码隆科技：打造ProductAI开放平台，将AI植入商品全供应链 | 爱分析访谈
调研 | 黄勇 费凯琳
撰写 | 陈子民
作为人工智能的重要分支，计算机视觉已从概念逐渐转化成实际应用，其中人脸识别渗透在安防、金融等行业，不少人已经体验过“刷脸支付”，另一类常见的计算机视觉应用是商品识别，其中一个应用场景是淘宝“拍立淘”功能。
与人脸识别早早收割了安防的麦田不同，商品识别长时间以来被认为应用场景不明确，有技术却难以变现。直到“无人零售”兴起，线下零售逐步升级换代，在小众领域耕耘已久的商品识别技术供应商，才获得走向台前的机会。
成立于2014年的码隆科技专注于商品识别领域，已拥有超过100人的团队，其中70%是研发人员，来自微软、谷歌、百度等公司。
码隆科技CEO黄鼎隆拥有清华大学人机交互博士学位，曾在微软MSN负责搜索产品，还有Google、腾讯、TripAdvisor的工作经历；CTO码特（Matt Scott）曾任微软亚洲研究院高级研发主管，拥有40多个中美专利技术，18个微软技术商业转化成果。
经过几年数据积累和算法迭代，码隆科技于2017年7月由谷歌研究院、苏黎世联邦理工学院共同举办的WebVision全球图像识别挑战赛上，基于最新的“弱监督学习”研究成果（利用互联网和实际生产环境中各类含噪音图像数据进行算法模型训练，相比“监督学习”，可以节省所需的千万级人工标注数据的成本），图像识别正确率达到94.78%，高于第二名2.5个百分点获得冠军。
利用开放平台获取算法核心数据
随着商品识别技术逐渐成熟，码隆科技决定对其进行开源，让更多的企业能够轻松使用人工智能技术进行创新。在此过程中，码隆科技也能将自身积累的AI能力商业化落地。
现阶段，码隆科技主要基于“ProductAI”PaaS云平台为企业提供自助式的商品识别技术服务，产品分为两个版块，一是为客户提供定制化的以图搜图引擎，二是基于图像识别的自动标注图像信息。企业通过简单的技术对接即可获得技术服务，降低垂直行业客户接入智能商品识别服务的门槛。
自发布以来，每月有300余家企业申请试用。
客户在使用ProductAI平台过程中，为码隆科技提供了大量数据。这一过程可以帮助ProductAI提升算法精确度，继而吸引更多的客户使用，如此打通正反馈循环的生态系统。
此外，码隆科技还会利用网络爬虫技术爬取公开渠道信息，以及通过第三方数据供应商等渠道获取部分数据。
收费方式方面，接口服务主要以API调用次数进行收费，并根据数据调用量制定了阶梯式的价格；而定制化服务根据特定情况以case by case的方式进行收费。
将人工智能植入商品全供应链
商品供应链可分为从设计、原料采购、生产制造到批发，最后通过电商或线下零售到达消费者的一系列过程。在产品研发和市场推广上，把人工智能植入到商品全供应链是码隆科技的主要战略规划。
目前,ProductAI平台已应用在服装、电商、线下零售等多个商业场景，并积累中国纺织信息中心、唯品会、利丰行、中国图库、敦煌网、蒙牛、三福百货等品牌客户。
此外，码隆科技还开发出ProductAI平台的英语和日语版本开拓国际市场，已有北美，中东等地客户接入。
服装行业是码隆科技最早进入的行业，面料识别和时尚分析是其切入的两个主要方向。
线上面料交易需要对材质详细说明，使用文字很难进行准确描述，利用以图搜图技术即可实现面料之间的精确搜索和匹配。目前中国大约70%的线上面料交易平台对接了ProductAI平台。
时尚分析中存在资讯采集不便、缺乏基于数据统计的信息分析等行业痛点。针对这些问题，码隆科技基于Product AI平台推出一系列色彩分析服务。比如，2017年，码隆科技与中国纺织信息中心共同推出了人工智能色彩分析产品AI Color Trend，能自动抽取海量国际时装周T台图像信息，并在短时间内完成主体色彩分析及生成可视化的流行色彩趋势报告。
B2C电商中，码隆科技设计出一套基于以图搜图的完整电商业务解决方案，包括拍照购物、相关款式推荐、同类商品比价等功能，提高中小型垂直电商平台的运营效率。
淘宝拍立淘、京东拍照购等已经完成以图搜图的市场教育，但因为技术门槛高，基本还是大公司的专属应用。码隆科技通过ProductAI平台把以图搜图的能力开放给各类B端用户，用户无需大规模投入的前提下，只要关联图像数据库就能建立自己的以图搜图引擎，优化消费者购物体验。
线下零售场景也将用到这一技术。基于计算机视觉的解决方案替代目前常用的条码识别和RFID技术，在成本、监管和兼容性方面有大幅度提升。应用在商超零售场景，可有效减少商超的人工成本，并实现“无需排队”的快速支付结算体验。
另外，码隆科技还研制出软硬件一体化的商品识别机器模型，并已经与大型零售企业签约,联合开发更深一层的新零售解决方案。
4月12日，码隆科技发布了“智能货柜纯视觉商品识别解决方案”，客户只需在已有货柜（包括货架、冰柜等）基础上，自行添置符合要求的摄像头，就能通过云端调用码隆科技的商品识别技术。使用这一解决方案后，消费者在无人货架购物时不受商品错拿、错放情况导致商品无法识别或识别错误的影响，有效提升用户体验。
相比服装和电商行业，商品识别技术在线下零售的升级换代中有更广阔的应用空间，这是码隆科技更好的发展机会。但零售场景的分散化和多变性给新技术带来了莫大考验，人工智能机器视觉能在多大程度被这片传统土地接纳，还有待码隆科技等人工智能技术供应商们探索。
近期，爱分析专访码隆科技营销副总裁王海鹰，就码隆科技的商业化进程及业务规划进行交流，摘选部分内容分享如下。
码隆科技的优势在于开放
爱分析：计算机视觉从技术应用层面可以分为哪几个细分领域？
王海鹰：大体上可以分为以下几个方向，人脸识别、商品识别、与自动驾驶相关的环境识别、以及有关医疗的影像识别分析，其中商品识别这部分就是码隆最早提出来的。
爱分析：训练算法模型的数据来源有哪些？
王海鹰：我们数据的来源主要有：一，互联网上的海量数据。二，自己线下采集的数据。三，码隆现在做的主要是TO B业务，在定制项目的合作中，客户也会提供相关数据，再由我们双方共同优化完成模型。
爱分析：从技术层面上讲，码隆科技有哪方面的优势？
王海鹰：我认为码隆的技术优势有三方面：算法模型、数据和应用场景，码隆的算法能力，特别是在商品和物体的识别层面上比较突出，我们在2017年WebVision的比赛中获得了冠军，是所有参赛团队中唯一准确率超过人类的。
更重要的一点是，我们对于应用落地场景的理解和深度挖掘。我们会结合客户，针对目标侧重的行业做垂直的深度挖掘，不管是线上还是线下，这种姿态都能让我们更灵活的和客户合作。
简单举我们ProductAI的例子来说，我们把它部署到云端，然后提供给客户API接口，客户有一定的前端的技术开发能力，就可以在不到一周的时间上线不亚于拍立淘使用效果的拍照购物的功能。从这点上来讲，开放让我们的技术和企业之间合作更深入、融洽。
围绕商品出现的各个场景落地应用
爱分析：码隆科技很早就选择进入电商行业的原因是什么？
王海鹰：我们把自己定位为一个商品识别的人工智能技术公司，就必须要围绕着商品出现的各个商业场景去做应用。我们最初做的是线上业务，因为不管是从数据还是技术对接来看，线上的客户是最完备的。因此，我们首先用以图搜图等人工智能技术去帮助线上的企业提高效率。
随着应用场景的拓宽，我们很多合作电商平台的客户希望直接在线下拍照就可以在线上平台找到商品，比如在看到喜欢的漂亮衣服就拍一下，到时尚APP中进行搜索，找到同款或者相似款的衣服，进行比价或者直接下单。这种从线下到线上的应用是用户在使用过程中创造出来的。这个过程中码隆需要把线下的这种非结构化的数据的特征抽取出来，变成结构化的数据，传给线上平台，实现线上的搜索。我们觉得这是人工智能更大价值的体现空间。
近两年新零售以及无人零售的概念风生水起，在这个过程当中，我们发现码隆这几年的技术积累正好能够应用在这样的场景，成为更好的连接线上和线下的结合点，所以我们就把码隆的商品识别技术和新零售的某些场景结合，跟相关客户一起合作。
在这个过程当中就出现了一些新的场景，比如无人货柜的场景和基于商超的无人结算等。在这些场景中，码隆的技术可以让计算机很好的增强和辅助传统人工，更高效率地完成整个业务流程。
这就是我们每次看到新的场景，然后就做相关落地应用来解决客户提出来的问题，一步步从线上到线下新零售的过程。
爱分析：已经探索出的比较成熟的应用场景有哪些？
王海鹰：我们已经有一整套电商解决方案，电商的解决方案包括拍照购物、相关推荐功能以及比价功能。
另外也有基于时尚行业的方案，比如除了服饰、面料的搜索，我们刚刚上线了一个服装流行趋势人工智能分析产品叫Fashion Trend，是基于ProductAI平台上的针对服饰识别的时尚标签库，会从服装的颜色、廓形版型、设计元素和风格等不同维度描述一件商品，辅助服装企业、设计师、面料采购师分析时尚趋势。
还有刚才提到的新零售相关的无人货柜或者商超的商品识别、辅助结算等，都在和客户一起落地应用。
爱分析：电商解决方案的标杆客户有哪些？
王海鹰：唯品会、敦煌网都是我们的合作伙伴，这些是TO C的电商，知名度要高一点。实际上我们还服务了很多TO B电商平台的客户，比如搜款网等，在服装TO B领域40-50%的电商平台是码隆的客户。如果再说到面料领域的TO B像搜布网等，更加和平时我们常了解的不一样，但现在面料领域大概70%电商平台都是码隆的客户，因为现在市场上我们是比较独特的解决方案提供商。
爱分析：像敦煌网这样的客户除了API接口还会有定制服务的需求吗？
王海鹰：它们会用到我们的标准API接口，也会用到某些个性化的功能。个性化的功能包括定制或类似白名单的功能。比如像家具、服饰行业，很多的客户都有自己的标签体系，我们需要去帮它们定制标签，满足它们的内容需求，这部分会有定制化的工作。
再有一部分可能涉及到本地化。本地化就要完全帮客户定制化整套平台，部署到它的私有云。
爱分析：码隆科技现在商品的识别准确率能有多高？速度怎么样？
王海鹰：这个要看不同的应用场景，在无人智能货柜的一般场景中，码隆的视觉解决方案对商品识别的准确率可以达到99%以上。识别速度是秒级甚至毫秒级。
爱分析：目前的收费方式是怎样的？客户付费意愿如何？
王海鹰：我们现在分两类，一类是标准产品，ProductAI平台是一个云服务。对于大型的客户来讲，现在主要是按照数据调用量以及它的并发，所谓并发是指你一秒内给我们同时发出多少个服务请求，并发对我们的容器压力有一定要求，所以价格里面会考虑到并发量。对于中小客户来说，主要就考虑数据调用量。
另外一类是定制类，就是case by case。根据各种情况，看客户需要哪些模块、部署的要求等。
我们对客户的帮助有两方面，包括创造新的流量和节省成本。理论上客户采用我们的综合解决方案可以提升10-15%的转化率以及降低15-20%的成本。
当然这是理论值，毕竟AI是一个新的技术。在和客户合作的过程中，我们也是循序渐进的，随着技术不断的升级，包括准确率以及对于不同场景的适应程度会逐渐发展。在我们跟客户的合作程度持续加深的过程中，客户的付费意愿会不断加强。
在我们和敦煌网的合作，开始的时候是前端的拍照购物，再到我们的相关推荐功能，再到后端的比如商品图片的审核。比如它们有仿冒商标的情况，需要把这个动作筛查出来，我们就会提供解决方案。
未来我们可能还会在线上线下包括新零售等给它们提供解决方案，然后帮助客户去扩展他们海外的客户等。
针对整个电商行业的合作都是这样慢慢地深入的，我们认为人工智能技术的应用会变成电商的标配。
爱分析：如何看待无人货柜？会切入这个领域吗?
王海鹰：对于码隆来说，因为我们有大量基于商品识别技术的积累，对比最初用RFID等技术方案带来的很多问题，我们会用纯计算机视觉的图像识别方案去解决无人货柜行业存在的问题。
比如，重力解决方案会受限于场景，不同商品摆放位置不同操作起来比较困难，可能出现摆错位置就无法识别的问题，对于图像识别来讲这些障碍都不存在了，一个摄像头就可以解决这个问题。从这个层面上看，我们认为图像识别是智能货柜的最终解决方案，结合技术上的优势，我们研发了基于纯视觉的智能货柜解决方案。
爱分析：码隆科技的无人货柜有具体的落地案例吗？
王海鹰：关于无人货柜我们有两种解决方案。第一种是我们直接向客户提供“智能货柜纯视觉商品识别解决方案”，客户只需在已有货柜基础上，自行添置符合要求的摄像头，就能通过云端调用码隆科技的解决方案，实现纯视觉购物、上货的功能。第二种方案是和硬件生产商合作，把我们的技术应用到实体的柜子上去，现在已经有原型机，目前正在做落地量产前的试运营调试。
目标是赋予更多企业人工智能技术
爱分析：码隆科技的基础技术在商业化应用方面的成熟度怎么样？
王海鹰：应该说基于弱监督学习的人工智能技术已经在很多应用领域都有成熟的应用了。比如说拍照购物，已经能让大家感知到这样的技术带来的便利和效率提升，并进入到商业化阶段。
同时，我们也率先采用弱监督学习来提升计算机学习的效率，在两个方面提高ProductAI技术能力的可扩展性。第一，我们从算法、工程等各个方面不断研究，提升识别精准度。第二，从应用场景的适应性上提升，比如我们要特地去给某一个图片打标签，然后再去做搜索。未来，在找另外一个场景的时候，我们希望能够做到直接使用，比如即插即用。这方面来讲，要不断地让模型变得更灵活，让它的适应性更好。
爱分析：主要是通过什么方式获取客户的？
王海鹰：码隆在业内有一定口碑，是做商品识别最专业的人工智能公司，所以有很多客户主动找我们。另外，我们也会做宣传推广和参加行业会议。
爱分析：下一步的发展战略是什么？
王海鹰：专注在商品识别的赛道上，以ProductAI平台为基础，不断挖掘与商品相关的应用场景。通过ProductAI平台的服务赋予更多企业人工智能图像识别的能力，零售是我们近期关注的重点领域。此外还会继续在时尚服饰、电商等领域不断深挖行业痛点，提供解决方案。
爱分析：码隆科技未来还会向什么行业延伸？
王海鹰：我们会专注在计算机视觉图像识别的领域，除了针对海量图片的处理和应用。现在越来越多的摄像头，产生出海量的视频图像内容，所以我们也已经开始开发视频内容相关的识别和搜索，比如我们和一些视频内容生产商、广告监测服务商都有合作，以视频广告的监播为例，在一段视频当中，检索出一段广告在当中出现过几次，是在哪一个时间点上出现的。
还有图像识别在一些制造领域的应用，纺织领域的绣花制版，汽车制造领域的质量检测等等，我们会与合作伙伴一起深入探索，推动计算机视觉商品识别的外延不断丰富，以及识别精准度的持续提高。
爱分析：目前团队规模有多大？
王海鹰：现在公司有100多人，70%都是研发团队，剩下30%是商务、市场、运营、行政的同事。
2018·爱分析中国大数据高峰论坛
点击下方图片了解一下
新龙榜
新金融
企业服务
其它