在 AI 技术圈待久了，媒体人通常会产生一种错觉，独角兽与创业新贵们已经陆续在各个行业建立根据地，并迅速壮大到可以与老牌地头蛇抗衡的境界。
于是，便有了《海康和大华两大巨头在前，AI 独角兽某某该如何立足？》《独角兽 B 与独角兽 C 闯入安防圈，老牌企业怕了吗》这种「令人振奋」的标题。
因此，当我们跳出了行业的地界，就很快能发现一个真相：
严格讲，这些创业公司，还不属于安防这个行业。他们通常甚至连最终端客户（公安或交通体系）的面都见不到，真正在这个行业里与用户接洽的，仍然是像海康、大华、宇视、华为这样的传统公司或大型集成商。
「一些大的项目，特别是公安的项目，行业内大公司垄断地非常明显，」深瞐科技董事长陈瑞军向我们描述了一个安防市场的大体现状：
「因此从用户角度来看，他们更期望你拿出一整套做好的东西，他们直接上手。而创业公司没有能力也没有资本把各个部分做整合。但大公司却可以通过垫资或其他方式承接这些大项目，而小公司现在比较难做最终用户，特别是那些新兴技术公司，别说客户关系，可能对安防整个系统都一知半解。」
董事长陈瑞军
说到底，这其实与安防行业的属性有很大关系。
这是一个将实用工程技术整合在一起的行业，其涵盖的所有应用级技术与硬件器材，是经过长时间的经验积累与试错后才得以普及。
大数据、云计算、通信网络、高清视频技术、终端硬件设备……行业内技术涉及层面之广，系统交错之复杂，可以使 3 万家不同细分领域的企业（来自《中国安防》2015 年的数据）在安防产业内并存。
「现在满世界都在说人脸识别、深度学习，好像安防产业要被颠覆了，但实际上这项应用在整个工作量及系统规模中，只占很小一部分，」陈瑞军认为作为技术创业公司，其实最应该做的是保持清醒，
「你等于说人脸识别是个小东西，视频监控系统是个大东西。用大东西带小东西是可以的，但小东西带大东西，难度太高。」
虽然不是技术出身，但在安防行业打拼了十几年，陈瑞军在 AI 技术研发与安防应用的关系之间做出了一个自认为合理的「工作量」判断：
「那些摄像机的嵌入式工作，还有解决存储、大数据以及视频联网等问题，搞定这些，比做人脸识别、车脸识别的技术要难。
人脸识别你可能有几个专家，有一定的技术，你花三个月、半年搞出来一个模型，这个模型可能很多公司都差不太多。但是你要想在三个月半年内打造出一套安防系统，这才是不现实。
所以，我们说人工智能在安防领域起到的作用是毋庸置疑的，创业公司也不是没有机会，但是，绝对不可能占主导地位。」
另一方面，从市场运作来看，由于其本质上属于工业品领域，客户一般为政府公共部门、工厂、商场、社区等组织，可见在市场需求、购买、交易等各个环节都有自己的特殊性。
而陈瑞军这些年接触过大量终端客户，从不在乎安防巨头们用的技术是不是自己的，也不在乎准确率 99% 与 98% 的差别，「他们只希望厂家提供一整套解决方案，省去麻烦的步骤，直接把问题打包解决了。」
用户与市场的特殊属性让大型集成商在这个市场更具备话语权。但与此同时，这也让创业公司有了重新规划定位，寻找正确切入点的机会。
毕竟如此庞大的系统，「什么都做」也不现实，这也是为何即便像海康与大华这种龙头企业，其市场占有率加起来也仅仅砍去半壁江山。
大了做不了，就做小的。
「这个市场其实最大的特殊性在于，一方面小公司参与终端用户的项目竞争是很麻烦的事情，但另一方面其实很多大公司在向你伸出合作的橄榄枝。」
深瞐科技创立 5 年，遵循的是陈瑞军的「现实主义」发展思路：
先从市场需求大的点切入，与集成商确立合作关系；站稳脚跟后，再扩大市场占有率；公司维稳了，再寻找新机会。
从商机切入细分市场，只做自己擅长的
在 2012 年这个进入市场的节点上，他们选择了「车脸识别」这个细分领域。
其实 2012 这个年份有点特殊。除了中国安防产业，特别是视频监控这个细分市场继续呈现爆发式增长外（年增幅超过 20%），在安防行业相关政策及标准方面，2012 年政府还发布了《全国公安机关视频图像信息整合与共享工作任务书》。
其中明确要求到 2015 年全国地市级和东部地区 100%、中部地区 90%、西部地区 80% 以上的县级公安机关建成视频图像信息共享平台。
这就意味着，未来几年的公安视频监控及联网建设将为相关企业提供巨大的商机。
而对于公安系统来说，在处理逐年增加的交通刑事违法及治安管理案件过程中，基于车牌识别技术的治安卡口系统已经达不到警察想要的效果。
陈瑞军经常跟自己一些公安的老客户聊天，后者会抱怨现在高速卡口对车牌和车型的识别不太准，「其实套牌车现在太多了，换个牌子轻而易举，很多时候需要人力去检查，系统可能起的作用不是很大。」
虽然并不是技术出身，但出于对安防市场变化的敏锐度，他还是觉得这个「技术生意有市场」。因此，他带着一帮从安防行业出来的兄弟，又招募了一批毕业于名校的算法与系统工程师，开始给「车脸」做识别：
「其实『车脸识别』这个概念是我们提出的，我们觉得『车脸』不应该仅仅是车的型号与车牌号，还应该有这辆车独有的一些特征。」
车窗上年检标的位置，车内的挂饰及摆件，甚至车身的撞损痕，这些都可以被看作是一辆车的独一无二的 ID。即便车型与配置完全一致，只要被人使用过，就会留下痕迹。
深瞐科技 CTO 王建辉向我们展示了在公司搭建的视频结构化平台，与人脸识别系统相似，视频中大桥上不断行进的车辆，第一步都是被系统感知并检测出来（被框出来）：
与此同时，后台也在对图像信息进行「二级属性解构分析」，将呈现出的画面转化为文本信息。譬如，车的型号，颜色，车中有几人，驾驶与副驾驶座的乘客是否佩带安全带等 20 多种细分条目会显示在右下方。
「这些车从进入大桥再到出来，其实只有唯一的一个 ID 号。假设有人某天上午 7~8 点在桥上，目击到违法车是一辆 2015 年款的黑色奥迪，那么就可以以图搜图，」王建辉还原了一个交警在通过视频调取排查犯罪车辆的现场画面，
「在左边的搜索栏输入这辆车出现的具体时间段，出产年份以及颜色等大体范围，系统就会自动在存储的视频库中进行比对，最终找出所有疑似车辆。」
而如果没有这种视频结构化智能搜索系统，就会像《白夜追凶》里警察需要调取各种时间段的视频，一帧一帧去查找变态杀人狂王志革开车的路径与踪迹。
深瞐科技这套视频结构化分析平台最有名的一个应用案例，就是《法治在线》栏目曾经播出的桐乡市盗窃案。
罪犯嫌疑人在整个盗窃过程中，从踩点，完成作案再到逃窜，一共换过 3 次车牌，但都被桐乡市公安局的「鹰眼车辆分析系统」识别，最终在盗窃犯出城前，被布控警力成功拦截。
而「车脸识别」另一个非常有意思的公安应用场景，叫做「同行车辆排查」。
在刑警缩小抢劫或盗窃嫌疑人范围的过程中，调出视频排查你开车过程中的同行车辆也是一种必要手段。
「很多时候，抢劫或者盗窃犯是要先踩点的，他们可能会跟踪你很久，观察你的生活习性或者工作状态。这个时候如果我们去查受害人车子不同时间段的同行车辆，或许会有发现。」
王建辉给出的另外一个假设，是公安在缉毒排查中会利用到分析平台的场景之一：
「如果我们锁定的这辆车本来就是吸毒人员开的，而另一辆尾随或者同行的车辆驾驶者也是一个吸毒人员，那如果这两辆车有很长时间都在一起开，警察可能就会做出一些必要的预测，多个吸毒分子在一起，是否会是聚众吸毒，或者是前去买毒品等等犯罪行为。」
实际上，车脸识别、视频结构化等车辆分析技术，不仅仅可以用到监控路况，以及破获交通违法及犯罪案件中，还可以根据每辆车的形态及行驶轨迹，反映一个城市的经济活跃度。
「在与我们合作的城市中，我们能够给每一辆车建一个动态档案。这些档案一方面可以辅助公安进行刑事案件的侦破，另一方面，车的品牌型号也能够反映出每个区域的消费能力与经济属性。这些数据也对城市建设有很大的参考价值。」王建辉介绍了目前深瞐正在筹备的重点工作。
实际上，从 2012 年到如今，不单单是深瞐科技一家主攻车脸识别的技术公司，所有竞品系统最大的变化就是在使用深度学习算法模型后，识别率获得了极大提升。
在当下各家识别率并没有明显差距的前提下，「进入市场较早」，给了深瞐科技一个难得的显性优势：
优质数据积累量大，且前期就完成了大量数据标注工作，车辆型号数据库录入完备。
王建辉解释，由于很多项目是跟集成商一起合作，也有部分订单是与终端客户直接沟通，他们会从集成商及公安部门等不同渠道获得大量安防摄像头采集的真实数据。
「这些数据都是已经去密的，由我们进行清洗和标注，用来训练我们自己的算法模型。当然，这些道路及卡口的数据并不是公安犯罪库里的数据，没有隐私属性。」
CTO 王建辉
而根据官网提供的数据显示，当前深瞐科技的算法模型能够识别 5500 多种车型的车头与 3500 多种车型的车尾，「基本涵盖了目前行驶在中国路面上的所有车型，」王建辉强调。
但很显然，与人脸识别相比，车脸识别技术发展较早，且应用场景的复杂度要远低于安防摄像头下的人脸抓取与识别。
譬如一辆车从这条路行驶到 2 公里以外的另一条路上，车的外形很难在短时间内被大幅度改变；而人脸识别系统则需要在密集的人群中进行特征检测，甚至犯罪人员戴一顶帽子，或者头套个丝袜，就能在摄像头前蒙混过关。
「在 2012 年前后还没有利用深度学习技术之前，人脸识别的可用性其实很低，市场中车脸识别会更受欢迎；而现在深度学习有效提高了识别率之后，人脸识别也在安防市场火了起来。」
但王建辉并不认为车脸识别技术的难度要比人脸识别低：
「也许你会说在密集的人群中识别人脸，难度更大；但如果考虑到行进速度，车的特征提取也不容易，很多时候车经过摄像头的时间不超过 3 秒。
另外，车脸识别中其实也包括人脸识别，譬如驾驶者的面部特征。而且在隔着一层车窗玻璃，甚至逆光的情况下，识别难度就骤然增大，因此我们也在合作那种二次曝光的摄像头，准确抓拍车中的人脸。
实际上，并没有谁高谁低，只不过两种不同的技术都需要针对自己的应用场景做特殊优化。」
市场占有率更重要，我们不是一家独立的 AI 公司
2012 年进入市场，但 A 轮融资却是在 2017 年底完成，深瞐科技这 5 年，其实基本上是靠着不错的订单量与销售额自食其力。
「公司当初建立，首要目标就是要生存。但其实一开始也没太特别去融资什么的，主要是靠自己的销售业绩。一个是陈总他自己垫资，另外一部分就是我们销售的收入。」王建辉坦言。
作为技术创业公司中的「非技术派」，陈瑞军更多的并不是先考虑如何给公司设立技术门槛，而是如何迅速扩大市场占有率。
而扩大细分市场占有率最快的方式，就是「跟集成商搞好关系」——拿集成商和行业伙伴的订单。
「我说过这个市场很复杂，你小公司可能拿政府客户很难，但同时大公司虽然什么都做，但并不是什么都做得好。」陈瑞军一直想尽量减少不必要的竞争，省掉一些麻烦：
「所以我们的首要策略就是『行业合作』，做自己最擅长的。目前，除了海康，我们跟所有公司合作，就提供一整套解决方案中涉及到车脸识别、视频结构化及数据分析的这一部分。」
而公司提升市场占有率的第二个方面，是重视订单量多于每单的额度。
「相比一个 1 亿的订单，我宁愿拿 100 张单价 100 万的订单。从市场竞争的角度来说，我挤压了竞争对手的生存空间，这可以给未来市场的拓展增加一些余地。
如果我只做了其中一两个单子，即便单子比较大，但实际上我给其他人留了些空间，这对我的未来发展也不是很有利。」
2017 年，深瞐科技拿到的三百多个订单，几乎都来自行业内的合作伙伴。在这一年基本实现盈利的基础上，他们预计 2018 年的销售额将同比增长 3 倍。
此外，在去年的深圳安博会上，据陈瑞军给出的数据，1 号安防产品展馆中有 50% 以上使用了深瞐科技的核心技术与产品。因此，在车脸识别这一领域内，他相信公司已经具备了一定话语权。
就像他上面提到的，扩大在细分市场内的占有率，是为了开拓未来市场所做的铺垫。
在车脸识别应用逐渐成熟，而人脸识别应用开始普及，前端设备智能化的大趋势下，继续停留在一个固定的竞争区间内，让公司有了危机意识。
因此，除了公安的合作项目，他们想在医院、办公楼以及停车场等更多小范围社区内掌握更多的自主权，进入民用硬件市场，售卖自己的安防解决方案。
「像这种分散的客户，对创业公司来说是有能力获取的。我们可以跟这类用户在安装到应用环节进行全面对接。这是更有利于我们获取数据及用户反馈，把产品生态完全渗透进安防产业里的途径。」
其实陈瑞军从一开始，就不愿意把自己定义为一家独立的人工智能公司，而是更愿意把深瞐科技称为「安防智能技术公司」。他强调，脱离了安防，他们这家技术公司可能什么都不是。
「现在市面上很多独角兽，很多厉害的人工智能公司，看到哪个市场赚钱，就奔着哪个市场去。一个公司做着好几个行业的事情。
但我的观点是，如果人工智能公司你不能把自己改造成某个行业公司的话，你将来的生存空间会越来越小。」
说白了，人工智能不是在改造行业，而应该是被行业所改造。
