图片来自“东方IC”

近年来，人脸识别技术在越来越多的场景实现应用，无论是早期的刷脸支付还是刷脸乘车，现如今还出现了刷脸取厕纸、刷脸扔垃圾甚至刷脸买茅台的新鲜尝试，大有渗透各行各业的迅猛趋势。

与美国各州不断出台法令禁止人脸识别技术截然相反，我国对于该项技术的推进和落地表现得十分积极。新技术的产生和应用，最重要的应是解决当前痛点并惠及民生。在当前验证方式还能够很好地满足需求的情况下，全力推进人脸识别技术的应用为哪般?人脸识别技术屡遭非议，我们的隐私安全又该如何保护?

场景越铺越广，人脸识别解决了什么痛点?

人脸识别，已成趋势。关于人脸识别各种碎片式的报道早已屡见不鲜，有的仍在稳步推广，有的早已悄然落幕。不过，在探讨一项技术是否具有实现大规模应用的能力时，我们必须要从技术和商业模式两个维度来思考。

首先，无论商业上如何包装，人脸识别技术都不能算是一项多么尖端的技术，国外的大型科技公司，诸如亚马逊、谷歌等其实长期以来一直都在使用它。尽管国内的应用声量很大，但就人脸识别技术背后的人工智能基础性研究来看，中国的水平仍没有超过美国。

但是，中国的商用步伐却比美国快了很多倍。据研究机构数据显示，仅在2016年，包含设备及视频管理软件在内的中国影像监视系统市场规模就达到了64亿美元，政府和民间企业已安装监视摄影机高达1.76亿台，高居全球之冠。且在未来五年，中国这一业务的复合成长率达到12.4%，人脸识别的运用范围只会更广。

以刷脸进站、刷脸闸机这一类型的应用场景进行分析，人脸识别技术的应用其实并没有很好地解决速度和精度的痛点。从今年开始，深圳、济南等城市均已陆续开通该项服务，北京市也正计划推广。目前这也成为城市智能化的标志性应用，正在席卷更多的城市。

以济南为例，济南地铁1号线是我国首条采用3D人脸识别闸机的地铁线路，进出站各有一个闸口可实现刷脸乘车。济南轨道交通集团物资管理部负责人说：“这个设备综合应用了移动支付与生物识别等前沿科学技术，通过大数据采集将人脸信息提取出来录入。乘客可以完全脱离身份证、乘车卡等介质，注册成功后，不用携带任何卡片。”

但在经历了一系列下载、注册、登录、信息录入、支付绑定等流程后，最终能实现平均一分钟连续通过33个人，也就是说约2秒可通过1人;而据统计，使用地铁卡、二维码等方式能通过20余人，则不到3秒通过1人。

由数据对比可见，速度其实并没有明显提升，且在光线、肤色等变量的影响下，人脸识别的精度也会随之波动，并不稳定。更重要的是，在此类场景以及交易场景下，人脸识别在未来长期阶段仍将是众多支付选择中的一种，不会成为唯一选择。更不用说“伪需求”的刷脸扔垃圾、刷脸取厕纸了。

频出禁令，美国为何摆出如此拒绝姿态?

与国内积极推动人脸识别技术落地相比，美国对待这项技术的方式显得十分“极端”。今年5月，旧金山市对人脸识别技术正式发出禁令：禁止该技术在政府机关和执法机关中使用。加州奥克兰市、马萨诸塞州等越来越多的城市也在考虑禁止或暂停这项技术的使用。6月初，微软宣布删除其公开人脸识别数据库——MS Celeb。

客观来讲，美国的人脸识别技术一直走在行业研究前沿，在商用层面也早有动作。但人脸识别技术还不能达到100%的准确性，且对于不同种族的准确率差异极大，这就意味着，不同的人种在通过人脸识别技术过安检的时候，部分有色人种将会受到更多的查验。这在美国领域内，是件政治十分不正确的事情。

除了对于技术本身的质疑，美国人更在意的，是隐私安全方面的隐患。人脸识别技术背后的支撑是海量数据，如果隐私数据被窃取，你的脸就不再是你的脸，可能属于了任何人。且伴随着智能音箱逐渐入主更多家庭，全球出货量最高的亚马逊Echo系列和谷歌Google Home系列频现侵犯隐私安全的问题，从声音到人像全都无所遁形，这让美国人感到焦虑。

美国人的拒绝姿态也恰恰展现出一副新态势：在由弱人工智能向强人工智能转变的同时，越来越多的人从关注技术本身的发展，转向考量更多与人文、伦理相关的因素。人工智能应用的边界究竟在哪儿，如何提高算法的透明性也成为摆在企业以及国家面前必须要解决的问题。

首先，虽然我国的《网络安全法》明确将个人生物特征识别信息纳入个人信息的范围，但对于信息的使用、存储、运输和管理仍需进一步细化。

其次，行业规范应与法律规范同时并举。对于细分领域的企业而言，需要进一步明晰标准，严格市场准入，从源头避免引发行业乱象。

再次，明确人脸识别技术应用边界，发挥技术本身的最大效能。人脸识别技术在安防领域的应用落地最为广泛，2018年，安防行业总产值达7183亿元，占国内GDP总产值的0.8%，无论从市场规模还是社会重要性来看都占据了举足轻重的地位。人脸识别技术用在抓捕在逃人员、甄别违法人员、调查失踪人口等诸多方面，将极大节省公安人员工作成本，更加方便高效地打击犯罪、服务群众。站在当前的时间节点，这一项应用变得十分重要。

“四超多强N跟随”格局下，计算机视觉公司如何抢占市场?

几十年来，计算机视觉作为人工智能系统中基础研究最深的技术，一直是人们感兴趣和研究的话题，也是当前落地应用最为广泛的技术之一。自2015年起，基于中国人工智能政策以及人工智能企业的深耕，我国人脸识别技术迎来快速发展时期，一大批优秀的初创企业开始涌现。

由上图可见，国内主打计算机视觉的公司在近几年的发展过程中明显形成了“四超多强N跟随”的格局。

“四超”即商汤科技、旷视科技、依图科技和云从科技，这也是国内公认的“CV四小龙”。从图表中我们可以看到，这四家公司均深入安防市场，形成了激烈的市场竞争。在CPS中安网联合商汤科技发布的《2018中国安防行业调查报告》中显示，以这四家公司为代表的计算机视觉企业在安防领域的总体市场份额达到了69.4%。

不过，当前安防市场仍然面临着海康威视、大华等企业的竞争，与此同时，行业仍存在着算力瓶颈、大量非结构化和半结构化数据预处理难题，这是对“CV四小龙”提出的更好的要求。

“多强”则指的是格灵深瞳、第四范式等明星初创企业，发展实力也不容小觑。以第四范式为例，其作为中国五大行联合投资的唯一创业企业，国内重要的国有银行和全国性股份制银行超过半数都是第四范式的客户，目前服务的金融机构资产规模超过50万亿，头部金融客户占有率超过70%。技术赶超国际水平，市场定位也比较精准成为了这一批初创企业的典型特点。

“N跟随”则指的是类似中科慧远、视语科技等一大批近两年来兴起的AI初创公司，它们切入的应用场景更为细化，也开始有意识地规避竞争激烈的安防、金融等市场。中科慧远切入了工业外观检测中的手机盖板玻璃检测领域，视语科技则选择了纺织业的视觉检测领域，用不同方式解决行业痛点，为企业降本增效。

在计算机视觉技术的落地过程中可以发现，算法和数据已经不再是当前竞争的壁垒，只有在垂直领域找到和技术深度耦合的应用场景并深入挖掘，才能真正让企业的路走得更长。在此基础上，真正实现造福于人，更是各科技企业要思考的方向。