问：您刚才提到了组织的力量，这能不能理解为我们对行业的理解来自于我们的组织管理？

马原：这个是基础，你要找到合适的人，把他放到合适的位置上。像申老师，为什么我们看重申老师？

她在过去 27 年里面，在计算机视觉里面，所有有商业价值的方向拿出个成绩和产品。

很多人以为我们看重她过去 27 年的积累，不是，我们看重的是她未来 10－15 年还会像给松下那样提供无数先进技术的能力，这是我们看重的。

任何再来一个新技术，她都会快速达到、达成、交付，这是我们需要的，这也是一个企业需要的。

比如说华为，大家说 P30 吹得有点儿太过了。但是你想想看，华为什么时候宣传过他的中央研究院？什么时候宣传过他的诺亚方舟实验室？

不会的，真正的企业研究院都是赶紧把新东西做成专利、产品，放到市场上去。

所以，我觉得这也是下半场大家的特点，从第一阶段我们靠一个技术大牛去市场上融钱，变成我们实实在在做成东西，从市场上要钱，这是我们需要的。

所以，这也是为什么我们从一开始也讲了一个概念，我们是产业界、工业界的团队，目标是不一样的，都是一群做东西的人。

问：我希望能了解一下富士康这个项目的更多细节。你们跟富士康的合作聚焦在哪些领域，是生产流程管理，还是人员管理或者是其他方面？另外从整个改造范围来看你们只是聚焦于跟某几家工厂，还是说现在可以拓展到所有的工厂？

马原：既有生产流程的优化改造，也有人日常员工的行为管理。说白了，就是把所有的日常行为给数字化了。

过去比如说一个操场里面，孩子在操场上玩，但是谁在做什么你是不知道的。通过我们视觉检测和识别技术都给他们归类了，比如说现在有几个人在跑步、打篮球，这个人打篮球打了多久，这个人跑步跑了多久。

最终一天下来之后，会给你一个评分，你可以这么理解，就是这样的，如果放到教育行业就是这种感觉。

问：大概一条生产线上有多少个摄像头？

马原：反正我们管理两千人用了一百个。

问：在生产流程上，摄像头产生数据的可用率能达到多少？

马原：基本都是利用起来的，因为我们都是重新测量、重新设计、重新开发的，并不是利用现有的摄像机。

他们一开始也提过，就像现在人脸识别一样，当初所有的国安客户都说能不能检索，说当时海康、大华都吹过牛，说即便这些视频现在也检索不了，只要将来加一个服务器就全部都能搞定了。问我们是不是也是这么想的，我说我们不是，所以后来就全部重新建了。

所以，用户都需要一个理解的过程。

问：也就是说他们为了愿意跟你们合作，愿意换掉所有的摄像头？

马原：也不用换，增加就可以了，传统的摄像机就是某个角落看着一个大屋子，只有一个就 OK 了，但是我们要做行为识别。你看亚马逊 go 这种方案，会布得更密一些，毕竟要识别行为嘛。

问：您合作企业，或者说我们在各个行业投入的时候，是不是也应该形成了自己的数据库？您刚刚说安防行业当中，与真实场景像老年人、小孩我们都没有办法识别，现在是一个很大的问题。

那么比如说我们现在在和富士康做工厂方向，工厂肯定不只年轻人，稍微老一点儿的，是不是我们也形成了一定的数据库积累？

马原：数据就是慢慢积累起来的，像富士康这个案子，我们的数据是不能拿出来的，因为那都是苹果的产线，管理非常严格，我们都是在现场训练的，直接把训练中心搬到现场，现场给他们调的。

问：我们在新加坡有研究院，我想问一下，这个研究院在做什么？我们为什么会选择在新加坡成立这个研究院？

马原：是这样的，说到新加坡，得到如果调研一下整个 AI 的发展过程，像我的第一个老板是李子青，他是中国华人界里面 AI 人脸识别的第一人，也是微软亚洲研究院第一任人脸组的组长。

当年李开复建研究院的时候是把他先拉过去的，后来他跳走了，这也是为什么后来他成为我老板的原因。后来是汤老师接了他的职位，去做人脸组的组长。

所以，做 AI 的圈子大概可以分为三大块儿地方：

1、大陆地区：主要是以中科院、清华大学为主，最大的特点就是中科院是一个大帽子，西面全是个体户，一大批中科系小公司。

2、香港：汤老师对 AI 最大的贡献在于，他把整个香港地区团结住了，汤老师手下有不少我之前老板（李子青）的学生，大部分都没能留下来，汤老师把这些学生团结在一起，形成了一个很大科研实力，这是他的贡献。

3、另外一拨人就是在新加坡。我前老板就是南洋理工出身的，包括像申老师，新加坡算是最后一块儿华人圈成建制、完整的华人计算机视觉的来源，这也就是我为什么看重新加坡。

如果过了新加坡这一茬，就不知道去哪儿了，可能是台湾、美国这些地方去找了。所以，我们还比较庆幸，在这个时间点，还能有这么一拨人才跟我们的想法是一样的。

我们为什么会愿意把研究中心放到新加坡呢？确实有很多人，研发团队还是比较清静的，现在国内的 AI 已经炒得有点儿过热了，你稍微会点儿东西就是一个 AI 工程师，拿几百万年薪。

问：所以，那边的团队现在大概多少人？

马原：目前有大概二、三十人，目标是三年到一百人。

问：我们未来研究院的规划或者是期望是什么？

马原：这就是我们技术的前哨战，始终保持对国际一线技术的关注，时刻跟踪最新的技术，不断地优化、改善我们的产品。

问：在您看来，人工智能什么时候才能成为一个被绝大多数传统公司去认可的一个概念呢？

马原：最近很流行一句话可以解释：人总是短期高估技术的实力，长期却低估。我觉得现在这个阶段刚刚好，就属于刚刚过了那个最高峰又下来了，慢慢回到正常的爬山的过程。

我们有一个员工的老婆是做 3D 打印的，我就问她，3D 打印这个行业还活着吗？她说活得很好，确实有它的作用。

而我感觉之前 3D 打印都是骗子，就是那种感觉，后来发现它是有它的作用的，在很多行业是在解决一些具体的问题。

我觉得人工智能接下来也是这样，人工智能确实是整个 AI 时代非常大的一个技术周期出现，这件事情确实可以解决很多问题。现在它的实力还没到，包括人才的积累也都还没到。

咱们今年国家才批了 35 个人工智能专业，人才都还没到，期望就到了，估值已经到了。

在这样大的期望下，你再重新看，突然发现你家六岁的孩子会弹钢琴了，然后你就期望他明天就开始弹十级，那可能不行，但是你的孩子已经是一个很聪明的孩子了，他一定会成才的，你的期望就会重新回调，再慢慢培养他，把他培养起来。所以，就回到了一个正常产业健康发展速度。

问：在国家的政策方面，在您看来，对人工智能方面现在还有哪些不够好的地方？

马原：我觉得其实咱们国家对人工智能（顶层设计）这些人还是很厉害的，像我的专业是 2005 年就有了。

我当时想考公务员都考不了，公务员要的是计算机科研技术，我的专业叫智能科学技术，当时家里想让我考公务员，我看了一遍，没有我这个专业，我什么都考不了，只能坚持继续做人工智能。

所以，我觉得国家顶层设计还是有高人的，我们在 2012 年的时候，那个年代还能搞智能视觉物联网，想想看都是很不可思议的。

换句话说，我觉得我现在还没有到那个高度，能够那么早就决心开这么一个方向。当时政府是出了 4 个亿现金的，把这个团队引过来，用来做这个事情。所以，我觉得咱们还是相信国家的眼光、实力，还是很厉害的。

问：新加坡研究院他们搞出来一个体系之后，我们是怎么样评估这个技术，是怎么样落地的？具体的指标是什么？如何来结合这个技术我们去打造 AI 的？

马原：打个比方，新加坡团队之前做过一个事很好玩，就是在去年 10 月 1 日，在西班牙一个比赛上，是个什么场景呢？

你在超市购物的时候，可能有很多东西你会不要了，比如说这瓶水、面包、蔬菜，放了一堆东西。到每天结束的时候，会堆一堆东西。这个东西过去怎么办呢？就是靠人一个一个放回去。

当时他们就设计了一个这样的场景，靠一个小机器人，有一个移动的底盘，有一个摄像机，有一个机械臂，能不能让它把这些东西放回去？就发现这个东西其实很复杂，不亚于一个自动驾驶的操作了。

1、我要识别它是个什么东西。

2、我要控制机械臂以正确的方式把它拿下来，拿鸡蛋和拿饮料是不一样的。

3、我要回去的过程中躲避各种人，顺利地放到那个架子上，完成这样一个任务。

如果能完成的话，你算这么一笔账，雇这么一个小机器人和雇一个人来比的话，可能不划算。

如果这件事确实做得还不错，完成率也 OK，我能接受，哪怕这个过程中我今天搬了一百个，掉了十个，能不能接受？整个这个 Demo 都完成了以后，我们再评估这个事可不可行。

所以，这就是这个团队的特点，我们是面向场景解决问题。

你千万不能说我就只提供视觉，别的我不管，或者是我只提供自动驾驶的底盘，别的我都不管了。

你必须把最后一公里全部走完，你必须把金子全部淘掉，不能在这个过程中只是做一个递扳手或者是递工具的人，你能不能全都解决掉？解决掉，我们才愿意，才能成为真正的价值。

所以，价值不是停留在技术的，而是看你是不是实际把什么事给解决掉。

问：新加坡研究院在我们公司整个的组织架构中，它是一个什么样的作用？它怎么样跟我们的团队配合？

马原：由于申老师过去本身就在松下做这个事情，和日本本土已经合作了二十几年了。所以，很多人一开始以为我们的沟通成本会很高，我说再高也比跟日本人的沟通成本低，这是大家合作得比较愉快的地方，一开始不需要那么长的磨合期。

但是现在的情况是，你真实的落地场景就是你的用户，那你就要为他服务，解决他的问题。这就是思维上的不一样，这样的科学家其实是很难找的。

问：香港和新加坡的 AI 人才各有什么样的特点？

马原：其实香港聚拢的人才也是从大陆吸引人才过去的。打个方面，新加坡的财政就很好，你要跟这边建实验室，政府能出 50％ 资助，这个支持力度在国内是不敢想象的。国内大部分是说你投入了，你拿发票来补贴，或者当地要再开票，支持力度还是不一样的。

问：我们和无锡有什么样的深厚关系？

马原：因为当时中科院物联网研究所在无锡。

问：比如说智慧园区现在澎思的基础收费模式是什么？在整个智慧园区里，大部分摄像头集中在哪一个区域内？目前你们在部署的现有项目里，遇到的最大技术难题是什么？

马原：园区的话，技术还好办，最大还是买单的问题。目前是智慧园区这个事是今年炒起来的，很热。大部分还是源于对过去原有项目的改造，这是一波由政府推动的趋势。

另外一个趋势，跟咱们国家的雪亮工程相关，整个安防的核心驱动力，大部分资金从这儿来。现在是需求到了，可能资金上还没有完全理顺，这是我们遇到的最大问题。

问：除了 AI 技术，我们还需要哪些其它方面的技术投入或资源？

马原：大部分还是基于 AI 生长出来的这套业务系统，我们也会判断，这个项目里面我们会做切分。如果有项目的部分，就回到项目那里，如果产品线，就保持产品线，相对进行剥离。

问：我们现在提供一站式解决方案，人脸技术会单独作为一个输出吗？

马原：没有，你说要不要单独卖人脸这件事情？这件事看情况，有些领域可能你这次不卖，将来也没有机会卖了，那你该卖就卖。比如有厂家就把商汤、旷视、依图的源码都买去了，那肯定就是一次买卖，就当是一次 PR，该卖就卖。

如果有些行业，你觉得将来还是有机会自己做的，那你到时候具体情况再看。

问：您在旷视待过，当时打法是什么样的？

马原：旷视第一年打法是现在的打法，后来旷视由于跑得太快了，所以说我们那时候的很多想法没法实现，所以后来就出来了。

问：刚刚我们提到 AI＋行业，有一个自己的突出技术，往这个行业怎么去布。咱们目前 100 多个人，我们是五大行业＋十几个小的细分场景，这样会不会跑得太快了？

马原：不是这样，起码目前我跟他们比，还是专注在安防这个行业，只是安防里面比较碎片化。其实通用技术是通的，只是应用模式不一样。

比如同样的人脸识别，在公安那儿看到你，我要抓你。放到迎宾那个地方，看到你，我要欢迎你。放到爷爷奶奶那儿，你又来接你的孙子来了，技术是一样的，应用模式不一样，应用模式一改就 OK，所以目前我们还专注在安防这个行业，还没有扩到医疗、语音这些领域。

问：不同的项目会对应不同的部门吗？

马原：初期做项目的人，肯定是自己人直接到现场去做。说白了，你要自己把这个事情摸透，弄明白，交给人，才能去告诉代理商你的加盟商，这个东西该怎么做，所以初期 0－1 一定自己做，1－10 这个过程可以借助渠道的力量去放量了。

我们设置比较机动灵活的项目组，如果创业公司还搞这种严格的视野边界，这个就快不起来了。

我们公司要老人做新事，新人做老事，千万不要变成老人做老事，新人做新事，这就一定会死，但这就是组织上的问题了，不断推动老人去往新的领域推。

你不要干这事，这事你很成熟了，没有意思，干新的东西去，这样才会越打仗，越战越勇，而不是发现一个价值，团聚在这儿，谁也不动了，这个组织就死了。

问：你们现在安防民用市场有没有布局？

马原：我们今年会开始启动。因为技术是这样的，我跟你讲一个车辆的例子你就理解了。20 年前（1998 年）深圳第一套电子警察诞生，那时候谁开始用？

所有摄像机装的是路口，干嘛呢？查你的违章，你闯红灯，掉头等等。

后来你发现这个摄像机挪到道路中间了，这个相机是公安装的，因为做车辆大数据的。你这个车不管有什么行为，你只要路过这个路口，给你拍一下，大家开车都看到了。

再后来慢慢这个东西到高速公路、停车场，北京估计 2、3 年前楼下都是打卡拿票的，这就是一个技术蔓延的速度，从行业最核心的主管部门，到行业客户，再到民用市场，有一个过程。

就像人脸识别一样，一开始公安先用，再是行业用，再是民用，需要有一个过程。我们此时此刻处在公安建设的高峰，其它行业的客户在部分市场，跑得快的市场已经开始起量了。

问：所以跟、360 下面的产业基金投你们与民用市场是不是有一定的联系？

马原：我觉得终点我们会交汇，肯定会有配合。（作者：机器之能）