近年來，人臉識別技術在越來越多的場景實現應用，無論是早期的刷臉支付還是刷臉乘車，現如今還出現了刷臉取廁紙、刷臉扔垃圾甚至刷臉買茅臺的新鮮嘗試，大有滲透各行各業的迅猛趨勢。

與美國各州不斷出臺法令禁止人臉識別技術截然相反，我國對于該項技術的推進和落地表現得十分積極。新技術的產生和應用，最重要的應是解決當前痛點并惠及民生。在當前驗證方式還能夠很好地滿足需求的情況下，全力推進人臉識別技術的應用為哪般？人臉識別技術屢遭非議，我們的隱私安全又該如何保護？

場景越鋪越廣，人臉識別解決了什么痛點？

人臉識別，已成趨勢。關于人臉識別各種碎片式的報道早已屢見不鮮，有的仍在穩步推廣，有的早已悄然落幕。不過，在探討一項技術是否具有實現大規模應用的能力時，我們必須要從技術和商業模式兩個維度來思考。

首先，無論商業上如何包裝，人臉識別技術都不能算是一項多么尖端的技術，國外的大型科技公司，諸如亞馬遜、谷歌等其實長期以來一直都在使用它。盡管國內的應用聲量很大，但就人臉識別技術背后的人工智能基礎性研究來看，中國的水平仍沒有超過美國。

但是，中國的商用步伐卻比美國快了很多倍。據研究機構數據顯示，僅在2016年，包含設備及視頻管理軟件在內的中國影像監視系統市場規模就達到了64億美元，政府和民間企業已安裝監視攝影機高達1.76億臺，高居全球之冠。且在未來五年，中國這一業務的復合成長率達到12.4%，人臉識別的運用范圍只會更廣。

以刷臉進站、刷臉閘機這一類型的應用場景進行分析，人臉識別技術的應用其實并沒有很好地解決速度和精度的痛點。從今年開始，深圳、濟南等城市均已陸續開通該項服務，北京市也正計劃推廣。目前這也成為城市智能化的標志性應用，正在席卷更多的城市。

以濟南為例，濟南地鐵1號線是我國首條采用3D人臉識別閘機的地鐵線路，進出站各有一個閘口可實現刷臉乘車。濟南軌道交通集團物資管理部負責人說：“這個設備綜合應用了移動支付與生物識別等前沿科學技術，通過大數據采集將人臉信息提取出來錄入。乘客可以完全脫離身份證、乘車卡等介質，注冊成功后，不用攜帶任何卡片。”

但在經歷了一系列下載、注冊、登錄、信息錄入、支付綁定等流程后，最終能實現平均一分鐘連續通過33個人，也就是說約2秒可通過1人；而據統計，使用地鐵卡、二維碼等方式能通過20余人，則不到3秒通過1人。

由數據對比可見，速度其實并沒有明顯提升，且在光線、膚色等變量的影響下，人臉識別的精度也會隨之波動，并不穩定。更重要的是，在此類場景以及交易場景下，人臉識別在未來長期階段仍將是眾多支付選擇中的一種，不會成為唯一選擇。更不用說“偽需求”的刷臉扔垃圾、刷臉取廁紙了。

頻出禁令，美國為何擺出如此拒絕姿態？

與國內積極推動人臉識別技術落地相比，美國對待這項技術的方式顯得十分“極端”。今年5月，舊金山市對人臉識別技術正式發出禁令：禁止該技術在政府機關和執法機關中使用。加州奧克蘭市、馬薩諸塞州等越來越多的城市也在考慮禁止或暫停這項技術的使用。6月初，微軟宣布刪除其公開人臉識別數據庫——MS Celeb。

客觀來講，美國的人臉識別技術一直走在行業研究前沿，在商用層面也早有動作。但人臉識別技術還不能達到100%的準確性，且對于不同種族的準確率差異極大，這就意味著，不同的人種在通過人臉識別技術過安檢的時候，部分有色人種將會受到更多的查驗。這在美國領域內，是件政治十分不正確的事情。

除了對于技術本身的質疑，美國人更在意的，是隱私安全方面的隱患。人臉識別技術背后的支撐是海量數據，如果隱私數據被竊取，你的臉就不再是你的臉，可能屬于了任何人。且伴隨著智能音箱逐漸入主更多家庭，全球出貨量最高的亞馬遜Echo系列和谷歌Google Home系列頻現侵犯隱私安全的問題，從聲音到人像全都無所遁形，這讓美國人感到焦慮。

美國人的拒絕姿態也恰恰展現出一副新態勢：在由弱人工智能向強人工智能轉變的同時，越來越多的人從關注技術本身的發展，轉向考量更多與人文、倫理相關的因素。人工智能應用的邊界究竟在哪兒，如何提高算法的透明性也成為擺在企業以及國家面前必須要解決的問題。

首先，雖然我國的《網絡安全法》明確將個人生物特征識別信息納入個人信息的范圍，但對于信息的使用、存儲、運輸和管理仍需進一步細化。

其次，行業規范應與法律規范同時并舉。對于細分領域的企業而言，需要進一步明晰標準，嚴格市場準入，從源頭避免引發行業亂象。

再次，明確人臉識別技術應用邊界，發揮技術本身的最大效能。人臉識別技術在安防領域的應用落地最為廣泛，2018年，安防行業總產值達7183億元，占國內GDP總產值的0.8%，無論從市場規模還是社會重要性來看都占據了舉足輕重的地位。人臉識別技術用在抓捕在逃人員、甄別違法人員、調查失蹤人口等諸多方面，將極大節省公安人員工作成本，更加方便高效地打擊犯罪、服務群眾。站在當前的時間節點，這一項應用變得十分重要。

“四超多強N跟隨”格局下，計算機視覺公司如何搶占市場？

幾十年來，計算機視覺作為人工智能系統中基礎研究最深的技術，一直是人們感興趣和研究的話題，也是當前落地應用最為廣泛的技術之一。自2015年起，基于中國人工智能政策以及人工智能企業的深耕，我國人臉識別技術迎來快速發展時期，一大批優秀的初創企業開始涌現。

由上圖可見，國內主打計算機視覺的公司在近幾年的發展過程中明顯形成了“四超多強N跟隨”的格局。

“四超”即商湯科技、曠視科技、依圖科技和云從科技，這也是國內公認的“CV四小龍”。從圖表中我們可以看到，這四家公司均深入安防市場，形成了激烈的市場競爭。在CPS中安網聯合商湯科技發布的《2018中國安防行業調查報告》中顯示，以這四家公司為代表的計算機視覺企業在安防領域的總體市場份額達到了69.4%。

不過，當前安防市場仍然面臨著海康威視、大華等企業的競爭，與此同時，行業仍存在著算力瓶頸、大量非結構化和半結構化數據預處理難題，這是對“CV四小龍”提出的更好的要求。

“多強”則指的是格靈深瞳、第四范式等明星初創企業，發展實力也不容小覷。以第四范式為例，其作為中國五大行聯合投資的唯一創業企業，國內重要的國有銀行和全國性股份制銀行超過半數都是第四范式的客戶，目前服務的金融機構資產規模超過50萬億，頭部金融客戶占有率超過70%。技術趕超國際水平，市場定位也比較精準成為了這一批初創企業的典型特點。

“N跟隨”則指的是類似中科慧遠、視語科技等一大批近兩年來興起的AI初創公司，它們切入的應用場景更為細化，也開始有意識地規避競爭激烈的安防、金融等市場。中科慧遠切入了工業外觀檢測中的手機蓋板玻璃檢測領域，視語科技則選擇了紡織業的視覺檢測領域，用不同方式解決行業痛點，為企業降本增效。

在計算機視覺技術的落地過程中可以發現，算法和數據已經不再是當前競爭的壁壘，只有在垂直領域找到和技術深度耦合的應用場景并深入挖掘，才能真正讓企業的路走得更長。在此基礎上，真正實現造福于人，更是各科技企業要思考的方向。