典型AI公司的非典型十年
人工智能（AI）已不再是个新奇的词汇了。
2012年，Hinton教授带领课题组首次参加ImageNet图像识别比赛，其深度神经网络算法以碾压式的胜利横扫比赛，在大洋两岸掀起了一场人工智能风暴。
一时间，学术科研红红火火，技术产业百花齐放，AI热潮席卷全球。
如今，十年过去了。
这十年间，有风口，也有泡沫，有狂热，也有反思。在资本大战、人才大战、上市大战轮番上演之后，市场终于逐渐冷静下来，开始客观地看待这场技术变革。
2022年，人们不再关注千层神经网络、亿级参数模式，取而代之的是AI能否真正的降本、增效、保证安全、优化体验。
而就在这样一个市场节点，瑞为即将完成数亿元的D1轮融资。
“这两年我们切实地感觉到，投资方在关注技术领先性的同时，会更关注一个AI公司能不能在细分赛道里建立足够竞争壁垒，能不能成为头部玩家。”瑞为技术CEO詹东晖告诉36氪。
跟其他同等融资体量的AI公司相比，瑞为技术要低调得多。
你不一定听说过瑞为，但你极有可能用过瑞为的技术。作为北京大兴机场、首都机场的AI技术提供商，瑞为的智慧机场解决方案目前已经覆盖了全国1/3以上的民用机场，并且还在不断扩展当中。
在“AI+公共安全”与“AI+商业数智化”这两大主要业务战略的支撑下，瑞为技术2021年的营收实现了超过60%的增长率，持续保持高增长。
2022年，是瑞为技术成立的第十年，也是人工智能热潮的第十年。作为一家“非典型”人工智能创业公司，瑞为的成长历程，尤为值得放在今天的产业背景下进行研究。
AI前夜：端侧智能的早期践行者
在瑞为成立之初，当行业还普遍停留在“大模型、大GPU”的云端强计算AI解决方案时，詹东晖便凭借多年的产业经验敏锐地意识到，未来AI的大规模应用，端侧智能必然是大势所趋。“80%的AI计算将在端侧完成，而云端只是剩余20%”，这是詹东晖坚信的AI二八原则。
在今天，这是一个业内共识，然而在十年前，情况却要复杂得多。
在行业尚未拿出成型终端AI芯片的发展初期，如何将复杂的深度神经网络部署在功耗、算力、成本都有着极高限制的终端设备上，是AI技术落地的一大挑战。
为此，瑞为尝试了包含ARM、DSP、GPU在内的多种不同芯片方案，最终选择了FPGA作为端侧算法开发的统一平台，相比常见的算法软件开发，基于FPGA的算法开发无疑提升了一个量级的技术难度，但也正由于如此，接近ASIC化的芯片级算法实现，才能相比通用处理器展现出最优的性能功耗比和性价比。
事实也证明了，瑞为当时的这一技术路径选择是正确的，也极具领先性。
2016年，某广告厂商需要对广告机智能升级，在现有机器内安装AI模组，使其能够进行广告效果的AI分析。
于当时，对于AI应用而言，这是极难得的大规模商用场景。这一项目的竞争自然也就非常激烈，几乎所有数得上名字的AI创业公司都参与了竞争。
然而，最大的挑战在于，所有的分析都需要完全离线，而且还有成本和功耗的约束。
詹东晖坦言，跟当时同为竞争者的AI公司们相比，瑞为在公司规模、品牌知名度、商务关系上都没有优势。
但基于对技术路径与行业发展方向的正确预判，加之多年的智能硬件产业经验，瑞为从一众竞争对手中脱颖而出，成为该项目的唯一供应商。
“我们第一批产品交付后，返修故障率不到1%，非常低，而且是在一个接近不可能的时间要求内完成这一交付。”詹东晖说起这组数据时，多少带着些藏不住的自豪。
类似的案例不止一个。2017年9月在厦门召开的“金砖峰会”同样是一场八仙过海，各路企业纷纷瞄准的重点项目。
在厦门市公安局金砖遴选测评赛上，瑞为不仅通过FPGA方案解决了相机高温发烫的问题，更是再次凭借抓拍率、去重率、成像质量、综合得分全面第一的成绩，成为了金砖峰会BRT站点、公安检查站、主要干道等场景的智能设备提供商，迄今为止，设备始终稳定运行。
AI浪起：深淘滩，低作堰
深度学习的商用，让AI的能力得到了近乎质变的提升，AI，也才得以飞越计算机里枯燥的代码，落地形成一个个“AI+产业”的应用场景，或者说，赛道。
2016年，瑞为为未来的发展，选择了“AI+公共安全”与“AI+商业数智化”两条主航线，这其中，最突出的便是智慧机场这条细分赛道。
智慧机场出行
根据瑞为数据，目前，在国内机场的智慧安检、智慧登机等应用领域，瑞为的市场占比稳居第一。
但其实，瑞为并不是最早一批瞄准智慧机场的AI企业，一直到2016年，瑞为才将发展重心转向了智慧机场。
而真正让瑞为在这一领域一炮打响的契机，是2019年北京首都国际机场、北京大兴国际机场这两大“国门机场”的AI升级改造项目。
詹东晖将它们称作瑞为的“拐点”——“从那以后瑞为在行业内的知名度一下子打开了，因为大兴机场用了很多我们的AI技术和产品。”
然而，攻克下这两个项目，却并没有那么容易。
最开始，瑞为接到的是北京首都国际机场智慧升级方案——航站楼的安检口、登机口AI改造。
彼时，单纯人脸识别算法的精度已经可以达到99%以上的准确率，但一旦放在实际应用场景中，情况就复杂得多。
以登机口的应用为例，由于登机口附近通常有着大面积的玻璃幕墙，一到中午时分，常常遇到太阳直射或者玻璃强反光，前端的智能相机如果不能适应光线清晰成像，AI算法的可用性将急剧下降，难以保证正常运行。
为了攻克这一难题，瑞为直接把算法研发团队和光学设计团队派到机场，在现场进行问题攻关，同时重新训练、优化CV算法，重新设计光学模组，深度优化自研的单帧宽动态算法。软件硬件算法三管齐下，完美解决了登机口光线问题，真正实现全天候全地域的一致性产品性能。
登机口应用的出色表现让首都机场看到了瑞为的技术落地能力，而安检口的AI升级，则全面展现了瑞为对于应用场景的深入洞察。
在最初设计安检柜台的AI识别终端设备时，通常考虑的是覆盖身高1米～1.8米的人脸识别需求。
然而，瑞为的工程师们在“蹲点”安检口后，发现年龄小的孩子与坐轮椅的特殊旅客在通过安检时，需要被父母抱起或是经旁人搀扶，才能顺利通过。
这并不是一个出现频率极高的应用场景，却让瑞为的工程师们决心主动提高产品规格，将人脸识别覆盖范围扩大到0.8米～2米。
更大的覆盖角度意味着更大的镜头畸变，更高的技术要求，以及更好的用户体验。
瑞为对场景的深入理解与项目的超预期交付不仅顺利完成了验收，更打动了首都机场。
此时，在智慧机场领域崭露头角的瑞为，接到了大兴机场智慧机场建设的机会。
大兴机场航显
作为世界规模最大的单体机场航站楼、世界施工技术难度最高的航站楼，北京大兴国际机场几乎代表了全球智慧机场领域的领先技术与服务水平。
这一堪称智慧机场“管上明珠”的项目成为了所有供应商的逐鹿之地，无论是各类名声响亮的人工智能公司，还是林林种种的安防科技巨头，全都瞄准了这一项目。
机遇与挑战永远是并存的。人人都想参与大兴机场的建设项目，可这一项目的困难程度远超一般想象。
从2014年年底批准建设，到2019年9月正式投入运营，大兴机场的整体建设时间不到5年，整个建设过程都在与时间赛跑，对于最后的智能化设备的部署与调试，更是时间紧迫，任何延迟都将直接影响整座机场的开通。
一方面，大兴机场所有的智能设备都要特殊定制，从设计到研发，从试产到量产，对于交付质量与交付周期是极大考验。
为了给现场团队争取更多的部署时间，并且赶上预演的时间，瑞为产品团队、算法团队、光学团队、供应链团队等全都必须在最短时间内完成产品选型、外观设计、生产、品控、测试、交付，“任何一个环节都不能掉链子”。
另一方面，在大兴机场的建设期，机场附近的基础设施配套不完备，为了确保项目的及时交付，完成近400台智能设备的入场、部署、调试、演练，确保设备可用、好用。瑞为驻扎机场现场的工程师全都自带干粮，一进机场就扎进去不出来，甚至睡在机场，争分夺秒赶工期。
在没有空调的北京大夏天，他们每天需要多次跑遍所有安检口、登机口，确保设备在各种光线环境下都能实现最优抓拍，呈现最佳的效果，来最终保证项目的即时响应与最终的保质交付。
大兴机场登机口的智能设备
与大多数人预设的不同，詹东晖告诉36氪，切入机场领域，瑞为并没有人们所想象的强大的商务网络，或深厚的客户关系。
能够持续承接这些重大的人工智能项目，瑞为凭借的是市场的敏锐、技术的创新、不言败的韧性以及以客户为中心的服务精神。
2019年9月25日，北京大兴国际机场建设如期完工，正式投入运营。
这样的案例还有很多。目前，瑞为的智慧机场解决方案已经覆盖了全国1/2个千万级机场，1/3民用机场，包括大兴机场、首都机场、宝安机场、虹桥机场、浦东机场、白云机场、萧山机场等，成为这一细分赛道的领头玩家。
在这些项目的建设过程中，瑞为也积累了大量的产业know-how，使得其产品与解决方案进一步从智慧通行场景扩展到了智慧安检场景，通过将AI与更多创新的传感技术相结合，不仅显著提升安检过程的可靠性与安全性，更可大幅提升通行效率，詹东晖将之归纳为“一米宽，百米深”战略。
AI前行：精彩何止又十年
当我们谈起人工智能时，我们往往下意识想到的是人脸识别、语音助手、AI修图……
这些应用替代了一些繁琐的人工操作，为我们的生活带来了便捷，这便是AI所带来的点滴价值，让我们不禁遐想未来必来的人工智能时代，会是怎样一个美好。
人工智能时代的一个突出特征，就是AI技术能够作为核心生产力，真正地推动社会进步，让每一个参与方都能从中获利，达到“多赢”。
在瑞为参与打造某省货运智能风控运营的案例中，我们隐约看到了这种“多赢”的雏形。
根据交通部出台的政策，两客一危车辆和12吨以上重卡都必须安装智能监控系统，并配备第三方风控运营服务，以进一步推进人车安全。
在这个项目中，瑞为不仅提供包含DSM（司机驾驶行为检测）、ADAS在内的全套车载智能终端，更进一步与保险平台合作提供AI风控运营服务。
前端智能硬件实时监测可能影响行车安全的异常行为，后端平台综合多维数据，通过AI决策自动进行事前预警与事中干预，必要时还将辅助事后预防，不仅显著降低了车辆行驶的事故率，更可为保险公司大幅降低赔付，改变过往面对风险被动赔付的传统局面。
而整个项目的点睛之笔在于，司机并不需要为这套系统买单，所有费用的支出均源自保险降损的收益分享。
司机驾驶更安全、车队管理更高效、政府监管更轻松、保险收益更可控，真正的“一举多赢”。
正如风控运营服务一样，在“AI+商业数智化”领域，瑞为亦不断向“多赢”价值服务拓展，面向商业地产，以星汉智慧大脑为核心，打通12个场景端的数据感知与数据决策，真正实现B+b+c到C端的全渠道全流程营销闭环，解决商业地产的数据环流与融合管理。在这一细分赛道，瑞为亦是行业领先的AI+BI解决方案提供商。
从很多方面来讲，瑞为都是一家“非典型”人工智能创业公司。
这十年间，面对投资人时，瑞为几乎刻意地“躲开”了所有风口——AI芯片、自动驾驶、无人零售……
“我们会很坦诚地阐述，我们对行业的思考，对战略的选择，以及当下我们的践行，面对一个风口，没有选择，不一定是风口不好，而是我们本身没在风道上，公司和人一样，目标是一步步走出来的，而不能指望像扬沙，一下子飞很远。”詹东晖说。
行稳致远——这是詹东晖回顾瑞为十年所给出的关键词。
当前，人工智能已经走过了“从0到1”的十年，这项技术已经走出实验室，在重点行业中找到了自己落地的支点。
然而我们也不得不承认，这离我们真正期待的AI时代还有一段距离。
“大家都坚信在我们有生之年，人类社会一定会进入到AI时代。但是现在，我们还只是在萌芽期。目前的AI技术能够满足一定场景的一些需求，但是更多的时候我们需要综合多维度的技术才能完整地解决客户痛点。”詹东晖告诉36氪。
从2012年的ImageNet算起，这一轮人工智能技术已经发展了十年。在下一个十年里，市场所考验的将是人工智能“从1到N”的能力，所考验的是它是否真正能够创造价值，落地产业，推动人类社会不断向前发展。
为了实现这一目标，我们也许需要更多的“非典型”人工智能公司。
相关推荐
典型AI公司的非典型十年
一个国产手机品牌的非典型衰落
特斯拉的“非典型”正统公关
翊翎资本：非典型 VC 的「出圈」
一家香港金融科技独角兽的非典型发展
从0到66亿：歌斐资产，中国S基金的非典型样本
熟悉的味道最香的游戏，腾讯Q1的“非典型”增长
推出圣诞限定款台灯，Jya的“非典型”跨界营销
对话博世创投蒋红权：一个非典型CVC的前线拓荒记
投资AI十年以后，我的四个洞察
网址: 典型AI公司的非典型十年 http://m.xishuta.com/newsview59901.html
