人工智能（AI）已不再是個新奇的詞彙了。
2012年，Hinton教授帶領課題組首次參加ImageNet圖像識别比賽，其深度神經網絡算法以碾壓式的勝利橫掃比賽，在大洋兩岸掀起了一場人工智能風暴。
一時間，學術科研紅紅火火，技術産業百花齊放，AI熱潮席卷全球。
如今，十年過去了。
這十年間，有風口，也有泡沫，有狂熱，也有反思。在資本大戰、人才大戰、上市大戰輪番上演之後，市場終于逐漸冷靜下來，開始客觀地看待這場技術變革。
2022年，人們不再關注千層神經網絡、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，瑞為即将完成數億元的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裡建立足夠競争壁壘，能不能成為頭部玩家。”瑞為技術CEO詹東晖告訴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寫了全國1/3以上的民用機場，并且還在不斷擴充當中。
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年的營收實作了超過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。作為一家“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，詹東晖便憑借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計算将在端側完成，而雲端隻是剩餘20%”，這是詹東晖堅信的AI二八原則。
在今天，這是一個業内共識，然而在十年前，情況卻要複雜得多。
在行業尚未拿出成型終端AI晶片的發展初期，如何将複雜的深度神經網絡部署在功耗、算力、成本都有着極高限制的終端裝置上，是AI技術落地的一大挑戰。
為此，瑞為嘗試了包含ARM、DSP、GPU在内的多種不同晶片方案，最終選擇了FPGA作為端側算法開發的統一平台，相比常見的算法軟體開發，基于FPGA的算法開發無疑提升了一個量級的技術難度，但也正由于如此，接近ASIC化的晶片級算法實作，才能相比通用處理器展現出最優的性能功耗比和成本效益。
事實也證明了，瑞為當時的這一技術路徑選擇是正确的，也極具領先性。
2016年，某廣告廠商需要對廣告機智能更新，在現有機器内安裝AI模組，使其能夠進行廣告效果的AI分析。
于當時，對于AI應用而言，這是極難得的大規模商用場景。這一項目的競争自然也就非常激烈，幾乎所有數得上名字的AI創業公司都參與了競争。
然而，最大的挑戰在于，所有的分析都需要完全離線，而且還有成本和功耗的限制。
詹東晖坦言，跟當時同為競争者的AI公司們相比，瑞為在公司規模、品牌知名度、商務關系上都沒有優勢。
但基于對技術路徑與行業發展方向的正确預判，加之多年的智能硬體産業經驗，瑞為從一衆競争對手中脫穎而出，成為該項目的唯一供應商。
“我們第一批産品傳遞後，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内完成這一傳遞。”詹東晖說起這組資料時，多少帶着些藏不住的自豪。
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。
在廈門市警察局金磚遴選測評賽上，瑞為不僅通過FPGA方案解決了相機高溫發燙的問題，更是再次憑借抓拍率、去重率、成像品質、綜合得分全面第一的成績，成為了金磚峰會BRT站點、公安檢查站、主要幹道等場景的智能裝置提供商，迄今為止，裝置始終穩定運作。
AI浪起：深淘灘，低作堰
深度學習的商用，讓AI的能力得到了近乎質變的提升，AI，也才得以飛越計算機裡枯燥的代碼，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，選擇了“AI+公共安全”與“AI+商業數智化”兩條主航線，這其中，最突出的便是智慧機場這條細分賽道。
智慧機場出行
根據瑞為資料，目前，在國内機場的智慧安檢、智慧登機等應用領域，瑞為的市場占比穩居第一。
但其實，瑞為并不是最早一批瞄準智慧機場的AI企業，一直到2016年，瑞為才将發展重心轉向了智慧機場。
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更新改造項目。
詹東晖将它們稱作瑞為的“拐點”——“從那以後瑞為在行業内的知名度一下子打開了，因為大興機場用了很多我們的AI技術和産品。”
然而，攻克下這兩個項目，卻并沒有那麼容易。
最開始，瑞為接到的是北京首都國際機場智慧更新方案——航站樓的安檢口、登機口AI改造。
彼時，單純人臉識别算法的精度已經可以達到99%以上的準确率，但一旦放在實際應用場景中，情況就複雜得多。
以登機口的應用為例，由于登機口附近通常有着大面積的玻璃幕牆，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适應光線清晰成像，AI算法的可用性将急劇下降，難以保證正常運作。
為了攻克這一難題，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态算法。軟體硬體算法三管齊下，完美解決了登機口光線問題，真正實作全天候全地域的一緻性産品性能。
登機口應用的出色表現讓首都機場看到了瑞為的技術落地能力，而安檢口的AI更新，則全面展現了瑞為對于應用場景的深入洞察。
在最初設計安檢櫃台的AI識别終端裝置時，通常考慮的是覆寫身高1米～1.8米的人臉識别需求。
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，才能順利通過。
這并不是一個出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，将人臉識别覆寫範圍擴大到0.8米～2米。
更大的覆寫角度意味着更大的鏡頭畸變，更高的技術要求，以及更好的使用者體驗。
瑞為對場景的深入了解與項目的超預期傳遞不僅順利完成了驗收，更打動了首都機場。
此時，在智慧機場領域嶄露頭角的瑞為，接到了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表了全球智慧機場領域的領先技術與服務水準。
這一堪稱智慧機場“管上明珠”的項目成為了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，全都瞄準了這一項目。
機遇與挑戰永遠是并存的。人人都想參與大興機場的建設項目，可這一項目的困難程度遠超一般想象。
從2014年年底準許建設，到2019年9月正式投入營運，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，對于最後的智能化裝置的部署與調試，更是時間緊迫，任何延遲都将直接影響整座機場的開通。
一方面，大興機場所有的智能裝置都要特殊定制，從設計到研發，從試産到量産，對于傳遞品質與傳遞周期是極大考驗。
為了給現場團隊争取更多的部署時間，并且趕上預演的時間，瑞為産品團隊、算法團隊、光學團隊、供應鍊團隊等全都必須在最短時間内完成産品選型、外觀設計、生産、品控、測試、傳遞，“任何一個環節都不能掉鍊子”。
另一方面，在大興機場的建設期，機場附近的基礎設施配套不完備，為了確定項目的及時傳遞，完成近400台智能裝置的入場、部署、調試、演練，確定裝置可用、好用。瑞為駐紮機場現場的工程師全都自帶幹糧，一進機場就紮進去不出來，甚至睡在機場，争分奪秒趕工期。
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，確定裝置在各種光線環境下都能實作最優抓拍，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傳遞。
大興機場登機口的智能裝置
與大多數人預設的不同，詹東晖告訴36氪，切入機場領域，瑞為并沒有人們所想象的強大的商務網絡，或深厚的客戶關系。
能夠持續承接這些重大的人工智能項目，瑞為憑借的是市場的敏銳、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，正式投入營運。
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寫了全國1/2個千萬級機場，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家。
在這些項目的建設過程中，瑞為也積累了大量的産業know-how，使得其産品與解決方案進一步從智慧通行場景擴充到了智慧安檢場景，通過将AI與更多創新的傳感技術相結合，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，詹東晖将之歸納為“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别、語音助手、AI修圖……
這些應用替代了一些繁瑣的人工操作，為我們的生活帶來了便捷，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出特征，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“多赢”。
在瑞為參與打造某省貨運智能風控營運的案例中，我們隐約看到了這種“多赢”的雛形。
根據交通部出台的政策，兩客一危車輛和12噸以上重卡都必須安裝智能監控系統，并配備第三方風控營運服務，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在内的全套車載智能終端，更進一步與保險平台合作提供AI風控營運服務。
前端智能硬體實時監測可能影響行車安全的異常行為，後端平台綜合多元資料，通過AI決策自動進行事前預警與事中幹預，必要時還将輔助事後預防，不僅顯著降低了車輛行駛的事故率，更可為保險公司大幅降低賠付，改變過往面對風險被動賠付的傳統局面。
而整個項目的點睛之筆在于，司機并不需要為這套系統買單，所有費用的支出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、政府監管更輕松、保險收益更可控，真正的“一舉多赢”。
正如風控營運服務一樣，在“AI+商業數智化”領域，瑞為亦不斷向“多赢”價值服務拓展，面向商業地産，以星漢智慧大腦為核心，打通12個場景端的資料感覺與資料決策，真正實作B+b+c到C端的全管道全流程營銷閉環，解決商業地産的資料環流與融合管理。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。
從很多方面來講，瑞為都是一家“非典型”人工智能創業公司。
這十年間，面對投資人時，瑞為幾乎刻意地“躲開”了所有風口——AI晶片、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，面對一個風口，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，目标是一步步走出來的，而不能指望像揚沙，一下子飛很遠。”詹東晖說。
行穩緻遠——這是詹東晖回顧瑞為十年所給出的關鍵詞。
目前，人工智能已經走過了“從0到1”的十年，這項技術已經走出實驗室，在重點行業中找到了自己落地的支點。
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。
“大家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合多元度的技術才能完整地解決客戶痛點。”詹東晖告訴36氪。
從2012年的ImageNet算起，這一輪人工智能技術已經發展了十年。在下一個十年裡，市場所考驗的将是人工智能“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，推動人類社會不斷向前發展。
為了實作這一目标，我們也許需要更多的“非典型”人工智能公司。