近期，有国内计算机视觉领域的初创公司开始转型区块链。其实，区块链+计算机视觉的概念此前国外Faceter也已进行了尝试。今年2月初预售代币，当时很快就筹集了超过1000万美元，最终总计筹得2861万美元。Faceter想利用分布式计算做低价的智能视频监控技术及系统。根据其白皮书，Faceter是一个针对消费者的分散式视频监控系统，使视频监控变得更加智能，通过增强的面部检测，对象检测和实时视频分析功能，为相机提供了大脑。概括来说，其产品实现的功能很类似现在的AI安防视频监控，通过人脸识别、视频结构化等计算机视觉相关的技术，使得安防监控智能化，但其想通过区块链及相关技术，降低系统的成本，更容易被普通消费者及企业接受。具体到通过分布式计算降低成本，Faceter的主要组成部分是分散式基础设施，利用神经网络进行复杂的数据处理，使用雾计算和区块链的分散算力来完成。 具体来说，Faceter网络的主要参与者是GPU资源（节点）的所有者。智能合约将与每个节点结束时显示。高性能的节点被完全加载任务，低性能的节点将验证其他节点的性能，并重复执行计算。区块链及代币在其中发挥的作用，则主要为雾计算网络提供灵活透明的支付选项以及识别机制；Faceter令牌是分散网络的“燃料”，为所有参与者提供了灵活、透明、跨境的解决机制。使加密货币的矿工进入分散的计算网络来执行识别计算，从而可以获得时相应的收益。此外，Faceter还希望解决数据保护的问题。Faceter宣称，不会将源视频流暴露到可信环境之外，只有匿名数据才能转移到分散网络。具体到上而言模式，Faceter此前策划了多种创收方式。概括来说，一是向C端用户收取每月9.99美元的服务费，二是向大型企业提供长期服务，三是推出硬件产品及解决方案，四是未来增加市场营销服务。当然，这一商业模式是否能走通，还依赖于市场验证。本质上来说，其产品和服务与当前AI安防产品类似，最终很可能面临当前AI安防公司类似的商业推广及变现问题。此外，Faceter如何真正通过分布式计算来实现其降低成本的规划，也很值得关注。当前，为了运行深度神经网络，往往要使用FPGA芯片或者专有芯片来提升算力，通过分布式计算实现视频监控的智能化很可能并不容易。对于消费者而言，视频数据往往涉及到隐私，是否能如规划的一样，做好加密、脱敏等也对团队的技术能力有要求。从白皮书来看，团对成员此前曾参与过Pay.Cards这一项目，项目利用CV技术，识别银行卡的卡号等信息。2015年团队开始做安防产品Scanface（scanface.io），2017年在南非落地。创始人Robert Pothier此前在支付技术行业有9年相关经验。