在出行领域，人脸识别乘车技术的应用，是公共交通行业迈入大数据时代的重要一步。“大数据告诉我们‘是什么’而不是‘为什么’。在大数据时代，我们不必知道现象背后的原因，我们只要让数据自己发声。”

《大数据时代》的作者维克托·迈尔-舍恩伯格如此描述大数据对人们生活的影响。

在出行领域，人脸识别乘车技术的应用，是公共交通行业迈入大数据时代的重要一步。

7月1日，“戴口罩人脸识别”乘车系统在哈尔滨地铁正式上线。据悉，自7月1日起，该系统在哈尔滨地铁1号线、3号线一期全线所有车站正式投入使用。

人脸识别技术的迭代升级，对防疫常态化的公共交通提供了强有力的基础支撑，也意味着AI、大数据技术正在逐渐深入应用于传统产业端，进一步促进公共交通产业数字化、智慧化发展。

TUMC模型下，人脸识别技术到产业的“蜕变”

在防疫常态化的当下，数字化“新基建”成为推动经济高质量增长的重要推动力，而人脸识别交互等生物信息身份核验技术，成为重要的人机交互入口，是人与数据链接的纽带。

根据前瞻产业研究院的一份数据预计，2019年我国人脸识别市场规模约为34.51亿元，相比去年同比增长24.99%，2021年全球市场规模可以达到428.4亿元，市场规模仍处高速增长阶段。

在国内，公共交通领域成为新技术产业化的重点领域。

早在2018年，西安地铁率先开通全线网扫码过闸，2019年至2020年初，郑州、西安两地上线刷脸过闸，AI人脸识别技术开始大规模应用于城市轨道交通领域。这一切的背后，智元汇作为智慧交通综合解决方案供应方与实施者，同步还在以NCCC 线网客流大数据信息化平台等新技术，深入推动AI、大数据等新技术在公共交通领域的落地。

此次哈尔滨人脸识别系统的迭代升级，实际上也是AI技术与交通产业的深入融合，在智慧出行行业不断发展的今天，AI正在成为智慧轨道、数字化公共交通落地的关键要素，推动了AI等技术走向人民日常生活。

-

公共出行交通的1.0时代的主题，是基础硬件设施的不断完善;2.0时代，是移动支付兴起后扫码到刷脸的蝶变;3.0时代则是以人脸识别、AI、大数据为基础的全产业链升级改造的智慧出行时代。从公共交通2.0时代到智慧出行的3.0时代，生物识别技术的大范围应用是基础，背后则是大数据、AI等新技术的产业化深入。由此，公共交通产业的“蝶变”拉开序幕。

清华大学产业研究院提出一个TUMC模型来描述新兴技术的产业化：一个新技术要生存，需要突破两个节点，首先必须嵌入到已有的产业中，其次形成产业价值链条。

以AI技术的“产业化蜕变”为例，不断迭代成熟的AI身份识别技术构成了产业的技术要素(Technology);以无感体验为触达的用户效用(user Utility);国内轨道交通建设的持续推进形成应用市场(Market);日趋完善的智慧交通产业链条(industry Chain)等，共同构成了TUMC模型下，以人脸识别为代表的AI、大数据等新兴技术产业化的蜕变环境。

那么环境条件成熟之后，如何推进落地?商业化。

在科技企业的推动下，集合产业价值要素，形成可持续发展，通过技术、商业迭代等方式，形成一个完整的技术到产业的价值链条，以商业化的方式，推动技术落地的持续化、常态化发展，并最终转化为产业本身的竞争力。

人脸识别技术在智慧交通领域的落地，本质上也是将AI技术嵌入到已有的产业中，形成一个产业价值链条，以智慧乘车技术的应用，反哺AI技术产业链条的形成。

以此次哈尔滨地铁“戴口罩刷脸乘车”的研发实施主导者为例，智元汇从刷脸移动支付到地铁客流大数据，再到智慧安防安检、智慧车站等，进一步实现了AI技术对于智慧交通领域各个环节的嵌入，形成了一个完整的产业价值链条。

在这样的产业化“蝶变”中，一批深度钻研应用大数据、人工智能、5G、物联网等技术的科技企业，正在促进智慧出行领域整个AI产业链条创新落地。

“人机耦合”趋势下“硅基、生物算法”相互交融

所谓“耦合”，是指两个事物之间存在一种相互作用、相互影响的关系，比如说，在电路中，两个或两个以上的电路元件或电网络等的输入与输出之间的相互配合与影响。

而“人机耦合”实际上是一种新型的人机交互方式的衍化。

不得不承认的事实是，当下的AI是有明显上限的。比如说AI语音识别至今仍未完全实现语境下的语义识别。

因此，“人机耦合”的第一层含义在于，在人为的干预下，突破基于深度学习算法与大数据的AI能力上限，从而更好地满足现实应用的需求。

举个例子，在大数据应用层面上，虽然基于算法可以实现对数据的整理和分析，但仍然需要数据分析师去理解数据变化背后的现实意义，从而提升应用效率。从这个意义上来看，AI技术在轨道交通行业的规模应用，也是人机耦合趋势下，AI在交通领域的深入落地。

一方面，从体验端，AI人脸识别技术应用带来的“人机耦合”交互体验大大方便了C端出行支付和验证，提升了出行行业验证支付效率。

另一方面，从行业治理效率的角度来看，出行个体单位的数字化也成为出行大数据分析的基础，从而可能实现对出行需求的大数据预测，并动态调整出行资源分配。

“数字化带来的好处在于使得人们不必囿于现有的生产资料的利用效率。”一位AI领域资本市场分析师表示：“在AI算法与数据的后端支持下，通过出行、安防安检、智能导视等各个环节的联动，才能实现真正的‘数字效率’”。

从这角度来看，AI技术的商业化应用，使得出行领域数字化进一步深入，数字化技术嵌入当下的交通体系之后，则有望实现公共出行领域整体的服务与效率的升级。

“人机耦合”的第二层含义，则在于解决公共治理效率痛点，促进社会运转效率提升。

“算法指的是进行计算、解决问题、做出决定的一套有条理的步骤。”牛津大学历史学博士在《未来简史》中认为，生物的本质是算法：一方面，生物的基因组被认为是应面对生存环境的“解决方案算法”，另一方面，人们解现实问题的策略也可以被定义为“算法”。

从这个角度来看，以人工智能技术应用为代表的人与机器、算法的耦合本质上则是“硅基算法”与“生物算法”的交融。

一方面，人们独有的面部信息特征（生物算法）构成了人的唯一性，另一方面，人脸识别的本质是通过AI可识别的“硅基算法”去描述“生物算法”的这种唯一性，从而实现真实的身份唯一性验证。

这样的结果是对人类社会运转效率的有效提升。

比如，在公共交通领域，AI视觉技术的应用解决了“人证票合一”的痛点，实现交通资源智能调配，提升公共出行治理效率;此外，公共安全治理方面，通过数字化追溯，实现实时安全风险分析，提升公共安全治理效率;在公共信用体系方面，也能完善个人公信力评估体系，赋能金融等行业发展。

可以预见的是，未来AI、大数据等新技术将会深度融入我们生活，智慧交通、公共治理等领域只是新技术应用的第一步。新基建浪潮下，随着新技术应用的逐步深入，以智元汇为代表的公共交通AI赋能企业一定能带来更多的精彩变化。