導讀：多模態的生物識別技術已經從概念包裝、探索商業模式來到行業落地的階段，應用時機已到，未來增長潛力有望持續釋放。

隨著生物識別技術日趨成熟及應用場景的不斷拓展，近十年來，我國生物識別行業市場一直保持著穩定性的高速增長。據前瞻研究院發布的《2018-2023年中國生物識別技術行業市場調研與投資預測分析報告》顯示，2002至2015年，國內生物識別市場的年復合增長率達到50%，2016年生物識別市場規模達到120億元左右。預計到2021年，中國生物識別行業的市場規模將突破340億元。

從幾大主流生物識別技術的市場應用情況來看，指紋識別技術發展最為成熟且成本較低，因此應用范圍也最為廣泛，基本占據了生物識別總市場規模近三分之一的規模。人臉識別隨著深度學習、大數據和算力的提高，這幾年市場規模增長迅猛，當前正處于技術落地應用的沖鋒階段。而以安全性著稱的虹膜識別技術相對還處于新興階段，技術也日趨成熟，在一些特定場景下已經能夠實現很好的應用，目前也正在朝著越來越廣泛的應用方向拓展。

除了指紋、人臉、虹膜三大主流生物識別技術之外，基于人體生物特征屬性，諸如指靜脈、掌紋、聲紋、步態等次常規生物識別技術也隨著應用場景的開啟紛紛迎來了技術商用的機會，拓展出各自的應用市場。

生物識別技術的廣泛應用很大程度上是為了提升各場景下個人身份認證的安全性、認證效率及認證過程中的用戶體驗。然而，在諸多實際應用場景當中，由于單一生物識別技術仍存在一定應用缺陷，比如指紋易磨損、易復制，人臉識別對外界環境要求高且具有“照騙”隱患，虹膜識別應用成本相對較高等因素，因此，越來越多基于多模態生物識別技術的產品和方案開始誕生并受到市場關注。

通過將兩種及兩種以上的生物識別技術進行組合，其所構成的多模態生物識別可以很好的補齊單一生物識別存在的技術應用缺陷。例如，可以把人臉決策權重和指紋決策權重結合在一起，既能提高準確率，又能擴大應用場景。

當下，多模態已然成為生物識別技術領域的顯著趨勢，尤其在一些安全等級要求較高的應用場景當中，往往會采用兩種甚至兩種以上的生物識別技術進行身份驗證，取長補短融合發展。

在這個過程中，融合不是固定的，而是靈活的，需要根據不同的應用需求和場景需求來選擇合適的融合方式和權重。從目前市場的發展情況來看，多模態生物識別技術已經從概念包裝、探索商業模式邁入到行業落地應用的階段，隨著諸多行業領域精細化發展的目標驅動，無論是為提高B端用戶的安全和管理效率還是C端用戶的使用體驗，多模態生物識別的市場潛力已經被全面激活。

如何推進多模態生物識別技術的場景化落地?

隨著市場商機的涌現，也有越來越多原本專注于單一生物識別技術的企業開始嘗試朝多模態生物識別技術和方案提供商的企業角色轉型。

然而“機器視覺”也好，“圖像識別”也好，“生物識別”也好，其實都屬于模糊識別，也就是只能告訴你“有多像”，而無法告訴你“一定是”。這就意味著每一種單一的識別技術都會有或多或少的局限性和識別極限，或者不適合的應用場景。

對于多模態生物識別技術企業而言，不論大家在算法、產品或解決方案單一方面的能力多么出眾，最終考驗企業的主要還是技術在場景中的落地能力。即通過多模態生物識別的統一融合，如何覆蓋更多的應用場景和應用人群，進而創建完整的場景生態，從而進行大數據積累以及數據價值的挖掘。

那么如何推進多模態生物識別技術的場景化落地呢?這是一個需要理性規劃的問題。

一項技術從研發到落地可能需要好幾年的工夫，要想真正實現商業化或者盈利需要更長的時間。人工智能技術不像互聯網技術是比較單一的一種產品形態，它的應用場景、技術范圍也非常復雜。

生物識別作為一項典型的AI技術，要真正的落地到實際場景當中，為行業賦能，從技術廠商的角度來看，首先要有一個核心的算法作為驅動力，同時要有相適配的部分，即與不同場景相匹配的智能硬件連接客戶作為觸角。與此同時，軟件平臺也必不可少，它是對接用戶復雜業務需求的“中控臺”?；谠撈脚_實現以大數據為核心的數據挖掘和智能服務，從而真正體現多模態生物識別技術帶來的商業價值和數據價值。

也就是說，對于廠商而言，要推進技術在行業市場的真正落地，需要構建起從算法到硬件到后端平臺端到端的解決方案能力，在完善的方案架構基礎之上，再去針對性的響應不同客戶的差異化訴求。

AI產業健康發展有賴產業鏈上企業共同推進

生物識別產業鏈上，以芯片、算法、軟硬件產品或解決方案立身的企業比比皆是，大家立足于自己擅長的領域，從單點或多點切入，共同推動著生物識別市場的發展壯大，上下游之間的密切合作也由此構成了完整的產業閉環。

目前包括百度、騰訊、京東、科大訊飛等科技企業均推出了自有的AI開放平臺，甚至免費開放一些基礎的生物識別相關算法，這意味著AI算法能力的獲取將比以前更為容易。而隨著越來越多AI開放平臺的推出，這其中蘊含著兩種信號：一是AI算法紅利將提前進入弱化期，原本以算法彰顯技術能力的企業不得不進一步強化自身的技術壁壘，以保持核心的競爭力;

二是AI開放平臺的推出，是人工智能發展到一定階段的必然性趨勢。從這個角度來說，人工智能技術不僅僅屬于某一家公司，而是屬于全人類。開放AI技術可以滿足開發者和合作伙伴不同層次的需求，更快速的推進人工智能技術的優化，從而轉化成賦能行業領域的核心驅動力。

在這樣的產業生態之下，行業內的伙伴，一方面需要不斷加強自己的技術壁壘，從算法、產品化能力上塑造核心的競爭力，找到自己的市場定位和商業模式，并且精耕細作。另一方面也應當抱團取暖，共同探討如何分享蛋糕，如何規避風險，如何在巨頭涌入的環境下找到自己的生存發展之道。

未來，可以預想，隨著人工智能技術的日趨成熟，即便是技術門檻較高的人工智能行業，也同樣可能陷入算法、產品或方案同質化的“怪圈”。這個怪圈的出現很大程度源于一些急于“上馬”的AI開發者和平臺提供商，為了追求速度，會將AI落地變得過度扁平化。

AI市場本身應該是創意、多元和深度的，要想避免這種局面的出現，首先企業自身還是要不斷強化自身的技術實力，爭取在行業市場的話語權；其次企業應該對AI本質規律、開發規律、未來走勢有更理性的認知，避免急功近利；最后也離不開綜合優勢的加持，企業需從技術水平、團隊建設、落地能力、商業模式、客戶基礎以及盈利能力多維度上構筑綜合的企業實力。

強化短板 塑底層核心技術

一直以來，多數企業普遍注重應用層面的開發，在底層核心技術上鮮有投入，雖然可以迅速積累發展資金，但在技術鏈、供應鏈上會存在不少斷點，忽視底層技術領域而導致的短板，就有可能成為企業的致命罩門?？v觀全球，科技強則國強，而底層技術作為高科技領域的發展基礎，正不斷引起國家重視。

任何一種技術從研發到應用，到實現商業化，都需要經過漫長的積累過程，需要不斷的驗證和積累，需要不斷去趟坑去填坑，需要行業內的伙伴共同把“蛋糕”做大。因此理解多模態生物識別技術賦能的真正的價值，找到最適合的場景去應用落地，包容和不斷優化生物識別技術的應用缺陷，才能推進這項技術的持續演進，更好的實現多模態生物識別技術的商業化落地。