摘要：

「數據就是新一代石油」的論斷已成為行業共識，而在通往機器智能的路上，除了海量的（影像）數據，還需要更優的算法以及強大廉價的計算能力。

2021年的杭州云棲大會上，當被問及比來一年對行業的很大感受時，阿里云總裁胡曉明曾不假思考地回答：「人工智能」。彼時，集阿里云人工智能大成的ET剛剛問世兩個月，卻已經成為杭州城市大腦項目中的「大腦」。

隨后的半年時間里，阿里云的人工智能隨著ET的快速發展而廣泛布局，尤其是隨著阿里巴巴發布「NASA計劃」之后，阿里云的人工智能步伐明顯加快在完成了城市大腦、工業大腦、醫療大腦、環境大腦等一系列落地項目之后，阿里云在上海云棲峰會上推出一款新產品：視覺智能辦事。

嚴格意義上說，比擬于之前任何一個領域的「大腦」產品，這款視覺智能產品看起來只不過是一種基礎能力，或者更正確地說，這只是ET的「視力」——它讓機器可以看清楚圖片、視頻，也能讀懂其中的含義。

但事實并非如此簡單，尤其是在2021年這個尤其的時間節點。十年前，喬布斯帶著iPhone重塑了智能手機行業，也拉開了移動互聯網的大幕。十年后，阿誰曾經被iPhone改變的世界又重新走到了另一個十字路口，這一天線貓SEO軟件「拯救世界」的主角之一就是影像。

影像正在「吃掉」世界

影像曾是構成消費主義的核心要素。在過去，無論是時裝雜志的封面人物還是電視屏幕上的明星紅人，這些或靜態或動態的圖像不停向世界各地傳遞著買買買的「福音」。而現在，無處不在的攝像頭正在時刻記錄著人類的方方面面。

好比衛星和無人機，過去幾年，小衛星公司的出現大大降低了通過衛星進行拍攝的成本，Google就收購了一家叫SkyboxImaging的小衛星公司，隨后將其改名為TerraBella，其商業模式就是向商業機構售賣衛星圖像；而民用無人機的出現和逐步普及，也開啟無人機的一系列企業級、消費級的應用浪潮。

而監控攝像頭、攝像機的平民化則更近一步。過去動輒上千甚至幾萬塊的監控攝像頭越來越多地進入家庭，與價格下降成反比的則是家庭監控攝像頭的拍攝精度大幅提升，1080p的視頻早已普及。

另一方面，Gopro這樣的運動相機越來越流行，與之相對的一組數字：目前Youtube上每分鐘上傳的影片總長度為400小時。而不管是國內的直播還是國外的Snapchat、Facebook，都在鼓勵大家拍攝更多的影像。

但這并非故事的全部。

當攝像頭成為新的輸入工具......

假如你仔細去看本年以來包孕Facebook、Google、蘋果在內的開發者大會，你會發現一個共同點：手機攝像頭正在成為新的輸入工具。

支撐手機攝像頭成為新輸入工具的 關鍵要素有兩個：其一，手機拍照攝像已成為一種生活方式；其二，機器具備了處理與輸出影像（圖片或視頻）的能力。

在機器學習尤其是深度學習的幫手下，計算機視覺在過去幾年已經有了天翻地覆的變革，下面這幅圖是英國知名投資人DavidKelnar繪制的計算機視覺發展路徑，在圖像識別領域，機器已經超過人類：

而就在上月，阿里巴巴iDST視覺計算研究員華先勝的團隊打破了機器視覺算法測評平臺KITTI上車輛檢測的世界紀錄，將其正確率提升到90.46%，這項算法被認為是實現無人駕駛的 關鍵技術，重點解決多視角，多姿態以及車輛遮擋等等。

此前，ET在該平臺的成績也十分突出，在通用圖片的識別方面，正確度達到96%以上，，涵蓋從水果、蔬菜、交通工具、到植物、動物等上千種物品。

上述的視覺智能領域的紅利正在被釋放。從FB、Google、蘋果以及此天線貓SEO軟件阿里云的新產品，所有這些都是巨頭們引領行業發展潮流的 關鍵布局，也是賦能開發者、構建生態體系的重要一環。

以此天線貓SEO軟件阿里云的視覺智能的兩款產品為例，不管是圖像識別還是人臉識別，都是歷經阿里巴巴內部多個應用場景考驗后的技術輸出，這也意味著這些技術具備了應對絕大多數應用場景的能力。

好比，基于機器學習以及卷積神經網絡，ET的人臉識別技術已經實現了人臉檢測、器官輪廓定位、1對1人臉認證和1對多人臉識別等多個功能，其在LFW上識別率超過99.5%。目前該人臉識別系統已經應用于機場通關等場所，可以極大提高安檢人員工作效率。

而在阿里巴巴iDST視覺計算研究員華先勝看來，來自城市里的攝像頭所「輸入」的數據更具挑戰性。