日前，曠視科技Face++創(chuàng)始人兼CTO唐文斌接受了新智元專訪，談了曠視科技Face++的商業(yè)模式、公司定位以及人才和發(fā)展觀。

唐文斌在曠視科技Face++北京辦公室

“沒有什么技術是不能被取代的。”唐文斌說：“算法也好，技術也好，都是手段，最后能夠提供出去的是產品價值�！边@位三十剛出頭的曠視科技Face++聯(lián)合創(chuàng)始人，對這家中國人臉識別獨角獸有著很清晰的定位：“曠視不是一家技術公司，曠視是一家產品公司，是一家以人工智能技術為核心的產品公司。”他認為客戶最終一定是為產品價值買單。曠視的團隊人數從去年到現(xiàn)在翻了一番，增長到600多人，其中擴張速度最快、人數也最多的就是產品部門。

相比曠視更常出現(xiàn)在人們視野中的另一位聯(lián)合創(chuàng)始人印奇，唐文斌說他們的搭配是“印奇仰望星空，我腳踏實地”，更加側重工程的他關注如何選擇場景結合技術，給用戶帶來最大增值，“不是nice  to have，而是must  have”。他認為曠視工程團隊要做的事情是把算法邊界內能夠自動化的任務全部交給機器去完成。他在尋找的也是復合型AI產品經理，以及能夠隨時轉變?yōu)閞esearcher，時刻想著如何把research沒有價值的工作砍掉的懂算法、懂編程、更懂體系結構的全棧AI工程師。

曠視不是技術公司，是產品公司

新智元：目前在人工智能領域尤其是深度學習技術落地，你認為真正的壁壘在哪里？

唐文斌：我認為深度學習技術的落地，核心的一個關鍵詞是“結合”。我們有一些很好的算法，比以前的性能提高了很多，但一定要找到合適的場景，把算法用進去解決問題，給用戶帶來明確的價值，這些價值不是“nice to have”，而是“must have”。

我們內部有個說法，叫“用戶價值增量”——當你把技術用在場景中后，給用戶帶來的價值和用他原來的方式相比增量有多大，如果很大，那么這就是一個非常好的場景，如果增量只有一點，說明這要么不重要，要么你沒有看清本質。以人臉識別為例，就是要不斷去思考，人臉識別到底是在哪些場景下，給誰、通過什么樣的方式，帶來了多大的價值。

賣技術的話，今天你能賣，明天他也能賣，所以一定要做深，深入行業(yè)，把產品做好，形成完整的一套業(yè)務服務，這并不是從用戶價值的角度去思考，而是公司生存的角度。極端一點說，我認為沒有哪家公司是無法取代的，客戶為什么選擇你而是不選擇另一家，一定因為你給他帶來的價值更大，他買單的是你產品的價值。

新智元：曠視如何找到這種技術跟場景價值增量高的結合點？

唐文斌：我們經歷了好幾個階段。最早的時候，作為一家純技術公司，我們做了一個面向開發(fā)者的開放平臺，叫Face++，通過API的方式提供互聯(lián)網服務，美圖秀秀、快手等APP都用了我們的技術。第二個階段，我們開始關注技術到底在哪些場景下能給客戶帶來重要的價值——去尋找那些用戶需求感知非常強烈的場景。我們找了很多，最終決定在兩個場景進行業(yè)務的深入。

第一個是互聯(lián)網金融，通過人臉識別進行遠程身份認證，把線下業(yè)務線上轉化，讓用戶有更便捷的體驗，銀行這邊也實現(xiàn)了安全，這個增量是非常大的。第二個場景是安防，現(xiàn)在有大量的安防數據，人根本看不過來，而用機器去看，可以識別里面每一個人是誰，還可以識別逃犯，根據觀察到的人物行為模式進行預警，這是原本做不到的事情，這個業(yè)務價值增量也是巨大的。

同樣一個技術，比如人臉搜索（或者叫圖像搜索），你既可以用在搜索視頻看哪個影星出現(xiàn)在哪些電影片段中，也可以檢索監(jiān)控攝像頭視頻，在后面一個場景你可以解決老人、小孩走失的問題。所以，我們在這兩種場景下，一定選擇后者，因為后者價值更大。

曠視科技Face++的人臉識別做到什么程度了？

新智元：曠視現(xiàn)在的人臉識別做到什么程度了？

唐文斌：這個要取決于具體的場景和數據庫。在不同的場景下需求是不一樣的，比如說用人臉識別來做開門，員工走過來門就開了，這種個場景下要求召回率非常高，每個人都得識別出來，并且速度要非�？�。我們給阿里集團做刷臉門禁，阿里現(xiàn)在幾萬人，基本上一天可以識別幾十萬次，大概誤報1~2次。

在安防場景下，數據庫會大很多，公安識別嫌疑人的訴求，最重要的一點就是不能老喊“狼來了”，這就要求識別出的盡量都是對的，我們一般會控制一個誤報率。現(xiàn)在我們在安防場景下識別嫌疑人，基本上路過的嫌疑人都能夠識別出來，并且誤報不會超過30%。目前業(yè)界還沒有一個基準，但我們參加了很多樓宇、安防競賽，都是業(yè)界的最高水平。

現(xiàn)在經常聽到99.9%，這只是在某個數據集上的表現(xiàn)，真正現(xiàn)實的問題和場景要比測試數據集難太多太多。其實最早是我們引領了刷benchmark這個風潮，后來我們又不怎么刷了。我們最早刷LFW，已經基本刷到頂了，最后即使出錯，感覺好像也不是本質問題，所以我們就沒有去管這個事情了。但現(xiàn)在大家還很瘋狂地在刷99.9%后面的位數，這沒有任何意義，LFW只有6000對數據，那個數據集早就已經過擬合了。我認為大家要更關注的點，應該是更結合實際場景去解決問題。

新智元：曠視現(xiàn)在很多行業(yè)落地都跟政府有著很強的相關性，ToG是否是人工智能發(fā)展的一個重要方向？這是否是曠視發(fā)展的一個重要方向？

唐文斌：面向政府絕對會是人工智能發(fā)展落地的一個新方向。就像我剛才說的，我們要做什么，不做什么，選擇的邏輯是用戶價值，圖像識別或者人臉識別對于城市治理和公共安全能夠帶來非常大的價值增量，我們是非常愿意去做的。政府現(xiàn)在是我們最大客戶之一。當然，政府也非常支持現(xiàn)在的人工智能產業(yè)發(fā)展，在這種需求里面也給我們提供了很多的機會。

Research負責尋找算法之外的東西

邊界里面的全部通過工程實現(xiàn)自動化

新智元：曠視的核心優(yōu)勢是什么？

唐文斌：深度學習有三個核心要素，算法、數據和系統(tǒng)，這三者是相乘關系——你有一個好的算法，用有很多數據去催它，當數據變多、算法變復雜后，還需要有一套很好的底層架構和引擎來支撐。

從算法的角度講，我們請來了孫劍老師，希望孫劍老師帶著同學們在現(xiàn)有算法基礎上找到新的東西。算法就像人的智商，數據就像人的見識，見識決定了你能走到多高，而智商決定了你能走多遠，兩件事情都非常重要。我們的研究團隊其實就在智商這個方向上探索。而數據是一個更產品或者更工程的事情，我們需要在產品中設計一個好的方式，形成數據的循環(huán)，讓產品中的數據回來，不斷加深算法的訓練，讓它變成更強的算法。