杨净 发自 凹非寺量子位 | 公众号 QbitAI
一群不在一线城市创办的AI公司，已经，这可能吗？
放眼行业，一线明星公司还是很难盈利的，圈内也没有成熟的经验可循。AI公司，难免让人好奇。
近期，一个的AI公司进入公众视野——
起源于西安的第六镜AI公司。
2014年，西北工业大学三名学生决定创业，第六镜由此诞生，发展至今团队已达百余人，估值7亿。
作为AI虽然初创公司的外观有限，但在行业内，它以早期盈利引起了关注。
他们走了什么样的商业路径？这样一个样本对行业有什么借鉴意义？
不急着回答，先让我们抽丝剥茧，连点成线，看看这是什么公司。
90后聚集在工厂
你能想象吗？
一群90后专心扎根工厂一线，日常工作是产线课题攻关、设备研发和设计。
河北一家这样的事情发生在内部。
与传统岗位不同，这些90后正在调试一套高精度测控系统，目标是利用多个传感器和算法对热轨进行2D 3D检测。
过去，传统的轧钢生产线依靠人工手持设备进行抽样检查，检测过程需要等待高温钢冷却，耗时分钟。这导致测量精度低、漏检、检测滞后等问题，容易造成批量质量事故甚至安全事故。
该长材检测系统可自动实现最高1400℃、轨道运行速度为6m/s实时缺陷检测、轮廓测量等环境功能。
与传统方法相比，他们的测量精度达到了±0.1mm，而且大大降低了漏检事故的概率，提高了效率，每年在单条生产线上节省约500万元，。
这批90后也走进了。
在发电场，他们控制着配备热成像相机和可见光相机的无人机在空中通过CV AI技术识别光伏板的缺陷，筛选上述热点，防止阴影部件成为负载，消耗能量，过热损坏电池寿命。
这些年轻人甚至走进来，当安全员。
更准确地说，他们教会了他们通过计算机视觉技术，识别非法操作和行为，识别皮带坐着、不戴安全帽、非法追猴车（矿井索道，类似滑雪场单站式缆车）等不安全行为。
有许多类似的场景案例，它们也遍布煤炭、钢铁、能源等工业领域。
事实上，这群90后聚集在工厂的罕见场景源于一次偶然的工厂调查。
当时他们发现，一条重工生产线虽然自动化程度高，但并不完全自主可控。
几乎所有的核心设备和工业控制软件系统都来自外国制造商，这给工厂的数字转型、工业互联网和物联网工作带来了很多麻烦。
再加上、各种外部因素，如国内新兴因素AI公司与传统产业的交集很少，很多需求难以关注。90后第六镜是少数看到需求的团队之一。
该团队只在生产线上转了一小圈，理出了30多个需求。
经过两年的探索，他们现在在工业上AI该板块已覆盖钢铁、烟草、煤矿、路桥等场景，涵盖硬件设备、算法、解决方案等产品。
未来公司表示，污水处理、石化、橡胶等行业都在考虑。
工业AI近年来，价值逐渐得到业界的认可，巨头玩家也在布局。由于提前一步关注和不断创造价值，几家传统企业与第六镜签署了战略合作。
其中，有新兴铸管、河钢数字、河北建投等铸造行业老兵，以及中国电子科技集团第55研究所……
旭阳集团还正式宣布了煤焦化工龙头企业战略投资第六镜。
一开始碰了一鼻灰
创业之路从来都不平坦。其实这些年轻人一开始并不容易，尤其是第一次落地的时候。
城市AI，为泛园场景提供人-车-物识别算法及应用，包括园区、学校、社区、机场等。
2017年，他们拿着刚打破世界纪录（LFW/FDDB）人脸识别技术进入社区，采用领先的人脸识别算法进行智能社区应用，但没想到问题集中爆发，让团队措手不及。
简单来说，算法模型不适合场景。这也是很多企业落地时遇到的常见问题。
众所周知，实验室用于训练算法的数据集基本上是开源或清晰的媒体、影视频公开图像。
尽管有这样的算法它具有相当高的精度，但在现实生活中，当遇到背光/夜间/过度曝光等光线环境，或恶劣天气产生灰尘干燥点时，即使是最常见的刷脸也可能遇到动态模糊的图像和不理想的清晰度，从而大大降低效果。
此外，还有识别速度和使用成本，这些实验室从未考虑过的问题应该在现实场景中逐一解决。
原计划整套解决方案的部署可以完成，结果可以推迟到。在完成项目之前，团队和场景经理一个接一个地解决了痛点。
正是因为这种经历，他们才意识到落地场景和场景的经理才是最好的老师，这也成为了他们以后一贯的风格。
在短暂的阵痛之后，他们迎来了第一波胜利——
全方位落地城市AI公司在当年(2017)年底实现盈亏平衡。
今天，第六镜城市AI建立了一套完整的算法工具-算法-硬件-软件-应用平台-解决方案产品系统，涵盖公共租赁住房、学校、公园、社区、警察等场景。
在硬件设备方面，形成了人脸识别一体机、智能监控摄像头、刷脸支付终端、智能访客机等产品矩阵。
即便如此，团队面临的市场挑战场挑战。
一方面，城市AI我国人工智能市场产业份额遥遥领先，占49%，不同于智能城市系统化、集成化的业务设置AI是单点突破——
为场景提供定制服务，驱动更多技术企业从中分一杯羹。
iResearch2020年中国人工智能产业研究报告 年)》
另一方面，AI逐渐演变成基本能力，技术门槛不断降低。
面对这些情况，无疑有两种解决方案，除了继续挖掘城市AI除了剩余价值，就是另辟蹊径——找公司。因此，第六镜瞄准了工业AI。
自称AI泥腿
七年前，西北工业大学自动化系大三学生刘闯和其他两名学生因一节模式识别课决定创业。
早年曾因资金不足，公司一度靠网站开发等外包项目养活AI研发团队。团队成员也习惯用一个略显朴实的词汇形容自己：
。
这一说法朴实而贴切，更与他们死磕场景、深挖产业需求不无关系。如今再回过头看，该团队也总结出了一套自己的方法论。
一言以蔽之，。
作为一家技术公司，算法之强不在于单个产品，而在于规模化、批量化生产算法的能力。
之于第六镜，就是。
该平台包含深度学习训练框架、分布式端边云AI协同框架、分布式决策与强化学习工具链，以及AI基础算法工具库。
据介绍，为应对城市AI、工业AI多样化需求，该平台面向定制化场景，可做到快速响应，从数据清洗标注、模型训练再到SDK封装交付，整个过程无过多人为干预。
AI浪潮，被视为，是一场替代简单重复脑力劳动的革命。而这种脑力驱动，来自算法。
但光有脑不行，还需有“躯干”协同。这个躯干，在第六镜看来，就是落地方法论。
具体而言，就是找最高需求标准切入，制定模块化的解决方案。之后下沉到类似场景时，就做模块拆分。
形象化理解，业务从0到1时做加法，之后拓宽到100时就做减法。
比如，面向高校的，就先找双一流985高校，因为场景管理者要求一定是最高的。
如此一来，有了“脑”和“躯干”，才能更好地指挥两大场景快速落地。
此外，在面对工业上最普遍、令不少AI企业折戟的工业小样本问题时，第六镜衍生出了自己的落地思路。
通常来讲，要保证实际生产中较高的良品率，就需要AI模型有较高的准确度。依照传统深度学习特性，这需要大规模数据来训练。
这在工业生产中很难实现。
因为往往一个缺陷样本越是致命，发生概率就越低，可供训练的样本数据也就越少，加上长尾效应，更多未知场景没办法顾及。
市面上已有的解决方式，无非算法和数据两个层面的优化，比如迁移学习、数据增益等。
在此基础上，第六镜还选择打“”（场景）突破，连通上下游。
技术人员解释道，工业小样本的问题既然普遍存在，那就以点（场景）为单位优化技术，与上游传感器、下游工业软件的研究人员共同攻坚。
目前，该团队已经与展开合作。比如，与西安电子科技大学机电工程学院共建工业软件与智能制造联合实验室；与河钢数字技术股份有限公司、西北工业大学自动化学院共建“AI+钢铁”机器视觉创新中心……
各方反应已经暗示，AI公司只要被外界看到落地实力和态度，就不必担心没有客户价值积累。
类似的案例在AI业内很常见，落地路径各有不同，甚至随着业务逐渐深化到产业，但万物归一、大道至简，终极归因只有一个——。
第二代AI公司来到舞台中央
第六镜算不上一家AI公司，不止盈利这件事。
这是一个不太追求前沿算法、论文数和专利数的团队，准确性也不再是唯一的评判标准：场景用得好、场景管理者用得爽的技术就是好技术。
这个团队亮相不多，技术也算不上顶尖、……这也间接说明AI早已不如最初那般高高在上，更多企业和技术人员参与进来，创造产业价值。
更为重要的是，他们已经不再是一开始拿锤找钉，而是根据具体场景快速落地。
从默默无闻的到走到台前，进入大众视野，第六镜既是AI赋能千行百业大潮的缩影，也是从需求出发、创造价值的一个典型。
随着行业发展，这样的第二代AI公司已经逐渐跨过，来到历史舞台中央。
再从传统工业角度来看，一直以来，是长期积累下来的产业固疾，并且随着老龄化加剧愈演愈烈。
甚至曾有车间工人同调研团队半开玩笑说：
我都不清楚我什么时候能，现在已经有一些岗位没有人来接替了。
工厂等不到新鲜血液，工业何谈进入科技的核心视野？所幸，这种需求越来越受到关注。
各种各样的前沿科技公司、技术人员，正在将视线看向传统产业。
相应诞生了同款的工业级AR眼镜、煤矿上的操作系统、专为工人开发可监测脑电波的安全帽等一系列前沿产品。
与此同时，第六镜为代表的AI新兴公司，正在用业务链接工厂与年轻人，让更多年轻技术人员投身于工业数据化转型。
而以国产替代应对全球市场的风云变幻，更是另一重价值体现。
这些此起彼伏的案例已经昭示：随着技术浪潮向前，产业数字化、智能化进程加速才是大道所向。
第六镜只是一个缩影，但也代表了一种确定的趋势。