1
“这个产品挺炫酷，但似乎没什么用”
这句话曾不止一次的萦绕在黄鼎隆耳际。
2015 年，码隆科技推出基于图像识别技术的 App 产品 StyleAI，用户可上传任意图片素材，StyleAI 会根据图片中的色彩等元素，反馈出与之风格相似或相同的时尚单品图片。
由于当时国内市场上把图像识别技术应用在消费级产品中的案例较为少见，StyleAI 的出现无疑让不少人感受到了 AI 的美轮美奂。
然而拿奖拿到手软的产品 StyleAI 在面对市场考验时，其表现远不如创新大赛中评委给它的分数。如同奥斯卡最佳影片在票房上永远打不过好莱坞商业科幻大片一般。
科技与影视行业不同，这个市场对好产品的定义其实很简单，就是“有用、能用、好用”，对好公司的定义更简单，不过是“能赚钱”。资本市场不相信大奖，也不相信小而美。
2014 年 7 月，黄鼎隆与 Matt 成立了码隆科技公司，致力于用计算机视觉和深度学习撬动时尚产业。黄鼎隆是清华大学工业工程学士-清华大学人机交互博士，师从美国工程院院士萨文迪教授，历任微软 MSN 产品总监，腾讯微博事业部商业产品总监，Trip Advisor 中国区产品副总裁。黄鼎隆的搭档 Matt 则拥有十多年的开发经验，曾任微软亚洲研究院高级研发主管，拥有 40 多项中美专利、13 篇国际顶级论文。
与黄鼎隆聊了一个半小时，绝大部分时间是他在认真讲述并演示他们在去年推出的产品：ProductAI。从演示的纯熟度可以看出这些流程他已经给别人讲述了无数遍，但仍旧不愿跳过任何一个细节，犹如家长在邻居面前提自家孩子一样，把同一个故事说了一百遍后，愿意继续讲第二百遍。
“StyleAI 这个产品，我们确实走了商业上的弯路。当时我们选择做消费级产品 StyleAI，这在大趋势下是个错误的决定，是个逆潮流而动的事，现在已经没有多少用户有尝试新 App 的意愿。”
StyleAI 在商业上走了弯路后，产品出身的黄鼎隆并没有以一个行业分析者的角度去看待问题，没随大流转型去做热门的、蛋糕大的方向，而是以产品的角度去重新审视 StyleAI。
经过许久的研究和思考后，黄鼎隆得出这样一个结论：
我们的产品和技术没问题，我们在技术层面肯定走了正确的路。
C 端产品哪怕只有一个用户，也必须得保证优质的用户体验，需把体系中每个环节的衔接都打磨到位，它提供的是一整套流程，而 B 端产品笼统上讲只需提供一个环节。为了做出 C 端产品 StyleAI ，黄鼎隆和 CTO 码特不得不把端到端的整个体系搭建出来。
“做消费级产品对工程和体验要求很高，很简单的一个例子，用户拍照然后进行识别，如果识别了 10 秒才出结果，这一定不是好产品。”
但随着 StyleAI 在商业上的曲折探索，他们决定把 StyleAI 这一整套的技术、工程以及交互植入在 B 端产品 ProductAI 中。
“市场上很多 App 已经积累了非常丰富的用户和数据，那为什么不把我们的技术服务于这些拥有这么多用户量的客户？这样就可以间接服务上千万上亿的用户，尽快发挥技术的作用。”
黄鼎隆认为，码隆的技术如果仅仅服务于数量有限的普通消费级用户会有些浪费，如果把 StyleAI 进行延续并升级为 To B 产品，从而整合为一套端对端的解决方案，为客户提供模型、数据采集、标注等一整套服务，无疑会发挥它更大的价值。
这期间，他也反复提到这句话：真正的人工智能，不在于自己有多智能，而是在于能不能让别人变得智能。现在很多人工智能产品都在炫耀自己有多智能，自己很聪明，但却不能帮助别人更聪明。人工智能真正的商业化，一定是让别人变得更聪明。
随后，黄鼎隆展示了他们的产品 ProductAI。
ProductAI 最核心的功能是商品识别。商品识别有别于人脸识别，人脸形态相比而言比较固定，而商品如衣服和布料等柔性物体，会发生扭曲、折叠、遮挡的情况，而且商品数量非常之繁多，使得其横纵向识别难度均非常大。
1.应用在“穿衣助手”上的产品
通过图像识别技术计算出图片中有哪些服饰，而给出每件服装颜色的量化比例，并可为图片打上时尚相关的标签，比如“显瘦显高”、“优雅淑女”、“OL通勤”等，就如同一位时尚专业人士在点评服饰。点击相关标签后，即可查看穿衣助手过去与标签相关的时尚搭配文章。除此之外，码隆也正在开发上传上衣图片，然后给出下装搭配与购买的功能。 
1.应用在“优料宝”的产品
雷锋网了解到，优料宝是面向买家和卖家布料交易平台，买家如果对拥有某种图案的布料感兴趣的话，可用以图搜图功能在优料宝上搜索相同或相似布料图案的卖家，码隆目前拥有数百万张布料数据集。
2.应用在“卷皮”的产品
与优料宝相似，用户可在卷皮网这一购物平台找到所传图片一模一样的或同一种风格的商品。并支持后台智能管理，对同样的商品进行归类、比价、去重处理。 
任何创新入口都会有巨头的进击，对于这一问题，黄鼎隆似乎并不担忧：
阿里现在已有近百人在做图像识别这个项目，纵使阿里的实力很强大，但在各个垂直商品领域并没有我们做的那么深入。而且阿里商品识别团队其实和码隆并不是直接的竞争对手，他们是服务于自己的平台如淘宝等，而ProductAI则是服务于穿衣助手和优料宝这些需要商品识别技术的产品。
除了上述提到的这些案例，码隆在非常传统、偏冷门的纺织行业有着自己的想法和行动。
聊到这一话题时，黄鼎隆眼中充满了憧憬。
国内纺织业相比于欧美国家在供应链、设计、材质等方面均落后一到两年时间，但在 AI 技术层面，中国领跑全世界。这时候当 AI 与纺织业相结合的话，或许可在时尚领域实现弯道超车。
时尚行业非常重要的一点就是时尚话语权在谁手中，当下这些掌权者无非就是全球几大时尚中心，他们在定义明年会流行趋势后，也会告知相关机构提前把原材料都备好，等到趋势起来后，双方就可以躺着赚钱了。
“我们近期与跟中国纺织信息中心合作，用人工智能学习流行色彩从而对流行趋势迅速做出判断。中国纺织信息中心每年会发出指导报告，公布明年流行的颜色，以便让供应商提前做好颜料和材料上的准备。以往中国纺织信息中心观察流行趋势，更多是派人员进行观看时装周来完成，我们知道时装秀周期很长，人员观看也往往存在主观和感觉上的分析，不能量化。”
根据这一痛点，ProductAI 根据全球各大秀场以及与多方面的流行色彩数据，基于深度学习把整个流行颜色的比例进行计算，从而分析时尚色彩及趋势。比如草木绿色的出现比例从去年 6% 提高到 12% ，就能得出草木绿色将会成为流行色的结论。计算出流行趋势后，便可帮助中国成千上万的面料生产商预测国际面料需求，从而优化生产和供应链渠道。
产品演示结束后，记者询问了以下三个问题：
如果满分为 100 分，你会为 ProductAI 打多少分?
我觉得 ProductAI 在我们所服务的商品识别领域，率先迈过了 60 分，率先达到客户可用、及格的阶段。以前很多商业场景一直想要这样一个产品，但最后结果却达不到基本可用的效果。
如果真要打分的话，现阶段我会为 ProductAI 打 65 分。当然， 这个 65 分是放在特定行业中的。好比我在清华读书时，微积分课程大家平均分都是 85 分，这个时候 60 分就不算高分。而当时也有一门叫《随机过程》的课，全班只有一个人过了 60分，很多人都是二三十分，这个时候达到 60 分线就很厉害。码隆科技正是切入了“随机过程”的场景。
如何弥补剩下的 35 分？
要弥补的东西非常多，我们主要做的是商品识别。从横向角度讲，商品的数量非常多，我们需要对不同的商品进行识别。纵向角度讲，每个商品都要提高识别精准度。
那您觉得这个行业的平均分是多少？
目前行业平均是及格线的一半多一点点，大概是 30 到 40 分的样子。
在说出 ProductAI 的分数和行业分数后，黄鼎隆马上又改口说到人工智能产品不能用打分来评价，衡量一个产品的维度是看这三项：有没有产品、有没有商业化、有没有帮助客户创造价值，满足了这三项便算得上是及格产品。
从小在深圳长大的黄鼎隆，身上天然带有任正非、马化腾、汪滔等深圳企业家的气质：克制、务实。
其中“克制”的一方面体现在他从不高谈阔论，很少谈及码隆以外的东西。聊完产品后，在雷锋网再三追问下，他谈了谈自己对行业的看法。
2016 年是国内整个 CV 行业舆论环境最为混沌的一年，罗振宇在跨年演讲中发出的“创业者不黑创业者”口号也急需渗透在人工智能产业界中。黄鼎隆认为，影响 AI 企业的很大因素是因为企业内部环境，而非外部环境。
可能很多从业者把问题指向外部环境：抱怨行业差、市场不成熟、时机未到、资金不足等等，其实问题的最大根源往往来自团队内部。去年我们也能看到，陆续有 AI 初创公司出现一些管理问题，内部相互指责、分崩离析。出了问题后，利益受到影响的在职员工以及离职员工会在网络社区匿名发泄，字里行间流露着出对企业和行业的悲观。这种戾气会传染，当初创团队很多人都在指出问题，而不是去解决问题时，公司一定会出毛病；当很多人在网上批评，却不去正视它的优点时，这个行业也会出毛病。
黄鼎隆认为，凝聚力和良好的氛围对一家初创公司来说十分重要，同时他也强调不要去刻意扩张团队和杂乱的业务线。一支有着共同目标的精炼团队即便走错了路，船也好调头，如果是一支凝聚力不强的大船，它在掉头的过程中很容易散架。
为了保持内部凝聚力，黄鼎隆对公司的扩张也十分克制，公司创立将近三年，随着产品线和业务线的迅速扩张，员工总数依旧不到 50 人。
“AI 公司其实用不到那么多人的，码隆不会刻意去扩大冗杂的业务线，我们只纵深做商品识别，这样内部也不会出现业务势力上的分歧。”
当提及如果大公司进入这个市场，团队人数并不庞大的 AI 初创公司会不会被吞噬这一问题时，黄鼎隆坚信在小市场的竞争中，初创公司有实力打赢巨头：
首先，小公司做的事情，大公司不一定会做。
巨头的一大优势就是人才多，但在 AI 领域，人多是没用的，人多是发挥不出它的优势的。
AI 其实跟教育有点相似，你找一百个老师和找一个好老师教小孩，不见得一百个教得更快更好。AI 领域也如此，它不像其他行业人多力量就大。创业公司可以做很多大公司无法做的事情，尤其是跟传统行业相结合的产业，小公司的优势可能更大。BAT 是不会放下身段，去做那么小的一件事，也不可能细入到很垂直、很小的行业去跟小公司抢占小市场。
那如何看待百度收购渡鸦科技一事？
陆奇在微软时就非常看重人机交互的研究，到百度后收购渡鸦科技其实也并不难理解。当下 AI 领域的人才非常稀缺，而优秀人才很多在创业公司，收购也是获得优秀人才非常重要的一个手段和途径。
但之前雷锋网采访余凯时后者说到国内巨头更倾向于高薪挖人 ，而不愿意收购公司？
国内人工智能刚刚兴起，其实绝大部分 AI 牛人都是从微软亚研和 IDL 等大机构出来的，既然这批人出来了，他们打心底是不会考虑回去的。我们就是从微软腾讯等大公司出来的，我们出来都是因为自己的抱负和愿景。因此大公司一般也不会去挖这些人，不会过多做无用功。举个很简单的例子，余凯从百度出来了，他还会考虑回百度吗？（笑）
最后，当谈到 AI 时代产品经理应该具备哪些特质时，资深产品人黄鼎隆谈到：
产品经理在互联网公司时代更像是流程中的一个环节，与开发、设计、测试、市场、销售在同一个链条中。人工智能技术在科学家做了大量创新之后已到了落地阶段，AI 产品经理的位置也越来越重要。
但现在阶段对 AI 产品经理有新的定义，只要能让 AI 落地，那他就是一个优秀的 PM。优秀的 AI 产品经理可以是一个研究员，他把算法落地。也许他是一个销售，寻找到一个 AI 商机，然后协调开发资源把这个机会背后的功能或产品做出来，那他也是产品经理。
与此同时，让 AI 落地不一定是产品经理做的事，而是整个公司都要考虑的事情，谁能让 AI 落地，谁就是产品经理。
交谈结束走出海景休息室后，大多员工已离开办公区下楼吃饭，而黄鼎隆则回到工位上继续工作。
上一次见黄鼎隆是两年前在微软创投加速器，那时人工智能在国内刚刚兴起，两年间 AI 受到空前的追捧，人工智能创业者也随之被耀眼的光环笼罩，高调登场。而现在的黄鼎隆与两年前并无变化，依旧一如既往的务实、克制。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
