播客|对话极智优创：AI赋能行业安全——从实验室到千亿场景的落地突围

对话极智优创:

AI赋能行业安全

——从实验室到千亿场景的落地突围

“什么样的技术一定是跟用户需求强绑定，我们要使劲去研究什么是刚需的技术，然后再来做算法以及工具上的突破。”

“技术除了算法就是工具，工具是实现产品化以及快速部署、敏捷开发的重要方面。”

“通过0~1来实现1~100扩展的技术积累。”

“我们要有自己的忧患意识，迅速地跑起来，发挥自己的优势。”

“硬件会不会落后？我认为会落后，并且我也乐意看到落后。”

播客时间戳（在小宇宙中，点击对应时间点可跳到对应内容收听）：

时间戳：

00:00:42  当前AI+安全赛道涌入大量玩家，未来3年技术路线的关键突破点是什么？

00:05:18  行业安全监管市场高度分散，如何判断天花板？极智优创是否有跨行业复制的核心能力？

00:10:54  目前硬件销售占收入主体，这是否意味着要挑战海康、大华等巨头的领地？未来计划如何平衡软硬件收入以实现更高毛利？

00:17:36  在AI芯片迭代飞快的现状下，如何避免巨额投入后技术代际落后？

00:22:21  如何获取市场，形成销售？主要销售方式会采用什么方式？大客户怎么干？

00:29:21  在规模扩张阶段，公司对“短期亏损换市场”的容忍度如何？若资本市场遇冷，是否有不依赖融资的自我造血预案？

观点快闪：（以下访谈总结来自AI支持）

Q1：当前AI+安全赛道涌入大量玩家，未来3年技术路线的关键突破点是什么？

嘉宾：我觉得首先是什么样的技术比较关键。对技术的定义要深刻的绑定一个行业，因为算法现在是井喷的时代，大家都可以用到很多的算法，算法也会不断的迭代更新。但是算法做什么事，其实是要和用户的实际需求/刚性需求去深度绑定，去了解用户的业务逻辑、工艺能力（工艺需求），有了这些才是下一步关于技术的问题，所以我觉得更关键的一步是绑定用户的需求。

那么现在企业希望在未来攻克的安全场景，从技术层面上我觉得也是分算法和工具两个方面。算法无非是为了满足识别运算以及提供用户期望得到的结果，这里面就涉及对隐私的保护。

举个例子，我们在做校园防欺凌的时候，校园欺凌绝大多数发生在厕所内，那么如何能够让用户心甘情愿去接受在厕所安装设备，比如红外相机或者多模态方式等。这会涉及核心问题——如何在隐私保护下依然能够实现安全算法的识别。

第二个问题是多模态传感器的应用，比如现在大家几乎都在用图像，针对校园欺凌事件是否要加入对声音的处理？是否要加入对振动的？假设打架或者跑步时，它的振动信息是一个很重要的信息输入，那么在多模块输入的情况下如何实现安全算法也是我们认为未来很关键的技术，也是我们正在研究的一个技术。

再有对算法的可解释性也是一个很重要的技术层面，也是我们一直在努力的，也就是我们向用户提供了算法的识别结果其实是不够的，我们需要向用户展示为什么我的算法可以得到这样的结果。

比如说发生了一件校园欺凌事件或者公共场景的逃跑事件，我需要通过算法去解释谁在欺凌谁或者公共场景哪里出现了问题，导致大家发生了奔跑行为，这是一个可解释性的问题，有了可解释性就可以极大程度上去避免算法的漏判或误判，以及用户对于算法准确率的质疑。

刚刚举的几个例子，我认为未来三年甚至可能在更长一段时间内， AI算法在安全赛道的技术层面还要做一些突破，但这也是我们的优势，因为我们背靠高校，天然具备对算法的理解以及开发能力，也是我们正在做的一些事情。

再有技术除了算法就是工具，工具是实现产品化以及快速部署、敏捷开发的重要方面。我们目前在做的以及在研究的工具，就包含了对算法的部署和算法性能的调优，比如我们到一个新场景里，它如何用最短的时间来适应场景情况？针对客户的部分定制化需求，我们怎样实现业务逻辑的串联？类似乐高机器人，都是模块化的东西，我们该如何给它最快的组装起来呢？组装并非由我们来组装，而是我们培训实施团队或者代理商、运营商实现它的组装，这对我们产品化非常有利。

什么样的技术一定是跟用户需求强绑定，我们要使劲去研究什么是刚需的技术，然后再来做算法以及工具上的突破。

Q2：行业安全监管市场高度分散，如何判断天花板？极智优创是否有跨行业复制的核心能力？

嘉宾：我很认同“先从0~1，再从1~100”的说法。0~1说白了是我们要找到一个深入的行业来做我们这件事情。1~100是我们通过这一个行业的磨合所积累的经验数据，让它能够扩散到其他行业中。所以这个问题我想产生两个问题，第一就是0~1，第二就是1~100。

0~1：在初期，我们更希望深入一个特定的行业，这样才能形成真正的积淀，形成真正的自我造血。我们目前选择的是校园安全这一行业，为什么这么选呢？是因为我们在评价行业是否值得做的时候，无非是三个维度。

第一个是市场体量。首先学校这个行业体量我相信是毋庸置疑的，无论是从幼儿园、小学、中学还是大学，在国内甚至是国际市场，它永远都是有一个很大的体量，所以这也是我们选择它的一个很重要原因。

第二个是客户需求的刚性程度。通过前期走访，包括对校长、教育局领导，都能发现一个很刚性的东西，就是校园安全是他们头疼的头号敌人，因为教学质量是可以追求的，并且是稳定的，短期之内不会出现大的波动，但是安全一旦发生问题，就会导致学校的社会评价、领导的业绩受到极大影响，所以它反而成为了学校的一个刚需。

第三个是用户对于产品提供者的容忍程度。工业市场可能对于任何一套算法，他希望能够达到99%甚至99.9%，这就意味着任何一套算法需要投入大量的精力去做优化，然后同客户维持较好的商务关系。所以，我们在选择校园行业的时候，我们作为高校在教育资源上面有着天然的优势。学校用户对客户的容忍度会比较高，也许对他来说90%和99%都是能够容忍的，或者说至少我们在做到90%的时候，他有耐心来等待我们去磨合，去提升自己的能力。

从以上三个维度——体量、需求刚度和容忍程度上来说，我们目前选择在学校这个领域来发力，来吃透学校，当然这也分不同的层次，比如幼儿园更担心小朋友是不是走错路，小学生担心孩子们是不是打架了，中学更担心翻墙跑出去玩，因为叛逆期存在霸凌或谈恋爱等情况。我们想办法把它吃透，然后来做我们的核心算法问题，这也成为了我们在这个行业的核心竞争力。

1~100：吃透行业的体量已经很大了，在这个过程中我们可能会碰到各种各样的需求，在解决需求时，我们无论是算法还是工具上都会有一定的改进、创新以及实际的应用磨合。1~100中最重要的点就是算法的积累以及工具。算法的积累无非就是更换了一个数据源，本来是检测校园里的人的，换一个场景转变为检测产线上的人/工地上的人/检测医院里的人等等。

对我们来说，首先算法是可复用的，其次就是我提到的工具。跨行业无非改的就是两个东西，一是检测的东西不一样，二是检测的东西出来之后，它的业务逻辑可能也会有一些改变。那么算法层面要解决它检测的东西是否改变的问题，工具层面就要解决它业务的逻辑串联，最后统计上报一套处理流程的问题，这也就是我通过0~1来实现1~100扩展的技术积累。

其实我们在前期的研究之中，对0~100这个过程，我们都有了一定的尝试，因为我们之前也做了很多行业，在不同行业的迁移之中，其实也已经用到了比较标准化的算法以及标准化的工具，我相信我们随着后面对一个行业的深入，对工具和算法的理解还会越来越好，且越来越符合现场的部署以及扩展能力。

那么这样我觉得跨行业的复制能力也会得到进一步的增强，我们还是比较有信心的。

Q3：目前硬件销售占收入主体，这是否意味着要挑战海康、大华等巨头的领地？未来计划如何平衡软硬件收入以实现更高毛利？

嘉宾：从硬件和算法上来聊，现在的一些集成商在硬件上绝大多数是使用通用型硬件，比如英伟达、寒武纪、地平线等一些国产企业，它存在的一个问题就是从硬件角度来说的生态问题。

什么是生态问题？现在的算法层出不穷，这些边缘计算设备或者服务器在部署过程中，对算法的适应能力始终是一个很大的问题，就是我们所说的生态对算子是不支持的，对某一个特定算法的优化是不充分的，导致它的实时性、准确性都有很大的缺陷。

软件上大家以开源算法为主，开源算法没有办法很强的去深入用户需求，也没有办法针对不同需求去做定制开发，用一句通俗易懂的话来解释开源算法——充话费送的，我买了一件东西，它自带一些开源算法，等于是充话费送的东西，那它自然就会在某些程度上有一些性能的缺失等等。

以上是目前部分集成商所存在的问题，我们在与客户打交道过程中也碰到了很多问题，大家一致的反应就是目前集成商提供的，无论是硬件还是算法，在实际应用过程中都是难以满足需求的。所以他们会一直提到买了东西不能用的问题，而我们的产品至少在目前几个试点高校和行业界内，还是得到了比较广泛的认可。

无论是过去、现在还是未来，我们与海康、大华完全不在一个赛道上，海康和大华已有的赛道是卖摄像头以及附属产品，比如录像机、监控设备、监控/监管平台等。它里面涉及的算法和之前提到的集成商应用的算法是一样的，更多的是展示性远大于实用性而我们的产品要求都是专用而不是通用，所以从这个角度来说，我们同海康、大华目前的赛道是完全不一样的。

目前海康和大华也在做计算硬件和安全，但是海康和大华现在没有自己的芯片，是在做集成商，后期也会面临集成商问题。当然，海康和大华对业务会有自己的判断，目前的主流业务还是通用式的摄像头，它不像我们是专用行业的去做安全，可能这和他们的行业定位是不同的，我不知道他们是否愿意去改变自己的行业定位，但是我觉得作为一个大型企业来说，若想改变一个赛道，或者专门成立一个事业部来专门来做这个事儿，可能性是在的，但是也许不大。不管海康和大华怎么做，我们要有自己的忧患意识，迅速的跑起来，发挥自己的优势。

那我们的优势是什么？是已经有的算法生态、硬件生态以及自己的算法能力。只有自身强才能不管外部变化如何，我都能扛下来。所以我们不会在一个赛道，并且很长一段时间都不会在一个赛道。而且不管是否在一个赛道，只有自身强才是真的强，我不主动挑战他，但他若来挑战我们，我们也要保证自己强。

关于软硬件平衡问题，在目前看来我们是以硬件销售为主，但是硬件的毛利在我们整体的利润模型中，它是很小的一部分，我们更多的收入是软件收入或者服务收入，因为我们做的硬件是服务于我们自己的平台的算法和针对行业的解决方案，它不是一个通用硬件，所以我们所售卖的硬件有很高的算法附加值和服务附加值。我们在做产品报价的时候是拆开的，硬件是硬件的钱，算法和服务是各自的钱。

从这个角度来说，我们硬件的毛利，虽然还不错且很高，但它的占整体收入的占比是很低的。因为从一开始就没有把自己定位成一个硬件制造商，因为硬件是不断迭代更新的，说不定哪天有一个突破性的硬件，我们还要更换硬件，我们不会把自己的精力投入到硬件研发中去，只是我们会用一个比较好的硬件，然后去做它的生态、算法适配等。所以我们一直定位自己是软件收入或者算法和服务的收入是要远大于硬件的，这也为我们后面假设更换硬件受到冲击时，留一个空间以确保利润不会被冲击过大。

说白了就是我换个硬件，可能硬件的利润没了，但是我软件的能力还在，我无非就是把软件适配到下一个硬件上去，这样对我们来说可迁移性可复制性依然是保留的。

Q4：在AI芯片迭代飞快的现状下，如何避免巨额投入后技术代际落后？

嘉宾：芯片研发会非常的烧钱，留一次片几千万就没了，我们目前不会做这件事情，未来会不会做呢？AI芯片的通用和垂类两个赛道，比如说我们做的算法是一种理想情况，经过两三年的磨合，校园客户已经研究得很透彻了，我们对它的算法需求已经掌握的比较全面，那么也许会考虑把算法硬件化形成专用芯片，如果我们有一定的资本积累且这个算法我们认为它到了可以集成，可以硬件化的程度，也许会做，但目前是没有这个计划的。

那硬件的迭代更新会不会导致我们的落后？我们的核心还是在算法和工具上，当然我们算法会不断更新，这是我们的优势，这也是现在很多创业型企业面临的一个问题。很多创业企业因为投入了大量的精力去做市场和售后，导致对算法的投入变慢，用工成本比较高，对客户场景的积累比较薄弱，即使开始的算法很好，但后面会逐渐落后。

我们天然的优势就在于背后校园的算法研究团队，他做的是算法原型，当算法原型在数据上有很好的宣传性，我们公司的研发团队再把这个算法变成我们面向场景的一套解决方案，所以算法上想落后大概是不可能的，因为高校它就是要不断的去冲击算法的前沿。

那么在硬件上会不会落后？可能性是在的，因为硬件的迭代，尤其是当今时代，以后国产化的芯片井喷会喷出来更多的优秀企业的优秀芯片，那么这种落后当然是存在的。我更希望我们落后，通过更新的芯片来避免它，这又是我们不做芯片的一个好处，我们并不强绑定任何一套硬件芯片，我们对芯片持以一个很open的态度，我们有一个组人不断的在刷新闻，全国或全球又有什么样的AI芯片新出来了，我们会评估芯片它的适配能力，如何去适配我们的算法和工具。这么一个小团队，可能做事不快、人员规模不大，但是我们始终会保留着这一条线来做这件事，因为我们希望能通过对AI芯片的更新迭代的把控，一方面把我们的硬件做得越来越好，把我们的硬件能够越来越适配，并且源源不断的更新算法。另一方面我们也透过AI芯片的发展，来看到行业里面对芯片的需求，挖掘我们的销售渠道，寻找更值得做的行业。

所以我们对AI芯片有三个态度：

第一，现在不会做，但未来我们持一个开放态度：也许会做。

第二，因为我们有高效的支撑，所以算法不太可能会落后，这也是高校的特点和优势。

第三，硬件会不会落后？我认为会落后，并且我也乐意看到落后。我们有人不断的去在尝试各种新的硬件，直到我们评估硬件完全可以取代我们自己，我们就会把它给取代。

Q5：如何获取市场，形成销售？主要销售方式会采用什么方式？大客户怎么干？

嘉宾：在选学校做试点和应用示范的时候，我们考虑了两个方面，第一个是学校的层次，第二是学校的地理分布。

学校的层次上，我们现在幼儿园、小学、初中、高中、职业技校都有分布，并且找的都是当地标杆学校，这样可以有一个很好的示范效应，通过与这些学校来沟通，我们就能抓到客户的需求点。

地理分布上，我们在布局的时候考虑了各个地域，我们目前江苏、浙江、厦门、长春、湖北襄阳等地，因为核心都是客户需求和市场驱动，那么客户需求对于不同学校、不同层次、不同地域，可能包括人的性格、学校管理方式、当地的政策都会有所不同，那么我们通过这种地域布局消除差异化，把它变成我们独特的服务能力。

那我们的策略是什么？——由下到上，再由上到下。

由下到上是我们本身在教育行业里的资源，通过校友和学校层次与各地高校以及各地教育局的资源，所以在推广这件事情的时候比较顺利。再通过拿到当地某一个学校的示范，我们会快速对这个学校进行部署落地和展示。

由上到下就是通过一个学校的示范效应，让教育局看到它的成果。然后再通过我们的商务手段，比如教育领域深耕多年积累的资源、通过教育局大客户的深度绑定、专门定制服务等，再加上教育局希望看到遍地开花，他希望学校都能用这套东西，而我们给他做客户教育提供很好的方案，以及他能实行下去的一套完整的流程，让他自己也看到成果，部署相应的平台，能够从教育局的角度监管辖区内的所有学校，或者汇总所有学校的信息，完成他们管理上的数字化和展示程度上的一个提升。一旦教育局认可，就可以由上至下的去推广了，我们会为他提供方案或策略，比如如何进行配套资金？如何编写政策标准性的文件？如何给学校自主权来发挥它独特的需求？……

那么在未来这也是希望扩张市场团队和销售团队，针对如何获取客户以及增加用户粘性的问题。因为互访与战略合作以及、提供高度定制化的服务，是需要大量市场人员去摸索以及沟通的，其次增加用户粘性，无非就是当我们拥有了一些可能用户之后，通过展示度很高的软硬件来激发他的兴趣。更重要的是，学校能做的事情不只是安全，我们会联合其他的供应商，比如教学、音响设备、体育监管、课程质量监管，都做到我们的平台里去，当然这个是分期做的，我们第一步还是做我们自己的事情，但是后期的事情无非就是资源整合。用户或者学校在未来5年甚至10年他们能看到的一个远景，期待能够通过我们的一套系统把他们关心的事情源源不断的分期分批集成进来，通过这种手段来提升我们的客户粘性且增加附加值。

当然这件事情不是仅仅我们自己，我们只是做集成，我们还是做我们专业的事情。一个是服务，一个是拉客户，进入我们自己的生态。通过教育局或者与教育局合作，共同探索某些东西，以教育局的站位，和经验资源，提出很多新的需求，与教育局合作形成共同申报课题，或者共同产品。

当然现在还没有申报产品，我们可能会通过这种深度的合作，把大客户也拉入到我们自己的生态体系里来，那么就变成了我们与客户一起去做一个事情，这样客户的原动力以及它的粘度都会显著提升，并且他自己做这个事儿，客户的风险和疑虑也就会大大的降低。

Q6：在规模扩张阶段，公司对“短期亏损换市场”的容忍度如何？若资本市场遇冷，是否有不依赖融资的自我造血预案？

嘉宾：所谓的容忍度其实更不如说是一种判断力。因为对于任何一家人工智能型企业，或者以科技创新驱动的这种企业来说，做技术的PoC其实都是它一个很高的隐性成本，而且这个成本会一直存在。

企业想不断发展壮大，源源不断的有创新，那么就需要不断的去做PoC，在这个过程中，因为PoC绝大多数都是亏损的，因为要提供硬件，要消耗人力，但是对方可能又不会提供资金支持。所以这个里面我觉得是判断力的问题，我们会判断一个企业或者一个需求是否是真的存在，是不是可复制的，有体量的。如果我们压根就没能力去攻克它，那也就别干了，这也是对自身能力的一种评价。

对于任何一家创业公司的掌舵者和研发部门的领导者来说，都是要不断去自我学习的过程。我们现在判断下来做校园这件事情，首先在体量上我认为他是有期望的，有希望的，所以我们愿意去投入，哪怕是我们短期亏损，我们也要去投入，我们本身自己的算法能力、研发能力在国内相对还不错，那么我们对算法的评估，我想也是具有这个能力的，所以我们一旦决定做就会做下去。

至少对目前所针对的市场以及所要做的用户需求来说，我们是有容忍的，这个是没有问题的。即便是我们有容忍，我们也是可以完成自我造血的。目前推广的几个城市已经在铺开批量的去做，我们的PoC也得到了认可，因为PoC得到认可之后就会转化成它的业务，我们前期的投入是免费做，但是我们做好了他就会买我们的东西形成转化。也就是说我们现在已经完成了前期技术的投入，且能够cover掉成本实现批量推广。

所以在目前来看，我们实现了不依赖融资的自我造血，但是因为现在人员少，市场销售能力跟不上，我们制造能力也跟不上，维护能力也跟不上。因为一旦推广了，别的不说，至少售后和实施就是很大的人力成本，以及我们和客户保持商务关系也需要很大的人力成本，以我们现在的自我造血是不足以支撑额外的人力成本和商务成本的，以及后面有些客户需要我们认证，如果出口，还需更多的认证，那么资金的投入将会更高的，在这方面我们是欠缺的，所以这也是我们希望有融资的一个初衷，希望有融资能够帮我们扛过人员的扩张期，通过人员扩张来满足我的市场扩张。

虽然我们已经具备不依赖融资的自我造血能力，但是在扩张的过程中，我们可能要通过自己认知的提升，通过不断谦虚的学习别人的经验，来避免因为人员扩张导致自我造血不足的问题。

但目前来看我认为还是乐观的，因为我们市场现在来看还是不错的，未来几年的市场如果我们能良性循环的迭代下去，那么市场体量还在，我们的能力还在，那自我造血的能力我认为是目前来说是很乐观的。