如何看待 2014 年以来计算机视觉（Computer Vision）界创业潮？ 第1页

谢邀，fresh PhD还在等实验结果的间隙来回答一下这个问题。。。受限于见识和视野，很多地方肯定考虑得浅薄，各位轻喷，欢迎交流。

首先楼主给出这个list还很不全面，了解到国内一些比较大的团队还有亮风台，依图，minieye等等。

从research的角度来看，这是vision最好的一个时代，也是最坏的一个时代。

作为我们这批10年11年入学的phd，有幸见证了vision这十年甚至更久一段时间内的最大变革，deep learning。说是最好的时代，我们见证了一些经典的high level vision问题在controlled environment下基本被解决，比如人脸相关以及通用物体的分类与检测。这在四五年前我们phd刚刚入学的时候简直是不可想象的。看上去一切触手可及对不对？可是我们离真正的人工智能还有多远呢？至少还需要有两三个这样的变革吧。当deep learning以迅雷不及掩耳之势席卷了整个vision圈提升了各种state of the art之后，很多人都发现原本的很多research问题直接就变成了engineering的问题，就是train个CNN就好了嘛。当然我是不赞成这种悲观情绪和deep learning一统论的。就像工业革命中，新的技术出现必然解放了大量低级劳动力，短期内会导致工人的下岗潮。但是我们应该做的是及时应对这种变化，调整生产结构。而不是归罪于"新技术抢了我们的饭碗"。同理在research这个道理亦同。只不过现在大家都还在摸索期，所以感觉都比较痛苦。

言归正传，其实现在大多数vision的创业企业技术上来讲都是借着deep learning这波东风起来了。这也是这些企业技术上能做到一个基本可用程度的保证。所以，大部分公司的技术业务核心也就是会在这些在学术界觉得基本已经没有太大研究价值，基本已经成熟了的问题上。（当然，这个只针对这些以high level vision为卖点的公司，现在仍然存在一些point不在这里的startup，但是一只手应该就能数的过来吧）基本上来说，我觉得这些公司可以大概分为两类：

1. 以技术为导向: 以提供技术服务为目标的企业。这类的代表就是Face++, Sensetime。这类企业基本不会去做到市场端的产品，更多地是提供一些已经成熟可以deliver的技术。其实不得不说现在大部分所谓的vision startup都在扎堆这类里。个人觉得，这类服务性质的需求会一直存在，而且就算vision这个泡沫爆掉了，这样的需求也会一直存在，区别只是量的大小。在市场进一步成熟之后，这个市场应该会出现两三家巨无霸，吃掉其他公司的份额。所以，大部分公司的下场就是一个好价钱被收购（其实这也是很不错的结果了。Google和FB在国外这两年已经吃掉了无数家这种startup）或者直接被挤倒。

2. 以产品为导向：这类公司的卖点不像前一类公司，卖点在于技术多么多么nb，又刷爆了几个benchmark。这个公司更在意的是把技术落地到一个产品。但是，前面提到，我们离真正所谓的人工智能还隔着一个银河系的距离，现阶段这种"伪智能"能产生出什么刚性应用场景呢？刷脸支付？拍图搜衣？无人车？无人机？就目前的情况而言，vision在一个完整的产品中，大多是一个锦上添花的角色，而不是非你莫属的刚需。当然，在当前技术条件下，如果谁能回答好这样一个问题，我觉得毫无疑问会成功。

出这两者之外，还有一些很有意思的方向，我个人觉得比较有前途的是做vision和AI相关的硬件芯片。据说百度IDL余凯老师离职之后就会去开创相关的一家startup。这个方向刚刚才起步，玩家不多，我们拭目以待吧。

综上，Vision创业现在还在一个上升期，同时也是一个泡沫期，一切看上去很美，似乎可以做很多事情，但好像又什么都做不了，（允许我狠狠地黑一把Siri）。迟迟没有出现一个杀手级别的场景和应用。如果这种态势持续太久，我觉得对于整个生态圈来讲都不是一件好事情。不排除某一天投资人们厌倦了，热钱变少了，这一场大戏说不定就会落下帷幕。当然，这种情况谁都不愿意看到，不过有空多爬出vision的圈子看看外面大家在做啥也总是好的。更何况，vision这东西和ml, dm, nlp这些都不分家，甚至往广泛了说跟big data和data analysis这些关系都很大。如果vision的寒冬降临，也还有个保命的看家技能不是 :-)

利益相关：我在Cogtu，女朋友在Linkface