<mark id="oztn4"></mark>
0
“算法幾乎沒有什么門檻了。”
有不少人如此認(rèn)為。
當(dāng)AI初創(chuàng)企業(yè)層出不窮，開放式平臺(tái)日漸增多，幾年?duì)幤娑菲G下，算法的確不再是九天月，遙不可及。
算法、算力、數(shù)據(jù)的人工智能三要素中，算法逐漸被合力攻下，不再為少數(shù)人獨(dú)有算法，逐漸滲透進(jìn)蕓蕓產(chǎn)業(yè)，落地至萬千場(chǎng)景時(shí)，新的市場(chǎng)模式誕生：
不少企業(yè)做起了“算法商城”的生意，打造計(jì)算機(jī)視覺領(lǐng)域的APP Store。
算法是否真的沒有門檻？像下載APP一樣購(gòu)買算法的算法商城模式，真的可行嗎？
市場(chǎng)太大，供應(yīng)太少。
這是催生視覺算法商城的沃土。
AI等技術(shù)日趨成熟，AI正從安防、交通等領(lǐng)域走向全域。
未來5-10年，AI市場(chǎng)將達(dá)千億、萬億級(jí)別已是不爭(zhēng)事實(shí)。
人臉識(shí)別和車輛識(shí)別金字塔尖底下，藏著一個(gè)巨大的腰尾市場(chǎng)。
海量的碎片化市場(chǎng)里，存在著萬千被忽視的小場(chǎng)景。
火焰識(shí)別、吸煙識(shí)別、樓道障礙物識(shí)別、快遞爆倉識(shí)別、疲勞駕駛檢測(cè)......
無數(shù)散落在全國(guó)各地區(qū)、各行業(yè)的AI需求，像潺潺流水的小溪，正流淌、貫穿出一副山河巨制。
它碎片化、客戶體量小、項(xiàng)目規(guī)模小，營(yíng)收小，但勝在數(shù)量多，如毛細(xì)血管般的市場(chǎng)，正成為腰尾部市場(chǎng)走上臺(tái)前的重要砝碼。
但，不僅扎根于AI腰圍部的市場(chǎng)少之又少，也沒有一家公司能涵蓋所有算法。
由此，不少人認(rèn)為，計(jì)算機(jī)視覺算法平臺(tái)，是AI發(fā)展的必然未來式。
主張軟件定義的華為便是其中之一。
強(qiáng)勢(shì)入圈安防的華為不斷亮出新的底牌，包括2019年的算法商城。
算法商城，可視為華為軟件定義攝像頭、連接合作伙伴上的進(jìn)一步延續(xù)。
在華為看來，線下場(chǎng)景千千萬，一個(gè)硬件一種算法將成為過去。
算法快速發(fā)展的需求。AI時(shí)代算法、軟件更新?lián)Q代的速度遠(yuǎn)遠(yuǎn)快于過去，每月乃至每周都有版本升級(jí)。
需求多樣性。單一算法需要精準(zhǔn)度會(huì)不斷提升，未來更需要人臉、人體、姿態(tài)等多維度數(shù)據(jù)輔助。
運(yùn)維管理智能化。未來算法多樣性，場(chǎng)景多樣性，以及全網(wǎng)攝像機(jī)的管理，需要一個(gè)可視、可管理、可遠(yuǎn)程控制的產(chǎn)品，與云端互動(dòng)，實(shí)現(xiàn)在線加載、升級(jí)、管理。
智能攝像機(jī)根據(jù)不同的場(chǎng)景按需加載不同的軟件和算法，通過多特征提取與識(shí)別、多攝像機(jī)間的協(xié)同、端云間的協(xié)同成倍地提高智能分析效率。
通過算法平臺(tái)，結(jié)合生態(tài)伙伴，賦能千行百業(yè)。
不難發(fā)現(xiàn)，這與華為對(duì)安防碎片化場(chǎng)景的理解一致。
華為一直嘗試重新整合安防的碎片化，又或者，重新定義安防市場(chǎng)。
段愛國(guó)曾接受雷鋒網(wǎng)AI掘金志的專訪時(shí)提到，碎片化是傳統(tǒng)安防的思維慣性和遺留問題，歷史時(shí)期，數(shù)據(jù)的確是碎片化的。
但傳統(tǒng)時(shí)代，數(shù)據(jù)不是關(guān)鍵；智能時(shí)代，數(shù)據(jù)堪比石油，需要聯(lián)通、共享、匯聚，方能產(chǎn)生更多價(jià)值。
進(jìn)入新的時(shí)代，碎片化已經(jīng)是一個(gè)偽命題。
安防需要擁抱云和大數(shù)據(jù)，大聯(lián)網(wǎng)、大數(shù)據(jù)、大平臺(tái)、大生態(tài)。
但不少人對(duì)此持觀望態(tài)度。
他們認(rèn)為，安防場(chǎng)景更多是產(chǎn)品定義。安防行業(yè)并不等于手機(jī)行業(yè)，不能簡(jiǎn)單類比。
算法商城模式或者軟件定義的成立，需要考慮幾個(gè)必要問題。
1、細(xì)分場(chǎng)景是否有高頻的交互和算法需求。
To C 市場(chǎng)，APP Store或者算法商城也許游刃有余，以手機(jī)為例，人與產(chǎn)品不停地交互，聽音樂、看視頻、打游戲等，切換、升級(jí)、卸載軟件非常頻繁。
但To B/P市場(chǎng)，場(chǎng)景需求差異較大，用戶選擇某一產(chǎn)品，是基于其特定的需求和產(chǎn)品的功能。
人與產(chǎn)品沒有也不需要頻繁交互，軟件升級(jí)迭代頻率也不高。
比如超市攝像頭，目的是巡店、貨品管理、輔助結(jié)算等功能，切換算法的需求存在，但并不高頻和迫切，也無需人與產(chǎn)品長(zhǎng)時(shí)間交互。
2、算法隨意切換的前提是硬件的高配置或標(biāo)準(zhǔn)化。
要實(shí)現(xiàn)設(shè)備承載不同的算法運(yùn)行，要么設(shè)備參數(shù)配置高，要么標(biāo)準(zhǔn)化。
但即使同為某一品牌，幾百款不同產(chǎn)品，具備不同的芯片、傳感器性能、解析度大小、焦距遠(yuǎn)近等，高配置和標(biāo)準(zhǔn)化似乎都難以實(shí)現(xiàn)。
跨越這些障礙，承載多算法、多應(yīng)用也許需要時(shí)間和技術(shù)，算法商城提供商需要考慮的問題。
3、市場(chǎng)大小和成本考量。
正如前文所述，海量的腰尾部市場(chǎng)中，碎片化、客戶體量小、項(xiàng)目規(guī)模小，營(yíng)收小，單個(gè)細(xì)分領(lǐng)域市場(chǎng)并不大。
這對(duì)算法商城的算法開發(fā)、研發(fā)成本提出極高要求。
算法的成本在于開發(fā)和驗(yàn)證，目前的算法模型訓(xùn)練，是否收集到足夠多的場(chǎng)景數(shù)據(jù)是關(guān)鍵。
針對(duì)AI視覺算法商城話題，雷鋒網(wǎng)AI掘金志采訪了數(shù)位業(yè)內(nèi)專家、企業(yè)高管，對(duì)于AI視覺算法商城模式，企業(yè)家們有著共識(shí)，也有各自不同的選擇和看法。
業(yè)內(nèi)某高管 1：邊際成本、客戶能力、行業(yè)知識(shí)是關(guān)鍵
體量大的市場(chǎng)被頭部企業(yè)瓜分，細(xì)分場(chǎng)景的市場(chǎng)容量小，而算法投入大，研發(fā)成本要足夠低，邊際成本足夠低，且平臺(tái)能力、客戶能力在線，這個(gè)理論才有實(shí)現(xiàn)的可能，否則業(yè)務(wù)難以實(shí)現(xiàn)閉環(huán)。
以現(xiàn)在深度學(xué)習(xí)的技術(shù)，初步素材積累的工作量驚人。
算法平臺(tái)的技術(shù)可以攻克，核心是客戶的整體能力，否則平臺(tái)的意義不大。
更重要的是，在垂直領(lǐng)域，關(guān)鍵的門檻不是AI算法能力，而是行業(yè)知識(shí)。
算力、算法、數(shù)據(jù)技術(shù)壁壘之外，「場(chǎng)景、應(yīng)用、知識(shí)」成了決定算法能否真正落地的關(guān)鍵點(diǎn)。
比如識(shí)別天氣，需要了解不同類別的云，生成原理，演變過程，還需要模擬測(cè)試環(huán)境和測(cè)試集；再比如識(shí)別豬，需要了解豬的全生長(zhǎng)周期，每個(gè)周期具體情況。這些都需要長(zhǎng)期深耕行業(yè)。
這些都需要深入到一線，與客戶溝通交互，獲得具體場(chǎng)景的認(rèn)知，但這些是單個(gè)開發(fā)者不具備的。
業(yè)內(nèi)某高管 2：軟件定義不是一個(gè)趨勢(shì)，是一種可落地的方式
軟件定義不是一個(gè)趨勢(shì)，是一種可落地的方式。
1、在成本面前，海量算法需求并非都能被挖掘且落地。
首先，算法的豐富性需要達(dá)到一個(gè)量級(jí)。
其次，算法研發(fā)需要巨大的成本投入，比如，可落地的算法需要訓(xùn)練海量的樣本，但樣本積累的工作量巨大：
需要10萬量級(jí)的樣本，才能訓(xùn)練出80%的精確度，且抓取數(shù)據(jù)后，需要以張為單位的甄別樣本，并標(biāo)定。比如寵物識(shí)別，就需要上百萬級(jí)別的數(shù)據(jù)和標(biāo)注工作量。
根據(jù)目前深度學(xué)習(xí)能力，小樣本難以實(shí)現(xiàn)高精度。市面上買來小量樣本訓(xùn)練，可能只達(dá)到70%精確度，誤報(bào)率非常高，難以落地。
目前為止，之所以AI在人、臉、車落地效果較好，是因此類頭部領(lǐng)域積累的樣本足夠豐富。
另外，客戶群體、渠道等問題是變現(xiàn)的核心環(huán)節(jié)，并非算法單維度。
手機(jī)的軟件定義之所以成功，一是足夠多的應(yīng)用，二是手機(jī)APP本身的研發(fā)非常輕量化，且研發(fā)完后變現(xiàn)很快。
只有那些掌握了客戶群體，掌握了產(chǎn)品，掌握了渠道，有實(shí)力的公司，慢慢去運(yùn)營(yíng)，才有可能。
2、攝像機(jī)本身的碎片化，讓大規(guī)模應(yīng)用難度大。
與手機(jī)僅有兩個(gè)系統(tǒng)，任何應(yīng)用都能運(yùn)行不同，攝像機(jī)內(nèi)在芯片和硬件都不同。
比如海思的芯片，從幾美金到幾百美金不等，不同芯片上的算法并不兼容。
有些算法需要2T的算力才能運(yùn)行30幀，有些算法可能只需要0.5T就夠了。把高算力的算法放到低算力的產(chǎn)品上，難以得到想要的效果。
而且算法落地后受攝像機(jī)的成像影響很大，即使是同一品牌的產(chǎn)品，不同產(chǎn)品型號(hào)之間，鏡頭廣角、傳感器等的質(zhì)量都不一樣，最終對(duì)算法的效果都有影響，所以大規(guī)模產(chǎn)品應(yīng)用較難。
業(yè)內(nèi)某高管 3：算法商城需要經(jīng)歷教育市場(chǎng)的過程
每個(gè)新的行業(yè)，會(huì)先經(jīng)歷供給創(chuàng)造需求，再需求拉動(dòng)供給的階段。
正如蘋果迭代幾代后，才開始在To C市場(chǎng)大面積普及，人工智能落地時(shí)也如此，在教育中得到反饋并不斷迭代。
算法商城需要經(jīng)歷一個(gè)教育市場(chǎng)的過程。
智能安防攝像機(jī)的應(yīng)用程序并不是一個(gè)新概念。
隨著深度學(xué)習(xí)技術(shù)的進(jìn)步，基于應(yīng)用程序的生態(tài)系統(tǒng)與視頻分析的同步興起，更多基于深度學(xué)習(xí)視頻分析的應(yīng)用，將被更多攝像機(jī)所兼容，算法應(yīng)用的角色也變得更為突出。
在各種場(chǎng)景上，攝像機(jī)與場(chǎng)景的組合十分復(fù)雜，但近年來，越來越多的智能硬件產(chǎn)品已在迭代跨越這些障礙。攝像機(jī)正從單一功能的終端，向多應(yīng)用聚合的平臺(tái)轉(zhuǎn)變。
當(dāng)基礎(chǔ)設(shè)施完成后，依托云，構(gòu)建一個(gè)類似于APP Store的模式，于用戶，只需要下載算法，就有新的AI支持。
對(duì)于大公司來講，這也是持續(xù)發(fā)展的優(yōu)選，硬件敲門，軟件做增值服務(wù)。
在更宏觀的層面上，大廠可利用體量和品牌優(yōu)勢(shì)，結(jié)合合作伙伴的能力，加速數(shù)據(jù)融合和算法開發(fā)。
初創(chuàng)企業(yè)，以完全獨(dú)立的第三方平臺(tái)的角度切入，是能幫助智能化能力不高的企業(yè)在智能化時(shí)代立足。
大華股份資深算法工程師：深入業(yè)務(wù)場(chǎng)景，構(gòu)建算法全鏈路技術(shù)研發(fā)和高質(zhì)量交付能力
無論是行業(yè)算法還是算法商城本質(zhì)還是希望通過智能化技術(shù)讓客戶能快速、精準(zhǔn)解決他的業(yè)務(wù)痛點(diǎn)。
但隨著數(shù)字化轉(zhuǎn)型的不斷深入，各行各業(yè)對(duì)于智能化的需求越來越多，需要產(chǎn)業(yè)提供在更細(xì)分場(chǎng)景下的定制算法，導(dǎo)致了需求越發(fā)“碎片化”，并且市場(chǎng)對(duì)算法交付要求也不斷提升，需要開發(fā)者在深入理解行業(yè)痛點(diǎn)前提下，進(jìn)行定制、精準(zhǔn)、快速、可控的算法開發(fā)。
當(dāng)前主流算法商城普遍上還是基于圖片識(shí)別，有一定可行性，但普適性不高；同時(shí)，對(duì)于部分通用的成熟型算法，由于應(yīng)用場(chǎng)景差異較小，基礎(chǔ)模式即可滿足需求。
因此，我們?cè)趯?shí)現(xiàn)人工智能產(chǎn)業(yè)化落地中，始終貫徹“場(chǎng)景牽引”、“可商用”、“快速定制交付”的理念，聚焦從數(shù)據(jù)管理、算法訓(xùn)練、人工智能應(yīng)用開發(fā)、跨平臺(tái)部署、產(chǎn)品仿真驗(yàn)證、發(fā)布交付的全鏈路技術(shù)研發(fā)和閉環(huán)管理，在此基礎(chǔ)上我們自研了巨靈一站式人工智能開發(fā)平臺(tái)，為各行業(yè)提供一站式算法及方案開發(fā)交付支撐能力，從而實(shí)現(xiàn)算法高質(zhì)量的定制化敏捷交付，大幅提升算法產(chǎn)業(yè)化落地效率。
以交通行業(yè)為例，杭州的綠色停車方案（早餐店、便利店等附近車位20分鐘內(nèi)免費(fèi)停車）緩解了杭州市民短時(shí)停車難的問題，所以一經(jīng)推出，廣受好評(píng)。
這背后是開發(fā)人員切實(shí)理解從違章處罰到便民管理的行業(yè)需求，有針對(duì)性的開發(fā)定制，最終提供真正滿足客戶需要的算法方案。
非現(xiàn)場(chǎng)違章審核算法更是如此，由于不同地區(qū)判罰標(biāo)準(zhǔn)不一，需要開發(fā)人員重新梳理需求，打磨算法，才可真正降低交警人工復(fù)核工作量。
目前，通過深耕行業(yè)核心業(yè)務(wù)，大華股份已開發(fā)20余個(gè)細(xì)分行業(yè)算法方案，100多類場(chǎng)景化算法功能，后續(xù)也將持續(xù)加強(qiáng)端邊云算力協(xié)同，加快算法靈活加載到全產(chǎn)業(yè)鏈，滿足成本與性能的行業(yè)智能差異化需求。
曠視高級(jí)副總裁陳雪松：初期先有算法后有商城，可用度是關(guān)鍵
算法商城應(yīng)該是有算法之后才有商城，而不是有商城后再有算法。
與其說是生態(tài)的問題，不如說是行業(yè)發(fā)展階段的問題。
算法商城應(yīng)該在整個(gè)算法行業(yè)相對(duì)穩(wěn)定和固化的背景下成立。
比如APP Store，是在有了很多可用的APP之后才開始出現(xiàn)和繁榮，最早大家都是直接在對(duì)應(yīng)的網(wǎng)站下載，是APP的大量產(chǎn)生，催生了Store，這是初期階段的一個(gè)關(guān)鍵因素。
另外，算法的可用度是商城的關(guān)鍵。
目前用戶對(duì)算法（無論是主流算法還是長(zhǎng)尾算法）關(guān)注的焦點(diǎn)在可用度上，而非數(shù)量規(guī)模。
只要它可用，用戶可以接受，就能快速應(yīng)用。反之，快速迭代出來的算法不可用，對(duì)于用戶來說價(jià)值為0。
目前算法提供商應(yīng)該將精力放兩個(gè)方面：核心算法的可規(guī)模化、可用度上，長(zhǎng)尾算法的快速生產(chǎn)能力和可用度。
細(xì)分領(lǐng)域有很多細(xì)碎的產(chǎn)品，比如城管有36類大的管理事件，共2230個(gè)產(chǎn)品。
占道經(jīng)營(yíng)、車輛違停、垃圾溢出、道路基礎(chǔ)、井蓋位移等需求均具備不同環(huán)境，需要不同的產(chǎn)品。
快速迭代的生產(chǎn)能力和可用性是關(guān)鍵，且有一定瓶頸。
目前，在城管領(lǐng)域，垂直行業(yè)的小樣本快速訓(xùn)練可取得很好的效果，但要賦能全行業(yè)，還有很長(zhǎng)的路要走。其中涉及方法、訓(xùn)練平臺(tái)，數(shù)據(jù)標(biāo)定工具和模型生產(chǎn)，這是一個(gè)系統(tǒng)化的工程。
其次，計(jì)算模型的優(yōu)化，目前算法商城的提供商在算法的優(yōu)化和匹配上難以達(dá)到落地效果。
業(yè)務(wù)有過一次大測(cè)試，結(jié)果顯示，算法商城的單一算法運(yùn)營(yíng)效率比算法獨(dú)立運(yùn)營(yíng)效率的慢三倍，也就是說，算法商城需要三臺(tái)服務(wù)器才能實(shí)現(xiàn)后者效果，這意味著用戶要為硬件多付3倍的錢。
云從科技聯(lián)合創(chuàng)始人姚志強(qiáng)：AI通用化和開發(fā)門檻程度不足，可考慮把算法集成到操作系統(tǒng)中
AI算法商城不是一個(gè)偽命題，但目前看來前景有限，因?yàn)槿斯ぶ悄艿耐ㄓ没㈤_發(fā)門檻與成本還沒到降到一定程度，所以最理想的做法是把AI算法工廠集成在操作系統(tǒng)中，操作系統(tǒng)提供基礎(chǔ)算法+行業(yè)場(chǎng)景+產(chǎn)品模塊。
以云從為例，云從人機(jī)協(xié)同操作系統(tǒng)，簡(jiǎn)稱CWOS（Cloudwalk Operating System），是運(yùn)行在通用操作系統(tǒng)或云操作系統(tǒng)之上，提供人機(jī)協(xié)同相關(guān)算力、算法和數(shù)據(jù)管理能力和應(yīng)用接口的底層軟件系統(tǒng)，專為人與計(jì)算機(jī)之間進(jìn)行自然交互、協(xié)作完成復(fù)雜業(yè)務(wù)而構(gòu)建，同時(shí)為開發(fā)者設(shè)計(jì)研發(fā)人機(jī)協(xié)同智能應(yīng)用提供全面支持，旨在降低人工智能應(yīng)用門檻、提升人類與機(jī)器智能進(jìn)行協(xié)作的效率和體驗(yàn)。
CWOS目前將研發(fā)方向劃分到七個(gè)技術(shù)板塊，其中涉及的算法工廠包含了一系列持續(xù)保持業(yè)界領(lǐng)先的基礎(chǔ)AI能力，包括：泛人臉識(shí)別、視頻理解、場(chǎng)景化OCR、語音識(shí)別與語音合成、自然語言處理等。
另一方面，通過一站式的模型服務(wù)，為人機(jī)協(xié)同操作系統(tǒng)提供基礎(chǔ)AI技術(shù)的生產(chǎn)能力，可以管理全生命周期的AI建模過程，對(duì)人工智能生產(chǎn)效率有數(shù)量級(jí)的提升，同時(shí)顯著降低了人工智能技術(shù)門檻。
杉地科技 CEO 傅劍輝：共性不是痛點(diǎn)，安防不存在太多模式，靠的是產(chǎn)品和服務(wù)
算法商城很難做到手機(jī)的APP Store，下載就能用。
它能夠解決一些場(chǎng)景30-50%的共性需求，但不能解決行業(yè)的特性需求，需要定制化。
目前人和車的算法基本能滿足絕大多數(shù)需求，但很多領(lǐng)域不具備共性，比如工業(yè)、水質(zhì)、環(huán)保等等。
短期看，在這種體系中，商城滿足不了用戶的核心需求。正如目前很多AI攝像頭具備了一定的AI功能或算法，但行業(yè)客戶真正用的時(shí)候，不會(huì)選擇。
長(zhǎng)遠(yuǎn)看，AI+場(chǎng)景不斷垂直領(lǐng)域化，即行業(yè)化，垂直行業(yè)的算法商城模式是可行的，前提是其長(zhǎng)期專注某個(gè)領(lǐng)域，聚焦行業(yè)場(chǎng)景算法。
即使算法商城與行業(yè)頭部企業(yè)合作，也需要經(jīng)歷較長(zhǎng)時(shí)間的打磨。
共性不是痛點(diǎn)，AI不能顛覆性解決問題，只能在效率提升和流程優(yōu)化上加速。
比如AI+醫(yī)療就是一個(gè)門檻極高的行業(yè)，截止目前全球范圍內(nèi)，AI在醫(yī)學(xué)只是輔助，而不能決策。
對(duì)于AI算法公司，基礎(chǔ)模型算法開源，但核心競(jìng)爭(zhēng)力算法不會(huì)開放，這些付出了AI企業(yè)巨大是AI企業(yè)的核心競(jìng)爭(zhēng)力之一。
另外，硬件平臺(tái)和操作系統(tǒng)平臺(tái)都是對(duì)開發(fā)者巨大挑戰(zhàn)，即使具備了平臺(tái)能力，硬件和芯片等難以統(tǒng)一，真正用起來比較難。
安防行業(yè)不存在太多商業(yè)模式，靠的就是產(chǎn)品和服務(wù)。
極視角 CEO 陳振杰：「算法商城+開發(fā)者生態(tài)」的模式適合90%的碎片化市場(chǎng)
根據(jù)Gartner發(fā)布的2020人工智能技術(shù)成熟度曲線，計(jì)算機(jī)視覺技術(shù)已趨于成熟，相關(guān)產(chǎn)業(yè)正在經(jīng)歷洗牌。
人工智能視覺領(lǐng)域已經(jīng)由技術(shù)萌芽階段、頭部場(chǎng)景落地階段，發(fā)展到大規(guī)模工程化應(yīng)用階段。
在這一階段，市場(chǎng)對(duì)于人工智能技術(shù)落地提出了兩大核心訴求：
算法品類的豐富度與算法的高性價(jià)比。
未來會(huì)有10萬種以上的算法，每個(gè)垂直行業(yè)有幾十種算法需求將成為標(biāo)配。去到行業(yè)會(huì)發(fā)現(xiàn)，僅僅交通場(chǎng)景，就有近100種算法。
與游戲行業(yè)類似，AI賽道未來必然有兩個(gè)方向：一是專業(yè)化分工，一是平臺(tái)的出現(xiàn)。
頭部客戶的頭部需求，將由頂級(jí)科學(xué)家供應(yīng)；頭部客戶的場(chǎng)景需求和行業(yè)客戶全鏈條需求，將由初級(jí)、中級(jí)、高級(jí)開發(fā)者供應(yīng)。
公安、交通、金融等頭部場(chǎng)景的需求，將由頂級(jí)科學(xué)家供應(yīng)，而90%的腰尾部市場(chǎng)需求則更加適合利用“算法商城+開發(fā)者生態(tài)”的模式進(jìn)行供應(yīng)。
極視角想要建立的AI算法平臺(tái)，將連接算法開發(fā)者和算法需求方，提高視覺算法開發(fā)者效率。
極視角的商業(yè)模式，連接了算法需求方與算法開發(fā)者，通過為開發(fā)者提供人工智能底層開發(fā)平臺(tái)，與開發(fā)者共創(chuàng)海量視覺算法；B端算法需求方則可以根據(jù)所需場(chǎng)景，在算法商城中自由選擇算法進(jìn)行部署應(yīng)用。 雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
