旷视科技最新披露的招股书中，定义自己是一家聚焦
物联网
场景的世界级人工智能公司。但曾经，名为Face++的这家公司似乎只是一个手机人脸识别算法提供商。
事实上，在它的发展过程中，还曾经做过
手机游戏、AI面相、婚恋相亲
推荐等等业务。
旷视科技如何一步步走到现在的？
旷视科技联合创始人兼CEO印奇是一名理科学霸。1988年出生于安徽芜湖。高中还没毕业便被清华自主招生录取，进入了赫赫有名的“姚班”。
姚班是由美国图灵奖得主姚期智院士于2005年创办，汇集了全国数学、物理及信息学竞赛的金牌选手。
也是在姚班这个
全国最强IT班
里，印奇遇到了旷视科技另外两位联合创始人——唐文斌和杨沐。三位学霸成了好友。不久后，印奇和唐文斌、杨沐一起参加清华创业挑战赛，研发了一款体感互动游戏《乌鸦来了》。
这个游戏很简单，一个站在农田中央的稻草人，要保护南瓜不被险恶的乌鸦偷走。要对付这些乌鸦，你得用摇头的方式来控制稻草人的位置。
这款游戏操作不需要任何触摸，只需玩家你把头从一边摇到另一边……通过手机摄像头识别人脸，达到操控目的。
本科阶段，印奇在微软亚洲研究院实习，期间参与了当时的微软人脸识别系统开发，相关技术后来被用在
X-box游戏机
上。《乌鸦来了》
这款游戏的操作灵感来源也是这套底层技术。
游戏在没有任何推广的情况下，逐渐冲到苹果商店免费榜前三。
风投就找上门了。
学生创业的一个优势是没什么负担，什么都可以尝试一下。
2011年10月，印奇创立北京旷视科技有限公司。
当时公司名字叫Vision Hacker，主要产品就是
手机游戏
。
“让机器看懂世界”是公司成立时的愿景。
2012年8月，旷视科技拿下了数百万元的天使轮融资，投资方包括联想之星、联想创投。
有了钱之后，下一个问题是
哪里找人脸识别的其他应用
？
在商业化上，旷视走了很多的弯路，也探索了很多不同的方向。
旷视早期产品包括：
相亲
网站人脸匹配、机器
面相
大师，自动
服装
推荐。
虽然现在看有点非主流，但当时这些产品都一度有非常好的表现。
比如人脸相亲产品是和
世纪佳缘
等婚恋网站合作，用户上传喜欢的人物照片，AI就可以帮你找到对象。
自动推荐服装的产品是和蘑菇街合作，虽然转化一般，但新颖的体验反馈良好。
机缘巧合的是，当时技术圈子内的开发者平台Face.com在这一时期突然被Facebook以6000万美元价格收购，不久后又由于各种原因闭站。旷视科技抓住机会，以Face++的身份抓住了一批“外流”的人脸识别技术开发者。这一技术文化的积累，为公司后续发展打下重要基础。
2012年，随着智能设备的普及，移动互联网应用迅速崛起。如何
保证远程操作是用户本人
很关键。
旷视科技在这一时期开始与智能手机厂商等消费电子领域客户开展合作，推出Face ID业务，给普通用户提供远程身份核查服务。这套系统最早来自创始人和一个工程师同事
业余
为旷视自己开发的门禁系统。
当时团队是这样想的：“
我们毕竟是人脸识别的公司，如果和其他公司一样刷卡开门也太low了。
”这个朴素的想法后来成为价值百亿的生意，
累计为数亿台智能手机提供了设备安全和计算摄影解决方案。
2013年，创新工场参与旷视科技A轮，融资数百万美元。创建微软亚洲研究院的李开复，一直就看好AI发展。印奇在微软亚洲研究院的经历也有助于这次资本合作。在这一阶段，李开复建议旷视科技团队用 AI 技术赋能传统行业的转型，帮助传统行业进行生态升级。
2014年下半年，蚂蚁金服开始与旷视科技团队接触，后来支付宝成为旷视全面转向企业级用户后最重要的Face ID客户。
2015年3月的德国汉诺威IT博览会上，马云亲自展示刷脸支付，通过“刷脸”在淘宝购买了一枚1948年的德国汉诺威纪念邮票。
这套动作背后就是旷视科技的技术支持。大部分普通人这是
第一次听到Face++旷视科技的名字。
随后的几个月里，旷视的商务市场团队每天都在加班，安防和银行等金融机构的合作需求如潮水般涌来。
那年，旷视科技创始人印奇刚满27岁。
2016 年 AlphaGo 在围棋界的突破，让大众对于人工智能的热情进一步提高。
这一时期，旷视科技的布局重点已经不再是以手机人脸识别为代表的消费物联网，而是转向城市物联网，比如公共安全、城市管理、交通管理等领域中的AI需求。这一系列业务后来成为了旷视盘古。
这一时期，旷视科技走向大众公用。2017年10月，旷视科技完成C轮融资，由中国国有资本风险投资基金、蚂蚁金服、富士康集团联合领投，中俄战略投资基金、阳光保险集团、SK集团等参投。
这一阶段，旷视科技自主研发了新一代AI生产力平台Brain++，把深度学习框架MegEngine（天元）、深度学习云计算平台MegCompute以及数据管理平台MegData，将算法、算力和数据能力融为一体。
从Face++到Brain++
的主要差异是它的核心能力包括数据的处理、清洗和管理能力，算力的共享、调度和分布式能力，算法的训练、推理及部署能力，覆盖从AI生产（输出算法模型）到应用（实现算法工程化封装）各环节，并可灵活组合，支撑不同需求的产品形态，解决AI研发门槛高、成本高的问题。
在人工智能投资热度降温的时候，也有人质疑，
新的一批头部人工智能公司，是否只有“算法”护城河？
印奇看来，
单一算法壁垒很低
，但是能够系统化地产生大量算法，并且结合场景不断迭代、优化，最终打造算法相关的产品和方案，壁垒就变得很高。
