从这点可以明白，为什么SAFR会率先在美国和加拿大的K12学校得到落地。

他说，“我们希望通过这样的面部识别技术，给生活带来更多便利，让大家在提供一部分信息的情况下，获得更多有效率的生活。当然，这项技术也能应用到商业领域，促进商业发展。”

实际上，现在很多的人脸识别平台仍然存在很多不足，比如无法识别动态中的人脸、有遮挡物时的面部以及化妆后的脸部等。他认为，人脸识别技术现阶段的挑战是：如何持续提升人脸识别系统在自然状况下的表现，持续降低硬件成本以及提高人脸识别的速度。

从技术落到市场，大家比拼的是核心竞争力。“很多市场上的竞争者并没有相应的实力和技术去解决上述问题，而这是RealNetworks所擅长，并持续投入的。” Reza Rassool说。

相比竞争对手，他提到RealNetworks人脸识别平台SAFR的三大优势。

第一，在同等准确的情况下，SAFR能比竞争对手更快地响应。他称，“我们在NIST的测试中，通过本地向美国做一个API的请求，RealNetworks的响应速度是最快的。通过这样的技术，我们可以实现实时的人脸跟踪和监测。”

其次，可本地化训练的模型。据他介绍，SAFR采用的机器学习模型是比较小巧灵活的，它可以在本地实现，边缘处理，而它们的竞争对手往往采用非常庞大的机器学习模型，是RealNetworks的20倍甚至30倍。

第三，SAFR的算法非常公平，无论被识别人的肤色、年龄、性别和地理位置如何，它都能进行精准识别。

这就涉及一个问题，如何保证算法的公平。Reza Rassool介绍了公司的做法，RealNetworks从两方面来保证算法公平：一是对数据有着严格的管理和把控;二是采集全球范围内的各种数据和照片，不管任何地区、任何种族，而且全是真实场景中的照片数据，不是专门修过的照片或证件照。

80个像素即能识别一张人脸

虽然RealNetworks有着自己的独特优势，但是如何与其他人脸识别公司竞争。

Reza Rassool谈到SAFR的优势：：像谷歌、微软等公司一般采用的是接受客户数据、上传云端，然后返回处理结果的路径。

比如亚马逊，每1000次的API请求会收1美元费用，当量小会比较经济方便，但是对于很多大量数据，比如实时视频，1秒钟30帧里会出现上千张面孔，这样的请求就会非常昂贵。

RealNetworks有一个可以快速推广的技术，基于用户每次上传云端只采用很小的量，只需上传80个像素即可识别一张人脸。

“我们希望在真实、实时视频的情况下，能实现经济有效的人脸识别。我们相信，我们的产品在市场上是有优势的。”他说。

进入中国 RealNetworks准备好了吗?

据清华大学发布的《中国人工智能发展报告2018》显示，2017年中国人工智能市场规模达到237亿元，同比增长67%。计算机视觉、语言、自然语言处理的市场规模分别占34.9%、24.8%、21%，而硬件和算法的市场规模合计不足20%。预计2018年中国人工智能市场增速将达到75%。