人臉識別是基于個人臉部特征信息進行身份識別的一種生物識別技術。在20世紀60年代，便已經開始了最初的人臉識別研究，初級應用階段則是在20世紀90年代后期。

中國人臉識別初創企業集中成立于2010年以后，得益于深度學習算法、強大GPU算力支撐和大規模人臉數據庫在2014年之后的突破，使人臉識別技術取得了跨越發展，人臉識別技術開始從理論走向應用。伴隨人臉識別技術的高度成熟，2018年成為人臉識別大規模商業落地應用的重要節點，人臉識別真正在安防、金融、交通、教育等領域得到廣泛應用，意味著“刷臉”時代的到來。

然而，各領域對人臉識別應用需求的差異，以及行業開發滲透過程中的渠道建設和應用實施，都將對人臉識別的商業落地程度造成不同影響。因此，對于人臉識別初創企業來說，人臉識別發展不再是純粹的軟件算法研究升級，而是產業鏈完善建設的綜合生態。

自主芯片，打通上游

從根源上來看，人臉識別屬于計算機視覺，而計算機視覺在人工智能產業結構中，位于軟件算法層，這就意味著人臉識別技術想要應用落地，還離不開基礎硬件層的支持，這其中最直觀也是最核心的便是智能芯片。

今年十月初，美國將中國計算機視覺初創公司納入實體清單。從美國意圖來看，不單單是在經濟上阻礙中國人工智能產業發展，而是從底層的芯片技術上對中國計算機視覺應用發展進行制約。

雖然商湯科技和曠視科技等相關企業在第一時間對美國這一做法表示強烈抗議，并采取相關的應急預案。但不可否認的是，美國基礎芯片技術在全球都處于領先優勢，并且中國在短期內難以趕超，因此這一做法確實是能夠擊中中國人臉識別企業發展的軟肋。同時，即便有國內芯片供應商供貨，人臉識別企業也要面臨芯片價格的隨時調整，供貨成本過高影響企業利潤，芯片搭載兼容性無法滿足識別技術的快速迭代等問題。

因此，無論從內從外，芯片自主創新和自主生產都是人臉識別技術成熟發展應用過程中，企業無法回避的問題。在此條件下，依圖科技推出了自研視覺AI芯片“求索”，商湯科技除與芯片供應商合作外，也正在逐步打造基于自研算法的邊緣芯片。

芯片的自研發展是條漫長之路，不但要有大量資本的投入，還會面臨著許多風險，但如果想要實現人臉識別的穩定發展，打通上游產業鏈，芯片等基礎硬件自主掌控必不可少。

多層產品，全面覆蓋

人臉識別技術應用過程中，企業的單一化產品無法滿足多場景的應用需求，因此，產品多樣化成為不同場景滲透應用的基礎。以人臉識別目前產品來看，大致可分為三個層次，第一層是搭載芯片和算法的識別套件，第二層是擁有識別功能的標準化產品，第三層是針對標準化產品集成后的應用設備。

首先，第一層的識別套件通常是集成人臉識別SDK并授權激活后的產品，此套件可供系統集成商快速配套，并直接用于終端應用設備。對于人臉識別企業來說，模組套件的生產壓力相對較小，并可直接交由代工廠生產加工，但卻能快速提升產品的附加值，典型產品如百度的壁虎識別套件。

第二層的標準化產品是指具有人臉識別功能的攝像頭等視頻監控設備，由人臉識別企業直接提供給用戶和行業服務商。由于人臉識別企業通常是技術創新企業，因此僅有少數企業可直接生產標此類準化硬件產品，通常交由代工廠或硬件廠商進行生產。

第三層集成化應用設備為具有人臉識別功能的閘機、門禁、考勤機等，人臉識別企業通常不具備此類產品的生產能力，多由系統集成商提供或代為生產。

曠視科技可以看作產品覆蓋相對完善的代表企業，其產品已經實現了從軟到硬的轉變發展，不但擁有頂層云端服務器，還擁有下游應用攝像頭、閘機等系列產品，并且具備自主生產能力。通過軟硬一體產品，曠視實現了營收的快速增長，但卻在重資產的道路上越走越深。

以上三層幾乎可以涵蓋目前人臉識別產品端的所有環節，每增加完善一層，人臉識別企業便可提高一份附加值并提升企業的競爭力。但企業想要實現多層的發展，就必須要有足夠大的市場需求，能夠支撐企業對生產成本的把控，這其中還要面臨人工智能企業對工廠生產模式和生產效率掌控的不確定性。

綜合實施，能力提升

人臉識別技術商業應用過程中，企業的渠道建設和項目實施必不可少。但對于近幾年才成立的人工智能企業來說，最大的人員組成便是科研人員，同時由于成立時間短，所以各領域的行業資源積累較少，甚至短期內難以搭建有效的覆蓋渠道，這與行業中深耕多年的傳統企業相比，存在明顯的競爭差距。

如目前人臉識別應用市場最大的安防領域，2018年大型安防項目累計中標金額約735億元，中標企業多以?？低?/u>、浙江大華技術、華為等綜合型系統集成商為主。人臉識別項目除單獨招標外，還會包含在其他城市級大型項目中，而人臉識別企業卻很少具備綜合型項目的實施能力。