“這個産品挺炫酷，但似乎沒什麼用”
這句話曾不止一次的萦繞在黃鼎隆耳際。
2015 年，碼隆科技推出基于圖像識别技術的 app 産品 styleai，使用者可上傳任意圖檔素材，styleai 會根據圖檔中的色彩等元素，回報出與之風格相似或相同的時尚單品圖檔。
由于當時國内市場上把圖像識别技術應用在消費級産品中的案例較為少見，styleai 的出現無疑讓不少人感受到了 ai 的美輪美奂。
然而拿獎拿到手軟的産品 styleai 在面對市場考驗時，其表現遠不如創新大賽中評委給它的分數。如同奧斯卡最佳影片在票房上永遠打不過好萊塢商業科幻大片一般。
科技與影視行業不同，這個市場對好産品的定義其實很簡單，就是“有用、能用、好用”，對好公司的定義更簡單，不過是“能賺錢”。資本市場不相信大獎，也不相信小而美。
2014
年 7 月，黃鼎隆與 matt
成立了碼隆科技公司，緻力于用計算機視覺和深度學習撬動時尚産業。黃鼎隆是清華大學工業工程學士-清華大學人機互動博士，師從美國工程院院士薩文迪教授，曆任微軟
msn 産品總監，騰訊微網誌事業部商業産品總監，trip advisor 中國區産品副總裁。黃鼎隆的搭檔 matt
則擁有十多年的開發經驗，曾任微軟亞洲研究院進階研發主管，擁有 40 多項中美專利、13 篇國際頂級論文。
與黃鼎隆聊了一個半小時，絕大部分時間是他在認真講述并示範他們在去年推出的産品：productai。從示範的純熟度可以看出這些流程他已經給别人講述了無數遍，但仍舊不願跳過任何一個細節，猶如家長在鄰居面前提自家孩子一樣，把同一個故事說了一百遍後，願意繼續講第二百遍。
“styleai 這個産品，我們确實走了商業上的彎路。當時我們選擇做消費級産品 styleai，這在大趨勢下是個錯誤的決定，是個逆潮流而動的事，現在已經沒有多少使用者有嘗試新 app 的意願。”
styleai 在商業上走了彎路後，産品出身的黃鼎隆并沒有以一個行業分析者的角度去看待問題，沒随大流轉型去做熱門的、蛋糕大的方向，而是以産品的角度去重新審視 styleai。
經過許久的研究和思考後，黃鼎隆得出這樣一個結論：
我們的産品和技術沒問題，我們在技術層面肯定走了正确的路。
c 端産品哪怕隻有一個使用者，也必須得保證優質的使用者體驗，需把體系中每個環節的銜接都打磨到位，它提供的是一整套流程，而 b 端産品籠統上講隻需提供一個環節。為了做出 c 端産品 styleai ，黃鼎隆和 cto 碼特不得不把端到端的整個體系搭建出來。
“做消費級産品對工程和體驗要求很高，很簡單的一個例子，使用者拍照然後進行識别，如果識别了 10 秒才出結果，這一定不是好産品。”
但随着 styleai 在商業上的曲折探索，他們決定把 styleai 這一整套的技術、工程以及互動植入在 b 端産品 productai 中。
“市場上很多 app 已經積累了非常豐富的使用者和資料，那為什麼不把我們的技術服務于這些擁有這麼多使用者量的客戶？這樣就可以間接服務上千萬上億的使用者，盡快發揮技術的作用。”
黃鼎隆認為，碼隆的技術如果僅僅服務于數量有限的普通消費級使用者會有些浪費，如果把 styleai 進行延續并更新為 to b 産品，進而整合為一套端對端的解決方案，為客戶提供模型、資料采集、标注等一整套服務，無疑會發揮它更大的價值。
這期間，他也反複提到這句話：真正的人工智能，不在于自己有多智能，而是在于能不能讓别人變得智能。現在很多人工智能産品都在炫耀自己有多智能，自己很聰明，但卻不能幫助别人更聰明。人工智能真正的商業化，一定是讓别人變得更聰明。
随後，黃鼎隆展示了他們的産品 productai。
productai 最核心的功能是商品識别。商品識别有别于人臉識别，人臉形态相比而言比較固定，而商品如衣服和布料等柔性物體，會發生扭曲、折疊、遮擋的情況，而且商品數量非常之繁多，使得其橫縱向識别難度均非常大。
1.應用在“穿衣助手”上的産品
通過圖像識别技術計算出圖檔中有哪些服飾，而給出每件服裝顔色的量化比例，并可為圖檔打上時尚相關的标簽，比如“顯瘦顯高”、“優雅淑女”、“ol通勤”等，就如同一位時尚專業人士在點評服飾。點選相關标簽後，即可檢視穿衣助手過去與标簽相關的時尚搭配文章。除此之外，碼隆也正在開發上傳上衣圖檔，然後給出下裝搭配與購買的功能。
1.應用在“優料寶”的産品
雷鋒網了解到，優料寶是面向買家和賣家布料交易平台，買家如果對擁有某種圖案的布料感興趣的話，可用以圖搜圖功能在優料寶上搜尋相同或相似布料圖案的賣家，碼隆目前擁有數百萬張布料資料集。
2.應用在“卷皮”的産品
與優料寶相似，使用者可在卷皮網這一購物平台找到所傳圖檔一模一樣的或同一種風格的商品。并支援背景智能管理，對同樣的商品進行歸類、比價、去重處理。
任何創新入口都會有巨頭的進擊，對于這一問題，黃鼎隆似乎并不擔憂：
阿裡現在已有近百人在做圖像識别這個項目，縱使阿裡的實力很強大，但在各個垂直商品領域并沒有我們做的那麼深入。而且阿裡商品識别團隊其實和碼隆并不是直接的競争對手，他們是服務于自己的平台如淘寶等，而productai則是服務于穿衣助手和優料寶這些需要商品識别技術的産品。
除了上述提到的這些案例，碼隆在非常傳統、偏冷門的紡織行業有着自己的想法和行動。
聊到這一話題時，黃鼎隆眼中充滿了憧憬。
國内紡織業相比于歐美國家在供應鍊、設計、材質等方面均落後一到兩年時間，但在 ai 技術層面，中國領跑全世界。這時候當 ai 與紡織業相結合的話，或許可在時尚領域實作彎道超車。
時尚行業非常重要的一點就是時尚話語權在誰手中，當下這些掌權者無非就是全球幾大時尚中心，他們在定義明年會流行趨勢後，也會告知相關機構提前把原材料都備好，等到趨勢起來後，雙方就可以躺着賺錢了。
“我們近期與跟中國紡織資訊中心合作，用人工智能學習流行色彩進而對流行趨勢迅速做出判斷。中國紡織資訊中心每年會發出指導報告，公布明年流行的顔色，以便讓供應商提前做好顔料和材料上的準備。以往中國紡織資訊中心觀察流行趨勢，更多是派人員進行觀看時裝周來完成，我們知道時裝秀周期很長，人員觀看也往往存在主觀和感覺上的分析，不能量化。”
根據這一痛點，productai
根據全球各大秀場以及與多方面的流行色彩資料，基于深度學習把整個流行顔色的比例進行計算，進而分析時尚色彩及趨勢。比如草木綠色的出現比例從去年
6% 提高到 12%
，就能得出草木綠色将會成為流行色的結論。計算出流行趨勢後，便可幫助中國成千上萬的面料生産商預測國際面料需求，進而優化生産和供應鍊管道。
産品示範結束後，記者詢問了以下三個問題：
如果滿分為 100 分，你會為 productai 打多少分?
我覺得 productai 在我們所服務的商品識别領域，率先邁過了 60 分，率先達到客戶可用、及格的階段。以前很多商業場景一直想要這樣一個産品，但最後結果卻達不到基本可用的效果。
如果真要打分的話，現階段我會為
productai 打 65 分。當然， 這個 65 分是放在特定行業中的。好比我在清華讀書時，微積分課程大家平均分都是 85 分，這個時候
60 分就不算高分。而當時也有一門叫《随機過程》的課，全班隻有一個人過了 60分，很多人都是二三十分，這個時候達到 60
分線就很厲害。碼隆科技正是切入了“随機過程”的場景。
如何彌補剩下的 35 分？
要彌補的東西非常多，我們主要做的是商品識别。從橫向角度講，商品的數量非常多，我們需要對不同的商品進行識别。縱向角度講，每個商品都要提高識别精準度。
那您覺得這個行業的平均分是多少？
目前行業平均是及格線的一半多一點點，大概是 30 到 40 分的樣子。
在說出 productai 的分數和行業分數後，黃鼎隆馬上又改口說到人工智能産品不能用打分來評價，衡量一個産品的次元是看這三項：有沒有産品、有沒有商業化、有沒有幫助客戶創造價值，滿足了這三項便算得上是及格産品。
從小在深圳長大的黃鼎隆，身上天然帶有任正非、馬化騰、汪滔等深圳企業家的氣質：克制、務實。
其中“克制”的一方面展現在他從不高談闊論，很少談及碼隆以外的東西。聊完産品後，在雷鋒網再三追問下，他談了談自己對行業的看法。
2016 年是國内整個 cv 行業輿論環境最為混沌的一年，羅振宇在跨年演講中發出的“創業者不黑創業者”口号也急需滲透在人工智能産業界中。黃鼎隆認為，影響 ai 企業的很大因素是因為企業内部環境，而非外部環境。
可能很多從業者把問題指向外部環境：抱怨行業差、市場不成熟、時機未到、資金不足等等，其實問題的最大根源往往來自團隊内部。去年我們也能看到，陸續有 ai 初創公司出現一些管理問題，内部互相指責、分崩離析。出了問題後，利益受到影響的在職員工以及離職員工會在網絡社群匿名發洩，字裡行間流露着出對企業和行業的悲觀。這種戾氣會傳染，當初創團隊很多人都在指出問題，而不是去解決問題時，公司一定會出毛病；當很多人在網上批評，卻不去正視它的優點時，這個行業也會出毛病。
黃鼎隆認為，凝聚力和良好的氛圍對一家初創公司來說十分重要，同時他也強調不要去刻意擴張團隊和雜亂的業務線。一支有着共同目标的精煉團隊即便走錯了路，船也好調頭，如果是一支凝聚力不強的大船，它在掉頭的過程中很容易散架。
為了保持内部凝聚力，黃鼎隆對公司的擴張也十分克制，公司創立将近三年，随着産品線和業務線的迅速擴張，員工總數依舊不到 50 人。
“ai 公司其實用不到那麼多人的，碼隆不會刻意去擴大冗雜的業務線，我們隻縱深做商品識别，這樣内部也不會出現業務勢力上的分歧。”
當提及如果大公司進入這個市場，團隊人數并不龐大的 ai 初創公司會不會被吞噬這一問題時，黃鼎隆堅信在小市場的競争中，初創公司有實力打赢巨頭：
首先，小公司做的事情，大公司不一定會做。
巨頭的一大優勢就是人才多，但在 ai 領域，人多是沒用的，人多是發揮不出它的優勢的。
其實跟教育有點相似，你找一百個老師和找一個好老師教小孩，不見得一百個教得更快更好。ai
領域也如此，它不像其他行業人多力量就大。創業公司可以做很多大公司無法做的事情，尤其是跟傳統行業相結合的産業，小公司的優勢可能更大。bat
是不會放下身段，去做那麼小的一件事，也不可能細入到很垂直、很小的行業去跟小公司搶占小市場。
那如何看待百度收購渡鴉科技一事？
陸奇在微軟時就非常看重人機互動的研究，到百度後收購渡鴉科技其實也并不難了解。當下 ai 領域的人才非常稀缺，而優秀人才很多在創業公司，收購也是獲得優秀人才非常重要的一個手段和途徑。
但之前雷鋒網(公衆号：雷鋒網)采訪餘凱時後者說到國内巨頭更傾向于高薪挖人 ，而不願意收購公司？
國内人工智能剛剛興起，其實絕大部分
ai 牛人都是從微軟亞研和 idl
等大機構出來的，既然這批人出來了，他們打心底是不會考慮回去的。我們就是從微軟騰訊等大公司出來的，我們出來都是因為自己的抱負和願景。是以大公司一般也不會去挖這些人，不會過多做無用功。舉個很簡單的例子，餘凱從百度出來了，他還會考慮回百度嗎？（笑）
最後，當談到 ai 時代産品經理應該具備哪些特質時，資深産品人黃鼎隆談到：
産品經理在網際網路公司時代更像是流程中的一個環節，與開發、設計、測試、市場、銷售在同一個鍊條中。人工智能技術在科學家做了大量創新之後已到了落地階段，ai 産品經理的位置也越來越重要。
但現在階段對 ai 産品經理有新的定義，隻要能讓 ai 落地，那他就是一個優秀的 pm。優秀的 ai 産品經理可以是一個研究員，他把算法落地。也許他是一個銷售，尋找到一個 ai 商機，然後協調開發資源把這個機會背後的功能或産品做出來，那他也是産品經理。
與此同時，讓 ai 落地不一定是産品經理做的事，而是整個公司都要考慮的事情，誰能讓 ai 落地，誰就是産品經理。
交談結束走出海景休息室後，大多員工已離開辦公區下樓吃飯，而黃鼎隆則回到工位上繼續工作。
上一次見黃鼎隆是兩年前在微軟創投加速器，那時人工智能在國内剛剛興起，兩年間 ai 受到空前的追捧，人工智能創業者也随之被耀眼的光環籠罩，高調登場。而現在的黃鼎隆與兩年前并無變化，依舊一如既往的務實、克制。
本文作者：亞峰