蘿蔔快了不洗泥，AI風口來了資本抱着錢着急，見着AI創業PPT就敢投，這是三年前國務院印發《新一代人工智能發展規劃》前後投資界對AI的火熱現象。
近三年以來AI在中國作為一門具有長遠前景的當紅技術，除了幾家互聯網平台巨頭在緊密跟進外，確實紅火了一批AI創業企業。隨着媒體的報道和關注，結果AI把用户和產業界“吃瓜羣眾”的胃口吊得高高的，大家都盼着一步跨進人工智能的好時代，體驗一番AI的高大上應用。一些AI創業企業也期望跟上時代的風口，分享AI的紅利。
然而AI從底層到基礎層，再到應用層是一個體系化的工程。同時從理論研究到產品研發、應用研發是一個互為轉化的過程，當然也是一個非常燒錢的工程。現如今AI的技術概念炒作期已結束，尤其在算法環節，產業界和用户圈更希望圍繞自己的實際需求或問題點，採用AI技術有針對性的轉化出實實在在的產品和應用解決方案，同時希望各家核心AI企業在他們面前PK一下，展現一下各自的水平。
在這種行業場景落地應用的需求驅動下，少數凝聚了技術實力的企業在繼續往前走，技術能力不佳或綜合實力不足的企業則陸續退出了AI隊伍。資本界和行業界也表現冷靜，AI企業在實際應用場景中的落地能力才能撩動他們曾經熱絡過的激情。
新技術必然面臨的5個階段
從目前的產業現實環境和AI技術的發展曲線規律看，AI已到了從技術轉向大規模應用落地臨門一腳的關鍵節點。產業的早期培育階段已經結束，但要跨向大規模的應用期，各類AI企業還得跨越從AI技術到產品、應用、行業化的門檻，即應用落地的門檻。同時，一些AI企業在粗放式成長之後正面臨研發、業務、人才、運營、資金等環節上不同程度的疲態，這種局面正把很多AI創業企業拖入淘汰的陷阱。不過，一定也有不少企業會跨過這個陷阱，諸如紫為雲則通過“專注技術，使能生態”的戰略戰術來跨越這個陷阱。
AI創業企業的淘汰是AI在行業應用落地過程中的必然現象，因為AI從技術研究到行業場景應用落地的零突破，本身就是一個艱難的探索過程。並不是先行的企業都必然走向成功或擁有最大的成就。
在產業發展進程的客觀規律支配下，目前規模化應用落地成為企業的痛點，跨過應用落地門檻的AI企業將成為AI產業的先驅，跨不過去的則可能倒下成為先烈。
在這個產業節點上，顧友良與清華AI人共同創建“紫為”和“紫為雲”品牌，在市場中擎起“AI使能”的大旗，其所依託的基礎是什麼？一是清華AI科研團隊具有的核心技術實力和能力，二是其對AI場景智能融合應用的深刻理解，三是其從業職場20餘年積累的生態夥伴資源。
紫為雲多維算法簇羣
AI企業好找，但能把AI與視頻圖像兩者在場景中進行深度結合應用的運籌者難找
循着監控的應用路徑，AI技術與視頻圖像結合應用是AI落地垂直細分行業直接而有效的路徑，也是最有前景的應用市場，是AI企業未來的藍海。
過去幾年裏，AI創業企業在各種試錯和產業配套環境逐步完善的過程中，找到了智能手機端的各種人證比對應用市場機會；有的則找到了銀行、政務的人證比對市場機會；有的找到了機場、高鐵乘客的票務、安檢人證比對市場機會，等等。
這些TOG、TOC端的應用業務給AI創業企業帶來了希望，但實際的業績回報規模並不大，於是AI企業轉到了視頻圖像應用最大的監控行業。視頻監控本身就是一個以視頻圖像為核心應用於各種垂直行業市場的技術和應用系統，其中公安和交通結合了視頻圖像的深度應用，無論從治安、刑偵、安全、應急、管理、效率等方面展現了極高的價值。當視頻監控與AI結合，產生了更具深度和廣度的行業應用價值，使得AI開啓了TOB端市場的廣闊發展空間。
但很多AI創業企業跳入視頻監控圈子後，卻在具體的行業場景應用落地環節卡殼了，因為他們很多並不精通於視頻監控，也不精通各垂直行業對視頻圖像的應用，更不熟悉用户業務流程與功能模塊的需求。只有積累了深厚的視頻圖像應用經驗和精準把握了用户業務需求的人，才能把AI和視頻監控圖像有效結合起來應用，同時又要跳出安防的固有思維來做AI使能、做數據應用。難點在於行業中能做到這一點的人鳳毛麟角。
顧友良或許就是這樣的人選之一。他在2001年就和團隊一起提出“監控為管理服務”的理念，2011年提出“IMS行業管理可視化”，2020年在業內又首提“VI可視智能”的理念。一些頭部企業密集地向他發出邀請，看中的就是他對產業的深厚洞察能力，對用户和系統商需求的深刻理解，以及在業務管理落地上的實戰能力。
圍繞視頻圖像的應用，顧友良專注行業20年，極具定力，親身經歷並推動了從模擬到數字到網絡、到平台的建設歷程；經歷了從單一產品到系統產品，到行業方案，再到行業系統方案，行業業務應用功能模塊的開發及落地應用歷程；並推動了雲、大數據、AI等新興技術的開發和應用落地。顧友良對用户和系統集成商在新技術應用方面的所思所想，以及新技術下的業務流程和業務架構的創新有深刻的理解，這些理解對推動AI、大數據、雲等新技術與視頻圖像的結合應用有莫大的價值。
在負責區域市場時，為深入市場一線，顧友良每年的行車裏程都在10萬公里以上，他常説要響應毛主席的教誨，“沒有調查，就沒有發言權”。負責全國市場體系時，顧友良每年的航班數都在100次以上，奔走在各個城市之間，從而把握市場的走向和需求的關鍵，並從用户和合作夥伴的角度去制定相關的策略，推動合作伙伴生態的發展。
同時，顧友良會根據戰略合作伙伴的特點和需要，根據行業發展的趨勢，圍繞對方企業在業務、市場、戰略等方面的需要，為其建言獻策，因此在區域市場上有不少受惠於他的建議而成功轉型升級的企業。在同業友商之間，顧友良還善於做協調，維護同行友商間的利益，常常能將彼此間“你死我活”的競爭關係協調成相互配合且能共贏的局面。2018年，他全票當選廣州市安防行業協會會長就是一個很好的寫照。
作為一個從基層成長起來的企業管理者和戰略設計者，顧友良敢於做瓶頸突破，能從整體上做企業戰略規劃，也能從戰術上做項目的執行與運作，甚至能從一個省或市的宏觀戰略層面，為主管部門提出一套宏觀架構與政策規劃思路建議來。因此，顧友良無論走到哪裏，都是深受用户，系統商，包括友商尊重的業內資深人士。
所以，在AI創業型企業紛紛尋找高段位的運籌者時，顧友良與清華大學AI技術的科研團隊經過一段時間的相識和相知過程，希望通過市場與技術的深度鉚合，不辜負清華大學領導的期望，去拼搏奮鬥，去努力實現“清華人AI理想”，讓清華的AI技術更簡單、更便捷、更安全地應用到社會產業中去，服務社會、服務老百姓。憑着對顧友良相識多年的瞭解，相信紫為雲有了顧友良擔任這個新平台的領隊，會有如一艘先進的戰艦配備了一個歷經實戰考驗且經驗豐富的艦長，其未來在市場上的表現值得關注。
為什麼選擇紫為雲？隨着AI等新技術的創業企業興起，在職場上顧友良近期接收到一些企業邀請，希望去負責市場營銷業務，其中有大型國有上市企業、有傳統視頻監控頭部上市企業、有互聯網AI平台巨頭、也有AI四小龍企業，更有一些計劃轉板的公司希望邀其入夥。
然而，在AI泡沫期出現，在疫情防控新常態的當下，顧友良卻毅然選擇自我創業，對一位職業生涯20年的職業經理人來説，這需要一種果敢和魄力。顧友良聯合清華AI科研團隊創建紫為技術，同時出任紫為技術和紫為雲的CEO，一是因為紫為雲AI技術團隊在人臉、行人、步態、車、物體特徵識別、OCR文字識別、物體關係推理等方面的算法研究取得了諸多技術成果；二是具備整合指掌紋、靜脈等生物特徵識別，語音識別，語義處理，輔助駕駛，工業智能等方面有諸多可以聯合開發的生態算法成果；更為重要的是紫為雲AI創業團隊成員的每一個人都擁有一顆“清華人AI理想”的熾熱之心，他們有一股為之勤勉，為之奮鬥的精神與激情。
紫為技術&紫為雲的創業骨幹成員多數源自清華大學電子工程系王生進教授所帶領的團隊。在過去的數年裏，王生進教授帶領的清華團隊在人臉識別、人臉檢測、ReID行人再識別、無人機視覺檢測、國際無人駕駛數據集、語音識別技術、物體檢測、文字識別等領域發表了許多國際頂級會議和期刊論文，取得了多項國際測試競賽的優秀獎項。2019年10月，其主導研究的“跨視域行人再識別的特徵學習理論與計算研究方法”獲得“第九屆吳文俊人工智能科學技術自然科學二等獎”。
作為清華AI人創業的紫為雲團隊，他們期望把人工智能領域研究出來的理論與方法幫助應用層的各行業企業解決AI算法技術缺乏的問題，打通AI算法技術瓶頸，構建AI應用創新的能力體系，實現各類企業在各自行業AI應用創新的目標，進而推動中國AI應用創新的全面發展，為國家“智能+”、新基建戰略的實現添磚加瓦，從而實現清華AI人做人工智能科研的產業價值。
在基礎算法技術已經有了很大發展的基礎上，AI算法企業之間的技術PK焦點體現在大數據量算法、特定場景小樣本數據算法、ReID、聚類等算法技術上的研究，而市場的PK焦點則體現在不同行業、不同場景項目中的算法細分研究和細節優化能力，以及項目場景應用落地能力上。
目前，紫為雲在人臉識別、車輛特徵識別、行人再識別ReID、AI醫療影像結構化、智能環保大數據分析、智能製造工業檢測、AI-3D服裝設計等方面都取得了一定成果和落地，並配合清華大學某機構與國家某部委展開了AI算法的深度研究開發，也與一些具有國際影響力的核心中國企業開展了深度的技術研究與項目合作。
當然，除了看重技術優勢，顧友良也堅信“紫為雲”定位AI使能，立足“智能+”可以預期的廣闊市場發展空間。
在用户和系統應用商已經日趨理性，同時資本也更加客觀的審視AI企業在應用落地方面的實戰能力時，紫為雲作為核心AI算法企業之一，其跨越新技術產業化應用的動力強勁、潛力十足。顧友良的加入，使其領先的AI技術能力得到了市場推力的賦能，會成為紫為雲企業迭代發展的關鍵一步，將開啓紫為雲企業成長的新階段。紫為雲將有可能成長為中國AI場景智能時代的領軍企業之一。