算法商城，到底是不是伪命题？

但随着数字化转型的不断深入，各行各业对于智能化的需求越来越多，需要产业提供在更细分场景下的定制算法，导致了需求越发“碎片化”，并且市场对算法交付要求也不断提升，需要开发者在深入理解行业痛点前提下，进行定制、精准、快速、可控的算法开发。

当前主流算法商城普遍上还是基于图片识别，有一定可行性，但普适性不高；同时，对于部分通用的成熟型算法，由于应用场景差异较小，基础模式即可满足需求。

因此，我们在实现人工智能产业化落地中，始终贯彻“场景牵引”、“可商用”、“快速定制交付”的理念，聚焦从数据管理、算法训练、人工智能应用开发、跨平台部署、产品仿真验证、发布交付的全链路技术研发和闭环管理，在此基础上我们自研了巨灵一站式人工智能开发平台，为各行业提供一站式算法及方案开发交付支撑能力，从而实现算法高质量的定制化敏捷交付，大幅提升算法产业化落地效率。

以交通行业为例，杭州的绿色停车方案（早餐店、便利店等附近车位20分钟内免费停车）缓解了杭州市民短时停车难的问题，所以一经推出，广受好评。

这背后是开发人员切实理解从违章处罚到便民管理的行业需求，有针对性的开发定制，最终提供真正满足客户需要的算法方案。

非现场违章审核算法更是如此，由于不同地区判罚标准不一，需要开发人员重新梳理需求，打磨算法，才可真正降低交警人工复核工作量。

目前，通过深耕行业核心业务，大华股份已开发20余个细分行业算法方案，100多类场景化算法功能，后续也将持续加强端边云算力协同，加快算法灵活加载到全产业链，满足成本与性能的行业智能差异化需求。

旷视高级副总裁陈雪松：初期先有算法后有商城，可用度是关键

算法商城应该是有算法之后才有商城，而不是有商城后再有算法。

与其说是生态的问题，不如说是行业发展阶段的问题。

算法商城应该在整个算法行业相对稳定和固化的背景下成立。

比如APP Store，是在有了很多可用的APP之后才开始出现和繁荣，最早大家都是直接在对应的网站下载，是APP的大量产生，催生了Store，这是初期阶段的一个关键因素。

另外，算法的可用度是商城的关键。

目前用户对算法（无论是主流算法还是长尾算法）关注的焦点在可用度上，而非数量规模。

只要它可用，用户可以接受，就能快速应用。反之，快速迭代出来的算法不可用，对于用户来说价值为0。

目前算法提供商应该将精力放两个方面：核心算法的可规模化、可用度上，长尾算法的快速生产能力和可用度。

细分领域有很多细碎的产品，比如城管有36类大的管理事件，共2230个产品。

占道经营、车辆违停、垃圾溢出、道路基础、井盖位移等需求均具备不同环境，需要不同的产品。

快速迭代的生产能力和可用性是关键，且有一定瓶颈。

目前，在城管领域，垂直行业的小样本快速训练可取得很好的效果，但要赋能全行业，还有很长的路要走。其中涉及方法、训练平台，数据标定工具和模型生产，这是一个系统化的工程。

其次，计算模型的优化，目前算法商城的提供商在算法的优化和匹配上难以达到落地效果。

业务有过一次大测试，结果显示，算法商城的单一算法运营效率比算法独立运营效率的慢三倍，也就是说，算法商城需要三台服务器才能实现后者效果，这意味着用户要为硬件多付3倍的钱。

云从科技联合创始人姚志强：AI通用化和开发门槛程度不足，可考虑把算法集成到操作系统中

AI算法商城不是一个伪命题，但目前看来前景有限，因为人工智能的通用化、开发门槛与成本还没到降到一定程度，所以最理想的做法是把AI算法工厂集成在操作系统中，操作系统提供基础算法+行业场景+产品模块。

以云从为例，云从人机协同操作系统，简称CWOS（Cloudwalk Operating System），是运行在通用操作系统或云操作系统之上，提供人机协同相关算力、算法和数据管理能力和应用接口的底层软件系统，专为人与计算机之间进行自然交互、协作完成复杂业务而构建，同时为开发者设计研发人机协同智能应用提供全面支持，旨在降低人工智能应用门槛、提升人类与机器智能进行协作的效率和体验。

CWOS目前将研发方向划分到七个技术板块，其中涉及的算法工厂包含了一系列持续保持业界领先的基础AI能力，包括：泛人脸识别、视频理解、场景化OCR、语音识别与语音合成、自然语言处理等。

另一方面，通过一站式的模型服务，为人机协同操作系统提供基础AI技术的生产能力，可以管理全生命周期的AI建模过程，对人工智能生产效率有数量级的提升，同时显著降低了人工智能技术门槛。

杉地科技 CEO 傅剑辉：共性不是痛点，安防不存在太多模式，靠的是产品和服务

算法商城很难做到手机的APP Store，下载就能用。

它能够解决一些场景30-50%的共性需求，但不能解决行业的特性需求，需要定制化。

目前人和车的算法基本能满足绝大多数需求，但很多领域不具备共性，比如工业、水质、环保等等。

短期看，在这种体系中，商城满足不了用户的核心需求。正如目前很多AI摄像头具备了一定的AI功能或算法，但行业客户真正用的时候，不会选择。

长远看，AI+场景不断垂直领域化，即行业化，垂直行业的算法商城模式是可行的，前提是其长期专注某个领域，聚焦行业场景算法。

即使算法商城与行业头部企业合作，也需要经历较长时间的打磨。

共性不是痛点，AI不能颠覆性解决问题，只能在效率提升和流程优化上加速。

比如AI+医疗就是一个门槛极高的行业，截止目前全球范围内，AI在医学只是辅助，而不能决策。

对于AI算法公司，基础模型算法开源，但核心竞争力算法不会开放，这些付出了AI企业巨大是AI企业的核心竞争力之一。

另外，硬件平台和操作系统平台都是对开发者巨大挑战，即使具备了平台能力，硬件和芯片等难以统一，真正用起来比较难。

安防行业不存在太多商业模式，靠的就是产品和服务。

极视角 CEO 陈振杰：「算法商城+开发者生态」的模式适合90%的碎片化市场

根据Gartner发布的2020人工智能技术成熟度曲线，计算机视觉技术已趋于成熟，相关产业正在经历洗牌。

人工智能视觉领域已经由技术萌芽阶段、头部场景落地阶段，发展到大规模工程化应用阶段。

在这一阶段，市场对于人工智能技术落地提出了两大核心诉求：

算法品类的丰富度与算法的高性价比。

未来会有10万种以上的算法，每个垂直行业有几十种算法需求将成为标配。去到行业会发现，仅仅交通场景，就有近100种算法。

与游戏行业类似，AI赛道未来必然有两个方向：一是专业化分工，一是平台的出现。

头部客户的头部需求，将由顶级科学家供应；头部客户的场景需求和行业客户全链条需求，将由初级、中级、高级开发者供应。

公安、交通、金融等头部场景的需求，将由顶级科学家供应，而90%的腰尾部市场需求则更加适合利用“算法商城+开发者生态”的模式进行供应。

极视角想要建立的AI算法平台，将连接算法开发者和算法需求方，提高视觉算法开发者效率。

极视角的商业模式，连接了算法需求方与算法开发者，通过为开发者提供人工智能底层开发平台，与开发者共创海量视觉算法；B端算法需求方则可以根据所需场景，在算法商城中自由选择算法进行部署应用。

本文经雷锋网授权转载。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!