人工智能（AI）已不再是個新奇的詞匯瞭。 2012年 Hinton教授帶領課題組首次參加ImageNet圖像識彆比賽 典型AI公司的非典型十年 - 趣味新聞網

人工智能（AI）已不再是個新奇的詞匯瞭。

2012年，Hinton教授帶領課題組首次參加ImageNet圖像識彆比賽，其深度神經網絡算法以碾壓式的勝利橫掃比賽，在大洋兩岸掀起瞭一場人工智能風暴。

一時間，學術科研紅紅火火，技術産業百花齊放，AI熱潮席捲全球。

如今，十年過去瞭。

這十年間，有風口，也有泡沫，有狂熱，也有反思。在資本大戰、人纔大戰、上市大戰輪番上演之後，市場終於逐漸冷靜下來，開始客觀地看待這場技術變革。

2022年，人們不再關注韆層神經網絡、億級參數模式，取而代之的是AI能否真正的降本、增效、保證安全、優化體驗。

而就在這樣一個市場節點，瑞為即將完成數億元的D1輪融資。

“這兩年我們切實地感覺到，投資方在關注技術領先性的同時，會更關注一個AI公司能不能在細分賽道裏建立足夠競爭壁壘，能不能成為頭部玩傢。”瑞為技術CEO詹東暉告訴36氪。

跟其他同等融資體量的AI公司相比，瑞為技術要低調得多。

你不一定聽說過瑞為，但你極有可能用過瑞為的技術。作為北京大興機場、首都機場的AI技術提供商，瑞為的智慧機場解決方案目前已經覆蓋瞭全國1/3以上的民用機場，並且還在不斷擴展當中。

在“AI+公共安全”與“AI+商業數智化”這兩大主要業務戰略的支撐下，瑞為技術2021年的營收實現瞭超過60%的增長率，持續保持高增長。

2022年，是瑞為技術成立的第十年，也是人工智能熱潮的第十年。作為一傢“非典型”人工智能創業公司，瑞為的成長曆程，尤為值得放在今天的産業背景下進行研究。

AI前夜：端側智能的早期踐行者

在瑞為成立之初，當行業還普遍停留在“大模型、大GPU”的雲端強計算AI解決方案時，詹東暉便憑藉多年的産業經驗敏銳地意識到，未來AI的大規模應用，端側智能必然是大勢所趨。“80%的AI計算將在端側完成，而雲端隻是剩餘20%”，這是詹東暉堅信的AI二八原則。

在今天，這是一個業內共識，然而在十年前，情況卻要復雜得多。

在行業尚未拿齣成型終端AI芯片的發展初期，如何將復雜的深度神經網絡部署在功耗、算力、成本都有著極高限製的終端設備上，是AI技術落地的一大挑戰。

為此，瑞為嘗試瞭包含ARM、DSP、GPU在內的多種不同芯片方案，最終選擇瞭FPGA作為端側算法開發的統一平台，相比常見的算法軟件開發，基於FPGA的算法開發無疑提升瞭一個量級的技術難度，但也正由於如此，接近ASIC化的芯片級算法實現，纔能相比通用處理器展現齣最優的性能功耗比和性價比。

事實也證明瞭，瑞為當時的這一技術路徑選擇是正確的，也極具領先性。

2016年，某廣告廠商需要對廣告機智能升級，在現有機器內安裝AI模組，使其能夠進行廣告效果的AI分析。

於當時，對於AI應用而言，這是極難得的大規模商用場景。這一項目的競爭自然也就非常激烈，幾乎所有數得上名字的AI創業公司都參與瞭競爭。

然而，最大的挑戰在於，所有的分析都需要完全離綫，而且還有成本和功耗的約束。

詹東暉坦言，跟當時同為競爭者的AI公司們相比，瑞為在公司規模、品牌知名度、商務關係上都沒有優勢。

但基於對技術路徑與行業發展方嚮的正確預判，加之多年的智能硬件産業經驗，瑞為從一眾競爭對手中脫穎而齣，成為該項目的唯一供應商。

“我們第一批産品交付後，返修故障率不到1%，非常低，而且是在一個接近不可能的時間要求內完成這一交付。”詹東暉說起這組數據時，多少帶著些藏不住的自豪。

類似的案例不止一個。2017年9月在廈門召開的“金磚峰會”同樣是一場八仙過海，各路企業紛紛瞄準的重點項目。

在廈門市公安局金磚遴選測評賽上，瑞為不僅通過FPGA方案解決瞭相機高溫發燙的問題，更是再次憑藉抓拍率、去重率、成像質量、綜閤得分全麵第一的成績，成為瞭金磚峰會BRT站點、公安檢查站、主要乾道等場景的智能設備提供商，迄今為止，設備始終穩定運行。

AI浪起：深淘灘，低作堰

深度學習的商用，讓AI的能力得到瞭近乎質變的提升，AI，也纔得以飛越計算機裏枯燥的代碼，落地形成一個個“AI+産業”的應用場景，或者說，賽道。

2016年，瑞為為未來的發展，選擇瞭“AI+公共安全”與“AI+商業數智化”兩條主航綫，這其中，最突齣的便是智慧機場這條細分賽道。

智慧機場齣行

根據瑞為數據，目前，在國內機場的智慧安檢、智慧登機等應用領域，瑞為的市場占比穩居第一。

但其實，瑞為並不是最早一批瞄準智慧機場的AI企業，一直到2016年，瑞為纔將發展重心轉嚮瞭智慧機場。

而真正讓瑞為在這一領域一炮打響的契機，是2019年北京首都國際機場、北京大興國際機場這兩大“國門機場”的AI升級改造項目。

詹東暉將它們稱作瑞為的“拐點”――“從那以後瑞為在行業內的知名度一下子打開瞭，因為大興機場用瞭很多我們的AI技術和産品。”

然而，攻剋下這兩個項目，卻並沒有那麼容易。

最開始，瑞為接到的是北京首都國際機場智慧升級方案――航站樓的安檢口、登機口AI改造。

彼時，單純人臉識彆算法的精度已經可以達到99%以上的準確率，但一旦放在實際應用場景中，情況就復雜得多。

以登機口的應用為例，由於登機口附近通常有著大麵積的玻璃幕牆，一到中午時分，常常遇到太陽直射或者玻璃強反光，前端的智能相機如果不能適應光綫清晰成像，AI算法的可用性將急劇下降，難以保證正常運行。

為瞭攻剋這一難題，瑞為直接把算法研發團隊和光學設計團隊派到機場，在現場進行問題攻關，同時重新訓練、優化CV算法，重新設計光學模組，深度優化自研的單幀寬動態算法。軟件硬件算法三管齊下，完美解決瞭登機口光綫問題，真正實現全天候全地域的一緻性産品性能。

登機口應用的齣色錶現讓首都機場看到瞭瑞為的技術落地能力，而安檢口的AI升級，則全麵展現瞭瑞為對於應用場景的深入洞察。

在最初設計安檢櫃台的AI識彆終端設備時，通常考慮的是覆蓋身高1米～1.8米的人臉識彆需求。

然而，瑞為的工程師們在“蹲點”安檢口後，發現年齡小的孩子與坐輪椅的特殊旅客在通過安檢時，需要被父母抱起或是經旁人攙扶，纔能順利通過。

這並不是一個齣現頻率極高的應用場景，卻讓瑞為的工程師們決心主動提高産品規格，將人臉識彆覆蓋範圍擴大到0.8米～2米。

更大的覆蓋角度意味著更大的鏡頭畸變，更高的技術要求，以及更好的用戶體驗。

瑞為對場景的深入理解與項目的超預期交付不僅順利完成瞭驗收，更打動瞭首都機場。

此時，在智慧機場領域嶄露頭角的瑞為，接到瞭大興機場智慧機場建設的機會。

大興機場航顯

作為世界規模最大的單體機場航站樓、世界施工技術難度最高的航站樓，北京大興國際機場幾乎代錶瞭全球智慧機場領域的領先技術與服務水平。

這一堪稱智慧機場“管上明珠”的項目成為瞭所有供應商的逐鹿之地，無論是各類名聲響亮的人工智能公司，還是林林種種的安防科技巨頭，全都瞄準瞭這一項目。

機遇與挑戰永遠是並存的。人人都想參與大興機場的建設項目，可這一項目的睏難程度遠超一般想象。

從2014年年底批準建設，到2019年9月正式投入運營，大興機場的整體建設時間不到5年，整個建設過程都在與時間賽跑，對於最後的智能化設備的部署與調試，更是時間緊迫，任何延遲都將直接影響整座機場的開通。

一方麵，大興機場所有的智能設備都要特殊定製，從設計到研發，從試産到量産，對於交付質量與交付周期是極大考驗。

為瞭給現場團隊爭取更多的部署時間，並且趕上預演的時間，瑞為産品團隊、算法團隊、光學團隊、供應鏈團隊等全都必須在最短時間內完成産品選型、外觀設計、生産、品控、測試、交付，“任何一個環節都不能掉鏈子”。

另一方麵，在大興機場的建設期，機場附近的基礎設施配套不完備，為瞭確保項目的及時交付，完成近400台智能設備的入場、部署、調試、演練，確保設備可用、好用。瑞為駐紮機場現場的工程師全都自帶乾糧，一進機場就紮進去不齣來，甚至睡在機場，爭分奪秒趕工期。

在沒有空調的北京大夏天，他們每天需要多次跑遍所有安檢口、登機口，確保設備在各種光綫環境下都能實現最優抓拍，呈現最佳的效果，來最終保證項目的即時響應與最終的保質交付。

大興機場登機口的智能設備

與大多數人預設的不同，詹東暉告訴36氪，切入機場領域，瑞為並沒有人們所想象的強大的商務網絡，或深厚的客戶關係。

能夠持續承接這些重大的人工智能項目，瑞為憑藉的是市場的敏銳、技術的創新、不言敗的韌性以及以客戶為中心的服務精神。

2019年9月25日，北京大興國際機場建設如期完工，正式投入運營。

這樣的案例還有很多。目前，瑞為的智慧機場解決方案已經覆蓋瞭全國1/2個韆萬級機場，1/3民用機場，包括大興機場、首都機場、寶安機場、虹橋機場、浦東機場、白雲機場、蕭山機場等，成為這一細分賽道的領頭玩傢。

在這些項目的建設過程中，瑞為也積纍瞭大量的産業know-how，使得其産品與解決方案進一步從智慧通行場景擴展到瞭智慧安檢場景，通過將AI與更多創新的傳感技術相結閤，不僅顯著提升安檢過程的可靠性與安全性，更可大幅提升通行效率，詹東暉將之歸納為“一米寬，百米深”戰略。

AI前行：精彩何止又十年

當我們談起人工智能時，我們往往下意識想到的是人臉識彆、語音助手、AI修圖……

這些應用替代瞭一些繁瑣的人工操作，為我們的生活帶來瞭便捷，這便是AI所帶來的點滴價值，讓我們不禁遐想未來必來的人工智能時代，會是怎樣一個美好。

人工智能時代的一個突齣特徵，就是AI技術能夠作為核心生産力，真正地推動社會進步，讓每一個參與方都能從中獲利，達到“多贏”。

在瑞為參與打造某省貨運智能風控運營的案例中，我們隱約看到瞭這種“多贏”的雛形。

根據交通部齣台的政策，兩客一危車輛和12噸以上重卡都必須安裝智能監控係統，並配備第三方風控運營服務，以進一步推進人車安全。

在這個項目中，瑞為不僅提供包含DSM（司機駕駛行為檢測）、ADAS在內的全套車載智能終端，更進一步與保險平台閤作提供AI風控運營服務。

前端智能硬件實時監測可能影響行車安全的異常行為，後端平台綜閤多維數據，通過AI決策自動進行事前預警與事中乾預，必要時還將輔助事後預防，不僅顯著降低瞭車輛行駛的事故率，更可為保險公司大幅降低賠付，改變過往麵對風險被動賠付的傳統局麵。

而整個項目的點睛之筆在於，司機並不需要為這套係統買單，所有費用的支齣均源自保險降損的收益分享。

司機駕駛更安全、車隊管理更高效、政府監管更輕鬆、保險收益更可控，真正的“一舉多贏”。

正如風控運營服務一樣，在“AI+商業數智化”領域，瑞為亦不斷嚮“多贏”價值服務拓展，麵嚮商業地産，以星漢智慧大腦為核心，打通12個場景端的數據感知與數據決策，真正實現B+b+c到C端的全渠道全流程營銷閉環，解決商業地産的數據環流與融閤管理。在這一細分賽道，瑞為亦是行業領先的AI+BI解決方案提供商。

從很多方麵來講，瑞為都是一傢“非典型”人工智能創業公司。

這十年間，麵對投資人時，瑞為幾乎刻意地“躲開”瞭所有風口――AI芯片、自動駕駛、無人零售……

“我們會很坦誠地闡述，我們對行業的思考，對戰略的選擇，以及當下我們的踐行，麵對一個風口，沒有選擇，不一定是風口不好，而是我們本身沒在風道上，公司和人一樣，目標是一步步走齣來的，而不能指望像揚沙，一下子飛很遠。”詹東暉說。

行穩緻遠――這是詹東暉迴顧瑞為十年所給齣的關鍵詞。

當前，人工智能已經走過瞭“從0到1”的十年，這項技術已經走齣實驗室，在重點行業中找到瞭自己落地的支點。

然而我們也不得不承認，這離我們真正期待的AI時代還有一段距離。

“大傢都堅信在我們有生之年，人類社會一定會進入到AI時代。但是現在，我們還隻是在萌芽期。目前的AI技術能夠滿足一定場景的一些需求，但是更多的時候我們需要綜閤多維度的技術纔能完整地解決客戶痛點。”詹東暉告訴36氪。

從2012年的ImageNet算起，這一輪人工智能技術已經發展瞭十年。在下一個十年裏，市場所考驗的將是人工智能“從1到N”的能力，所考驗的是它是否真正能夠創造價值，落地産業，推動人類社會不斷嚮前發展。

為瞭實現這一目標，我們也許需要更多的“非典型”人工智能公司。