立足计算机视觉赛道，它的场景需求有多“碎片化”呢？

比如一个工地，就可能存在反光衣识别、安全帽识别、工服识别（红/黄）、安全带识别、灭火器识别……面对这些零散需求，头部方案供应商看不上，腰尾部供应商可以提供，但在精确度上或有降低。

如何在满足需求的同时，也能够做到高性价比，成为腰尾部项目迫切希望解决的问题。

对此，一家名为“极视角”的AI公司选择打出一套组合拳——算法商城+开发者生态，且“野心”不仅仅是拿下腰尾部项目，还包括了终端客户、集成商与行业解决方案商。

带着对这一模式的更多好奇，镁客网有幸采访了极视角联合创始人兼副总裁刘若水，听她讲述算法商城模式的故事。

图 |极视角联合创始人兼副总裁刘若水

依据中研产业研究院发布的《2022年计算机视觉行业市场调研报告》，在中国计算机视觉市场中，安防影像以67.9%的占比位居市场第一，其次是广告营销分析、泛金融身份认证（解决方案）、互联网娱乐、泛金融认证（云服务、SDK等）、手机、创新领域，分别占比18.1%、4.0%、3.8%、3.7%、1.7%、0.9%。

但我们从前面工地场景的举例也可以看到，即便是在市场占比最高的安防影像领域，也依旧存在着诸多碎片化需求。

用刘若水的话来说，针对某些场景的算法应用，大厂会用高薪聘请算法工程师、科学家开发算法，每年可能投入2000万人力，但最终市场容量就1000万左右，准确率高但价格不低。再看中小算法厂商，他们价格不高，但是技术水平可能还处于上一代，算法质量把控不佳。

“在2017年、2018年的时候，企业可能还会试一试，准确率高一点低一点可能无所谓，但经过这两年经济影响，大家都变得精打细算，好不容易批下来预算，肯定还是希望获得很好的效果、能够很好地满足需求。”

可以说，无法同时兼顾识别准确率与价格适宜的大厂和中小算法厂商于碎片化项目来说，都不是很好的选择。在这一点上，算法商城相当于提供了第三个选择——一端连接算法开发者，一端连接终端客户、集成商与方案商，以“C to B”这类开发模式，充分调动社会层面上的算法开发者资源，免去终端客户大海捞针般寻求算法的麻烦，也能够让后者以适宜的价格购买到一个足以满足自身需求的算法。

此外，商城模式还能帮助一些集成商、方案商省去算法开发的时间、人力成本投入，以一种更高性价比的方式打造行业解决方案，进而更好地服务终端客户。

事实上在最初的几年，有许多方案商都选择自建算法团队的。“虽然算法只是一个模块，但需要考虑到它如何与整套业务联动，包括如何运行、如何与系统做连接，以及过程中如何实现高性价比的迭代优化，这些工作具有很强的专业性，仅靠一个三五人的算法团队是不太可能实现的。”刘若水表示，“好比我现在想吃西瓜，是直接买一个现切，还是从种子开始种起呢？结果很显然，后面大部分公司都抛弃了算法自研。”

截至目前，极视角的算法商城已经链接30万开发者，主要是在校学生与在职算法工程师等群体，成熟算法超过1200个，覆盖100+个行业。

以最初的“极市”平台为起点，如今极视角旗下已经拓展到4个平台，分别是：

极市——AI算法开发训练平台，面向算法开发者提供一站式核心算法开发工具，将算法开发与工程化效率提升60%以上；

极星——AI算法推理部署平台，帮助客户快速部署AI模型、发布AI应用，跳过算法落地过程中复杂的工程技术问题；

极栈——私有化AI中台，提供算法全生命周期管理服务平台，主要客户群体是政企、高校、科研院所等；

极光——边缘计算盒子，主要用于满足更为碎片化的场景需求，省去部署网络架构、系统架构的过程，做到算法的即插即用。

“最初，极市和极星是我们的底层基建产品，极栈和极光则是根据之后的客户形态以及自身产品的一些能力所打造出来的应用产品。”

值得注意的是，由于开发者生态的特殊模式，极视角迄今为止平台上的算法基本上都是定制化开发而来。对于此，刘若水也强调称：“我们能够在行业内闯出一条路，能够将算法商城搭建起来，很重要的一点就是我们能够提供大量的定制化算法开发，这也是我们能够跟各大厂竞争的明显优势。”

“标准化算法都是按照产品形态去打造，之后不断地积累数据进行优化迭代，可能各家的标准化算法都差不了多少，而我们有大量的开发者，且不存在排期问题，永远都能找到算法工程师进行新任务的开发。”

从客户发布需求到开发者接单，一直到后面的算法开发、测试与最终交付，极视角打造了一个全生命周期的闭环环境。“在整个算法定制化开发的过程中，每个环节该怎样压缩到最短时间，以及怎样优化流程上的一系列问题，我们丰富的经验能够帮助实现最快的定制化算法开发。”

刘若水称，目前极市平台上定制化算法的开发周期已经缩减至6-8周，在一些极限情况下，甚至可以在2-4周时间内开发出一个新的算法，“这个速度，基本上算是业内最快能够去定制化算法的，甚至高于一些高校。”

成立至今，极视角也已经快8岁了，过往也一直专注在计算机视觉赛道。对于往后的发展，刘若水表示暂时还是坚定当前的方向不动摇。“在计算机视觉领域，我们的模式比较占优，但在其它一些领域，这套模式就不一定非常适用了。”

她以ChatGPT为例，“不管是交互式对话，还是背后的自然语言理解，其实并不需要找很多的开发者来运营，直接一个大模型就可以解决所有问题，而这一块已经有成熟公司在用成熟的方式运行。如果客户需要的话，我们可以直接找寻这类厂商进行合作，就不必再投入这一块的开发工作了。”

可以看到，经过这几年的发展，曾经被马云拿在手上展示的计算机视觉技术，应用场景正从头部公司下沉到越来越多的腰尾部企业，各类应用也变得愈加成熟。

而与此同时，就在这个本就已经被称作“红海”的计算机视觉市场，新一轮“价格战”已然在暗中拉开帷幕。

就在今年，刘若水对镁客网表示，一些B端企业客户的预算变得非常紧张，“算法价格战已经在进行了。”

“企业能否在价格战中生存下来，取决于企业的技术水平、运营效率以及商业模式是否能够支撑。”刘若水表示。

在这一背景下，一些问题仍待企业投入成本去解决和实现。

以数据标注为例，目前已经有许多企业在尝试利用AI做这部分工作，但在一些企业的招聘中，我们仍能够看到“数据标注员”这一岗位需求。

“至少在计算机视觉领域，有多少智能，前面就有多少人工。”刘若水表示。“如何用小样本去做更高精度的算法开发，依旧是各家算法公司研究的问题，就像ChatGPT一样，是不是也存在这样一种大模型，能够去覆盖很多场景。”

此外还有算法工程师的高空缺、高成本问题。

去年脉脉曾发布一份《2022人工智能顶尖人才数据图鉴》，结果显示算法相关岗位招聘难度最大、热度最高，在最难招TOP10中占据7席。其中视觉算法工程师的供需比低到0.08，这意味着平均12.5家企业争夺1个人才。

“这部分人才其实并没有看起来的那么‘卷’，事实上优秀的算法工程师远没有能够满足产业需求的数量。”人员不足，继而带来的就是“人才成本高”的问题，紧接着这部分成本也累计到算法开发成本，最后使得客户的算法使用成本增加。

“每个行业都需要考虑投入产出比的问题，这些都是要去解决的。”对于接下来的价格战而言，这并不是一个有利的现象。

可以注意到，在成立以来的8年里，极视角保持着每年一轮融资的稳定节奏，且除了天使轮之外，之后的每一轮融资都偏向于战略资源的引入，优秀的产业和资本为其开放了许多优质场景，这也是极视角能够积累100+场景、1200+算法的重要原因之一。

在这样的融资节奏下，刘若水也向镁客网透露，新一轮的融资已经在进行中，当前正在与资方进行沟通。