《人工智能:投资热 落地难》

  • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
  • 编译者: 姜山
  • 发布时间:2018-06-29
  • 6月25日,在重庆2018高考志愿填报咨询大会上,人工智能、智能控制相关专业格外火爆,有特别多的考生和家长前来咨询。记者发现,教育部公布的“2017年度普通高等学校本科专业备案和审批结果”中,“机器人工程”“数据科学与大数据技术”等人工智能方向的专业屡次上榜。在新增备案本科专业名单中,有19所教育部直属高校申请开设“数据科学与大数据技术”专业,全国申请新设该专业的高校约有250所。

    而与学生及家长们的热捧相反,在日前发布的《2018中国人工智能商业落地研究报告》称,过去一年,产业对人工智能期待值很高,各种应用层出不穷,但收获却很少。2017年中国AI创业公司获得的累计融资超过500亿元,但2017年中国AI商业落地100强创业公司累计产生的收入却不足100亿元,90%以上的AI企业亏损。

    业界普遍认为,作为2017年全球信息通信领域最大热点的人工智能产业,雷声大、雨点小,遭遇商业落地之痛,确实令人深思。

    AI机器人替代人工成为趋势

    人工智能,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。2017年,从AlphaGo打败世界围棋冠军起,人工智能的产业热度再次被引爆。

    随着人力成本的不断上升和先进制造需求的放大,全球工业机器人快速增长,增速达到每年17%,预计到2020年将达到400亿美元。工业机器人被用于自动化生产,包括装配、包装、焊接、产品检查和喷漆等环节。机器人可以确保更高质量的生产,减少人为错误和满足中小型企业日益增长的需求。因此,机器换人已经成为制造业发展的重要趋势。

    中国信息通信研究院发布的《2017年中国人工智能产业数据报告》显示,人工智能是2017年全球信息通信领域的最大热点,远高于物联网、5G、安全与隐私、区块链等。

    记者近日从“2018中国IT市场年会”上获悉,2017年中国人工智能核心产业规模超过700亿元,随着国家规划的出台,各地人工智能相关建设将逐步启动。预计到2020年,中国人工智能核心产业规模将超过1600亿元,增长率达到26.2%。

    据工信部副部长辛国斌透露,2017年工信部共确定了202个智能制造综合标准化和新模式应用,97个智能制造试点示范项目,完成了25个智能制造标准立项。在示范项目的带领下,一大批企业积极推进智能化改造升级,服务型制造,共享经济等新模式日益普及,形成了许多新的增长点。

    资本的热情与实际应用反差过大

    此前已有报告显示,2018年会是人工智能行业的大洗牌期。根据腾讯研究院2017年发布的《2017中美人工智能创投现状与趋势》,截至2017年6月31日,全球AI公司总数达2542家,其中中国有592家。仅去年一年,全球已有超过50家AI创业公司宣布倒闭。

    尽管如此,资本对AI产业的青睐不减。今年4月,人工智能平台公司商汤科技宣布完成6亿美元C轮融资,继去年旷视科技4.6亿美元融资以后,再次刷新了全球人工智能领域融资记录。而商汤科技刚于去年7月获得4.1亿美元B轮融资。云从科技也总计获得25亿元发展资金。

    虽然融资额不断提高,但是国内人工智能的应用目前仍然处在初级阶段,商汤科技从事的机器视觉领域,不过是人脸识别这一块应用。安防领域,主要是海康威视和依图科技。云从科技主要瞄准的是传统银行。

    家住重庆九龙坡的刘女士告诉记者:“家里去年买了一台‘智能冰箱’,广告号称可以实现食材管理、娱乐等功能,但其实只是比普通冰箱多了一个显示屏而已,所谓的食材管理功能都要自己逐个录入,使用起来并不方便。”

    刘女士的吐槽并非个例。从市面上的产品可以看出,大多数被标为智能厨具的产品,不过是在传统厨具的基础上加入了手机客户端远程操控的功能,将以往厨具上的按键直接复制到手机上。从技术层面上看,这些智能厨具只是在原来基础上增加了无线网络、蓝牙等数据传输模块,外加一个配套的手机客户端,并没有真正的核心创新。“芯”片之痛依然。

    中国智慧家庭研究中心主任梅晓春认为,人工智能应用于家电领域,还处于一个特别初级的阶段,甚至绝大多数家电人工智能产品,还仅仅是概念而已。

    已有超过十年投资经验,在TMT领域的多个方向都有布局的联想之星合伙人刘维认为,互联网在进入一个阶段性的冬天,它的边际效应已经逐渐遇到了瓶颈。当各行各业可以很方便地应用互联网作为工具时,只喊着互联网,或者因为互联网而大肆烧钱,指望未来效率大量提升,就不容易成功了。

    对于目前AI行业过度渲染,但实际上雷声大雨点小的现象,刘维的观点是:确实容易过度,因为AI看不见摸不着,拿一个评测,搞一个演示就可以说事,或者敢吹就能拿钱。“很多号称能解决的问题,都是长期看能解决,短期内做不到的,创业者选择什么路径,先去解决什么问题,我觉得非常关键。”

    标准化和简单化是发展方向

    “人工智能产业缺乏的不是算法,而是如何更好地转化成工程手段。”卡耐基梅隆大学机器学习系副主任、Petuum创始人兼CEO邢波说,人工智能太高深了,为人所知的有自动驾驶、医疗等应用场景,其实最普通的土木工程领域,也需要人工智能技术的变革,但是这些小的应用场景很少有人关注。

    推动人工智能发展的目标只有一个,那就是AI与实体产业的融合,AI向传统经济的赋能,只有当人工智能内化为产业经济的核心能力,所做的一切才真正具有价值。邢波认为,人工智能产业的实验方法应该符合工业标准,可以被重复理解和使用,而不是把它当成艺术品一样观赏,更不能闭门造车。

    业内人士认为,目前的智能家电不够智能,还是缺乏核“芯”技术,设计产品时并没有理解到消费者的真正痛点,设计理念过于理想化,炫技成分居多。结果就是,许多智能家电在很大程度上背离了消费需求。

    在业内专家看来,人工智能未来面临的挑战主要有三个方面:首先是如何更好协同在一起,形成良好的AI发展生态。其次是建立统一标准,规范大家的行为。最终还是要行业应用,行业深度融合,这是人工智能的终极目标。

    “未来人工智能行业要标准化和简单化,把一些标准制定出来,这个行业会形成更大的突破。”金山云高级副总裁、合伙人梁守星坦言,人工智能发展过程中的法律法规制定问题,也是行业面临的挑战。拿无人汽车来说,自动驾驶这个环节,已经涉及法律法规。一旦法律法规跟上了,人工智能的落地也会更加快速。

相关报告
  • 《如何破解人工智能“落地难”?》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2018-05-07
    • 目前人工智能在行业应用落地方面有哪些挑战?人工智能技术公司与传统行业在发展人工智能方面应该如何合作?面对人工智能技术浪潮的冲击,传统企业应该怎样把握这一波机遇?我与微软亚洲研究院副院长张益肇博士就这些问题进行了深入交流,希望张院长在人工智能产业多年的实践经验和洞察能为转型中的中国企业带来一些思路。 目前的人工智能犹如90年代的互联网 历史上任何一次新技术的爆发,都带来了超乎想象的新商业与新经济模式。从最近的一次看,90年代互联网发展初期,我们没有预料到商业社会将如此大规模的被影响和改变。互联网的影响开始于媒体,《纽约时报》、《华尔街日报》等媒体通过网站更新新闻,最终全媒体行业都面临转型压力。后来消费者逐渐通过互联网买书、租录像带。互联网对商业社会的影响有一个过程,人工智能时代也是一样。 一位粗心大意经常忘记按时归还录影带而不得不缴纳大笔罚金的电影爱好者,里德?哈斯廷斯,为了避免高额预期罚金的电影租赁模式而创办了Netflix公司。1999 年,成立不久的Netflix公司推出线上影片订阅服务。当时美国最大的影片出租连锁企业Blockbuster公司并没有预料到这个营业额不到自己千分之一的Netflix公司会成为日后的行业颠覆者,到 2007 年, Netflix注册用户数超过 750 万,年复合增长率高于 50%。2010年曾经的美国影碟租赁巨头Blockbuster申请破产。2011年美国第二大连锁书店Borders申请破产。 互联网发展初期,线下商业巨头没预料到新技术和商业模式的冲击将如此之大,没有将新兴互联网上的新模式看成潜在对手并引起重视,十几年后,这些曾经的巨头已经消失。 张益肇认为,同样的事情也将发生在人工智能时代,哪怕体量再大的公司,如果不能把握和了解新的趋势,将在这一波浪潮中被颠覆掉,反之,像Amazon,Netflix,因为新的技术,有机会去颠覆不同的行业。 人工智能之花将在哪些行业绽放 目前,一些与计算机视觉相关的应用,比如在安防领域,已经产生了比较大的变化。之前的安防行业采用的是事后追查责任的思路,通过查找监控录像,回溯历史记录。比如北京机场据说有超过两万个摄像头,这是不可能靠人力实时监控保障安全的。而目前通过人工智能,可以预防和实时阻止部分危险情况的发生。 未来,人工智能对金融、医疗、教育、制造、零售、运输(自动驾驶)、物流等行业都会产生很大影响。张益肇认为,在人工智能算法依赖大数据训练的阶段,产生的价值大的行业会发展的好——如果一个行业应用人工智能产生的价值够大,会有人愿意出钱标注数据。现在大部分人工智能是要靠大量数据来进行学习的,一个行业发展人工智能相关应用的前提是获得与行业、领域相关的,且标注、整理过的数据。 微软希望通过与金融、医疗、制造等行业少数的几家领头羊企业合作,把问题弄清楚,给出问题的有效解决方案,在此之后,才有可能将解决方案模块化,让更多的合作伙伴利用。目前微软亚洲研究院成立了旨在通过开放创新推动行业应用发展的组织“创新汇”,来加强与各行业的领先企业合作。 每一波技术浪潮都会大幅提高社会生产力。与20年前相比,互联网使社会生产力大幅提高。人工智能同样如此,但人工智能落地需要技术与行业公司深度合作。要实现全社会生产力提升,靠一两家企业做不到,需要很多有远见的领头羊企业共同合作。 以金融领域的人工智能应用为例,在基金管理和辅助股票分析方面,技术公司与金融公司各有所长。一些基金公司也有数据科学家的团队,有些做的是比较传统的数据挖掘,还不是很了解深度学习等人工智能技术。基于数十年经验积累,基金公司更擅长判断一只股票是否值得投资,哪些市场信息具有参考价值。而人工智能技术公司没有这方面的知识积累,但拥有先进的人工智能技术储备。通过业务公司与技术公司的合作,基金经理可以在人工智能的帮助下更好的分析市场。比如,有上市公司称由于今年春节较晚而影响了这一季度的销售额,分析师需要就春节对销售额的影响做一个分析和历史对比,分析这是公司的借口还是真实情况。每个上市公司都会有季报,内容几页到几十页的不等,要做很细的分析,除了看现在的,还要把去年、前年、甚至大前年的数据做对比,这么细的分析单靠人是不可能的,一个分析师要分析几十家公司,不可能每一份季报都看的非常细,这方面可以由人工智能来辅助分析。 人工智能技术企业要进入某一个垂直领域缺乏的是相关领域的数据和知识。假如与医院合作,由于技术企业没有经验丰富的医生,无法判断医学影像的数据是否正确。由于缺乏相关专业知识和经验,在出错的时候也无法判断是由于标注错误还是由于图像不够清晰造成。而技术企业与垂直行业互动的时候,需要让行业理解,人工智能不是超人类智慧,无法做到提供给机器一个数据库就可以得到想要的结果,这是目前双方合作前面对的挑战之一。由于数据需要标注整理,目前阶段的人工智能实现的前提,是以大量人为标注的数据为基础的。比如斯坦福大学建立的目前全球最大的图像识别数据库ImageNet里面数百万张照片也是很多人花费大量的时间标注完成后,才能让机器去学习。 中美人工智能应用的不同发展路径 人工智能在不同国家的发展,与当地的产业发展特点相关,取决于技术与当地产业的结合。以金融业为例,中美有两个主要差异,第一,在技术应用方面,美国金融市场竞争比较激烈,很多银行早就习惯通过技术手段竞争。一个金融公司里10%的员工是IT和技术员工,在中国,这个比例大概是3%-4%。在美国,人工智能在金融方面的应用相对走的更往前,很多对冲基金是通过机器学习、数据挖掘,量化基金通过程序来管理基金。与美国比,中国处于相对早期。另一方面,两国在金融领域的监管法规有一定差异。在美国,没有太多监管限制通过开发程序管理基金,只要敢冒险,自负盈亏,相比之下中国则整体相对谨慎。 在其他应用领域,中美也呈现出各自的特点。对于中美两国,人口红利都在消失,但两国人工智能应用很有可能先在各自比较发达的产业中得到发展。在美国,服务业比较发达,目前人工智能的应用更多的是从服务业角度考虑机器人的应用。比如在医院、疗养院里照顾老人。在中国,制造业转型已经成为趋势,制造业工人的重复性工作对于年轻人不再有吸引力,在深圳,很多制造业企业招不满员工。不光是在中国,越南等一些发展中国家也会逐渐遇到类似的问题,在这种情况下,制造业将更多的依靠人工智能等技术手段,未来中国先把这些技术做成熟以后,也可能将技术应用到其他国家去。 如何判断人工智能领域的技术创新是否能落地? 如何判断目前正在进行的人工智能技术开发是否有落地的可能?比如,是否能够将语音识别技术应用在会议在线翻译的场景?张益肇称微软亚洲研究院在进行技术创新商业化的时候使用BTX(Business商业、Technology技术、Experience用户体验)的判断原则。第一步要判断技术是否成熟,这个场景是不是能够实现?开会的时候自动录音、自动转换成文字,要实现技术在真实场景中的应用会涉及到很多因素,有可能讲话内容中文夹杂英文,有可能发言人离麦克风比较远,声音听不清楚。所以要判断,技术本身是否成熟?如果要做成产品,技术本身能否达到?第二,如果技术达到了,用户体验怎么样?用户会不会用?如果产品本身的技术和用户体验都不是问题,要考虑有没有办法产生一定的收入,使产品维持下去并持续改进?比如会议实时翻译的例子,如果这种服务定价每小时3000美元,很难卖出去。但如果定价是每小时3美元,就很有可能。第一是技术;第二是场景中的体验,是否做出用户能用的东西;第三是可运营的商业模式,有没有可能在用户能接受的成本下启用这个服务。 过去一年多,关于人工智能的诸多报道导致公众的一些误解。人工智能在围棋界能够成为第一名是否意味着人工智能比任何人都聪明?很多人都能学会开车,但让电脑安全的开车要比赢一盘围棋困难得多。围棋是有限的变量,而开车涉及到更多的判断。如果路边有人对你招手,是因为有个警察还是因为发生了事故请你停下来?或者有人想搭便车?还是有人车坏了请你帮忙修?要了解这个场景,需要更多的变量,这个人穿制服吗?有车子抛锚吗?这些变量是千变万化的,电脑还不能理解这个人的表情是什么样的,表情有什么含义?人类所谓的“常识”对电脑来说是非常难的事情。 传统行业尤其是企业的最高领导需要对人工智能有更客观的认识,尽可能去接触和理解人工智能能做什么,哪些还不能做,不应有过高的期待。毕竟有些技术还没到成熟的阶段。目前有很多人工智能在线课程和书,也有很多免费的网上平台鼓励大家去尝试,这个门槛正越来越低。传统企业的转型,第一要了解技术,第二要了解自己的行业,思考通过人工智能解决什么问题对自己的企业最有价值。单纯为了吸引眼球的项目,不如做关键的、能对企业产生效用的项目,转型的成功性就会大很多。 这一波人工智能浪潮类似互联网初期,无论企业规模大小,任何时候拥抱AI都不嫌早。企业最终将由于人工智能的应用而大幅提升生产效率。大型企业内部本身有IT部门,资源也多一些,有条件(人力和相关资源)去研究AI,可以选择是自己做还是去寻求外部帮助,小企业则可能需要找人做。大小企业的思考模式和基本逻辑相同,只是具体的操作方式不同。 关于传统企业是否需要自己的技术团队,应该结合企业的自身情况,目前想做的项目难度有多大,是否需要专家的帮助。张益肇博士见过不少传统企业高管,他们普遍对人工智能很感兴趣,但是对人工智能的理解还有很多需要加强的地方。企业转型AI就好像人的健康问题。每个人都应该对自己的健康有基本常识,看难度判断是自己就能解决还是找专家。企业具备了这个前提,理解了自己的问题,理解了技术如何去应用,进一步分析判断事情的难度和风险有多大。比如,现在有很多关于聊天机器人的探讨,微软有小冰这样的聊天机器人,所以不少企业兴趣很高,也希望用聊天机器人来增强与客户的互动,那需要考虑聊天的内容是什么,如果出错的话成本是什么?如果是医院需要用来和病人互动,并且指导病人如何吃药,这样错误成本太高,就不建议通过内部团队开发。 处于人工智能技术应用起飞的前夜,这样探讨的价值在于,传统企业无论规模大小,都需要思考如何避免成为下一个Blockbuster或者Borders,并且是不是能够抓住技术浪潮提供的机遇,实现业务模式转型。毕竟等到人工智能技术带来的用户达到一定浓度、新业务规模起飞时,再进行这样的投入已然是来不及了。 .
  • 《人工智能助力生物识别精准化》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2020-05-26
    • “你是谁?”在当今社会,无处不在的身份识别场景在无声发问。进小区门,要问你是业主本人吗?进家门,要扭动匹配的钥匙或按下指纹;开电脑工作,弹出密码输入弹窗。每个人都是独立的个体,我们能否使用唯一特性与外界建立联系?唯一意味着安全,也意味着核实更方便准确,就像我们的身份证,上面有唯一的数字编码。 与此同时,数字化时代,我们与机器的互动,从敲键盘一步跨向手指点击滑动、开口对话、抬起头、眨眨眼,远隔千里的人们能便捷地沟通交流、能跨省跨国网上办事,但客观上无法实现“亲眼所见”,也给建立“信任”关系带来新的挑战。 人工智能技术的发展,针对数字社会人与人之间、人与机器之间如何建立“信任”关系,提供了一个很好的技术解决手段,即生物识别技术。你用什么方式证明自己?怎样才能定义这世界独一无二的你?设备的进化中,谁在保证个人使用的安全性?无接触生活的背后都是技术在化解复杂,生物识别技术的研究,正是希望解决这些问题。 1.生物识别是数字社会的重要基础 无论处于哪个社会经济发展阶段,“人”始终是最重要的核心要素。人类作为群居动物,在地球上有人类的时刻,“信任”的需求就应运而生,通过视觉“亲眼所见”、听觉“亲耳所闻”等辨别同伴建立信任关系,这种最原始的通过“亲眼所见”等手段建立“信任”的方式也将伴随人类一直延续下去。 数字化世界,需要迭代新的信任交互,生物识别技术是技术发展演进到一定阶段的必然产物,也是一种新型数字身份的基础设施。它基于个体生物特征进行自动识别的一种技术,结合计算机与光学、声学、生物传感器和生物统计学原理等,依靠人体的生理特征或者行为特征来进行身份验证的识别,是当前人工智能技术和信息安全技术在工业界落地应用最显著的代表性成果之一。 所谓生物特征包括人脸、指纹、声纹、虹膜、指静脉、体温等,行为特征则记录签名笔迹、行走步态、坐姿等。这些生物特征各有特点,比如每个人的静脉血管都不是一样的,血管也足够多,因此它的信息唯一、丰富,几乎不能被复制;而一个人随着年龄增长和一些突发情况,行为特征比如走路姿态可能会发生变化,可以理解为特征信息稳定性不那么强。 唯一的、稳定的生物特征就具备理论上的安全基础,我们将它们进一步结合形成有效技术手段,同时采用多种方式来确保它准确、高效就像使用身份证确认“你就是你”。 作为一种身份认证方式,目前生物识别技术已经在金融、教育、司法、医疗、社会治理等行业都有了广泛应用,它需要满足不同场景、行业要求和不断变化演进的业务需求。它将迅速成为数字经济社会的重要信息基础设施之一。 2.生物识别开始出现大规模技术创新 从技术上来说,传统生物识别技术在鲁棒性、准确性以及抗攻击能力等方面,近年来都有大幅提升。比如突破2D人脸存在景深数据丢失的局限性,3D人脸识别技术因其具有更强的描述能力开始在高准确性应用中逐渐增多;在3D识别的基础上人脸活体检测的新技术也进一步被采用;防止人脸数据库被盗库的识别技术也已被提出;指纹识别则开始引入基于手指皮肤颜色和的脉搏心率信号的活体检验,用于防止被仿生导电材料做成的假手指攻击;声纹识别可结合使用电磁场检测,来判断声源为真人还是扬声器等。 另一方面,考虑到应用场景的不同需求:持续认证、移动设备上识别、个人隐私保护等,新型生物识别技术也是应需而生。比如,浙江大学网络空间安全团队针对持续认证,开发了“心脏密码”系统通过不间断用生物雷达的无线信号来感知心脏运动,实现了易用性高的非接触式可持续认证;针对移动设备上的生物识别,利用设备内置摄像头捕捉到的眼球运动,智能手环上测量到的心电图,以及虚拟现实头罩测量到的眼电图和脑电波都相应的实现了可靠的生物识别;针对生物识别中的个人隐私保护,采用无线信号成像来代替摄像头,既避免了摄像头受视角和阻挡等条件的限制,更消除了直接获取图像的隐私泄露风险。 另外,正如每种生物特征各有特点,在充分考虑各种攻击场景下,任何单一生物识别技术往往都呈现出特定的优势和局限。每个模态都具有不同的数据安全程度、采集适应场景、隐私敏感度等,因此解决方案并不能通过单一技术完全达成。 多模态多因子生物识别技术融合因此非常重要。比如夜晚光照不理想,人像识别率低,结合红外成像和热成像的跨模态互补就能增强人像识别的准确度。像是蚂蚁金服多模态融合人脸识别技术实现用户的精准识别,满足金融级误识率(低至千万分之一误识率)下,大大超出了单模态人脸识别技术能达到的性能瓶颈,并提升了人脸识别的安全性。同时,还充分利用移动设备的芯片级安全能力,经过与产业链多方的合作,构造了基于TEE(可信执行环境)的全链路安全协议,为生物支付提供了强有力的安全保障。此外,通过风险感知模块检测黑产攻击,风控引擎自动更新风险模型,风险拦截效率大幅提升,充分保证了交易安全。 未来生物识别技术的趋势便是如此,将会从传统的只提取人体生理特征,向人、物理世界、数字世界融合的认证方向发展。生物识别技术将在和环境特征、数字凭证相结合,满足时空关联、多模态多因子融合的基础上完全实现可信认证。 3.“生物识别”“多模态融合”作为主流研究方向形成标准化的应用共识 从实验室走向产业商用,从模型走向安全产品,靠的是持续生物识别技术迭代和多重技术算法的保障,尤其引起我们关注的是“安全和隐私保护”。 基于这一点,去年,浙江大学和蚂蚁金服联合成立了数据安全与隐私保护实验室,汇集了双方创新力量和优势资源,产学研联合推进前沿科技研究,提升国内生物识别行业安全技术水平。 目前针对人脸数据脱敏、不可逆、可更新、加密等做了大量研究,给生物识别信息保护提供可行的安全技术解决方案。部分安全技术已经转化应用到蚂蚁金服人脸识别技术上,支撑大量金融级安全应用。 在生物识别技术突破最多的是人脸识别,即在图像特征抽取和人脸比对环节中取得了很大进展。但从实验室之外的实际场景应用模拟发现,其影响因素很多。从全链路的角度来看,活体检测、人脸交互、关键点定位、人脸跟踪等在真实的场景下,特别是不同的手机、环境、用户背景等条件下,想做到非常好并且稳定的用户体验是很难的。我们对此进行了很多特殊的优化,如使算法在不同的手机上达到比较一致的运算速度、响应时间,通过文案设计提高用户对刷脸的感知和理解,适应用户背景(如光线、角度等),分析基于其他传感器数据的反馈等。同时企业根据自身业务的不断发展,向学术界持续反馈新的需求,也反过来促进了联合实验室在新技术前沿开拓的方向感和紧迫感,产学研联动形成良性闭环发展。 基于我们共同进行的大量研究、实践积累,近期企业已在IEEE成立“移动设备生物特征识别”标准工作组,并立项“生物特征识别多模态融合”IEEE国际标准。这也是中国企业首次在国际标准中,提出移动设备多模态融合技术的实现框架、功能要求、性能要求、安全要求等。这意味着,“生物识别”、“多模态融合”作为主流研究方向将形成标准化的应用共识。这也是一项技术脱离实验室踏上商用之路的重要一步,有利于推动行业平均技术发展水平。而国际标准是国际规则和共识重要通用载体,对整个行业良性发展至关重要,也是具备技术实力的中国企业必须具备发言权之处。毫无疑问,高校和企业在生物识别这类国际前沿技术及标准上的探索,是中国科技布局眼光、研究能力、科学严谨性的综合体现。它同样预示着,中国企业在人工智能技术领域的国际竞争进入新阶段——从产品出海到技术走出去,如今又向输出全球标准迈进。