華興投資
電腦視覺是一門研究「教」機器「看」的學科，讓機器代替人眼來作各種測量和判斷，包括定位、識別、測量、檢驗等。除此之外，計算機視覺還可做圖形處理，產生更適合人眼觀察或傳送給儀器檢測的圖像。令人振奮的是，人工智能引領的新技術不僅能解決工業視覺已有應用行業未解決的問題，也為我們開拓了全新的應用領域。
「深度學習」促工業視覺大提升
首先，傳統工業視覺在很多複雜的環境下無能為力。而人工智能尤其是深度學習的出現，在很多方面（如字符識別能力）給工業視覺系統帶來了大幅度提升。其次，深度學習視覺系統則大大解放了程序員生產力。一些傳統的工業視覺檢測系統的編程難度超乎想像。傳統的工業視覺系統依賴於rule-based algorithm，即由程序員手動編寫缺陷特徵。當缺陷數據庫越來越龐大時，算法將變得高度複雜。但在有「已知合格元件」圖像集的情況下，深度學習視覺系統只需10分鐘至30分鐘的學習時間即可開工檢測，無須任何特定的軟件開發和缺陷數據庫建立。
「AI技術+整套解決方案」最受捧
目前，工業視覺行業在百億規模，但未來增長潛力巨大--眼下中內地製造業從業人數為1億人，按質檢員工佔比10%至20%、每位質檢員工年薪4萬元、工業視覺在長遠的未來能代替10%至20%的質檢人員計算，潛在的市場規模可能是千億級別的。工業視覺產業鏈包括光源、鏡頭、工業相機、圖像採集卡、軟件、設備製造商/代理商/系統集成商等。我們認為，其中軟件算法和設備集成變革機會最大，值得關注。不過需要注意的是，只能單純提供AI算法軟件並不能滿足客戶需求。因此，具有AI技術並能提供整套解決方案的工業視覺企業將受到追捧，關鍵能力包括AI技術水平、行業理解、客戶資源、提供整體解決方案的能力。
「學習」優勢利創企助瞄準市場
工業視覺從當前的應用場景領域拓展到新的場景時需要克服2個「關卡」：技術關和經濟性關。深度學習的出現使得技術關的通過變得更加容易。一方面，深度學習可以幫助視覺系統完成更加複雜的任務。另一方面，使用深度學習模型後，工作人員無須建立複雜的數據庫和軟件開發。康耐視、MVTec打磨了幾十年的rule-based軟件無法實現AI-based工業視覺系統能實現的功能。一些AI初創企業如創新奇智、阿丘科技、精銳視覺找準市場，發揮自己的技術特長獲得了快速的成長機會。
工業領域單純提供AI算法並不能滿足客戶需求。例如OCR應用如果不為用戶提供定制化開發，深度學習算法準確率只有80%至90%。在此基礎上加上定制化軟件開發，識別率可以接近100%。康耐視雖然有AI軟件平台，但是不為內地客戶提供定制化開發，為AI創企留足了機會。
集成業務能力成客戶認可關鍵
一般集成商會根據客戶的具體要求選擇最合適的機型和零部件，按實際需要解決的問題進行軟件二次開發，最終為客戶提供整套的解決方案。內地目前有集成業務的公司超過100家，其中上規模的公司並不多。不過對於客戶來說，整套解決方案並不等於單純的軟件平台。他們需要的方案裡還要解決如何打光、如何提高成品質量、如何設計自動化結構等項目落地的實際問題。軟件供應商同時需要有集成能力才能獲得客戶的認可，並將自己的產品落地。同理，設備供應商也需要具備軟件開發能力（例如集成商天准科技目前大力開發軟件）。■題為編者所擬。本版文章，為作者之個人意見，不代表本報立場。