除了智能音箱,人脸识别技术已成为目前创业热度最高的细分领域,尤其是应用在金融身份认证和安防场景。多位业内人士表示,中国地大物博人口众多,在人工智能替代领域具有诸多优势,且有望实现AI技术商业化运作在国际上领先。
不用动手,只需开口就能驾驭身边的智能设备,这样的体验明显好很多。因此,各大科技巨头纷纷布局智能音响,想让它成为家用科技产品的控制入口。除了智能音箱,人脸识别技术已成为目前创业热度最高的细分领域,尤其是应用在金融身份认证和安防场景。多位业内人士表示,中国地大物博人口众多,在人工智能替代领域具有诸多优势,且有望实现AI技术商业化运作在国际上领先。
●争夺智能语音交互消费级服务7月5日,阿里巴巴正式发布旗下首款智能音箱天猫精灵X1,6月份苹果开发者大会上HomePod智能音响压轴出场,在此之前亚马逊Echo已累计销售近千万台。智能音响成为语音交互技术重要载体,受吹捧的另一个原因在于智能音响有望成为未来各种家用科技产品的控制入口。
另外一方面通过苹果Siri、微软小冰、度秘这些语音助手,进而延伸出的实时语音翻译、语音输入法、语音控制等,智能语音技术供应商已经挖掘出众多应用领域,正在加速消费级服务。
而在汽车应用方面,科大讯飞已与奔驰、宝马、丰田等国际厂商、国内汽车厂商实现合作。在今年3月份,科大讯飞又与长安汽车宣布将在汽车电子智能化的技术研发、产品设计、以及整车应用领域展开全面深度合作,共同研发智能汽车。
百度创始人李彦宏在演讲中多次提到,软硬件结合的人工智能产品将是重要方向,今年2月份百度收购渡鸦科技,在外界看来百度正在加紧人工智能技术输出,通过软硬结合将产品落地到生活场景中。
今年1月面世以来,百度DuerOS系统已与美的、海尔、TCL、联想、vivo、HTC、中信国安广视、小鱼在家等知名企业达成合作,并在电视、冰箱、智能穿戴和车载等多个场景,为用户带来“动口不动手”的生活体验。
思必驰首席营销官龙梦竹在接受《每日经济新闻》记者采访时表示,其更看好垂直领域的应用。目前聚焦在智能家居、车载物联网、机器人等领域,通过赋能传统科技企业,实现产业升级。
●“看不见”的人脸识别语音技术借助手机智能助手、智能音响等已经开始被大规模应用。而图像识别则显得有点清冷,并没有被普通消费者广为讨论。那是否意味着图像识别离我们很遥远呢?
龙梦竹在接受采访时指出,用户在使用美图秀秀等自拍软件的过程中,都会用到人工智能图像技术。拍照时需要自动捕捉人脸的位置,美颜、加特效的实现需要锁定人的面部、鼻子、眼睛。百度以图搜图、天猫商品搜索皆是用的是图像识别技术。语音技术之所以感知度更高一些,是因为用户参与主动说话以及存在语音反馈这些方面。
商汤科技联合创始人、CEO徐立博士对《每日经济新闻》记者表示,在公安监控系统、家庭安防系统、身份认证、娱乐互联网等领域人脸识别技术已经应用多年,成为计算机视觉最先落地的行业应用。在商汤科技的合作名单中,出现最多的是银行、金融等企业用户,其SenseTIme人脸识别技术与京东钱包合作,用户在京东钱包上扫描人脸,即可完成比对,实现密码解锁,代替传统密码登录方式。
计算机视觉初创公司Insight创始人Jeff Lin在接受记者采访中提到,人脸识别技术是目前创业热度最高的细分领域,尤其是金融身份认证和安防场景,已经成为人工智能创业公司重点布局场景。
和语音交互不同的是,计算机视觉公司几乎都是向其他企业提供技术支持,而非直接向消费者提供相关产品。徐立对记者表示,目前技术能够做到单一视觉垂直领域准确度超越人类,但整体视频场景内容、物体识别,现阶段还没有达到人的标准水平,这就是为什么目前还未出现计算机视觉技术层面的消费级产品。
●中国的机会以“智能语音 *** 作系统”为核心的人机交互,以及以“人脸识别”为核心的智能图像识别,以及其背后所连接的智能家居、物联网和安防、身份识别场景,正逐渐成为AI商业化落地的主战场。实现智能音响、人脸识别等领域的垂直应用,人工智能初创企业也正在尝试更多的应用可能。
计算机行业分析师王商之对《每日经济新闻》记者表示,中国在人工智能领域具有诸多优势,有望实现AI技术商业化运作在国际上的弯道超越。中国市场潜力大,人口密集大决定了个性化服务需求较大,另外人工智能有望代替众多重复性较强的低端劳动力。
“在数据业务场景方面,中国本身有一些先天优势,中国地大物博人口多,不管做物体识别还是场景识别,科技企业都可以在各个场景当中获得一线数据;其次在场景应用实践上面,中国具备所有AI的应用场景,而且大环境勇于接纳新技术新东西;再者中国人工智能工程师级别人才储备足够多。基于这三个条件,中国人工智能其实是可以引领这个世界的。”徐立对记者《每日经济新闻》记者表示。
王商之同时指出,人工智能技术在中国创业环境和机制不成熟、法律和政策监管尚未健全等在某些方面阻碍着中国人工智能技术和实际应用快速结合。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)