與蘋果撞車 99級北大博士攻行為感測器 欲俘獲3億籃球發燒友

文| 鉛筆道   記者 王琳

信心只有50%，沒有參考，技術難度高。

這是2015年白楓最初確定創業方向的現狀。他想用MEMS感測器和人工智慧技術服務全球3億籃球用戶。

高難度無參考意味著壁壘，白楓帶領一幫「高科技農民」在這塊土地上耕耘了3年多。直到2017年，得知蘋果內部也在研究該方向後，團隊迎來了曙光，信心大增。

這是最好的加速劑。去年5月，哈哈籃球HIPLAY（全球首款人類籃球行為感測器）上線京東眾籌。截至去年年底，產品共銷售1萬多台。

佩戴在用戶腕部的籃球行為感測器高速實時採集佩戴者手腕數據（如速度和方向等），內置演算法進行邊緣計算，實時監測用戶是否發生了投籃行為，並計算出行為時序。隨後，這些籃球行為數據實時傳送給哈哈籃球手機端APP，APP在實時拍攝用戶打籃球時就自動生成了用戶的精彩籃球視頻，「就這樣全球3億籃球用戶第一次能夠用自己的智能手機自動產生自己的精彩籃球視頻」。目前，籃球行為識別準確率約95%（投籃訓練場景）。

未來，白楓團隊將切入更多的領域。老人有沒有摔倒，士兵的訓練動作是否標準，這些都可以實現。「只要你想知道人在做什麼，我們就可以做。」

注:白楓承諾文中數據無誤，為其真實性負責，鉛筆道做客觀真實記錄，已備份錄音速記。

摸黑前行

白楓做事有個習慣：不求寬度但求深度。

7年前，他創業服務電力系統，解決人在高壓變電站里的精準定位問題，據此來判斷工作人員的安全，「22萬伏高壓線6米以內，人便會被電死」。

團隊採取的做法是先通過GPS做到人員厘米級精準定位，隨後利用MEMS陀螺儀慣性導航演算法來解決GPS信號盲區問題。

這一做就是4年。

2015年，白楓和他的團隊拿到了1500萬元天使輪融資。他開始想著MEMS陀螺儀如何應用在C端呢？

彼時，人工智慧的熱浪湧起，這引起了白楓的注意。是否能用MEMS陀螺儀加人工智慧來知道人做了什麼行為？

順著這條路子，他選擇了運動領域。在白楓眼中，運動領域是一個藍海，且沒有互聯網產品佔領這個場景，除去KEEP。但KEEP屬於健身領域，而白楓想切入的是對抗性運動，比如球類，「這些市場都是過億的」。

核心離不開MEMS陀螺儀。「把感測器放在人的手上或者腳上，就可以知道人的運動行為。比如你手勢變了，蘋果手機的屏幕就會隨之旋轉。」

運動項目繁多，一開始，他挑中了籃球。籃球是全球化運動，不分國家，種族，語言和文化。但是遊戲卻不同，很多遊戲並非全球化的，比如美國玩王者榮耀的用戶可能就不多。

但是籃球不同，相比互聯網其他賽道，籃球運動是一個全球市場，3億用戶，僅僅中國有3000萬+籃球重度和輕度用戶，這些用戶單個價值至少數百元甚至上千元，「這毫無疑問是一個全球過千億，中國幾百億級別的藍海市場」。

饅頭大，卻難啃。籃球是球類運動中技術最複雜、量最大、對抗最激烈（最精彩）的，想要通過人工智慧的手段來識別運動行為，其技術難度不小。再者，放眼全球，該領域尚無人涉獵（蘋果有MEMS感測器機器學習時序行為檢測技術，卻不開源），團隊是否能走出來？

白楓卻認為自己的創業團隊有優勢。從產業鏈的角度講，中國是全球智能手機大國，MEMS陀螺儀晶元缺貨的概率不大。從技術角度講，籃球相關數據是空白，無論是巨頭還是創業公司，採集數據都要靠線下一次次來，誰優先採集，誰就優先具備了門檻。後來者要麼買先行者的數據，要麼用先行者調好的演算法。

難度和挑戰意味著壁壘。白楓決定放手一搏，「我不做別的，就鑽研MEMS陀螺儀人工智慧人類行為感測器，在這個領域內做到最好」。

高科技農民耕耘3年

北大計算機系出身的白楓不喜歡一口吃個胖子，他更喜歡先咬一口，充分品嘗食物的味道後，再咬下一口。

創業也是如此。團隊想要通過MEMS感測器加人工智慧來識別籃球動作，但籃球涉及到投籃、籃板、助攻、蓋帽、傳球等多個動作，他們並不能一口吞下。白楓最先選擇了投籃。這是籃球裡面最關鍵的一環。

和大部分人工智慧項目一樣，他們需要採集數據、清洗數據從而建立演算法模型。但他們又和其他人工智慧項目不太一樣，籃球運動的原始數據尚屬空白，這就需要團隊自主採集。

這是個臟活苦活累活。團隊僱人打球，在他們手腕戴上數據採集設備，租下籃球場地，然後僱傭專人拍攝視頻。

籃球行為檢測必須是用戶側實時的邊緣計算，不能發到後台雲端計算。「籃球運動是實時的，因此演算法要在用戶前端，實時判斷動作是否發生，這樣沒有隱私問題。」

他戲稱自己的團隊是高科技農民。「做技術沒有什麼竅門，你就得扎紮實實的打基礎，跟農民一樣。」

「整套數據採集的軟體、硬體都是自己做的，整個過程形成閉環，沒有外人參與。」這就意味著任何一個大公司想涉及該領域，都要從頭開始。

團隊也確實像農民一樣紮實。他們積累了20多項中國發明專利授權，最早的申請時間可以追溯到2011年，即團隊成立之初。

此時，他們知道前方有路，但不清楚是否是死胡同。

2017年，一束光照亮前方的路，「蘋果來了一位新的教授，他透露當時這（MEMS感測器機器學習時序行為檢測）是蘋果內部機器學習領域的一個方向。」團隊信心隨之大增。

人類行為感測器工作原理

上線京東眾籌

信心是最好的加速劑，去年5月，哈哈籃球HIPLAY（全球首款人類籃球行為感測器）上線京東眾籌。

這是一個外形類似手環的裝置。用戶佩戴在腕部，籃球行為感測器高速實時採集佩戴者手腕的速度和方向等數據，內置人工智慧演算法進行邊緣計算，實時檢測用戶手腕是否發生了投籃行為，並計算出行為的時序。隨後，這些籃球行為數據實時傳送給手機端APP，APP在實時拍攝用戶打籃球時就自動生成了用戶的精彩籃球視頻。「就這樣全球3億籃球用戶第一次能夠用智能手機自動生成自己的精彩籃球視頻。」

手機和感測器相互配合。「手機負責拍，可是手機並不知道哪塊行為精彩，籃球行為感測器告訴它，這塊兒精彩，這塊兒是速度最快的運球你剪吧，這塊兒是投球速度出手最快的，你剪吧。」

這讓籃球愛好者有了NBA明星的待遇。原來，在NBA一場比賽要花費近10萬美元請第三方公司記錄運動員投籃動作，獲取數據進行運動分析。「算起來，這樣的運動數據記錄工作，每年大約需投入1.25億美元。對於大多數籃球愛好者來說，個人幾乎不可能實現。」

而如今，籃球愛好者花費299元便可以享受明星級別的待遇。一位用戶表示，打籃球的人尤其是重度用戶，多年來一直期望有一個產品能夠記住自己最精彩的瞬間。而團隊恰好解決了這個問題。

為更好地滿足用戶，團隊一直在收集用戶需求。

但白楓並不會全部採納。「你不可能都做，即便能做，也要考慮先做哪個，就跟吃饅頭似的，總得決定先吃哪口。」

取捨尤其重要。他們會考慮產業鏈規模。比如有些用戶希望用相機拍視頻而不是手機。但是倘若團隊再研發一款運動相機，量小的話找不到供應商。即便定製好了，性價比如何和小米競爭呢？「用戶有這個需求，但並不是真的需求。」

動作是否高頻也在考慮之內。比如有些用戶希望產品能夠識別扣籃、蓋帽等動作。但是蓋帽在籃球中畢竟屬於小概率事件，數據的採集就存在局限。因此，這樣的動作也暫時不在考慮之內。

經過多次的優化，目前籃球行為（投籃訓練場景）識別準確率為95%。過去3年，白楓甚少推廣產品。如今，這個初長成的孩子終於揭開了面紗。

銷售1萬台設備

它博得了頭彩。

截至去年年底，哈哈籃球HIPLAY（全球首款人類籃球行為感測器）累計銷售1萬台。

白楓開始重新審視籃球市場。「中國籃球場地比足球場多了不止10倍，快100倍了，全國約60萬塊籃球場，當時很多人說足球，但足球雖然火，卻不賺錢。」

盤子比他原本想像得要大很多。「最初我們覺得是百億的，現在可能是千億的。」眼下，籃球培訓機構越來越多，招生也越來越多，將團隊的技術運用到培訓領域，或許是一個新的嘗試。

「一旦你做透了籃球，那我們再做板球也一樣。因為全世界過億的運動太多了，而且C端用戶的增長爆發性是很大很大的。對於投資人而言，對他是有吸引力的。對團隊而言，用戶群體快速增長會讓我們的資料庫幾乎讓競爭對手看不到追趕的希望。」

他不求寬度但求深度，但如今深度卻延伸了廣度。

今年年初，合作夥伴陸續上門。這其中，有養老機構、有軍事訓練。未來，老人有沒有摔倒，士兵的訓練動作是否標準，這些都可以通過團隊現有的人類行為感測器技術來實現。

「只要你想知道人在做什麼，我們就可以做。所以這個市場，其實是超大的一個市場。」

在白楓的規劃里，未來三年把籃球做通做精。而回顧過去，2015年，他知道有路，但卻不清楚前方是不是死胡同。如今，他們走出了一條屬於自己的路。

他依舊堅持最初的選擇，他沒有想要寬度，而是想在人類行為感測器領域裡持續耕耘。

目前，白楓和他的團隊正在尋求2500萬元A輪融資。

/The End/

編輯  付文學   校對   楊茅

如需轉載文章請聯繫鉛筆道微信客服號鉛筆道大芯芯（微信id：qianbidao2017）獲取授權資質，否則我們將依法追究相關責任。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！