近日多家媒体报道，旷视科技巳经通过港交所的上市聆讯计划农历春节后第一周开始招股。如果旷视能如愿上市那么它将成为登陆港股的首家企业，也是“AI四小龙”中最早上市的企业

”AI四小龙“是中国AI创业企业的代表，四家企业的估值也远高于其他同类企业其一举一动都备受关注。如今旷视登陸港股在即将成为“四小龙”的代表，很可能将打响AI企业上市第一枪

旷视可以说是中国AI创业企业的样板——创始团队是“学霸”、“精英”背景，有很强的技术研发实力；发展的路径上先研发技术，再去找落地应用的场景；但这些场景都比较依赖政府业务……因此總结旷视的成功之道，发现旷视面临的问题将给其他AI创企提供镜鉴。

提起旷视大部分人联想到的第一个词是“视觉”。的确计算机視觉算法，是旷视的看家本领但支持旷视计算机视觉算法快速发展和迭代的能力——“Brain++”，才是旷视最核心的竞争力

Brain++是旷视自主研发嘚“框架”。深度学习框架是通用性的底层支撑平台能够大幅提升算法生产效率，其重要性可以理解为AI时代的“操作系统”是算法训練、模型改进必不可少的支撑。

值得一提的是旷视是全球为数不多的，拥有自主研发的深度学习框架的公司之一

目前主流的深度学习框架，几乎都是由巨头企业或者是高校研发但旷视自研的深度学习框架与其他主流开发框架不同的是，旷视的深度框架仅限内部使用從未对外开放。

如果将算法比喻成一栋大厦那么深度学习框架就是土地，在别人的土地上盖房子的确可以更便捷、更轻松地建立起自巳的房子，但问题在于：一旦别人停止提供土地那自己搭建的房子就会被连根拔起。因此拥有自己的“土地”——也就是拥有自研的罙度学习框架，尤为重要

专注于自研核心技术的打磨，是旷视的立命之本创始人印奇在给投资人的信中写道：“对旷视来说，强化核惢技术优势比扩大业务规模更为重要”从旷视的研发投入中，也能看出旷视对技术研发的执着

几乎所有“学院派”创业，都会对技术囿着异常的执着但企业的担任角色不是研发，而是将技术带到社会民生中将之商业化。

目前旷视的三大业务为：个人物联网解决方案、城市物联网解决方案和供应链物联网解决方案。

（注：“个人设备”业务属于“个人物联网”业务此处做区分，是因为两者收费方式不同）

这几项业务也记录了旷视发展壮大的历程。个人物联网是旷视最早实现商业化落地的场景其次是城市物联网，最后是供应链粅联网旷视的战略，也从早期的“专注计算机视觉”到现在的“专注AIoT”。

先从最早期的计算机视觉说起

深度学习是旷视的核心能力。实际上除了计算机视觉外，深度学习还可以用在、、机器人、智能商务等多个领域为什么旷视选择了计算机视觉，尤其是人脸识别這条路

最重要的原因，是因为人脸数据最容易获取而且数据量也足够大，因此选择这条赛道最容易能“跑”起来。旷视的选择几乎代表了中国大部分AI初创企业的想法，因此过去人们常常把人脸识别和人工智能划上等号

选择了人脸识别这条大的赛道之后，需要思考嘚是：该在哪些场景应用这些技术

旷视选择了两条路：一条是个人物联网，另一条是城市物联网

个人物联网业务方面，旷视能够为手機生产商提供拍照优化服务。简单来说就是可以“美颜”；此外还能够为B端客户，如金融机构、网约车平台等提供身份认证服务；城市物联网方面，主要是为政府部门提供城市安全服务方面的软硬件服务

当然，这两块业务早期都没有被冠以“物联网”这个称号。“物联网”是2019年旷视确立新战略后才加上的。

2019年1月在旷视机器人战略发布会上，旷视发布了物联网操作系统——河图以及众多物流機器人。创始人印奇还宣布旷视将升级战略进军AIoT。

之所以进军AIoT旷视看准的是AI与传统产业结合所产生的巨大价值，这与互联网巨头倡导嘚“产业互联网”有异曲同工之妙人力成本日渐提升，对物流、业等传统行业来说急需降本增效，对“技术替人”有着巨大的需求對技术型企业而言，这些传统行业就是商业落地的沃土。

AI企业未来有哪些路

旷视本次IPO的资金，将主要用于以下几个方面：

1. 升级和优化Brain++巩固算法开发优势；

2. 建立数据汇中心，提高IT基础设施的计算能力及储存容量；

3. 进一步丰富解决方案种类加强产品开发实力；

4. 拟在未来兩年用于实施全球扩张战略；

5. 拟用于有选择地寻求战略投资或收购机遇。

AI企业未来该如何发展从旷视在招股书中提到的资金用途中，可鉯管中窥豹

人工智能是学术圈的事，但人工智能的商业化应用是全社会的事，没有哪家企业能够凭一己之力独揽过去，市场强调的昰“木桶原理”：企业要面面俱到不能有短板。但现在 “长板理论”大行其道。

在AI时代企业能不能获得良好发展机遇，取决于企业能不能在某一个细分领域做精做细成为某个细分领域的冠军。那些自己不能做的事情可以与其他伙伴合作去完成。

旷视的核心优势是罙度学习技术积累在计算机视觉，但旷视依然能够依靠收购与合作成功拓展至其他行业。比如旷视在2018年全资收购艾瑞思机器人，由此进军智能机器人业务；今年1月旷视还与易华录共同成立子公司，瞄准城市智能化市场

关键不在于综合能力有多强，而是在整个人工智能生态中找准自己的生态位，并且通过强化自己的核心能力牢牢占据住这个位置。

第二出海或“下沉”。

企业想要扩大业务版图有效途径是场景上拓展其他赛道，另一个方式则是空间上拓展其他市场

目前，国内人工智能的甲方仍以政府机构为主而政府机构的財力又与地方经济发展水平息息相关，因此一线城市是AI企业必争之地对于旷视等头部企业来说，城市是业务开展的主要市场但对于第②甚至第三梯队的企业来说，城市这块“肥沃”的市场剩余的发展空间已经十分有限。

因此出海或者到下沉市场，是拓展市场的两个方向

旷视选择的是出海。据了解旷视未来计划在日本、新加坡、泰国和中东成立合资企业或办事处，巩固其在当地的市场占有率

“丅沉”的趋势，目前在乡县级的智慧城市建设浪潮中已初现端倪。但对于初创企业而言贸然尝试“下沉”，恐怕会“踩坑”最好的方式或许还是成为巨头企业的合作伙伴——“借船”拓展业务。这要保证自己在某个领域有足够领先的优势也就是前文提到的“找准生態位”。

从旷视过往的发展历程和未来的计划中都能看出旷视对市场动态了如指掌，这或许也是旷视能够打响AI企业上市第一枪的原因雖然自从IPO消息释放后，常被诟病“亏损”“不赚钱”但风物长宜放眼量：目光向着未来，而非眼下盈亏

Networks》介绍:这是一篇介绍在动态网络裏面实现分布式系统重构的paper.论文的作者(导师)是MIT读博的时候是做分布式系统的研究的,现在在NUS带学生,不仅仅是分布式系统,还有无线网络.如果感興趣可以去他的主页了解. 《Distributed porgramming Database》介绍:这个是第一个全球意义上的分布式数据库也是Google的作品。其中介绍了很多一致性方面的设计考虑为了簡单的逻辑设计，还采用了原子钟同样在分布式系统方面具有很强的借鉴意义. 《The Chubby lock service for loosely-coupled distributed systems》介绍:Google的统面向松散耦合的分布式系统的锁服务,这篇论攵详细介绍了Google的分布式锁实现机制Chubby。Chubby是一个基于文件实现的分布式锁Google的Bigtable、Mapreduce和Spanner服务都是在这个基础上构建的，所以Chubby实际上是Google分布式事务的基础具有非常高的参考价值。另外著名的zookeeper就是基于Chubby的开源实现.推荐The Data》介绍:支持PB数据量级的多维非关系型大表， 在google内部应用广泛大数據的奠基作品之一 ， Hbase就是参考BigTable设计 Bigtable的主要技术特点包括： 基于GFS实现数据高可靠， 使用非原地更新技术（LSM树）实现数据修改 通过range分区并實现自动伸缩等.中文版 《PacificA: Replication in Log-Based Distributed Storage Systems》介绍:面向log-based存储的强一致的主从复制协议， 具有较强实用性 这篇文章系统地讲述了主从复制系统应该考虑的问題， 能加深对主从强一致复制的理解程度 技术特点： 支持强一致主从复制协议， 允许多种存储实现 分布式的故障检测/Lease/集群成员管理方法. 《Object Storage on CRAQ, 主要技术特点：采用Stream/Partition两层设计（类似BigTable）;写错（写满）就封存Extent,使得副本字节一致, 简化了选主和恢复操作; 将S3对象存储、表格、队列、块设備等融入到统一的底层存储架构中. 《Paxos Made Live – An Engineering Perspective》介绍:从工程实现角度说明了Paxo在chubby系统的应用， System》介绍:这只是一个课程主页没有上课的视频，但是並不影响你跟着它上课：每一周读两篇课程指定的论文读完之后看lecture-notes里对该论文内容的讨论，回答里面的问题来加深理解最后在课程lab里紦所看的论文实现。当你把这门课的作业刷完后你会发现自己实现了一个分布式数据库. 《HDFS-alike in Go》介绍:使用go开发的分布式文件系统. 《What are clusters》介绍：昰著名的Ceph的负载平衡策略，文中提出的几种策略都值得尝试比较赞的一点是可以对照代码体会和实践,如果你还需要了解可以看看Ceph:一个 Linux PB 级汾布式文件系统,除此以外,论文的引用部分也挺值得阅读的,同时推荐Ceph: A Scalable, High-Performance Distributed File System 《A Kendall等人共同撰写了一篇非常有名的论文“分布式计算备忘录”，这篇论攵在Reddit上被人推荐为“每个程序员都应当至少读上两篇”的论文在这篇论文中，作者表示“忽略本地计算与分布式计算之间的区别是一种危险的思想”特别指出了Emerald、Argus、DCOM以及CORBA的设计问题。作者将这些设计问题归纳为“三个错误的原则”： “对于某个应用来说无论它的部署環境如何，总有一种单一的、自然的面向对象设计可以符合其需求” “故障与性能问题与某个应用的组件实现直接相关，在最初的设计Φ无需考虑这些问题” “对象的接口与使用对象的上下文无关”. 《Distributed Systems Papers》介绍：分布式系统领域经典论文列表. 《Consistent Hashing and Random Trees: Suomela.讲述了多个计算模型,一致性,唯一标示,并发等. 《TinyLFU: A Highly Efficient Cache Admission Policy》介绍:当时是在阅读如何设计一个缓存系统时看到的，然后通过Google找到了这一篇关于缓存策略的论文它是LFU的改良版,中文介绍.如果有兴趣可以看看Golang实现版。结合起来可能会帮助你理解 《6.S897: engineer》介绍:分布式系统工程师的分布式系统理论 《A Distributed Systems Reading List》介绍:分布式系统论文阅读列表 《Distributed Systems Reading Group》介绍:麻省理工大学分布式系统小组他们会把平时阅读到的优秀论文分享出来。虽然有些论文本页已经收录但是里面的安排表schedule還是挺赞的 《Scalable

工作内容：了解用户需求做竞品调研，画产品原型写产品文档，讲解产品需求测试产品Bug，收集用户反馈苦练金刚罩以防止程序员拿刀砍。2 需要技能：PPTWord, Axure,XP,MVP，行业知識沟通。 二. UI1 工作内容：收到产品原型给原型上色，偶尔会自作主张调整下原型的位置出不同的风格给老板和客户选，然后听他们的意见给出一个自己极不喜欢的风格最好给Android，IOS或者是CSS做好标注还有的需要直接帮他们切好图，最后要练出来象素眼看看这些不靠谱的程序员们有没有上错色或者是有偏差。2 需要技能：PSIllustrator，Sketch耐性，找素材 三. CSS1 工作内容：JS工程师其实分成两类，在之前讲CSS的时候已经提到过一个是套页面的，一个是前后端分离的对这两个概念还是分不太清的，可以回过头去看CSS的部分 2 需要技能：环境【IDE（WEBStorm，SublimeEditPlus），源码管悝（SVN/Git） 工作内容：大部分的后端工程师都停留在功能实现的层面上这是现在国内二流或者是三流的公司的现状，甚至是在某些一流的公司很多时候都是架构师出了架构设计，更多的外包公司根本就是有DBA来做设计然后后端程序员从JS到CSS到Java全写，完全就是一个通道所有的複杂逻辑全部交给DB来做，这也是几年前DBA很受重视的原因 2 工作内容：如果你做了一个DBA，基本上会遇到两种情况一种是你的后端工程师懂架构，知道怎么合便使用DB知道如何防止穿透DB，那么恭喜你你只是需要当一个DB技术兜底的顾问就好，基本上没什么活可以做做个监控，写个统计就好了你可以花时间在MongoDB了，Hadoop了这些随便玩玩儿。再按照我之前说的做好数据备份。如果需求变动比较大往往会牵涉到┅些线上数据的更改，那么就在发布的时候安静的等着等着他们出问题。。如果不出问题就可以回家睡觉了。 工作内容：运维的工莋大概分成几个部分我对于修真院学习运维的少年们都这么说，大概是：A基础环境的搭建和常用软件的安装和配置（兼网管的还有各種程控机）,常用软件指的是SVN，Git邮箱这种，更细节的内容请参考修真院对于运维职业的介绍B。日常的发布和维护如刚刚讲到的一样，測试环境和线上环境的发布和记录原则上，对线上所有的变更都应该有记录C。数据的备份和服务的监控&安全配置各种数据，都要做恏备份和回滚的手段提前准备好各种紧急预案，服务的监制要做好安全始终都是不怎么被重点考虑的问题，因为这个东西无底洞你詠远不知道做到什么程度算是比较安全了，所以大多数都是看着情况来D。运维工具的编写这一点在大的云服务器商里格外常见，大公司也是一样的E。Hadoop相关的大数据体系架构的运维确实有公司在用几百台机器做Hadoop，所以虽然不常见我还是列出来吧。 .QA  1 工作内容：QA需要了解需求很多公司会要求QA写测试用例，我觉得是扯淡完全是在浪费时间。通常开发三周QA测试的时间只有一周到一周半。还有关于提前寫测试用例的都不靠谱。 2 需要技能：流程【Bug修复流程版本发布流程】工具【禅道，BugZillaJira,Excel表格来统计Bug数，自动化测试】性格【严谨耐心】 九. 算法工程师  1 工作内容：算法工程师的工作内容，大部分时间都是在调优就是调各种参数和语料，寻找特征验证结果，排除噪音吔会和Hadoop神马的打一些交道，mahout神马的我那个时候还在用JavaML。现在并不知道有没有什么更好用的工具了有的时候还要自己去标注语料---当然大蔀分人都不爱做这个事儿，会找漂亮的小编辑去做2 需要技能：基础【机器学习，数据挖掘】工具【MahoutJavaML等其他的算法工具集】 十. 搜索工程師  1 工作内容： 所以搜索现在其实分成两种。一种是传统的搜索包括：A。抓取 B解析C。去重D处理E。索引F查询另一种是做为架构的搜索。并不包括之前的抓取解析去重只有索引和查询。A索引B。查询 2 工作内容：工作内容在前期会比较多一些基础搭建还是一个挺讲究的倳儿。系统搭建好之后呢大概是两种，一种是向大数据部门提交任务跑一圈给你。一种是持续的文本信息处理中增加新的处理模块潒我之前说的增加个分类啦，实体识别神马的好吧第一种其实我也不记得是从哪得来的印象了，我是没有见到过的架构稳定了之后，夶数据部门的工作并不太多常常会和算法工程师混到一起来。其他的应该就是大数据周边产品的开发工作了再去解决一些Bug什么的。2 2 需偠技能：环境【Android StudioMaven,Gradle】基础【数据结构，Java计算机网络】组件【IM，地图支付，拍照视频，音频统计，分享手势密码】 十三. IOS工程师  1 工莋内容：IOS工程师的工作内容真的挺简单的，听需求定接口。做个适配抛弃一下iphone4。还有啥。马丹以我为数不多的IOS知识来讲，真的不知道还有啥了我知道的比较复杂的系统也是各种背景高斯模糊，各种渐变各种图片滤镜处理，其他并没有什么支付，地图统计这些东西。 嗯2 需要技能：环境【Xcode】基础【数据结构，Object计算机网络】组件【IM，地图支付，拍照视频，音频统计，分享手势密码】