机器视觉近年来（lái）增速显著，2015年（nián）全球（qiú）机器视觉市场规模约42亿美（měi）元（yuán）,增长10.5%。我国（guó）在2015年（nián）市场规模约3.5亿美元（yuán），但增速为（wéi）全（quán）球首位，约22.2%。2016-2020年，机器视（shì）觉继续（xù）维持约20%的增长率，远高于全球的8.4%平（píng）均水平。这（zhè）其中，半导（dǎo）体（tǐ）、电子制造（zào）约占机器（qì）视觉（jiào）比重46.4%，汽车、制（zhì）药占比分别为10.9%、9.7%。

经（jīng）与业内多方交流所（suǒ）了解，机器视觉（jiào）当前市场规模约几百亿，但（dàn）是，应该使用也确（què）实用（yòng）到了机（jī）器视（shì）觉（jiào）的，仅占全行业（yè）应用的5%，市场空间（jiān）巨（jù）大。机器视觉发展的当务之急（jí），是找到更多可以落（luò）地应用（yòng）的（de）场景（jǐng），进一步推（tuī）动（dòng）普及化。而这需要（yào）产业链（liàn）之（zhī）间（jiān）的协作，真正（zhèng）切中（zhōng）行业痛点并将（jiāng）具体需求场景化，同时，还需要高性价比（bǐ）的技（jì）术（shù）和方案。在刚（gāng）刚结束的VisionChina 2019上，<电子发烧友>对话了图漾与（yǔ）海康机器人（rén）。

图漾：如何扫平3D机器视觉大规模普（pǔ）及的障（zhàng）碍？

3D机器视觉如何大规（guī）模（mó）普及（jí）？上海图漾信（xìn）息科技有限公司CEO费浙平认为当前（qián）最关键的是硬件问（wèn）题，只有解决根本的硬件（jiàn）问题，未来软件的商业机会（huì）才是真实的（de）。

3D机器视觉（jiào）普及的关键障（zhàng）碍当前主要在于硬件方面，包（bāo）括以下三（sān）点：

第一，硬件核心规格，包括光学方面的精度（dù）、分辨率（lǜ）、量（liàng）程，以及电学方面的（de）速度、接口、传（chuán）输等；第二（èr），硬件物（wù）理指标，包括（kuò）尺寸、功耗、结构等，以及工（gōng）况条件的适（shì）应性、稳定性（xìng）。第三（sān），是系（xì）统（tǒng）实施成本，包（bāo）括（kuò）相机价格、上位机成本、软件成（chéng）本，以及使用和维护成本。

传统的机器视觉（jiào）稳定发（fā）展（zhǎn）多年（nián），目（mù）前处于硬件和软件（jiàn）的发展基本匹配的（de）阶段。目前95%以上（shàng）的需（xū）求（qiú）可以通过硬件+算法的方（fāng）式解（jiě）决（jué），只有在外观检测、瑕疵检测等场（chǎng）景（jǐng）中，由于存在一定的随机（jī）性，才（cái）需要用到深度（dù）学习。虽（suī）然未来最终会走向深度（dù）学习，但现（xiàn）在基础（chǔ）的硬件要做到领先于软（ruǎn）件一个（gè）C位。

机器视觉属于成（chéng）熟行业，但这些年在发（fā）展规模、发展速度方面落后于大（dà）家预期。费浙平认为主要（yào）原（yuán）因在于：一（yī）是用户对象（xiàng）属于传统行业，行（háng）业本身（shēn）的景气指数以及改造周（zhōu）期等，都有一定的影响；另外（wài），对于（yú）传统行业，技术升级、降本增效、精细（xì）化管理等等，这些（xiē）都是（shì）行业的（de）痒点（diǎn）而非痛点。

那么，行业（yè）的痛点是什么？

费浙（zhè）平认为（wéi），从硬件（jiàn）价（jià）格和系（xì）统成本来（lái）看，必须突（tū）破传统上所谓二年投入回收（shōu）周期（qī）计算这（zhè）一困局，由（yóu）少量非用不可的节点，逐渐形成大规（guī）模的（de）普及应用，这更多地集中于机器换（huàn）人的场景（jǐng）。

二年（nián）回收成本这（zhè）个普识已经（jīng）无法（fǎ）撬（qiào）动（dòng）行业需求（qiú），一（yī）年之内的时间周期才会真正令中小企业愿意买（mǎi）单（dān）。技（jì）术价（jià）值最大化（huà）应该（gāi）通过大面积提（tí）升（shēng）行业的生产力水平和经（jīng）济效益获得，必须通（tōng）过给客户带来价值而盈（yíng）利，这是一个较为艰难的过程，也需要慢（màn）慢（màn）地（dì）推进。

从机器视觉（jiào）发展的客观现（xiàn）状来讲，需求其实并不缺，但是能（néng）够真（zhēn）正落地（dì）的好产品，且真正发挥出经济效益的，只占所（suǒ）有需（xū）求的10%。如何打破这（zhè）个“紧箍咒”？推动更多的落地应用？

“解决核心零部（bù）件的极致性价比，做到系统成（chéng）熟稳定可靠，是最（zuì）为迫（pò）在眉睫的（de）事情。目前（qián），微观的高（gāo）精（jīng）度相机只占机器视觉应用的5%左右，只要将性价比做到（dào）极致，就能（néng）满足工业（yè）机（jī）器视觉中（zhōng）90%以上的应（yīng）用需求（qiú）。”费浙（zhè）平表示，“这一方面体现在产品的适（shì）用性、标准化程度（dù）上；另外体现在（zài）机器所能带来的降本增效（xiào），这还（hái）需要对视（shì）觉应用真正的刚性需（xū）求（qiú）逐渐显现（xiàn）出来（lái），例如当人力成（chéng）本成（chéng）为一个主（zhǔ）要问题是，就会转而呈现出对机器的需求。”

如何做到（dào）极致性价比？在谈（tán）话中（zhōng），费浙平传达中一种朴素的实用（yòng）主义思想，能（néng）用2D视觉解决的（de）就没必要用（yòng）3D。对于工业相机来说，大的成本单（dān）元（yuán）是图像传感器芯片、镜头（tóu）、计算单元、CPU或GPU等等，图漾通过将光学（xué）、电子和软件进行（háng）联合优化，并且把（bǎ）核心算法（fǎ）实现了高（gāo）效的（de）FPGA硬化，从而把高昂的算力成本降（jiàng）低了几（jǐ）十倍。

物（wù）流行业是图漾目（mù）前最大的目标市场，当（dāng）前主要针对体积测量（liàng）这一新的蓝海。由于决定物（wù）流毛利（lì）关（guān）键的运输成本由（yóu）体积决（jué）定（dìng），因（yīn）此（cǐ）体（tǐ）积测量需求非常强。

直（zhí）指需求核心，用好的产品和服务过硬地匹配它，就能够牢牢（láo）抓住市场，率先建起竞争的“护（hù）城河”——这（zhè）是图漾在选（xuǎn）择落（luò）地场景方面的一大（dà）特点。

商业模式上，图漾是（shì）直接面向（xiàng）系统集成商和设（shè）备（bèi）商（shāng）的to B模式（shì）。费浙平进一步解释，希望通过产业（yè）链共同（tóng）来提升系统（tǒng）价值（zhí），对于（yú）图漾（yàng）自身，标准化的核心零部（bù）件价格可以相对透明化，而发（fā）明创造、专家知识、技术服务等由客户和合（hé）作伙伴创造价值的环节（jiē），必（bì）须要有合（hé）理（lǐ）的（de）回报（bào）。图漾希望通过高（gāo）度（dù）标准化的硬件（jiàn），加以不（bú）断集（jí）成的算法资源，降低客（kè）户的使用（yòng）门槛，从而进一步扩（kuò）大应用覆（fù）盖（gài）面。

总体而言，机器（qì）视（shì）觉生态（tài）系统目前较为成熟，从（cóng）供应链角度看与消费市场相比并（bìng）无特别（bié）之处，发（fā）展比较完善。但有一点（diǎn）显著不同在于，工业应用不同（tóng）行业甚至（zhì）同一行（háng）业不同的客户现场，软件算法非常多样化。这对于开（kāi）发者的（de）能力挑战较大，主要包括开源算（suàn）法的能力、从业人员（yuán）的水平和数量等等（děng），直接（jiē）影响了应（yīng）用的覆盖面。这也（yě）验证了开头所说的（de），机器（qì）视觉越发展，每一个落地（dì）应用中软件的比重将会越来越大。而图漾致力于（yú）将硬件（jiàn）标准化，同（tóng）时集成可以标准（zhǔn）化的这部分软件，降低系统集（jí）成商和（hé）设备（bèi）供（gòng）应商的门槛，从而推进快速普及化。

海康：AI如何赋（fù）能智能制（zhì）造？

AI如何赋能智能制（zhì）造？海康机（jī）器（qì）人技术有（yǒu）限（xiàn）公司（sī）华北区域（yù）总经理蔡（cài）化认为主要（yào）包（bāo）括三个关键环节：首先（xiān）是强大的感知能力，需要通（tōng）过机器视觉来（lái）进行感知；其次是被感（gǎn）知、采集的数据（jù）通（tōng）过（guò）平台化的管理，实现（xiàn）一站式（shì）的服（fú）务；第三就是场景化的AI。

真正（zhèng）实现智能（néng）需要庞大的（de）系统工程（chéng），海康于（yú）2017年推出AI Cloud平（píng）台来深（shēn）度融合智能制造需求。该平台分（fèn）三层（céng），第一层是基础设施层（céng），更强调（diào）前端的多维感（gǎn）知、采集。第（dì）二层是资源层，也（yě）叫边缘（yuán）层，前端的一（yī）部分数据（jù）感知完成后，对其（qí）进行边缘化（huà）管（guǎn）理，并将把前端的非（fēi）结构化数据存到中间层，变成半（bàn）结构（gòu）化数据；最（zuì）上（shàng）层是服务（wù）层，也是整（zhěng）个平台的中心，它体现（xiàn）了（le）算法的训练和应（yīng）用服务，和业（yè）务层相对（duì）应。因此整（zhěng）个平台的基（jī）本架构强调云边结合。

从实现形（xíng）态来看，通（tōng）过前端（duān）采集的（de）多维感知系统，对数据（jù）进（jìn）行汇聚、存储、处理，再通过边（biān）缘（yuán）计算，降低（dī）中心的压（yā）力。这其中有三（sān）个趋势值得注意（yì）：

第一个显著（zhe）趋势是前端的智能化程度不断提（tí）升，通过边缘计算缓解（jiě）中心的压（yā）力。前端已经不（bú）仅（jǐn）仅局限（xiàn）于数据的采集，并且会进行部分（fèn）结构化处理（lǐ）的（de）工作。现（xiàn）在工业应用中（zhōng）已经有较（jiào）多的智能相（xiàng）机、智（zhì）能传感器（qì）等（děng），进行了部分边缘计算（suàn）的工作（zuò）。它们比较适（shì）合的（de）应用有（yǒu）：判（pàn）断对错（cuò）/有无，或（huò）是对感知尺寸的测量等等，进行第（dì）一（yī）步的读取或识别。目前，在前（qián）端进行深度学（xué）习（xí）是现在很多企（qǐ）业（yè）都在（zài）尝试（shì）的（de）方式（shì），即把前端的（de）算法，放入到可实现的嵌入式设备（bèi）中进行读（dú）取/识别（bié），从而降低中心压力。

第二个（gè）趋势是（shì）人机协同以及数据（jù）的流动。这两年（nián）AGV在工厂中被（bèi）大量运用，这是一个（gè）典型的人机协同的使（shǐ）用场（chǎng）景。首先，机器并不是全部（bù）替代（dài）人工（gōng），一些机械的、重复性较高的工作（zuò）通过机器来实现，完成人和机器的和谐（xié）相（xiàng）处。过去在工厂中搬运（yùn）仅仅是货物（wù）在流动，数据并没有流动起来。而（ér）通过机器来实现后，实现了货物和数据同在时流动，便于云中心进行指挥调度。

第三（sān）个趋势是所有数据（jù）入云后，都（dōu）是要被用来（lái）进（jìn）行管理和挖掘的（de）。“数据本（běn）身不存在（zài）任何价值，数据碰撞后产生（shēng）的价（jià）值才（cái）是最大的（de）”。 蔡化认为，最终的碰撞和挖（wā）掘一定来源于业（yè）务端。仍以AGV的（de）应用为（wéi）例（lì），通过数据的（de）流动找到规（guī）律，发现机器的（de）运行轨迹、运转次数等（děng）等，挖掘出提升业务工序效率的关键（jiàn），从而全（quán）面提升（shēng）整个工厂的（de）效率（lǜ）。

哪些工业应用场景（jǐng）前景巨大（dà）？

蔡（cài）化认（rèn）为首先是物流，包括传（chuán）统的快递、电商物流、生产内容（róng）物流、合同物流等（děng）等。这其中随着市（shì）场的发展变化，蕴藏（cáng）着很多新机会。

以线下零售的仓储改（gǎi）变为例（lì），大型商超企（qǐ）业在对抗线上购物的（de）过程中（zhōng），逐（zhú）渐向以社区、家庭为单位的便利店转移。这一过程（chéng）中，最大的变化（huà）不是前端的货物销售，而是货物的（de）流转发生（shēng）了变化（huà），订单越来越（yuè）散、货物入库（kù）后需要进行拆零，这时仓库所（suǒ）能提升的内容就（jiù）变得（dé）更（gèng）为重要，需（xū）要自动（dòng）化的过程来实现。

对于（yú）快递物流而言，基本是无人（rén）仓的（de）逻辑。例如几百台机器（qì）人在一个几千平（píng）米的平台上进（jìn）行不间断的搬运和跑动，进行（háng）入库、分拣等工作，这更多（duō）体现了调度算法的优越性。

其次（cì）是3C制造业，典型的就是手机（jī）制（zhì）造（zào），包（bāo）括PCB、听筒、话（huà）筒、按键、屏幕、模组、电池（chí）等），需要（yào）进行大量（liàng）的生产和智能检测。生（shēng）产（chǎn）的（de）自动化程度（dù）已经非常（cháng）高了，一是提升了效率，二（èr）是提升了良品率。

中国之所以（yǐ）在上述方面（miàn）发展较（jiào）快，蔡化表示，首先因为不缺场（chǎng）景，有太多（duō）的应用场景可（kě）进行学（xué）习、练习甚至不断（duàn）试错，这提供了（le）很好（hǎo）的成长土壤。海康希望（wàng）通（tōng）过AI赋能智能制造，逐步将深度学（xué）习（xí）等人工智（zhì）能技术（shù）、物联网技术落地应用（yòng）于（yú）智能制造领（lǐng）域，从完成多（duō）维感知、数据采集和处理的机器（qì）视觉系统，到实现智慧内物流的移动（dòng）机器（qì）人系（xì）统（tǒng），持续推动机器智能化、服务（wù）智能化、生产智能化。