5000萬美元 華為鯨吞俄羅斯老牌AI安防廠商Vokord

5000萬美金，華為鯨吞了國際老牌安防廠商Vocord 。

俄羅斯《消息報》6月3日報道稱，華為已經(jīng)完成對Vocord人臉識別技術(shù)專利及其開發(fā)團隊的收購，目前Vokord 的部分員工正在陸續(xù)被調(diào)往華為。

創(chuàng)建于1999年的Vocord，是俄羅斯一家基于人工智能生物識別技術(shù)的專業(yè)視頻監(jiān)控系統(tǒng)開發(fā)制造公司。

作為俄羅斯人臉識別領(lǐng)域“種子”選手，其長期盤踞國際權(quán)威人臉識別測試集FRVT第一名。

自創(chuàng)立以來，Vocord不僅開發(fā)了人臉識別系統(tǒng)，還在此基礎(chǔ)上創(chuàng)建了智能視頻監(jiān)控系統(tǒng)和交通違規(guī)、交通流量分析等系統(tǒng)。

目前，Vocord開發(fā)的人工智能系統(tǒng)已應(yīng)用于2000多個商業(yè)及政府項目、俄羅斯國內(nèi)外70多個城市安全項目中，公司客戶包括俄羅斯內(nèi)務(wù)部、聯(lián)邦安全局、移動通信公司和部分銀行。

5000萬美元背后

如果說產(chǎn)業(yè)經(jīng)營是做‘加法’，那么投資并購就是做‘乘法’。

在AI安防市場，華為此次并購起到的作用遠超個人英雄式的單打獨斗，從某種意義上來說，它并不是簡單追求規(guī)模效益的推動，而是為未來的協(xié)同發(fā)展打好基礎(chǔ)。

從技術(shù)角度出發(fā)，場景優(yōu)先，技術(shù)先行，技術(shù)是場景的催化劑、場景是技術(shù)的煉火石，想要在安防行業(yè)更好、更穩(wěn)地走下去，一定要有自己‘拿得出手’的核心技術(shù)。

于華為而言，雖然其在通信等技術(shù)市場搖搖領(lǐng)先，每年投入的研發(fā)費用高到令人咂舌，但就安防行業(yè)的人臉識別等相關(guān)技術(shù)來說，目前華為的競爭力還遠遠不夠。

另外，現(xiàn)階段，與安防相關(guān)的AI技術(shù)精準度還遠遠沒有達到天花板，基于安防場景的不斷變化，其對算法迭代的要求一定是非常嚴苛且上升的。

在這個市場中，誰能夠看到算法精度提升解鎖的更多場景，并根據(jù)場景的變化做到最為快速且精準的反應(yīng)，誰就能在未來競比中走得更遠。

眼下，AI在安防領(lǐng)域的研究應(yīng)用主要針對幾個核心問題：分別是分類檢測、分割、以及對整個圖像區(qū)域分類。

以往來看，AI神經(jīng)網(wǎng)絡(luò)中激活函數(shù)、非線性單元、權(quán)重矩陣的應(yīng)用形成了非常高維的非線性函數(shù)，從而可以完成非常復(fù)雜的任務(wù)；與此同時，在這基礎(chǔ)之上，GPU的出現(xiàn)讓神經(jīng)網(wǎng)絡(luò)的發(fā)展如虎添翼。

即便如此，相關(guān)AI技術(shù)在安防市場上的應(yīng)用還存有幾個挑戰(zhàn)：

認知問題相較感知問題較難解決。感知問題可以用神經(jīng)網(wǎng)絡(luò)函數(shù)逼近，相比之下認知問題解決起來比較棘手。

比如如何教會機器辨識一把椅子。如果定義為四條腿，很多椅子并不滿足此描述；如果定義為可以坐的物體，如此也行不通。所以說簡單的檢測物體問題上，背后都蘊含著更深層次的認知問題，如今很多問題還尚未解決。

在弱線索、遮擋、模糊、對象追蹤等情況下，人類在識別的過程中通常會依據(jù)常識，并加入豐富的想象及推理。但是想要將這些能力傳授給機器便非常困難；即使實現(xiàn)，識別能力與人類相比也相差甚遠。

計算機視覺技術(shù)帶給機器的能力不只是用來觀察世界，而是需要與世界建立聯(lián)系，從而一起做交互。在某個機器人去解決一件重要的問題需要用到手眼協(xié)同時，需要連續(xù)的關(guān)鍵決策，而不停地觀察、決策和控制，這是機器智能目前非常難做到的事情。

隨著安防行業(yè)的多元化發(fā)展，未來很多細分場景對于精度要求之高勢必讓人咂舌，基于背景知識的圖像內(nèi)容描述，挑戰(zhàn)都非常巨大。

也就是說，AI在安防行業(yè)的探索才剛剛開始，如果此時只是準備現(xiàn)有場景且剛剛達標的技術(shù)儲備，未來在這個市場比拼中會比較被動。

通過本次收購，華為能夠在最短的時間內(nèi)獲得可以落地應(yīng)用的全球頂尖AI安防技術(shù)。

作為俄羅斯種子選手，過去二十年，這家公司在人臉識別領(lǐng)域沉淀頗豐，截止目前，其擁有 11 項設(shè)備專利與 6 項軟件專利。

從行業(yè)市場來看，任何一個行業(yè)隨著時間的推移，市場增速都會放緩，這是必然的趨勢，也是商業(yè)鐵律。

當下的安防市場在遠未達到天花板之際，便遇到了整體增長疲軟問題。

2018年以來，地方債務(wù)隱憂再次浮上水面，數(shù)個平臺公司出現(xiàn)違約，諸多地方債務(wù)融資項目難產(chǎn)，風險逐步暴露。

數(shù)據(jù)顯示，目前多個省份的部分區(qū)縣實際債務(wù)（加上隱形債務(wù)）至少是當?shù)刎斄Φ?-3倍。其中某區(qū)的支付預(yù)算是10億元，加上轉(zhuǎn)移支付、政府基金、總財力大概30億元左右，而它的實際債務(wù)大概是50億元左右。

標普全球（S&P Global）在2018年的一份報告中提出，預(yù)計2017年中國“隱性”地方債務(wù)高達40萬億元人民幣（合6萬億美元），相當于中國國內(nèi)生產(chǎn)總值(GDP)的60%，這一比例已經(jīng)觸及了國際警戒線。

鑒于此，去年相關(guān)部門緊急下發(fā)《中共中央國務(wù)院關(guān)于防范化解地方政府隱形債務(wù)風險的意見》（中發(fā)〔2018〕27號）文件，表示將統(tǒng)計地方隱形債務(wù)，地方違規(guī)舉債終身追責。

一來債務(wù)太多、再來舉債追責。

強壓之下，地方相關(guān)部門在巨大的行政支出和急迫的基礎(chǔ)建設(shè)上左右為難，而在以PPP為主的大型平安城市項目建設(shè)上，地方政府更為謹慎。

去年三月份，某省便貼出一紙《關(guān)于暫停開發(fā)區(qū)2016年--2017年政府類項目的通知》，通知稱，對2016年、2017年政府投資類所有續(xù)建及未開工建設(shè)項目一律停止施工。

文中要求，要從源頭上杜絕新增政府債務(wù)。全區(qū)發(fā)展改革系統(tǒng)要把加強政府投資項目管理作為當前和今后一段時期的重要工作，盡力而為、量力而行，不提不切實際的目標，不搞寅吃卯糧的工程，寧可發(fā)展慢一點、也決不違規(guī)舉債，堅決剎住無序舉債搞建設(shè)的風氣，確保政府違規(guī)舉債零增長。

除了內(nèi)部問題，還體現(xiàn)在經(jīng)濟周期性問題及外部問題上。

2008金融危機之后，世界格局開始了新一輪的更新，自由市場經(jīng)濟被越來越多的國家競爭所替代，每個國家都在強化自身力量，國際局勢劍拔弩張。

對于安防行業(yè)來說，近兩年海外市場稍不太平，受全球市場（特別是北美市場）等政治因素影響，海外對于中國公司的部分業(yè)務(wù)的接受程度逐步收緊。

一方面國內(nèi)資源有限；另一方面海外部分市場受限。

對于一個高速成長的企業(yè)來說，必須要在最短的時間內(nèi)找到一個更加合適的突破口，“俄羅斯”無疑是最佳選擇之一，無論是從區(qū)域市場環(huán)境還是技術(shù)應(yīng)用趨勢來看都比較符合所需。

通常來說，想要進軍某個海外市場，通過并購?fù)际巧仙现?，如此可以更好?guī)避關(guān)稅和非關(guān)稅壁壘，同時克服地緣障礙。

比如?？低曉召徲維HL，進一步開拓海外市場；大華股份也曾以2900萬美元收購FLIR旗下Lorex品牌，擴張北美銷售網(wǎng)絡(luò)，如此等等。

正如俄自由財經(jīng)投資公司分析師阿納斯塔西婭·索斯諾娃所預(yù)測，中國企業(yè)（包括華為）在人臉識別方面一直擁有很強的研發(fā)實力，因此這筆交易可能是作為進入俄羅斯市場的“手段”，而不是將俄羅斯技術(shù)引入中國。

“華為公司目前亟需新的大市場，因為其正被美國政府以行政手段拒止于美國市場之外。收購擁有專利技術(shù)的開發(fā)企業(yè)，可幫助其解決與知識產(chǎn)權(quán)有關(guān)的某些問題，例如歐洲面孔圖像庫等。"

AI安防需要持續(xù)廣度與深度

”暫定個小目標，在智慧視頻領(lǐng)域，我們會用兩到三年的時間做到全球第三”。此前接受雷鋒網(wǎng)專訪時，華為EBG中國區(qū)企業(yè)云通信解決方案銷售部部長彭曉東信心滿滿。

在這個“小目標”的驅(qū)動下，2018年，華為在智慧視頻領(lǐng)域針對主流市場發(fā)布了近百款攝像機；另外，它還生產(chǎn)了高清解碼器、視頻云節(jié)點、視頻內(nèi)容管理平臺等產(chǎn)品，可以為安防客戶提供視頻監(jiān)控的端到端服務(wù)。

做好安防需要一定的偶然及必然，偶然是所謂的運氣，必然是絕對的實力。

從過去一段時間在行業(yè)市場的布局來看，華為安防的沖鋒聲已經(jīng)越來越大，他們也在慢慢構(gòu)筑自己的深度和廣度，從實驗室到實際應(yīng)用、從硬件到軟件，逐步推進人工智能在應(yīng)用層面落地。