5月15日，计算机视觉创业公司依图科技向黑智透露，已于近日完成了3.8亿元的C轮融资。据悉，此次由高瓴资本集团领投，云锋基金、红杉资本、高榕资本、真格基金跟投。

值得一提的是这5家基金在创投界的分量，它们分别覆盖了从私募基金（PE）、风险投资(VC)，再到天使投资（Angel）不同投资阶段的领军机构。张磊、虞锋、沈南鹏、张震、徐小平更是投资排行榜TOP1的常客。

依图科技表示，此轮募集的资金，将主要用于人工智能技术在医疗行业的核心技术研发、医疗行业临床应用的拓展，以及人工智能医疗团队的建设。目前该医疗团队已推出国内第一个真实应用于临床的人工智能影像诊断产品，这是使得依图科技成为目前国内唯一实现对全量医疗数据覆盖的人工智能公司。

依图创始人朱珑在刚刚结束的中国企业家绿公司年会的演讲中提到：“人工智能应用于垂直领域，非常需要对技术和场景相结合的理解，非常需要高手，作为翻译者或沟通者，这个角色非常重要。”

将人工智能技术应用到世界上最严肃的医疗领域，不仅需要先进的技术，还需要具备对医院医生面临痛点的深刻洞察能力，以及创新性解决问题的思维能力。

对于临床医生而言，区分结节所在的肺叶特别是肺段的难度极高，依图通过深度学习技术创新性的建立了“数字肺”，帮助医生快速精准定位结节，评估倍增时间。除此之外，依图团队还把影像和病理结合起来，逼近影像本身的诊断极限。这在全球人工智能和医疗领域都是首创。

凭借技术优势和工程落地能力，依图影像智能辅助平台已经被上海和浙江省多家顶级三甲医院所采用。人工智能技术在医疗影像的应用，已经从实验室走出来，在临床全面铺开。

公开报道中称，依图人工智能技术在实际医疗临床应用半年多时间，实际临床敏感性已经达到95%以上，其中10mm以下的小结节和5mm以下的微小结节占到检出结节的40%以上。这意味着，人工智能技术对肺小结节的诊断能力几乎已经超越普通医生的诊断水平。

在试运行使用依图影像智能辅助诊断平台的医院，医生已经开始把系统生成的报告采纳到自己的诊断结论中，以浙江省人民医院为例，系统生成的报告被医生采纳的比例达到了90%。

此外，依图科技还在临床决策方面进行纵深布局。据悉，依图人工智能临床决策支持平台已在广州妇女儿童医疗中心服役，利用深度学习技术对历史病历进行处理，建立疾病诊断模型、特征补充模型、相似病例模型为患者和医生提供初步诊断。

早在进入医疗行业之前，依图就已进军了多个领域。在安防领域，依图研发的“蜻蜓眼”人像大平台已服务全国上百个地市公安系统，也是全国唯一拥有十亿级人像库比对能力的公司；在金融领域，招商银行1500多个网点接入了依图系统，双方合作的 “刷脸取款”也开创了国内银行领域的先河。

附：依图科技创始人朱珑在绿公司年会演讲，经黑智编辑

　　人工智能：难辨的技术，没有权威的时代

人工智能比较火，谈的人比较多，对我来说是非常难谈的。我先给两个定义：一个是难辨的技术，真假非常难辨，泡沫非常难辨。

什么是难辨的技术?人工智能属于科学的范畴，科学是离大众很远的。不要说我们是最好的实验室，就去评价另外一个实验室的工作，如果只看论文，看公开流通的文章，不是那么容易评论，评估成本是很高的，还要根据多年来两个实验室的交流，以及互相理解的基础，才能评价他们的工作，这对圈内人已经是比较难的了，更何况现在流动非常大。

我们对科学预设了一个立场，就是客观事实。但很多在市面上评价的东西都是比较主观的，很多科学家、教授、研究员并不在业界的一线，尽管他是全职教授，或者是名牌大学的教授，但很多他听到的进展，更多来自于新闻。但新闻可能不是最核心、最领先的一些技术，以这个不是那么严谨的素材做预测和评论的时候，其实是和真相差距比较大的。

科学是一个很严肃的东西，是一个客观存在的东西，但是我们谈起它的时候误差是比较大的，容易被谈的人的身份做预设的牵引。

另外一个就是，这是一个没有权威的时代。

我在硅谷最好的实验室呆过，他们要了解今天全球最先进的技术在发生什么，也不是那么全面。为什么?因为现在人工智能发展的速度太快了，甚至在各地都有跳跃性的发展。谷歌一个AI的总监不见得理解透他公司的另外一个部门的所有进展。更不用说今天在美国顶级的学术界或者名牌学校里面的老教授，他们已经很难点评全球最好的技术在发生什么。

这和10年前的学术界是不一样的，那时学术界3个全球最好的教授，实验室师兄弟几个人凑在一起，差不多把全球的进展，甚至未来3年的进展就都预测了。

这就是一个没有权威的时代，任何一个今天新的技术，都有可能有突破性的社会意义和学术价值。这是我的一个体会。

因为科学很难谈，所以我先从不需要任何专业背景，不需要跨越文化的东西，就是知识的东西，来看看AI今天是一个什么状态。

　　人脸识别的具体应用

机器很容易找到一张图来迷惑或者超过人的辨识边界。这个话题很有意思，在非常早期的时候，大概3年前，出现了非常重要的边界线。

机器做的识别，跟普通的人作一个识别的基础比较的话，机器的识别能力已经超过人类了，这是一个很重要的界线。很多最基础的功能上机器超过人类，机器就可以替代人从事这部分工作，有太多场合可以替代，比如机器几乎不会存在速度和体力的问题，一秒钟看1个人，还是5秒钟看10亿人机器都可以，很多场合都可以被替代，这是很重要的分界线。

刚识别这四组人像的问题，有的人可能会问，在座的100多位都不认识这几个人，有可能识别不了，大家对陌生人的识别能力下降，可是对熟悉的、我的朋友的辨识，机器不太可能超越我。

我们做了一个实验。我们有一个公安的客户，他在一千万数据库当中，把他女朋友的照片放进去搜索，然后拿出相似的前十名出来，打乱了出来，问他哪个是他女朋友，他辨别不出来的，有可能一个是证件照一个是生活照的原因，有可能因为年龄的原因，也可能有化妆的原因。

所以你非常熟悉的人，比如你女朋友，你不见得比机器更认识你的女朋友，因为光照角度、化妆，人是很容易受主观性的影响。

今天机器做到一个程度，对非常熟悉的人的辨识，机器也可以很稳定的超越人类。再拓展一点，识别人，跟今天在座的观众差不多的体验。到更专业的领域，医学上，一个专家他可能训练了3年或者5年，机器还是可能超越人类。

我们还做了一个统计，我们尝试想回答一个问题，在中国大约13亿人中有多少人和你长得一样?长得一样的标准，就是你妈辨别不清楚谁是谁，这个问题纯粹是对世界的好奇。

结论是每一亿个人中有一个人和你一样，全中国平均有12个人跟你长得一样，你找得到12个“替身”，而且是你妈辨别不出来。这是很重要的一个科学统计的结果，这是在其他任何地方都不知道的结论。

这是什么意思呢?我们做人工智能，除了产业化的意义意外，今天的人工智能，把机器的边界不断往前推进的时候，它能够帮助人类看到我们的智慧、天生的能力边界在哪里。从前这个课题没法被讨论没法被回答，以前没有这么大规模的科学手段，这非常有意义。

虽然人脸识别非常普罗大众，大家讨论智能，容易讲AlphaGo，讲棋手。那我对智能有一个很重要的理解，人工智能应该是先解决一件什么事情，其中应该是人天生就会具备的能力，他应该是3岁、5岁小孩就应该有的能力，这是人成为人的一个最重要的基础，它的很多智能是由这些衍生出来的，不是人的掌握的那些知识，知识如果就能被替代的话，他说的我这种智能就是体现差异的，不是棋手才有的智能，也不是英国人美国人特有的智能，也不是上大学的人有的智能，只要你是人就会有这个智能。谈论这个事情，是回答人最本质的东西。

再往下，我们谈一谈社会上的意义，在某个案子里，我们基本上应该是布了全球最大的人脸搜索引擎，公安可以通过这个搜索引擎追逃逃犯。

这里还有个案子，是十几年前的杀人犯，逃到庙里做主持，通过一个系统交叉比对，就是把通缉犯来和现有的十几亿人或者一个省的一个亿人，做大规模的几万亿次的或者几十万亿次的交叉比对，大部分逃犯可能都是改了证件做了漂白的，这个可以说是大海捞针的方式。

也会有在派出所发生这样的情况，老人带着小孩走丢了，他说不清楚自己是谁，记不起身份证号码，以前这个很难办，公安也不知道该去收容所还是社保，很难处理这件事情。现在在派出所拍一下就知道这个人是谁，也比较简单。

这个是讲这个摄像头用到了哪些位置，像是在公共的摄像头，办案过程已经锁定了嫌疑人，公共摄像头抓拍到了嫌疑人，比较远而且是运动的、模糊的、低清像素的情况下，基本都能识别出来。

这是在网吧，以前的小案件很难报案，几百块或者几千块钱，比如手机被人偷，既没法查也比较难抓，现在是这种角落里的摄像头，即便有角度的差异，也基本上都可以查得出来。

还有比较典型的应用是在ATM机上，以前也比较难做，ATM机上鱼眼摄像头拍到人像，现在可以用这些人像抓捕疑犯。

中国的人工智能局面，先进的技术结合垂直的场景，研究也具有世界范围内领先意义。

今天的人脸识别技术在不同的区域、不同的场景下，能做到非常多事情。作为从业者，特别是从科学到创业圈，还是非常激动人心的，特别是我和一线的民警聊，过去民警工作中希望用到的科技手段，这2年下来基本都能做到了，更重要的意义是你们看过的美国科幻大片里面的场景，我可以回答，我们都能做，而且基本上只有中国能做到。

美国和其他国家，像这种视频条件和人脸识别的技术都很难做到。美国的人脸识别技术很好，好在哪里?美国只是谷歌的技术好，最多再加一个Facebook的技术好，但它的创业氛围和政府的圈子的意识不见得是最领先的。

今天的局面是，像我这样的留学生回国的比较多，中国出现这种先进的技术和垂直领域相结合的产品是比较有代表性的，做出来不只是解决中国的问题，在世界范围内都是非常领先的。

我们刚介绍做人脸识别，其实我们还做其他方面，这是新的统计建模和人工智能在城市管理的应用。做一件什么事情呢?在杭州试点，把道路上的车和灯以及路，比如有多少个车道，道路上车辆通过的速度，这些参数拿进来进行建模，能够给交通一些优化的建议。

比如说红灯可以从50秒调到40秒，能使道路通行的速度提高5%或10%，类似的预测在宏观上做交通管理。如果有个大的事件或活动，要做个预测，过去都是凭着政府管理者的经验，都是经验型的，不是科学、大数据驱动的决策机制。现在可以靠真正的科学来辅助决策。

还有比较直接的应用，是在医学领域的肺的CT片，科学统计结果，今天机器可以做到和医院副主任医师看CT片子相当的水平。

这个是属于自然语言理解的范畴，大家看左上角，这是机器对小孩发烧状况的描述，机器是可以通过技术，把专业的医学中的自由文本转化成带有语意结构的，比如身体的部位，病灶程度、属性等，全部能精确的摘要出来，形成智能的决策，给出相似的可能性的症状，以及相似的病例和一些诊疗方案。

以上就是一些不同的人工智能在今天在不同场所应用，希望给大家一些人工智最前沿的传达。

AI在今天发展速度是非常快的，即使现在非常热的情况下，以BAT、创业者或是投资人，大家还是低估AI最前沿的技术有可能有跳跃性的进步。