当各路资本都蜂拥而至某一领域的时候，其也就结束了淘金的黄金时期，当前的人脸识别正处于这一阶段。
李开复在全球移动互联网大会上再次对人工智能泡沫发出警告：“国内出现四家以人脸识别为主的创业公司现象不合理”。
他认为，优秀公司的稀缺性，造成了资本过度追逐。如果仅仅是做人脸识别，撑不起这么高的估值，这些公司必然要去拓展其他业务，才能匹配这样的高估值。
如果说两三年前人脸识别还是一项仅有少数公司才能涉足的新技术，那么从去年开始，人脸识别的大规模普及已经使其门槛大大降低。
除了已经崛起的人脸识别四大“独角兽”旷视、商汤、云从、依图外，腾讯、阿里、百度的加入也让AI这把火迅速吹大了人脸识别这个泡沫，使原本容量不大的赛道更显狭窄。
人脸识别应用高度定制化
商业化路径仍有待探索
近两年，人脸识别行业融资堪称疯狂，犹如一场资本的龙虎斗。
旷视科技Face 完成C轮4.6亿美元融资；商汤科技获得4.1亿美元融资；依图科技C轮完成3.8亿人民币；云从科技完成B轮5亿元人民币融资，加上此前广州市政府对其20亿资金支持，此次总计获得25亿元发展资金。
但在这一个个火热融资的背后，对于很多由算法驱动的人脸识别公司的商业模式仍有待探索。
人脸识别公司最开始的优势是基于人脸特征点的识别算法，它是通过提取人像特征点，即人脸关键点定位，比如眼睛、鼻子、嘴巴等，再经过分析建立数学模型,即人脸特征模板，人脸关键点定位点数则影响着人脸识别的精确度，点数越多越精确。
而人脸关键点定位技术正是SenseAR（增强显示感绘技术）的核心技术。
除了SenseAR，人脸识别技术还可应用于智能手机中的拍照功能优化，如人脸监测、相册相片的智能归类、美肤美颜等。
在软硬件一体的智能前端设备中也有部分落地业务，如人脸识别闸机、身份验证一体机、商户娱乐营销使用的互动广告机。
此外，还有一些基于人脸识别的身份验证和文字识别技术相关的业务，它们更多地被应用在金融相关的业务场景中。
但人脸识别的相关应用大多数是高度定制化，这意味着拓展速度不像其他产品能够快速复制。
后台的研发人员需要花大量时间去调算法，提高识别率。这是一个很重服务、重调整的工作。随着相同赛道上各家算法技术的进步，同一梯队的公司技术差距已经越来越小。
这也就意味着靠售卖SDK软件的变现的方式很难行得通。
虽然各个公司都在探索合适的商业化模式，但尚未走出一条完全可行的商业化路径。
人脸识别目前真正落地的产品形态大致分为两种，静态拍照监控和动态视频监控。
动态视频监控方面，主要的产品就是摄像头，但该领域已经有很多家硬件厂商在前面阻挡，比如海康威视、大华、宇视等，在这些已经占据规模优势的巨无霸面前，新兴创业公司很难有机会弯道超车。
原因在于传统硬件厂商已经在这个领域深耕多年，一般人脸识别创业公司很难把产品的性价比降低到与这些优势厂商一样的水平。
而创业公司想要切入静态拍照监控领域，形成较好的盈利方式也并非易事，大都数还在探索变现渠道。
资本热潮后的两大助推力
系统服务和商业推进
人脸识别切入点各有不同，不管是软件产品、硬件平台还是芯片，关键还是落地到应用层。
在应用层面，研发人员根据被训练过的算法模型做参数微调，通过讨论，在不同光照、姿态、背景下能够提高识别率，但也不一定是准确的，所以需要反复讨论，进行算法模型探索，这些尝试会累积成经验，帮助模型不断迭代，优化，这是一个反复的过程，而这种调试需要具备经验的技术人员多次跟进钻研。
在人脸识别的算法模型构建中，最基础的需要有人脸库和视频库，但是很多省市区发展水平不同，有些连高清摄像头都未能实现，有些没有过多保存数据，所以最基本的人脸库和视频库不全，这也成了人脸识别在安防领域全面铺开一个限制性因素。
在应用层面上，人脸识别基本局限在公安部门等政府部门和监控系统中，未能渗透到大规模商业级别应用和个人消费级别当中。
尽管在实验室等科研条件下，许多人脸识别技术准确度已经达到99%以上的水平，但这些技术和方案很难落地到实际应用层面。
在实际落地过程中，指纹识别等其他生物识别由于技术成熟且不易受外界因素影响，这类可替代技术的成熟发展也制约了人脸识别产业化的进程。
基于人脸识别的业务要么是TOB，要么是TOG，企业和政府机构要尝试新产品有一段试用期，投标流程繁复、回款周期长。
人脸识别在热度很高的时候通常是最初期阶段，投资推动了各种热点，而系统性的服务和商业推进反而会成为热度过后人脸识别企业排位最大的助推力。
对于创业公司而言，选对了方向已经成功了一半，对于TOB业务，每个客户都要持续跟进服务。
因此，商务和技术的双向配合则是想要涉足该领域创业公司必须思考的问题。
可见，人脸识别的算法只是一个工具，是否可以通过这个工具切入具体场景，打造出一个标准化能够落地的产品变现，这对于人脸识别创业公司尤为重要。
目前人脸识别领域的竞争格局基本已经确立，当这轮资本热消退以后，对于那些没有较大技术优势，同时也不掌握关键产品的公司，将面临严峻的生存问题。
发展到如今，人脸识别仅仅在软件层面达到了一个技术的改革提升，在产业链协同，人才缺口、市场接受速度，服务能力方面才开始部署，行业对人脸识别的期盼高于落地效果，仅有少数几家公司能够真正达到安防行业用于实战的苛刻要求。
因此，很多人脸识别创业公司说服投资人转向其他领域，比如机器人、自动驾驶、医疗健康等。
但这背后有多少是概念，落地时困难程度的如何，都是每个创业者和投资人需要考量的问题。
