如果說過去五年是中國人工智能的上半場，那么從2019年開始，這個行業正式進入了下半場。

這一年，以計算機視覺起家的AI四小龍，差異化戰略正在變得愈發清晰。

一直以來，以技術名稱來定義公司屬性的企業，初期均以技術驅動業務，拿錘子找釘子。

反之，以行業來定義公司屬性的企業，業務是重心，技術是輔助，先找釘子，然后制造合適的錘子。

在外界眼里，四小龍仍舊是最初那個拿著AI錘子找釘子的四小龍，而現實是，他們早已轉變為錘釘轉換，雙輪驅動的企業。

隨著錘子與釘子角色的轉換，四家企業的戰略也從同一CV戰線，分頭走向不同的道路。

商湯向后：全面聚焦云端的獨角獸

與大多競逐者稍顯不同的是，在行業大部分玩家往“前”走，做邊緣、硬件的背景下，商湯卻集中兵力大舉向“后”，聚焦云端，做城市級視覺中樞平臺。

商湯科技聯合創始人、副總裁楊帆解釋了商湯安防為何要“別具一格”積極向“后”。

一來是基因。

商湯的基因在于平臺，它成立之初的定位就是做一家AI平臺公司，要讓AI成為一個可以長期保有價值的技術，而不是轉瞬即逝的風口。

此前，行業內秘而不宣地將一眾CV公司大致分為兩類：一類做 “重”，一步一步由點及面，做軟硬一體化，如此易于活下去，但擴展速度有限；一類做“輕”，自上而下先面后點，聚焦視頻中樞平臺，如此利于擴大規模，但變現周期較長。

“今天的AI安防賽道，每一家公司的戰略打法都不盡相同，但大家的模式都是‘重模式’，只是“重”的方向不同罷了。”楊帆反駁道。

有些公司從端到邊到云，通過軟硬一體化戰略提供行業整體解決方案，‘重’在供應鏈，后期會慢慢朝著一家技術型生產企業方向行進；商湯的‘重’，在于云中心，基于頂層設計做服務。

“未來商湯的產品形態滿足行業的商業模式及市場規律的同時，也會給自身留有一定的戰略空間，但核心價值一定不會變，那就是軟件價值。”

他始終認為，企業發展壯大后，在面對產業蛋糕誘惑時，需根據基因優勢，守住定位所在，不然雄獅會溺亡，虎鯊也會衰竭。

楊帆說，安防流程中的“分析”、“反饋”這兩大環節未能在過去十多年中得到實質性發展，導致這一領域的產業信息化沒有真正完成閉環價值的提供。

分析是對于前端IPC采集的數據真正具備自動化價值提煉的能力；反饋是指擁有基礎提煉能力之后，再結合用戶需求，形成應用生態，能夠真正給客戶帶來價值。

楊帆篤信，對于后面兩個環節的補強便是商湯發力安防的機會點所在，商湯也會竭盡全力對一個成熟行業的不成熟環節進行商業化重構。

二來是大勢。

商湯志不在安防樣板區域，志在城市級視頻分析管理中心。

中國城市化進程加速已成現實，未來會出現以珠三角、長三角、京津冀為代表的巨型城市網絡，而隨之出現的便是對于超大規模城市視頻分析管理及綜合治理的實際需求。

對于所有從業者來說，這是一個全新的課題及難題。

以一個城市級項目為例，將1萬路攝像頭（保守估計）連接在一起，每路攝像頭每天抓拍量3000張（保守估計），每天系統需要處理3000萬張人臉，如果后期需要存儲100天，也就是30億張人臉。

此背景下，如果用戶想做一人一檔，這對于技術的挑戰遠遠不是一個幾千人的門禁可以比較的。

“團隊人才的上限就是一家公司業務能力的上限，目前商湯是全行業內唯一一家能夠做到兩萬路且已經落地應用的廠商。”

楊帆告訴雷鋒網，做城市級基于數萬路的視頻分析系統的難度之高不可想象，它的出世并非一朝一夕之功，需要AI領域眾多頂尖人才的持續努力，并針對算法做大量優化、平衡才可以做到。

曠視向前：終端最“重”的獨角獸

在商湯大舉向后的同時，曠視卻奮力向前，從后端到前端全面覆蓋，走軟硬一體化之路。曠視認為，當互聯網的上半場結束之后，所有的互聯網下半場都是重生意，而“重”便體現于用算法去匹配各種前端硬件產品和工程項目。

七年前，AI還未成風口，創業公司也沒幾家，VC圈尚不認可，那個年頭，做AI已經要有難得的孤注一擲的情懷，不曾想入場后不久，曠視便瞄準了行業公認的硬骨頭：安防市場。

今天，曠視安防所研發的產品矩陣涉及人、車、物特征識別等多個領域；業務線涉及 云、邊、端三大版塊。

可以說，曠視正在用軟硬一體的方式打造涵蓋“算法、技術、硬件產品、解決方案、數據”在內的全價值鏈。

安防之外，曠視的“重”還體現在倉儲物流、工業化上。

此前，曠視重磅公布了其機器人新戰略，從倉儲物流切入AIoT市場，并推出AIoT操作系統“河圖”。

有人提到，曠視此舉是在謀求轉型，在雷鋒網看來，實則不然，更有可能是業務升級。

計算機視覺技術的迭代，最終是為了更好解決人、車、物的問題。一直以來，曠視所研技術、產品都是圍繞“人”與“車”展開，而他們最新發布的新戰略則覆蓋了“物”。

與識別“人”及“車”不同，“物”的識別對于軟硬件的要求更為苛刻，也就是說在安防領域積累的軟硬件實力已經滿足不了后者的實際需求。

從這，再聯系到近期曠視的種種動作便可以很好理解。

去年4月，其全資收購了一家物流機器人公司艾瑞斯機器人，這家公司可以為曠視在物流行業進擊提供強大的軟硬件實力。

如此，艾瑞思機器人可以解決外部運輸問題，并產生足夠多的數據，曠視AI算法可以更好解決機器人之間的連接問題。雙方合作，便可以優化業務過程，達到降本增效之用。

而這，也就恰好構成了曠視完整的商業閉環。

作為全局背后的總設計師，曠視就可通過深度學習系統Brain++，將人、車、物這些網絡節點綜合起來，打造IoT OS，并通過AIoT的全方位布局賦能安防、機器人等各種終端，實現應用層各大場景的規模化商業落地。

而之所以會選擇安防（基于視頻監控的細分產業，包括交通等等）和倉儲機器人領域突破其實也比較好理解。一來，IoT落地場景較少，安防和倉儲機器人應該算是相對成熟的領域；二來，安防與倉儲機器人技術相通，都是基于計算機視覺做的技術應用。

正如曠視CEO印奇所說，“在新的浪潮里，這可能并不是一個安防行業，而是IoT行業，我們有機會做出一個新的像海康這樣的行業巨頭。”

依圖向上：首個跳出人臉識別的獨角獸

環顧四小龍，其核心業務主要圍繞人臉識別展開。當然也有少量非人臉識別產品，但屬于非主營業務。

而依圖則是第一個跳出人臉識別，把醫學影像分析作為等同于人臉識別戰略地位的獨角獸。

醫學影像分析的的技術路徑，有別于我們熟知的零標注門檻的人臉識別、物體識別乃至語音識別等，前者不僅需要資深影像科醫生進行數據標注，同時數據獲取也非常困難。

這也是直到現在為止，很多明星人臉識別公司遲遲不輕易入內的主要原因之一。

依圖把醫學影像分析作為戰略后的很長一段時間里，其他三小龍雖稍有涉足醫學影像AI，但多在Kaggle、Luna等公開域的肺部、眼底數據集上做測試，停留在小打小鬧階段。

直到去年9月Dimitris教授和張少霆的加入，才讓商湯醫學影像第一次走上臺面，但產品也處于打磨原型的早期階段，與依圖的產品進度不在一個梯隊。

近兩年來，雷鋒網采訪了上百位影像科主任醫師，依圖醫療的產品在醫學界的好評度排在行業最前列。

當然，在醫學影像AI行業屬于絕對領先，并不代表產品已完全成熟。鑒于該領域的復雜性和監管的金標準門檻，整個行業仍有很高的提升空間。（詳細論證參考雷鋒網文章《影像科劉再毅教授自述：為什么我是AI醫療的「旁觀者」？》，本文雖于2017年發布，但直至現在，劉再毅提出的多數問題仍舊未解決。）

現階段，企業利用計算機視覺技術檢測影像病灶或識別單一（少量）病種，對醫生的輔助作用相對有限，產品在實戰中的敏感度和特異度表現也并不穩定。

因此，讓醫學影像數據同時結合患者的其他數據進行分析，顯得尤為重要。

就在近日，依圖醫療聯合合作伙伴在《Nature Medicine》上發表了NLP輔診研究成果，把自己以視覺為主的技術方向擴展到NLP，把數據域從醫學影像擴大到電子病歷。

這也預示著依圖的醫療業務進一步做重。

而現在的依圖，是業內少有的能同時打好兩張王牌的AI公司，且是渠道封閉且市場化較低的安防牌和醫療牌，這對于互聯網科技基因的公司而言，難度可想而知。

云從向下：唯一切入金融核心業務流程的CV公司

安防和醫療兩大領域，計算機視覺技術可滲透入到核心決策業務層，直接輔助抓逃與診斷。

而同樣作為重要落地領域的金融，計算機視覺的地位則稍顯尷尬。

計算機視覺在金融領域的應用，更多停留在開戶、登錄、取款的用戶交互層，遠未觸及到市場份額更大、更核心的貸款決策層。

作為金融人臉識別第一企業，云從科技也不得不面臨計算機視覺在金融場景中的天然局限。

金融人臉識別，其產品以技術實現難度較低的靜態人臉比對為主，平均銷售單價并不高，尤其是手機端的金融人臉識別接近零門檻，企業采購SDK或自研即可實現在線識別，留給第三方供應商的份額有限。

而線下ATM機和營業廳的人臉識別業務，由于涉及到攝像頭和機具等硬件設施的改造，營收數字較為可觀。尤其是智慧網點一體化改造，單筆合作金額頗為豐厚，這也是云從長期以來的重點布局。

但總體而言，金融人臉識別的門檻高度有限，隨時面臨大小公司的沖擊。

近日雷鋒網發現，云從科技的金融產品線增加了以風控系統為代表的金融決策方案，雖然都是金融業務，但人臉識別和風控幾乎屬于完全不同的兩個技術層，解決的業務問題也截然不同。

銀行創收的第一來源是放貸，而放貸最核心的需求便是風險控制。

云從的全新金融戰略，使其業務從金融交互層，滲透到金融決策層；其技術從感知層，跨入至認知層。

風控層的業務，不是靠使用單點機器學習技術就能實現。

風控的根本，不單是控制風險，降低不良率，更多是如何維穩放貸的收與放，是一門平衡的藝術，也是宏觀和微觀的總和。

微觀是指選取哪些變量，用什么數據，閥值定在多高。宏觀是指在當前的市場環境下，該做車貸還是房貸，推出回款周期是三個月的產品還是三年的。

AI技術，在其中扮演的角色僅體現在微觀層。而人的經驗，則體現在宏觀層。

本質上與醫學影像AI有些許相似，AI負責檢測和識別，而產品的精度，很大程度上取決于醫生團隊的標注水平。

目前云從已經發布了其互聯網金融平臺，可在行內部署，協助銀行在資產對接的過程中，制定合理的風險定價模型及具備可以操作性的貸款審批策略，依托專業的風險決策工具，實現自動化決策審批，最終形成風控與業務自主運營的管理體系。

整體業務結構已非常清晰，未來尤為可期。

此外，雖然云從科技進入安防動態人臉識別業務相對較晚，但近兩年的發展勢頭也極為迅猛，早早邁入第一梯隊。

未來的最大挑戰

總體而言，商湯、曠視、依圖和云從四家企業，最相似的地方，便是其最大營收領域均為安防。

安防動態識別技術之復雜，銷售之水深，產品、供應鏈線之繁雜，使得四家幾乎是躺盡無數坑了才站在現在的位置上。

而四小龍在安防這一核心創收來源領域站穩腳后，才逐漸明晰了自己的全新戰略路徑。

在這一節點，迎接四小龍的最大問題，或許并不是能否保證技術的領先性，也非利用技術賺取多大的利潤，而是在業務線和技術體系無限擴大、無限縱深時，如何管理好N個愈加獨立的行業事業部和數千人團隊，是他們需要過的第一道難關。