AI市场现状分析
●学术研究层面
目前我国人工智能论文发文量全球领先。从研究方向看，逐步由机器学习向深度学习转变。深度学习从一开始的深度神经网络到循环神经网络、卷积神经网络，再到生成对抗网络，AI核心技术不断取得创新突破。近两年深度学习的一个分支——图神经网络又成为新的热点研究方向并引发AI应用热潮。据中国知网相关数据显示，截至2020年9月，AI相关期刊论文的发表数量达到22000+篇。同时，从研究纵深看，人工智能从以“计算机视觉、智能语音领域”为典型特点的感知智能阶段向以“迁移学习、类脑学习”为代表的认知智能方向发展，与传统深度学习不断融合，助推人工智能向认知智能过渡。
●资本加持层面
据“亿欧数据”的相关统计数据显示，2012--2018平均每年流入AI领域的私募资金规模不低于1000亿元；2019年6月，中国科创板正式开板，成为科创企业重要的融资渠道。早期成立的AI企业在技术、产品、资本的助推下，落地场景和商业形态基本形成，发展路径逐渐清晰，具备高成长性。而科创板的创立，有效形成了私募市场和二级资本市场的衔接，为需要大量资金推进的优秀AI企业提供了重要融资渠道，助推其快速地迈向下一个发展阶段。
●政策扶持层面
2015-2016年，中央连续发布《“互联网+”行动指导意见》和《“互联网+”人工智能三年行动实施方案》，重点推动人工智能核心技术的突破；2017年国务院发布《新一代人工智能发展规划》，至此人工智能正式上升到国家战略层面。同时国务院明确提出“必须加速人工智能深度应用”，随后《促进新一代人工智能产业发展三年行动计划（2018-2020年）》发布，从各个方面详细规划了人工智能在未来三年的重点发展方向与目标。2019-2020年，国家充分发挥了地方主体作用和发展“新基建”，将“人工智能”列入国家“十四五规划”的重点发展领域，将助推中国人工智能发展迈向更高的台阶。
●技术应用层面
整体来看，2012年至今年4月期间，13种主流技术应用占比结构具有强延续性，其中计算机视觉类、数据挖掘类、机器学习类、智能语音类、机器和生物识别类企业数量在2014-2018年间迅速增加，并随着AI创业热潮的回落，AI企业经营持续稳定，各类技术应用保持了相对稳定的格局。截至今年4月，生物识别技术在13种主流技术中占10%，成为AI应用增速最快，占比排第6位的应用技术。
●行业落地层面
随着以GPU、FPGA、ASIC和类脑芯片为代表的AI芯片迭代发展，其算力和功耗等性能实现快速提升，为终端设备实现本地智能化提供了可能。同时，实时响应的需求也在不断拉近人工智能与终端设备的距离，例如在自动驾驶领域，车辆需要对海量环境感知数据实现毫秒级的响应速度，本地智能计算不仅能实现高可靠、低延时决策，同时还能克服汽车非联网驾驶环境等极端情况；从而使得AI部署从以云端“训练+推理”模式逐步向“云端训练+本地推理”模式，并持续向本地“训练+推理”为典型代表的边缘计算方向发展。根据亿欧智库统计，经过近10余年的快速发展，中国人工智能企业更聚焦于To B业务，行业解决方案、企业服务、机器人、大健康、安防等赛道是AI企业的重点关注领域。
我们的定位与使命
前面说到在AI主流的技术应用中，生物识别技术成为人工智能领域应用占比第6位的技术。目前，主流的生物识别技术主要有指纹、虹膜、声音、静脉、人脸识别等。
人的脸部特征与其它生物特征（如指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。人脸识别与其它类型的生物识别（如语音、静脉等）相比具有如下特点：
1、非强制性
用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像；
2、非接触性
用户不需要和设备直接接触就能获取人脸图像；
3、并发性
在实际应用场景下可以进行多个人脸的分拣、判断及识别；并且符合视觉特性——以貌识人，以及操作简单、结果直观、隐蔽性好等特点，其广泛应用门禁/考勤、金融、安防、教育、社交娱乐、智能交通、智能商业等细分场景。
据行业知名咨询公司数据显示，截至2019年底，全球人脸识别市场达到1080亿元，未来5年的年化复合增长率达到17.83%；中国市场，截至2019年底，市场规模达到115亿元，未来5年的年化复合增长率将达到27%。
然而，在国内的人脸识别应用中，企业客户通常采用硬件自研，算法自研或外购的方式进行设计和开发，存在研发成本高、难度大、开发周期长的痛点。
