2017中国生物识别行业发展盘点回顾

2017是一个大变局，互联网巨头们敞开胸怀拥抱，各类投资者蜂拥而至，连传统实体经济的成功者们也跃跃欲试——生物识别和人工智能似乎已经渐入风口，随风而起、鹏程万里指日可待。

近一两年，生物识别及人工智能技术的应用可谓如日中天。互联网+、云处理平台、大数据纷纷与之结缘，安防、金融、商业、广告传媒等行业应用为之搅动而波涛汹涌。互联网巨头们敞开胸怀拥抱，各类投资者蜂拥而至，连传统实体经济的成功者们也跃跃欲试——生物识别和人工智能似乎已经渐入风口，随风而起、鹏程万里指日可待。

2017是AI元年

也许，很多人相信，行业轰轰烈烈大干快上的乱象可以随着发展而自动消失。毕竟过去几十年中国经济的高速发展，不正是“摸着石头过河”、“发展才是硬道理”，不论黑猫白猫，这样一路走下来的吗？然而生物识别人工智能这一波的热潮，真的可以无序狂奔，真的不需要我们冷静思考，从长计议吗？答案是否定的。

2017年生物识别行业格局变幻

俗话说，物极必反。表面的繁荣和热闹，如果不是以从业者脚踏实地的努力付出、约束有序的均衡发展、对客户需求体验和利益的充分关照，以及产业生态的合理构建为基础，则极有可能昙花一现。

近年来最热门的是一些CV（计算机视觉）公司，他们首先聚焦人脸识别，以大数据深度学习为突破口，以云端处理和云服务（SaaS）为创新的商业模式，确实很快在技术上占了先机——其技术迭代进步的速度明显超越了依靠传统算法训练的人脸识别技术和产品供应商，而且其基于云端的SaaS服务模式也切合了目前互联网应用之特点，逐渐成为人脸识别市场的新贵，投资者关注青睐的焦点。

事实上，当今生物识别行业已经俨然形成泾渭分明的两大派：一是过去近二十年由设备研发制造推广、客户局部部署应用、网络应用等逐步发展形成的一大批企业——可以称为“传统生物识别企业”;其二则是近年来借助云计算大数据深度学习，从技术研发端直接发力横空出世的新型CV和语音识别企业，他们的部分业务（人脸识别为重点）直接对传统生物识别企业形成极大冲击。而资本的强势介入将这种冲击从经营层面扩展到了经营者心理层面。这样的冲击，将从此越演越烈，逐渐改变和颠覆整个智能识别应用和市场模式。

如何认清变局

在我们看来，上述冲击最主要发生在以下三个方面和层次：

1.移动终端（手机）结合生物识别技术，对传统生物识别应用及终端产品形态的冲击。

2.CV和语音识别等基于云端处理向下拓展应用的技术，对传统生物识别产品和应用的冲击。

3.人工智能AI从云端到终端打通产业及应用链条融合各种技术和软硬件平台的大一统模式，对传统生物识别行业的冲击。

也许，生物识别不再是可以单独存在、孤芳独赏的行业了，只是可以在未来高度智能的网络社会中被任意组合使用的一系列技术而已。归根结底，对传统生物识别技术和产品厂商的冲击来自两方面：一是数据、产品、应用、技术形成的闭环迭代新模式，可以不断快速更新技术，快速超远传统厂商们的技术;二是由云端、垂直应用、终端分布式运营模式，低成本和部署后还可以自动不断进步升级的技术，这样的新兴商业模式会快速、大面积、低成本冲击应用市场，对传统厂商颇具杀伤力。

如果进一步仔细分析冲击的根本原因和颠覆所在，则可以抽丝剥茧，层层剖析如下：

1.商业模式的改变

（1）通过服务方式经由网络授权技术，代价低廉;（SaaS）;

（2）通过捆绑集成商应用项目数据（上传云端处理）获取大数据;

（3）以快速不断迭代的技术更新用户体验，迅速提升市占率;

（4）不断提升的市占率，保证更大规模的数据采集;

（5）全产业链闭环技术迭代和应用服务全覆盖。

2.技术迭代的高效

（1）人脸及姿态、车牌车型、人车行为模式等数据的大规模网络采集;

（2）深度学习训练CV算法;

（3）构建强大的计算中心（超算中心）;

（4）不断获取数据，快速增加和更新数据库;

（5）在数据和计算能力支撑下，通过深度学习闭环迭代识别技术;

（6）用不断提升的技术反哺客户端应用，不断提升用户体验。

3.对传统生物识别应用的主要冲击范围

（1）基于网络处理和服务的人脸识别系统;

（2）基于高配置嵌入式终端的人脸识别;

（3）智能监控系统;

（4）手机端应用产品新态：门禁、门锁、身份认证、远程控制、异地验证等。

4.冲击的烈度

（1）人脸识别：云端技术和服务，传统人脸识别厂商基本全军覆没;

（2）嵌入式人脸识别：中低价位嵌入式产品，传统厂商还有相当份额，还可以坚持一至两年;

（3）智能监控：市场基本为新兴厂商占领;

（4）指纹识别：云端技术暂时影响不大，但手机端应用对传统厂商冲击较大，好消息是手机端应用也有相当份额是由传统厂商主导和控制市场，所以冲击烈度有限，而且手机端指纹应用已经有三年多逐渐渗透的历史，是渐进过程，而非突变;

（5）虹膜识别：与指纹识别情况相似。不同的是，虹膜识别商业化应用才刚刚起步，传统厂商们可以先预判趋势，然后再考虑切入的时机和商业模式;

（6）静脉识别：两三年内，应该还是传统厂商们的天下;

（7）多模态生物识别技术结合产品：在嵌入式产品领域传统厂商优势继续，但基于网络服务的多模态应用，传统厂商即将迎来巨大冲击。

2018年何以应对

变化当前，危机袭来，作为传统生物识别厂商应该如何应对？笔者想用四句话来概括：即认清形势，洞察细微;稳住阵脚，不慌不乱;以己之长，攻彼之短;竞争合作，优势互补。

首先我们来看看，究竟云端发源的CV技术与传统生物识别技术，在技术、应用和满足市场需求等方面，各有哪些优劣势：

仔细比较后可以发现，传统生物识别技术厂商的优势在于：一是硬件产品设计和制造能力，以及市场渗透能力;二是渠道和客户关系基础好，一般合作时间都比较长;三是应用领域专注，产品和系统针对性强。

对于变革与冲击，尤其要注意两点：

1.数据安全对智能识别云端处理和服务模式的极大约束

这些基于云处理云服务的应用中，从生物特征采集、本地存储、上传、云存储等诸多环节，如果缺乏规范的制度和法律约束，以及相关技术标准的限定，数据的安全和对攻击的防范无从谈起。

若不能预先在法律和制度上做好准备，盲目放任和跟随商业逐利目的而无限制推广使用生物识别和人工智能技术，必然导致严重问题。一旦失控（如生物特征数据被盗用滥用甚至非法公开），其后果不堪设想。非但大众自身权益难保，即便是生物识别技术和行业本身也必将遭到大众的责难和唾弃，整个行业的发展将遭遇灭顶之灾。

2.CV公司们缺乏对产品和客户需求的驾驭能力

虽然现在正在进入智能时代，但以技术为导向，发轫于云端的CV公司们面对现实市场时需要解决的问题，与实验室里的算法技术研究相比，既复杂又不可控。

在某次采访中，格灵深瞳CEO赵勇承认安防这类软硬结合的产品复杂度超出预计，“我们低估了这种产品在品控上的难度……对于未来，我们觉得更大的挑战是在商业上，如何在商务上发挥更大的价值”。而商汤的选择则是与安防老牌企业捆绑成立合资公司。2015年，商汤与东方网力共同成立“深网视界”。2016年，商汤还并购安防黑马“新舟锐视”，以弥补其枪球联动产品的短板。

同样，依图于2016年与传统身份识别解决方案商神思电子成立“神思依图”，由神思电子提供终端设备及嵌入式软件，依图提供所需软件。云从自正式成立时便绑定了智慧城市解决方案提供商、上市公司佳都科技;旷视则成立子品牌“旷视智安”，专注算法产品化。

可见，这些CV公司们为了解决对应用及市场的驾驭问题，普遍选择的是与传统安防公司（或传统安防行业熟练的从业人士）的商务合作。由此可知，在垂直应用市场上，只要双方互抛橄榄枝，新进CV公司们与传统安防和生物识别公司的合作可以是普遍现象。这也证明了，市场推广和集成应用是新进CV公司们的短板，所以双方竞争中必定有合作。