
通过大数据和机器学习 让机器看懂世界_数据分析师考试
格灵深瞳的办公环境与众不同。依格灵深瞳创始人何搏飞说,这样的办公环境旨在让创业团队浸泡在产品的创意环境中。新京报记者 吴江 摄
玉泉山下,颐和园畔,有一条小径一直走到头,扭身便能看到格灵深瞳的院落。院子里有亭台楼阁、湖水荷莲。这里曾是一家会所,“八项规定”后,格灵深瞳把它租过来改造成兼有中国风和硅谷范儿的办公室。
采访在院子中央的湖心亭上进行。格灵深瞳是一家以计算机视觉和人工智能为核心的技术公司,通过大数据和机器学习,让计算机像人一样,能看见并理解这个世界。
虽然初出茅庐,它已经获得足够多的注意,徐小平和沈南鹏两位投资人曾为其估值而争辩,到底是1000亿还是5000亿美元?其实,即使是1000亿美元,它也足够进入中国互联网前三。
一次任性的裸辞
见到格灵深瞳CEO何搏飞那天是6月19日,无意中碰到一个极为特殊的日子。“就是今天,两点多钟,太有意思了”,何搏飞百感交集,激动地喊出声来。
两年前的这一天,下午两点多钟,何搏飞“任性”地辞了职。
那是全球排名第一的预付卡公司,何搏飞是中国区总经理。老板那天从美国飞到北京,听他汇报6月份的工作,而后部署下半年的计划。
老板在一个白板上写一二三四五,“当写到第三、第四的时候,我看着那些事情突然很崩溃,没有一个是我想做的。”然后,何搏飞对老板严肃地说了一句:我退出!
没有任何铺垫的辞职,让老板十分诧异。“应该用更正式的方式提,但当时真心觉得,一秒钟都不想等了。”何搏飞说。
离职前后一个月,何搏飞的人生也发生了巨大变化,一是他当了父亲,孩子即将出生;二是,他的父亲做了癌症的第二次手术。“那个月像经历了生死一样,突然觉得人这一辈子太短,最好的时间应该用在真正喜欢、富有激情的事情上。”
只是当时还不知道要做什么,“所以就得逼着自己去做这个决定,每一次跌下来之后,我知道我会弹得更高。”
人对了世界就对了
格灵深瞳办公室里,到处布着用于实验的摄像头,这是他们的主要产品。与普通摄像头不同,除了能拍摄二维视频,它还有一个三维的“上帝”视角,能让摄像头像眼睛一样看懂现实世界的三维立体图像。
比如,拥挤的人群中,它能分辨出你在运动,跟踪你的运行轨迹。再进一步,它能实时监测你肢体的运动幅度和速度,从而判断你姿势背后的“意义”,诸如双手举过头摇一摇,摄像头会识别你在求救,就会自动报警……
计算机视觉和人工智能是何搏飞最终找到的方向,同时找到的还有伙伴赵勇。赵勇现在是格灵深瞳CTO,分管技术,之前是大名鼎鼎的Google Glass(谷歌眼镜)主设计师之一。
这俩人能够认识,要得益于真格基金创始人徐小平安排的一次“相亲”。没见面的时候,两人都没抱什么希望。见面后,他们从下午两点聊到深夜两点,一拍即合。
何搏飞微博上写过这么一段话:“深夜畅聊归来,兴奋之余,感慨良多。想起一个故事:爸爸把杂志上一页地图撕成小块让孩子拼起来,孩子很快就拼好了,且分毫不差。问他如何办到的。孩子翻过地图,背面是一个人的照片,孩子说,人对了,世界就对了。”
每天想会不会死
让所有智能硬件都具有视觉感知的能力,像人眼一样看见并理解这个世界,是格灵深瞳的终极目标。为了商业化落地,他们首先选择安防领域,一来这个市场足够大,二来能借此获得足够多的数据。
安防领域的客户拓展很顺利,已经包含几大国有银行。同时,他们也在向车的领域延伸,研发跟自动驾驶、高级辅助驾驶相关的内容。
一切看起来顺风顺水,但何搏飞依然忧虑,“我们每天也得想,这样下去会不会死”。
他忘不了公司刚成立半年那会儿,最倚重的传感器硬件供应商被苹果收购,所带来的致命一击,“同事群里像死一样寂静,没人说话,那次是离死最近的一次”。
“现如今,市场是否具备足够的容量能进行大规模推广,真正强大的对手一旦加入这场战斗,我们有没有能力应战,这些都是问题。”何搏飞说。
毕竟计算机视觉和人工智能还处于萌芽期,距离大爆发还要等上5到10年,探索的路上,先驱公司随时都可能成为先烈。
何搏飞说,采访的前一天,他和赵勇聊到深夜。“我们在反思,时间和精力的投入对公司是不是最好的,如果重新再来过,哪些事情不做,哪些事情还会再做。”
■ 创客项目ABC
A。他们是谁?
格灵深瞳有两位创始人,CEO何搏飞29岁就担任了一家美国上市公司的中国区总经理。CTO赵勇曾是Google Glass的核心研发成员。
B。在做什么?
格灵深瞳是一家以计算机视觉和人工智能为核心的技术公司,通过大数据和机器学习,让计算机像人一样,能看见并理解这个世界。
C。投资人怎么说?
我们看好格灵深瞳,他们是顶级的团队,优秀而又有激情的经理人,加上谷歌的顶级工程师,一起做一件很酷的事。
■ 对话
我们做的事太难了
新京报:很多人都说你们很牛,你什么感受?
何搏飞:我心里挺虚的。我希望我们能够用好的产品,好的市场数据来印证这句话。
新京报:国内你们的对手有哪些?
何搏飞:如果说有,无数安防大户都是我们的对手,但是要说没有,我们现在做的事儿没有人在做。
新京报:为什么没有人做?
何搏飞:因为我们做的事儿太难了。
新京报:难在哪里?
何搏飞:技术本身有门槛,但不仅仅是技术。在所有人都不知道有互联网的时候,你要让他知道每个月花60块钱包月上网是干什么?就跟马云当年做事情一样。
新京报:现在人工智能或者计算机视觉处于什么阶段?
何搏飞:萌芽阶段,或者说刚刚萌芽。大的爆发,非常乐观的人可能会说五年,我觉得要五到十年。但很有意思的是,人工智能方面,中国有机会引领世界的发展。因为人工智能包括计算机深度学习,需要很强的数学逻辑能力,这是中国人擅长的,很多中国学生在美国也是学这个专业的。
新京报:有没有担心过会成为先烈?
何搏飞:很有可能。所以我们要有忧患意识,还有太多的事情要做。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22