在“人脸识别“大规模商业化当下，故事由云从科技和国有大行主导。上个月，一则“中国利用人工智能预测犯罪“的消息被刷屏。而消息的主角，正是成立两年的人工智能新秀——云从科技。如今，在安防市场小有所成的它，已在银行业成长为一条让其它人脸识别供应商望而生畏的“大鱼“，同时，也成为让巨头垂涎的“小鱼”，众人围剿和壮士突围间充满变数与可能，技术、产品优势牵一发而动全身。
几项金融市场竞争与人脸识别技术结合的产物——农行的刷脸取款、建行的无人值守校园e银行，将视线聚焦在六大国有银行及一众中小银行的新战役中，而逐渐起势的人脸识别产业本身也已成为战役中尤为重要的一环。
| |||||||||||||||||||||||||||
在深入调查“人脸识别”金融行业应用的过程中，意料之外的两大既成事实让笔者开始重新审视人工智能和金融科技。这两件事实分别是：
1)在国有大行中，人脸识别技术已经被广泛采用;
2)云从、旷视、商汤和依图，是国内人脸识别技术在金融行业应用最早和最为成熟的企业。
了解人工智能技术在专业领域的应用现状，能够更为直观地感受技术革命临近的前奏。更进一步，其在金融领域落地的深远意义在于，将为传统身份验证业务流程和人脸大数据应用方式的带来颠覆式影响。
而在当下，这一关键阀门就掌握在云从和总估值超100亿元的几位劲敌手中。
一、千亿规模的新蓝海
人脸识别金融应用，并非指人脸识别技术本身，而是将人脸识别技术通过不同的解决方案设计及其它技术叠加，解决金融行业各种业务场景下的实际需求。具体而言，人脸识别技术多以特定的场景为基础，通过一定的设计、集成、生产等工业手段，将不同的人脸识别环节进行重新组合、排列，最终输出符合金融行业需求的产品。
根据资料显示，中国拥有6大国有银行(中农工建交邮)，12家股份制商业银行，144家城市商业银行，212家农村商业银行，190家农村合作银行，2265家农村信用社，4家金融资产管理公司，40家外资法人金融机构，66家信托公司，127家企业集团财务公司，18家金融租赁公司。4家货币经纪公司，14家汽车金融公司，4家消费金融公司，635家村镇银行，10家贷款公司以及46家农村资金互助社;
国内人脸识别银行业务规模分析
云从科技相关负责人介绍，目前云从在成立两年的时间里，已经与3家国有大行总行、2家股份制银行、60多个中小银行、城商行与村镇银行建立合作。
以合作数量来计算，云从单是在一次性私有云部署便能收入数亿元，然而大头还在网点及机具改造，国有大行与全国性股份制银行每家都分别有数万及数千个网点，以智慧网点30%的改造率和自助机具存量60%的改造率及增量，如果能顺利完成改造，这一块能为云从带来上百亿元的收入。
二、你以为大势所趋，其实未来已来
从整个市场体量来分析，目前人脸识别行业在银行主要是通过私有云部署及机具、网点改造收费，互联网金融及保险主要通过混合云调用收费。
相关分析人士介绍，目前以云从为代表的计算机视觉企业介入银行业务主要有以下流程：
打开银行市场的第一步是私有云部署。
这一块通常费用为数百万元，后续根据业务接入增加费用，比如接入手机端收费数十万元。然后每年定期收取比例维护费用。国内上千家银行与信用社的市场体量在百亿元人民币左右。
第二步是深挖需求，实施机具与网点改造。
智慧网点改造以中国农业银行和中国建设银行广东分行的校园e银行为推进蓝本，围绕人脸识别等一系列人工智能技术，设计刷脸购物、互动娱乐、自动柜员机等产品方案，最终实现无人值守，更具备互动性高，用户体验好，缩短业务流程及全天营业等优势。
智慧网点改造预算通常在数百万元，全国银行网点总数量超过20万。各类机具存量则在百万台以上，即使以智慧网点和机具改造以一定比例推进，仍然是一个千亿级别的巨大市场。
第三步是沉浸行业，以人脸为数据入口提升服务。
在使用人脸识别技术后，人脸作为天然的数据入口在金融行业内部沉淀了大量数据。将这些人脸数据结合大数据，不仅可以实现征信实时监测，还可以通过VIP迎宾与精准营销等服务优化业务流程、极大的提升用户体验。
当无人值守网点完全落地并与这一块融合之后，显然会迸发出巨大的能量，通过每一路摄像机的安装与每一个网点的改造，银行业完全有可能将触角疯狂的伸向世界各地。
金融行业其它领域
2016年底，麦肯锡咨询公司公布的一份报告显示，中国互联网金融用户人数超过5亿，人脸识别联网鉴身也成为一门“大生意”，支付宝、，据透露，云从已累计提供2亿人次的联网鉴身服务，客户包括消费金融，P2P，小额贷款，保险等领域。
当然，这一块的需求尚未深度挖掘，随着“玩家”的增多，最终金融行业的大量需求将被释放，与银行业的“井喷“形成互相辉映的效果。
三、外行看热闹 内行看门道
为呈现一个更加具象的市场，笔者集中梳理了在人脸识别领域号称“四个独角兽”的云从、旷视、商汤、依图在金融领域的典型案例。
人脸识别代表企业及其金融典型案例
从实际落地的应用看来，“后起之秀”云从科技在银行业特别是国有大行有着极大的优势，这种情况让笔者十分感兴趣，云从是如何在如此短时间内占据B端行业的优势。
对于一个曾经视“人工智能”为笑话的人，突然间发现，AI已经侵入到音乐、新闻甚至银行等自己生活的各个领域，内心多少有些惊讶和恐慌。不过，人工智能的更大价值还在于了解之后为人类所用。
“我个人偏向中性的认知，在金融行业的确能够取代一部分人力，但只是冗余的、低技术门槛的人力”，云从科技品宣部总监徐超认为。
在与云从投资人的交流中，他认为云从能在银行业快速扩张主要主要依靠三个方面，总结起来就是“战略坚准，顶层创新”：
1)第一点，开始就明确了集中人力与资源只做计算机视觉中足够商业化的人脸识别与利润足够高的B端，使得云从能够深度沉浸行业，解决客户实际问题，也能使战略高度集中，快速执行;
2)第二点，打造全产业链，放弃以技术打市场的轻资产模式，从技术研发、产品集成到售后服务直连客户，实现快速响应，效果优先;
3)第三点，在融资上只接受内资资本进入，舍弃了高估值与海外上市，这样得以进入银行、公安等国家重点核心行业的顶层设计，目前，云从分别与公安部、四大银行、民航总局建立联合实验室，推动人工智能产品标准的建立，成为唯一同时制定国标、部标、行标的人工智能企业。
事实上，通过对云从路径的梳理，发现它最开始在银行业走得并不顺利，在工商银行的失利，让当时“眼高手低”的云从不得不回头寻求西安银行、重庆银行等城商行与中小银行的合作，积攒经验与产品，最终在半年的时间里快速实现厚积薄发。
四、商业价值所在：“多、快、好、省“
技术落地的最终诉求来自产业所向和商业价值。“多、快、好、省”，是银行从业人员对于人脸识别技术红利的提炼。
他并未给出人脸识别准确的产出效益比。“一般来说，以往人工比对及复印证件处理需要1-3分钟，而机器会缩短到2-5秒”。实际上，人脸识别的成效容易量化，基于其服务的用户数量，以量化成普通人力的规模。其核心的“快”，包含两个层面，一是响应速度，人脸识别平均可达到2秒;二是分发速度快，与后台无缝衔接，缩短至各平台中间流程。
在人力成本越来越高的金融业，24小时营业的无人值守网点当然吸引力更大。“例如自动柜员机和智能ATM，可以提高绩效和产出，减少其人力成本”，从业人士介绍，机器可以24小时在线，而人工还需要轮班和调休。
并且，在竞争愈发激烈的金融市场，通过人工智能技术提高大数据分析能力、增强精准度、提高用户黏度和培育品牌忠诚度，成为各个企业与机构共同关注的课题，而人脸识别则恰恰作为数据入口解决了生物数据问题，在与消费行为、习惯等数据进行协同分析后，将会产生更为全面与真实的征信信息，也可以为高净值人群提供更精准、更尊崇的服务。
五、金融之外 更大的 “蛋糕”
利用人脸识别的工作思路：人脸检测、人脸抓取、特征提取、属性分析、人脸比对，需要人脸的检测和比对的领域，均具备可迁移的想象空间，如安防、机场、商业等领域。
“安防行业是预算比较多的”，业内资深人士分析，并提供值得借鉴的方向思路。安防需求多而庞杂，当下盛行的人脸识别娱乐应用无需过多操心而言，但监控视频仍然需要花大量人力在审查上，更多的精力花费在人工复审。
单纯的机器审查会过滤掉一些很有价值的线索。以云从为例，他们建立了一个人脸大数据作战平台，计算机在抓取人脸的时候同时建立标签与大数据，“可以追踪一个人长时间的轨迹，通过多维度分析，实现‘打’、‘防’、‘管’、‘控’”。
在你一次不经意的取款、路过和登机，人脸信息很有可能就不再有人眼核查，而是机敏、不知疲倦的人工智能产物。如果不是这次调查和数据收集，笔者也不会意识到人脸识别产业的发展与落地速度会如此之快。这一切，正在悄无声息地发生在你我身边。
当机器人和人工智能不再依附于具象的实体，而是以一种虚拟手段侵入人类生活时，将变得更加莫测和不可控。同时，也是人类以一种更加理智和客观的态度地审视技术革命的契机。
无论是日本的类人机器人路线，还是中美的无固定形态人工智能路线，回到技术应用前景，在PR和业务落地之间，技术领域创业新秀必须要平衡。
可以发现，人脸识别已经成为BAT与海康等巨头的下一个重要战场。
一项由技术驱动的、更为核心的业务比拼正在激烈发生。
(来源：中国经济网)
京公网安备 110105001605号