景来形成产业和学术的齐头并进，从而使相应的技术越来越领先。
在王金桥看来，AI技术革命与之前的三次工业革命不同：“它不像蒸汽机或电力，AI最大的特点是赋能，而不是替代。AI技术需要叠加在场景上应用，所以必须跟场景深度结合。就像智慧交通，必须在交通领域里与研究对象的数据打通。”
数据是另外一个关键词。“这个时代的AI叫作‘大数据时代的AI’，就是因为它依赖大量数据。领先的AI企业基本上都是通过数据和技术形成联合壁垒。如果不去一线接触这些数据、让机器针对这些数据去学习，就不可能解决现实问题。”王金桥说，在科研中，最大的一个“bug”就是没数据，导致许多前沿研究无从下手。“比如要解决一个10000类目标的分类问题，首先要有10000个目标，只在100、1000个样本下验证是不可靠的，做出来的模型的泛化能力不行，一出去就挂了。”
“为什么现在技术创新的重心在不断向企业转移？科技企业为什么要聘用那么多科学家？这都是为了发挥这些企业本身所积累的数据金矿。”王金桥告诉记者， “我们一直在探索一种模式，如何通过产学研协同创新更好地打通整个产业链，形成一个‘数据—算法—产品—市场—销售—数据的回流’的闭环，让技术的迭代在这个闭环中变得更快，迅速发现一些新的课题和新的技术挑战，从而走在更前沿，形成对科研的助力。”
创业之后自己更像“项目经理”
视语科技成长很快，从2018年4月至今（截至2019年1月），短短半年的时间就形成了一个40多人的团队。
当问到“创业前后有什么不同感受”，王金桥说：“跟做科研完全是两码事儿，创业之后觉得自己更像一个项目经理。”他直言，科学家创业挺难的，要做一些自己以前并不擅长的事儿，面临着很多考验。
成立公司后，每天都要想“每年的销售额是多少？”“报表怎么样？”“利润率多少？”等问题，同时还要涉及财务、人力等问题。“这就是转型，除了要组建一支有力的团队，还要考虑公司战略、人员的搭配、研发的布局、产品的市场，等等。还有最不擅长的，谈钱。”
王金桥谈到，作为企业决策者和管理者，一边是客户，一边是资方，两边都需要“博弈”。对客户，要从“算法供应商”的角色中转变过来，适应“产品和服务甚至平台供应商”的角色，聚焦行业和产品化能力；对资方，要适应资本给企业带来的各种约束，从团队利益出发考虑市场和产品选择。而这些，都让他变得“非常忙”。
“原来没想到这么忙。”王金桥对记者坦言，“我以前是自动化所足球协会的主席，组织大家一起踢球踢了20多年，现在根本没时间踢了。”
“不过，我觉得市场还是一个比较讲道理的地方，首先你的产品得有竞争力，这很重要，然后需要执行力更强。”王金桥对记者说，总体而言，成立公司更适合他们的团队：“更有利于产学研一体化，而且借助资本和市场资源，可以让我们专注地做好一些事。”