人工智能(AI)技术为何落地难？这是一个老生常谈的话题。曾经，在资本的热捧下，创业者一窝蜂地涌入AI行业，但直到“倒下”也没能找到答案。如今，热潮褪去后，坚守在行业中的人逐渐看清了方向。

2015年，龙学军和几位志同道合的师兄弟在成都创立了通甲优博，这是一家以计算机视觉和深度学习为核心，专注智慧交通细分领域的科创企业。

通甲优博联合创始人、首席技术官龙学军坦言，创业前两年，团队一直尝试AI在不同场景和行业的商业应用，有的赚到了钱，有的“打了水漂”，从实验室算法到产品，再到真正的商业化落地，中间会经历无数次迭代。

从虚拟穿戴到智慧交通

在不断试错中找准方向

龙学军是光电工程博士，创业前曾就职于中科院光电所。有一天，同门师弟徐一丹找到他，邀请他一起创业。“当时可能是不知者无畏，也有些情怀和冲动，想干一番事业。”于是大家一拍即合，创业团队就这样组建起来了。

创业之初，公司的定位是一家计算机视觉创业企业。当时恰逢AR/VR设备兴起，团队决定切入虚拟穿戴行业，并很快研发出了一套虚拟眼镜试戴软件。不需要实物，用户就可通过手机屏幕看到眼镜试戴效果。

“无论是识别的精准度还是可视化效果，从技术上来说都没有问题，但我们忽略了行业本身的特点。”龙学军说，一方面，产品的目标客群是传统的眼镜厂商，他们没有专门的APP去集成这套技术；另一方面，眼镜产品更新换代特别快，一个厂家每年可能有几千款产品，每一款都要进行建模，工作量非常大。因此，实际落地推广没有达到预期。

在这之后，公司还研发过无人机视觉软件、体感游戏，甚至进入医美行业，研发AI测肤项目。前前后后做了十几个方向，龙学军坦言：“当时，我们是一个典型的技术型团队，想象出很多机会，但到要落地时才发现，并不了解这个行业。”

2017年，一次偶然机会，团队为四川一个高速公路服务区研发了一套停车位动态监控系统，利用“AI+视频”分析，实时监测服务区剩余停车位数量。这套体统很快就落地和推广，也让团队看到了一个新机遇。很快，团队大刀阔斧砍掉了多个冗余产品线，将力量集中到智慧交通建设上。

在落地中优化算法

未来深耕智慧交通

以停车位动态监控为突破，龙学军带领技术团队，根据客户的实际需求，将产品功能不断扩大。如今，基于AR实景视频的分析系统，不仅可以“数停车位”，还可实现车辆违停、逆行、交通拥堵等多种事件检测，以及针对隧道渗漏水、衬砌掉块、裂缝，路面沉降等常见病害的实时自动监测与预警。其核心产品已在35条高速、15对服务区成功落地应用。

即便是已积累了许多案例经验，算法也已成熟，但在实际应用中，依然会遇到不少问题。“我们之前就遇到过，系统把高速公路上放置的锥形桶误判成行人，将弯道上行驶的汽车误判成逆行等。”龙学军解释说，与普通城市道路相比，在高速公路上，系统可视距离更远，监测范围更大，相对的监测目标更小，目标的运动速度也更快，团队能够做的，就是根据不同场景需求去持续优化和迭代。

“为什么说AI公司落地难，难就难在从算法到产品落地存在着巨大差距。”龙学军说，多数时候，算法都是基于实验室标准环境，但现实环境中会遇到很多不可预测的干扰。

在龙学军的设想中，未来5年左右，自动驾驶将会在商业化场景中落地；5-10年内，车路协同将走进我们的生活；不久的将来，飞行汽车也会成为现实。“对于我们而言，未来也会在智慧交通领域持续深耕，做深做透。”他说。