人臉識別與千億市場：狂飆突進的金融科技改革

上個月，一則「中國利用人工智慧預測犯罪「的消息被刷屏。而消息的主角，正是成立兩年的人工智慧新秀——雲從科技。如今，在安防市場小有所成的它，已在銀行業成長為一條讓其它人臉識別供應商望而生畏的「大魚「，同時，也成為讓巨頭垂涎的「小魚」，眾人圍剿和壯士突圍間充滿變數與可能，技術、產品優勢牽一髮而動全身。

幾項金融市場競爭與人臉識別技術結合的產物——農行的刷臉取款、建行的無人值守校園e銀行，將視線聚焦在六大國有銀行及一眾中小銀行的新戰役中，而逐漸起勢的人臉識別產業本身也已成為戰役中尤為重要的一環。

在深入調查「人臉識別」金融行業應用的過程中，意料之外的兩大既成事實讓筆者開始重新審視人工智慧和金融科技。這兩件事實分別是：

1)在國有大行中，人臉識別技術已經被廣泛採用；

2)雲從、曠視、商湯和依圖，是國內人臉識別技術在金融行業應用最早和最為成熟的企業。

了解人工智慧技術在專業領域的應用現狀，能夠更為直觀地感受技術革命臨近的前奏。更進一步，其在金融領域落地的深遠意義在於，將為傳統身份驗證業務流程和人臉大數據應用方式的帶來顛覆式影響。

而在當下，這一關鍵閥門就掌握在雲從和總估值超100億元的幾位勁敵手中。

一、千億規模的新藍海

人臉識別金融應用，並非指人臉識別技術本身，而是將人臉識別技術通過不同的解決方案設計及其它技術疊加，解決金融行業各種業務場景下的實際需求。具體而言，人臉識別技術多以特定的場景為基礎，通過一定的設計、集成、生產等工業手段，將不同的人臉識別環節進行重新組合、排列，最終輸出符合金融行業需求的產品。

根據資料顯示，中國擁有6大國有銀行(中農工建交郵)，12家股份制商業銀行，144家城市商業銀行，212家農村商業銀行，190家農村合作銀行，2265家農村信用社，4家金融資產管理公司，40家外資法人金融機構，66家信託公司，127家企業集團財務公司，18家金融租賃公司。4家貨幣經紀公司，14家汽車金融公司，4家消費金融公司，635家村鎮銀行，10家貸款公司以及46家農村資金互助社；

雲從科技相關負責人介紹，目前雲從在成立兩年的時間裡，已經與3家國有大行總行、2家股份制銀行、60多個中小銀行、城商行與村鎮銀行建立合作。

以合作數量來計算，雲從單是在一次性私有雲部署便能收入數億元，然而大頭還在網點及機具改造，國有大行與全國性股份制銀行每家都分別有數萬及數千個網點，以智慧網點30%的改造率和自助機具存量60%的改造率及增量，如果能順利完成改造，這一塊能為雲從帶來上百億元的收入。

二、你以為大勢所趨，其實未來已來

從整個市場體量來分析，目前人臉識別行業在銀行主要是通過私有雲部署及機具、網點改造收費，互聯網金融及保險主要通過混合雲調用收費。

相關分析人士介紹，目前以雲從為代表的計算機視覺企業介入銀行業務主要有以下流程：

打開銀行市場的第一步是私有雲部署。

這一塊通常費用為數百萬元，後續根據業務接入增加費用，比如接入手機端收費數十萬元。然後每年定期收取比例維護費用。國內上千家銀行與信用社的市場體量在百億元人民幣左右。

第二步是深挖需求，實施機具與網點改造。

智慧網點改造以中國農業銀行和中國建設銀行廣東分行的校園e銀行為推進藍本，圍繞人臉識別等一系列人工智慧技術，設計刷臉購物、互動娛樂、自動櫃員機等產品方案，最終實現無人值守，更具備互動性高，用戶體驗好，縮短業務流程及全天營業等優勢。

智慧網點改造預算通常在數百萬元，全國銀行網點總數量超過20萬。各類機具存量則在百萬台以上，即使以智慧網點和機具改造以一定比例推進，仍然是一個千億級別的巨大市場。

第三步是沉浸行業，以人臉為數據入口提升服務。

在使用人臉識別技術後，人臉作為天然的數據入口在金融行業內部沉澱了大量數據。將這些人臉數據結合大數據，不僅可以實現徵信實時監測，還可以通過VIP迎賓與精準營銷等服務優化業務流程、極大的提升用戶體驗。

當無人值守網點完全落地並與這一塊融合之後，顯然會迸發出巨大的能量，通過每一路攝像機的安裝與每一個網點的改造，銀行業完全有可能將觸角瘋狂的伸向世界各地。

金融行業其它領域

2016年底，麥肯錫諮詢公司公布的一份報告顯示，中國互聯網金融用戶人數超過5億，人臉識別聯網鑒身也成為一門「大生意」，支付寶、，據透露，雲從已累計提供2億人次的聯網鑒身服務，客戶包括消費金融，P2P，小額貸款，保險等領域。

當然，這一塊的需求尚未深度挖掘，隨著「玩家」的增多，最終金融行業的大量需求將被釋放，與銀行業的「井噴「形成互相輝映的效果。

三、外行看熱鬧 內行看門道

為呈現一個更加具象的市場，筆者集中梳理了在人臉識別領域號稱「四個獨角獸」的雲從、曠視、商湯、依圖在金融領域的典型案例。

從實際落地的應用看來，「後起之秀」雲從科技在銀行業特別是國有大行有著極大的優勢，這種情況讓筆者十分感興趣，雲從是如何在如此短時間內佔據B端行業的優勢。

對於一個曾經視「人工智慧」為笑話的人，突然間發現，AI已經侵入到音樂、新聞甚至銀行等自己生活的各個領域，內心多少有些驚訝和恐慌。不過，人工智慧的更大價值還在於了解之後為人類所用。

「我個人偏向中性的認知，在金融行業的確能夠取代一部分人力，但只是冗餘的、低技術門檻的人力」，雲從科技品相關負責人認為。

在與雲從投資人的交流中，他認為雲從能在銀行業快速擴張主要主要依靠三個方面，總結起來就是「戰略堅准，頂層創新」：

1)第一點，開始就明確了集中人力與資源只做計算機視覺中足夠商業化的人臉識別與利潤足夠高的B端，使得雲從能夠深度沉浸行業，解決客戶實際問題，也能使戰略高度集中，快速執行；

2)第二點，打造全產業鏈，放棄以技術打市場的輕資產模式，從技術研發、產品集成到售後服務直連客戶，實現快速響應，效果優先；

3)第三點，在融資上只接受內資資本進入，捨棄了高估值與海外上市，這樣得以進入銀行、公安等國家重點核心行業的頂層設計，目前，雲從分別與公安部、四大銀行、民航總局建立聯合實驗室，推動人工智慧產品標準的建立，成為唯一同時制定國標、部標、行標的人工智慧企業。

事實上，通過對雲從路徑的梳理，發現它最開始在銀行業走得並不順利，在工商銀行的失利，讓當時「眼高手低」的雲從不得不回頭尋求西安銀行、重慶銀行等城商行與中小銀行的合作，積攢經驗與產品，最終在半年的時間裡快速實現厚積薄發。

四、商業價值所在：「多、快、好、省「

技術落地的最終訴求來自產業所向和商業價值。「多、快、好、省」，是銀行從業人員對於人臉識別技術紅利的提煉。

他並未給出人臉識別準確的產出效益比。「一般來說，以往人工比對及複印證件處理需要1-3分鐘，而機器會縮短到2-5秒」。實際上，人臉識別的成效容易量化，基於其服務的用戶數量，以量化成普通人力的規模。其核心的「快」，包含兩個層面，一是響應速度，人臉識別平均可達到2秒；二是分發速度快，與後台無縫銜接，縮短至各平台中間流程。

在人力成本越來越高的金融業，24小時營業的無人值守網點當然吸引力更大。「例如自動櫃員機和智能ATM，可以提高績效和產出，減少其人力成本」，從業人士介紹，機器可以24小時在線，而人工還需要輪班和調休。

並且，在競爭愈發激烈的金融市場，通過人工智慧技術提高大數據分析能力、增強精準度、提高用戶黏度和培育品牌忠誠度，成為各個企業與機構共同關注的課題，而人臉識別則恰恰作為數據入口解決了生物數據問題，在與消費行為、習慣等數據進行協同分析後，將會產生更為全面與真實的徵信信息，也可以為高凈值人群提供更精準、更尊崇的服務。

五、金融之外 更大的 「蛋糕」

利用人臉識別的工作思路：人臉檢測、人臉抓取、特徵提取、屬性分析、人臉比對，需要人臉的檢測和比對的領域，均具備可遷移的想像空間，如安防、機場、商業等領域。

「安防行業是預算比較多的」，業內資深人士分析，並提供值得借鑒的方向思路。安防需求多而龐雜，當下盛行的人臉識別娛樂應用無需過多操心而言，但監控視頻仍然需要花大量人力在審查上，更多的精力花費在人工複審。

單純的機器審查會過濾掉一些很有價值的線索。以雲從為例，他們建立了一個人臉大數據作戰平台，計算機在抓取人臉的時候同時建立標籤與大數據，「可以追蹤一個人長時間的軌跡，通過多維度分析，實現『打』、『防』、『管』、『控』」。

在你一次不經意的取款、路過和登機，人臉信息很有可能就不再有人眼核查，而是機敏、不知疲倦的人工智慧產物。如果不是這次調查和數據收集，筆者也不會意識到人臉識別產業的發展與落地速度會如此之快。這一切，正在悄無聲息地發生在你我身邊。

當機器人和人工智慧不再依附於具象的實體，而是以一種虛擬手段侵入人類生活時，將變得更加莫測和不可控。同時，也是人類以一種更加理智和客觀的態度地審視技術革命的契機。

無論是日本的類人機器人路線，還是中美的無固定形態人工智慧路線，回到技術應用前景，在PR和業務落地之間，技術領域創業新秀必須要平衡。

可以發現，人臉識別已經成為BAT與海康等巨頭的下一個重要戰場。

一項由技術驅動的、更為核心的業務比拼正在激烈發生。