撰稿：贾   宁 

机器一下下打着棉花，纺锤高速旋转，轰鸣的纺织工厂仿佛咆哮的巨人。

中国纺织业产量占据全球的一半，是名副其实的「世界工厂」。

这里也是一个被互联网忽略的世界，几十年来流通模式没有变化，面对面交流，肉眼判断面料，再接单、生产、发货。

码隆科技联合创始人兼CEO黄鼎隆却看到了不一样的机遇。源源不断的产出，不就是浩浩荡荡的数据吗？数据，是人工智能最好的「粮食」。

▲码隆科技联合创始人兼CEO 黄鼎隆

基于「世界工厂」海量的数据，码隆科技想做机器视觉领域的谷歌。谷歌将关键字与网页连接起来，而他们想做商品识别，把图片和每一个商品连接起来。

01

确定方向

黄鼎隆和新经济100人聊起他看《明朝那些事儿》，讲到捕鱼儿海战役，蓝玉深入到荒漠，敌人藏起来不露面，一片荒漠空无一人，到底该往哪个方向，扑错了就全军覆没。那种迷茫，黄鼎隆心有戚戚，就像自己创业带着一群兄弟，寻找方向时承受着巨大压力。

黄鼎隆的创业伙伴、码隆科技联合创始人兼CTO Matt Scott（码特），是一位在中国工作了十多年的美国人。他们俩在微软工作时已是一对黄金搭档，一起合作开发了必应词典。

▲码隆科技联合创始人兼CTO Matt Scott

（来源GMIC，码隆科技提供）

那时候，他们就认为文本内容领域，大果子已被摘完，没什么创业机会。但是，图片、视频包含的信息比文本更丰富，却没有人做，这是一座巨大的金矿。

两人做了一些尝试，发现技术不成熟，金矿摆在眼前，没法挖。黄鼎隆把金矿放进了心里，收藏起来。

直到深度学习出现，他们意识到，时机来了。

2014年7月，五个人，挤在中关村的一间小杂物间里，开始了他们的创业。

在电影《穿普拉达的女王》中，时尚杂志主编米兰达利用自身对品牌服饰的了解，细数「天蓝色」的来由，在气势上压倒新人安迪。在黄鼎隆看来，在这里，米兰达与安迪之间的差距是可以用图片搜索来弥补的。安迪对着天蓝色的衣服拍一张照，再上传、搜索，就可以获得有关颜色、面料的信息。

这是黄鼎隆想做的。

最初，码隆从C端切入，做以图搜衣、拍照购物的App StyleAI。做了快两年，黄鼎隆发现，技术可行，对用户也有价值，但移动互联网的增长红利消失，App推广太慢了。

AI模型早期需要数据喂养，在服务C端客户方面，当时各种时尚类App都算是码隆的竞争对手。黄鼎隆琢磨，如果把他们变成合作伙伴，是不是更利于码隆AI技术的成熟？

2016年，码隆推出了ProductAI，将商品识别技术搬到云上，变成PaaS平台，厂商通过API接口调用，一次费用从几分、几角到几元不等，识别范围也从单一的服装拓展到了全品类商品。

一张图片打30到50个标签，人工成本大约是2元，通过ProductAI打标签，不仅准确率提升，可24小时不间断工作，并且每张图片成本降低到0.02元。

低价是黄鼎隆快速获取数据的方式，「数据对我们的意义更大」。

2017年，码隆客户上传各种优质商品图片超过3亿张。

ProductAI也成了码隆吸引各行各业客户的窗口。

码隆科技产品负责人傅恺告诉新经济100人，除了电商，医疗、化工、农机等传统行业的客户也不断加入平台。

▲ProductAI人工智能服务平台

有些企业看重数据的隐私和安全问题，不愿意开放数据。因此，2018年，ProductAI又往企业化方向发展。码隆将平台的数据处理、数据标注以及图片压缩等技术打包，一并提供给企业客户。

这类似云计算从公有云到混合云、私有云的发展路径，码隆也找到了从PaaS平台到适合企业的私有化、本地化部署方式。就像自来水一样，AI技术将在未来流入千万企业。

2017年11月10日，码隆科技宣布获得来自软银中国领投的2.2亿元B轮融资，累计融资达2.94亿元。

02

摸索商业化

码隆科技商务副总裁王海鹰拜访一家五金客户，对方拿出比两块砖头还厚的销售手册，印着十几万个SKU，小小一颗螺丝钉就有多种规格。

这样一家年销售百亿元的大型企业，销售员需要带着厚厚的手册，一页页为客户翻找产品。对方告诉王海鹰，希望能更方便快捷地查找产品。

码隆的AI技术跟客户的App结合，拍照即可搜索产品，提升效率和体验。

「从长期来看，人工智能跟传统实体经济的结合会更紧密，这也是人工智能商业价值最大所在。」王海鹰说。

码隆科技战略合作副总裁王春升希望在新技术与旧企业之间搭起一座桥梁。

人工智能商品识别应用于政府、制造和流通，是他为码隆画下的三个重点领域。

与政府层面的合作，包括海关、知识产权、金融以及安防。

安防领域，从人脸识别入手，前有商汤科技、旷视科技、依图科技。码隆想切入，需要另辟蹊径。

王春升了解到，现场目击者往往很难描述清楚犯罪嫌疑人的面部特征，但会记得其穿的是什么样的鞋子和衣服，这是码隆可以施展拳脚的地方。

此外，机场、地铁等公共场所的安检，以前依靠人眼识别X光扫描结果，码隆和安防供应商合作，提供具有识别能力的硬件设备，可替代一部分人力工作。

制造业的品控、库存管理等也是码隆瞄准的目标。

纺织服装行业是码隆的大本营，已经覆盖纺织面料B2B平台的70%到80%，近半数服装平台也是码隆客户，包括唯品会、敦煌网，以及珂莱蒂尔等品牌服饰。

机器在颜色识别、面料检验上比人做得更好。按照RGB值，光红色就有数十种不同的深浅、明暗，机器可以轻松地区别，准确率比人眼更高。

面料成分需要检验员通过显微镜成像来观察纤维，判断成分。培养一名检验员需要三到五年时间，而且工作比较枯燥，年轻人不愿意做。这正好可以用机器替代，码隆单纤维识别率达到99%，正在开发复合纤维识别模型。

▲码隆科技online demo图片测试

流通领域，王春升认为最大的业务价值在于销售预测。

2017年初，码隆与中国纺织信息中心、国家纺织产品开发中心合作，共同发布了基于人工智能图像识别技术、全球首份通过大数据信息提取生成的时尚色彩研究报告。

报告对2016年春夏、2016年秋冬、2017年春夏2万多张各大品牌秀场图片中的服饰进行色彩提取、识别、整理，生成统计分析结果，预测2018年春夏的关键色彩。

切入流通领域，码隆面临着来自淘宝和京东的压力，巨头在商品数据和识别技术上积累丰富，拍照搜索已经成了京东和淘宝App的标配。不过，码隆的独立性和中立性能够吸引其他新零售玩家使用码隆的引擎。

例如，码隆推出了针对无人货柜的视觉识别解决方案。无人货柜缺乏技术手段监督的时候，盗损严重。码隆的解决方案是在货柜安装摄像头，后端连接到ProductAI，用户扫码打开货柜取出货物，机器实时识别商品，自动扣款。

03

同步全球化

2017年10月，美国一家国际零售企业总部，全球七八家无人零售解决方案供应商竞赛，最终码隆获胜。

巨头想要的是大型商超无人结算解决方案，方案要求顾客走出超市时，能够对购物车里的商品进行自动识别。码隆将识别技术打包放在客户本地机器里，包括模型和所有商品数据。方案核心在于，码隆能够不断更新模型，并将模型推送到本地部署的机器里。这是ProductAI的一个典型应用，从训练到更新模型，再到提供服务，全部都在客户本地实现。

日本这个老龄化程度最高的国家也有类似的需求，便利店三巨头7-11、全家、罗森，原本标志性的24小时营业已经越来越难达成，某些地区没有人愿意再上晚上10点以后的夜班，或者店面难以负担人力成本，不得不关闭。

黄鼎隆、Matt Scott两位码隆科技联合创始人，分别是中国人和美国人，一开始就有全球化的基因。

几乎与拓展国内市场同步，码隆在全球范围寻找可落地的商业场景。与多数中国创业公司从东南亚起步的出海路径不同，码隆首先选择的是人力成本最高的欧美日，这些区域对节省人力的需求最为迫切。在发达国家市场，码隆的打法是自上而下，从行业巨头开始攻克。

「我们现在更注重寻找战略性客户，不纯粹以收入为目的。谁有数据、谁有足够深的行业洞察，谁能在某个层面和我们达成战略合作，这最重要。」黄鼎隆说。

一次，美国一家传统行业的公司找到码隆，该公司没有互联网基础设施，如果直接提供人工智能算法，客户没法使用。

Matt Scott花了一个星期时间带着团队做出了硬件设计方案，在深圳找到技术提供商，通过3D打印等方式，把样机做出来。客户拿到样机，直接部署到本地场景里，不需要追加投资，搭建一个大数据部门。

在此之前，码隆是没有硬件经验的。码隆科技国际事务副总裁夏冰称那段时间是Matt Scott的「冠军时刻」：**时间压力，不眠不休，组装现场一旦出现问题，快速解决，专注到仿佛世界不存在。

这场PK赛中，对手有谷歌和微软等巨头，码隆凭借软硬件一体化的解决方案，胜出。

这也是码隆设立在深圳的原因——有强大的硬件设计和生产能力作后盾。

全国约70%智能硬件出自深圳，人工智能与之碰撞出了火花。

「如果说半导体时代和互联网时代，世界的创新中心是在以硅谷为核心的旧金山大湾区，人工智能时代的的世界创新中心，我们应该努力让它放在以深圳为核心的粤港澳大湾区。」黄鼎隆说。

给予码隆全球化更多底气的是中国这个世界工厂。

根据中国海关数据，2017年，中国出口面料549.4亿美元。找面料是世界通行的难题，因为语言很难表达所需面料。日本从中国进口面料，不仅要雇佣中国人在批发市场寻找面料，还得派日本人跟随，需要解决语言障碍问题，成本相当高。

码隆刚到日本时，日本企业的态度是抗拒，不相信中国创业公司技术领先。现在，码隆正在与日本纺织进出口协会合作，准备建立中国面料数据平台，日企通过图片就能找到想要的面料。

「世界一半的服装在中国生产，一半的服装数据在中国。任何一个国家的数据都没有我多，你怎么跟我竞争呢？」黄鼎隆说。

经过几年的摸石头过河，黄鼎隆认为大方向没变过：「我要做人工智能和实体经济的结合。在实体经济里，世界的运作围绕着各种商品，包括商品的设计、管理、交易等等。」

「商品识别这个大方向可以切入很多行业，比如零售和服装，我们很看好，今年会做更多的尝试。可单单选定行业还不够，我们还需要聚焦这个行业的那些有价值的具体问题。」

捕鱼儿海战役里，蓝玉耐心等待，终于从斥候那里获得情报，确定北元小朝廷位置，直扑大本营，大胜而归。

在战略上，黄鼎隆和Matt Scott两人分工合作，一人侧重产品与市场，一人侧重技术。两人有分歧时，就在公司楼下的海边绕着圈散步，一圈又一圈，一直走到腿酸软时，问题也解决得差不多了。或者两人玩棒球，扔过去，丢过来，问题在飞来飞去的过程中，解决了。

前方无人，码隆在寻找这样一条属于他们的路，道阻且长。「我希望码隆不是唯一的选择，而是最棒的那一个。」Matt Scott说。

上初中时，黄鼎隆左手骨折，正值学校羽毛球比赛，所有人都劝他不要去，父母也坚决反对。他却坚持参加，一手绑着夹板一手拿拍子，一路打下来，拿到了比赛冠军。

「我相信只要我坚持，就能成功，我不管别人怎么说，不管这件事条件有多不允许。」

延伸阅读

清华学霸与千亿美元巨头夺食人工智能，年仅25岁的他凭什么？霸蛮霸蛮再霸蛮！

无人驾驶抢夺万亿美元货运市场，3000万司机再不转型就晚了

AI泡沫过剩？听听这位斯坦福博士后怎么说。合作700家医院，总结4大生存秘诀：赚钱才是硬道理