出发，去东南亚市场搞AI( 三 ) 机器之心报道编辑：泽南去东

ADVANCE.AI必须实行本地化的技术优化：通过压缩模型来降低网络带宽需求，尽量把数据处理的工作放在移动端，并使用小模型；通过质量分析模型提示图像质量问题，并训练算法更好地适应本地数据，解决实际挑战。
在信用评分方面，数据科学家面临的主要挑战在于数据不足，银行等传统金融机构所能拿到的交易流水、征信报告等强金融属性的数据比较难以获得，因此积累的借贷、电商、运营商、设备等行为数据显得尤其重要，但这对特征工程的要求很高。 ADVANCE.AI技术人员使用自动时序特征工程以及深度学习算法进行时序特征提取，大大提升了特征挖掘的效果和效率。
在东南亚金融信贷领域，客群种类繁多，行为模式差异巨大，金融科技公司无法用一个通用的信用模型解决各不同金融机构的信用评分需求，因此分客群建模是必然的选择。 ADVANCE.AI通过无监督、有监督学习等算法度量客群相似度，使分客群从传统的业务问题变成一个技术问题，最终使客群分得更准确，分客群建模的效果更明显。
另一方面，技术的认知和法规也需要适应。「很多时候客户并不理解技术，在一开始，我们需要花费很多时间教育客户。」王芳林说道。
第一个重要机会
ADVANCE.AI最大的客户之一是一家全球知名银行。在2018年开始启动数字身份验证计划时，这家银行的研发团队对于活体检测、人脸等技术在东南亚能做到怎样程度并没有太多的概念和信心。
「这是我们在东南亚的第一个国际大客户，存在四五家竞争对手。刚接触时我们和甲方开过超过20次会，不断地和技术、产品团队与高层们打交道。因为我们是一家初创公司，难免受到了很多质疑。比如前两次我发现，他们的负责人一直是很不耐烦的样子。」王芳林介绍道。
但好在该银行对于供应商的调研一直在尽职尽责地进行中。
在推进的过程中， ADVANCE.AI不断改进着自身的技术，他们模拟了终端用户的实际体验，完成了手机上的测试版APP ，让负责人直接上手体验，演示新技术的便利性和异常情况的解决方式。
ADVANCE.AI终于获得了进入下一轮验证的机会。「我们的产品比较符合东南亚特色，最终在准确率测试阶段比较容易地击败了所有竞争对手。」
但这只是个开始，中标之后还有漫长的技术落地与合规流程，最终一共花费了十几个月的时间。在解决方案正式上线之前，工程上经历了三次内部测试、演示和预上线过程。 ADVANCE.AI的团队还需要帮助银行选型深度学习部署硬件，在基础设施方面提供建议。
跨国公司非常强调数据隐私和合规性，注重内部流程和规范，包括采购的流程和合同条款。「客户会要求我们保证在未来几年内声誉不会出问题，一旦违约要做赔偿，」王芳林表示。「我们实现的AI模型也不能在不同种族、性别上出现歧视性分析结果。在安全性和可靠性方面，他们会对产品的各个技术环节进行研究，确定用到了哪些技术。」
在不断沟通的过程中我们可以发现，这些海外公司能够做到相对客观，而且技术角度上看，新兴市场的竞争没有国内那么相对激烈。这为AI创业公司带来了机会。
产品是最大的需求
在确定了业务前景，选择的方向在未来几年收益的预期之后再扩张团队，或许才是科技公司构建AILab正确的方式。
随着业务不断扩张， ADVANCE.AI的团队规模从几十人扩张到了如今近200人的规模，办公室也从两个国家发展至到五个国家。