5 月 23 日，国内知名人工智能创业公司云从科技向机器之心透露，已拿到中国银行总行订单，其人脸识别软件将在中国银行总行、境内分支机构、境外分支机构以及控股子公司全面应用。
机器之心第一时间与云从科技取得联系，就其如何在成立两年时间便拿下总行订单，同时如何与五大行中的四家签约合作展开讨论。
攻略中行，首先要满足技术和工程要求
在此前机器之心的专访中，云从科技创始人周曦就曾多次强调银行的「2 小时、4 小时、8 小时原则」——如果银行系统宕机 2 小时，该行行长就要去当地人民银行上报情况、接受批评；如果 4 小时没解决，就要写报告、做检讨；如果 8 小时还没解决就是严重事故，银行的评级一定会下降、甚至是关停某些业务。
云从科技创始人周曦
这条硬性规则的制定，使得「稳定」成为银行对人脸系统工程上的最大要求。除此之外，「尽量高的正确拒绝率」也是银行的重点要求之一，即：哪怕有 1% 的概率不识别也没关系，绝不可以把客户识别成另一个人。
与安防相比，银行场景环境更稳定、受众也相对配合，对技术的需求主要体现在识别速度和准确率上。据云从科技金融事业部总经理张兴旺介绍，中国银行的具体技术要求有五点：
1、检测单张人脸照片时间不超过 120ms；
2、实时人脸跟踪平均帧率大于 30fps；
3、在照片大小为 640*480 的前提下，提取人脸属性时间不超过 12ms；
4、提取单张照片的特征值时间不超过 400ms；
5、从十万照片库中搜索唯一相似的人脸用时不可超过 34ms，前 50 张最相似照片不超过 38ms。
即使有强大的技术基础，也要迭代 70 次
「双层异构深度神经网络」是云从的人脸识别基础技术核心之一，它能将看起来不相似、实则是同一人的人脸图像准确对应。
特别是在人证对照场景下，本应该满足同一分布的个人照片，会因光线、表情、角度等种种原因相隔很远。双层指通过将两张照片在两个层上组成分布再连接，接受两张照片的不同并找到原因；异构与双层相辅相成，通过在人脸模型中加入光照、遮挡、角度、年龄、种族等先验信息，增强模型的适应性和特征的表达能力，同时减少计算代价。
共 32 层「双层异构深度神经网络」包含 50M 神经元、260M 参数，资料由云从科技提供
在训练数据方面，云从搭建了超大规模移动式结构化数据采集阵列，通过平均分布的 91 个摄像头收集不同角度、光照情况的人脸数据，直接获得图片准确的属性信息。采集阵列的可移动性，使得直接采集真实场景（包括银行大堂等在内的）数据成为可能。
云从自成立以来便开始研发人脸识别引擎，至今已迭代 70 多个版本，客户端也已更新到 3.0 系列。更高的并发数、识别率、识别速度，一直是不断迭代的优化方向。
步步为营，攻克四大银行
早在 2015 年下半年，云从的技术就已被中国银行辽宁分行、铁岭分行采纳；2016 年上半年，又在中国银行北京分行试点、上海分行项目中中标。不论是自主发卡还是手机 App，这些业务中均有云从的身影。
2016 年下半年，中国银行总行开始做场景评估，最终测试决定在业务中使用人脸识别。从招标、技术澄清再到投标、中标，「期间经历了六、七次友商交锋，最终云从科技在 18 家投标公司中中标」。
接下来，云从开发的人脸识别软件将应用在中国银行全行，进入包括柜台、直销银行、手机银行、网银、智能机等终端的人脸验证环节。全面部署完成，大概需要 1-2 年时间。
对于为什么会被中国银行总行选择，张兴旺的回答十分中肯。「第一是地方分行的实用效果切实，第二是云从服务的其他银行客户运营良好，总行对售后运维也有信心。当时行方要求列举以往做过的 5 个典型案例，项目金额均要在固定金额以上，能达到要求的都是深耕许久的行家。」
中标后，云从科技设计了一系列庆祝海报
在中国银行外，中国农业银行也在去年 9 月将人脸识别应用到 37 家分行。2016 年 6 月，支持刷脸支付的中国建设银行成为「国内首个应用刷脸支付的银行」。今年 4 月，中国交通银行太平洋信用卡中心应用了人脸识别引擎和 IBIS 生物识别管理平台。这些银行采用的技术，全部来自云从科技。
除了扎实的技术基础，云从为何能在金融业取得如此多的成绩？遍布全国的销售服务中心也许是云从取胜的诀窍之一，一旦银行系统出现问题，可以第一时间赶赴现场。「银行很看重销售服务体系，大部分互联网模式的公司可能不太重视」。
专注同样是原因之一，「一个是研究的东西很集中，虽然什么都能做，但现在还是做好人脸；第二是行业上要集中，各行各业都能做，我们只做金融和安防」。
点击阅读原文，查看机器之心 GMIS 2017 大会官网↓↓↓
