“放大灯”将不定期邀请科技行业的创业者进行分享，请他们说出对行业的前沿洞见。与早年许多“草根英雄”创业者不同，他们有着长期学术研究积累，在象牙塔里发现了产业缺环，也看见了技术转化至生产力的可能，于是决定投身科技产业之路。

无论你是这个行业的参与者，或仅仅是好奇，都不妨听听这群勇敢且聪明的人，都说了些什么。

计算机视觉，是指通过对视觉设备捕捉的信息进行计算处理，以代替人眼对目标进行识别、跟踪和测量等功能的机器视觉技术。以下是他对计算机视觉行业的一些观点：

计算机视觉行业难在哪？

最难以克服的点，就是环境适应性。

计算机视觉需要通过深度学习训练来提升，深度学习的基础是对海量样本进行训练，不断迭代优化准确度，因此对样本的依赖性极强。深度学习应用会因为跨场景而导致训练样本彻底改变，甚至在同一个场景中的不同客户，都可能因为环境光、震动、遮挡等变化导致分析结果不同。

所以只要场景切换，样本就需要重新训练。

样本很难覆盖所有条件，而且即使真能穷举出所有的可能状况，公司也可能无法承受资金、人力和算力的投入。因此只要环境中存在一些随机性，计算机视觉技术就比较难适应。这种适应能力的不足，是目前面临最大的痛点，整个行业规模效应大小，取决于如何解决这个问题。

深度学习是通过人工神经网络分析学习样本，发现其内在规律的一种方式，学习样本的过程也被称为训练。此技术已被广泛引用于文字、语言、图像、视频分析等诸多领域。

如何提升计算机视觉公司的规模效应？

只做个别场景就会很难持续经营。我相信很多公司都有这个理想：通过技术产品，不断拓展使用场景，使计算机视觉技术能产生足够强的规模效应，逐渐长成一用平台。

就目前来看，大家都囿于“个别场景”，一旦别家技术能对现有经营场景实现更好的包容，那么其余公司的业务阵地就有风险——除非某个场景足够大，大到源源不断投入后还能有足够收入。

要实现通用平台很难，我认为，想做成这事的人，起码要具备两种能力：

首先，要有能力抽象出行业需求。技术人员不能只看表面，而需要对机器视觉的整体的理论、方法有足够了解，并具有工程化的能力，从非常底层开始思考业务，提炼出共性需求。

其次，是要更全面地累积机器视觉领域的算法。想实现通用平台的目标，最终要靠算法，但不能偏科，如果只集中做一个点，涵盖就会受限。

想做通用平台，最难的部分是什么？

最难的是：找到一种能持续运行的模式，让技术创新和产业应用相互促进、可持续循环发展。现在技术还有很大进步空间，仍需要持续搞技术创新，不断优化产品，这将是一笔巨大的投入。

研发投入很可能会严重影响公司的商业表现，所以很难指望哪家公司独立完成通用产品。我们采取“产学研用”结合的方式，把高校科研团队与产业做深度融合，让学术研究和商业发展相辅相成，能持续且有前瞻性地做研究和发展。

我们目前对有部分相似性场景进行了融合尝试，了还不错的初步反馈效果。预期三到五年左右的时间，市场上就会出现逐渐具备可用性的产品了。「了然视觉科技」的第一代通用产品已基本成型，但这种产品研发工作是无止境的，因为应用场景会随着社会与市场的变化而不断变化。

工业视觉有何特殊之处？

计算机视觉常要解决应用中的两大问题，定性分析和定量分析。比如在人群中去寻找出张三、李四在哪里，就是定性分析。在定性分析当中，基于深度学习的视觉技术已经较为成熟，可以达到非常好的效果。

在工业领域里，除了要定性分析外，很多定量的分析必不可少。比如操作台上的一个零件，我需要知道它的大小、尺寸以及精确的三维姿态信息。这些工业产线的具体操作目标，仅仅通过机器学习暂时还解决不了，还需要运用许多经典的计算机视觉技术。

注：工业视觉是指视觉技术在工业自动化领域的应用。主要用于产品定位、测量、检测等用途，通常对精度要求较高。

如何看待计算机视觉公司的亏损现状？

目前很多计算机视觉公司还未形成稳定的商业模式。比如大家熟知的AI四小龙，它们的产品技术仍处于探索应用场景的阶段，在尝试建立新的商业模式的过程中，公司面临的问题很复杂。我相信未来商业生态成熟后，他们的营收可能会产生质的变化，但现在还需要给它们更多时间和资金去探索。

商汤、旷视、云从、依图四家公司被外界普遍称为“AI四小龙”。截至2021年9月16日，四家公司均未正式挂牌交易，但它们招股的说明书显示，四家公司暂时均处于亏损状态。

工业视觉公司的商业模式跟AI四小龙并不一样。因为工业视觉公司定位清晰，就是要提升工业生产效率，并不需要为客户创造新的商业模式。作为企业经营者，只需要考虑采用技术后是不是能降本增效，就知道是否能实现共赢。

工业制造企业的发展历史长，所以商业模式及行业结构都相对稳定。康耐视、等国际工业视觉巨头已经上市多年，都有着非常稳定的规模利润。

康耐视是1981年成立的美国企业，据财务报表显示，公司2020年净利润为1.76亿美元；基恩士为1974年成立的日本公司，据财务报表显示，公司2020年净利润为1981亿日元（约18亿美元）。

工业视觉产业正在发生什么变化？

最显著的变化，就是国内本土企业的崛起。

仅仅在三五年前，在汽车及汽车零部件制造行业，国内的品牌还难觅踪影。美国的康耐视、日本基恩士，还有一些德国与瑞典的公司规模都很大，它们占据了压倒性的优势。这个行业在欧美起步比较早，且欧美国家工业制造水平较高，所以他们刚进入中国市场的时候，就已经就有了海外多年的技术积累，产品成熟度、技术先进性都很高。

但趋势在变，国内的本土优势正在显现，我觉得主要有下列几点原因：

1. 中国企业与用户可以做到无缝交流，在技术需求、工作环境、用户理解力、响应能力等领域都有着明显优势；

2. 现在国家在现代高新技术方面给予了很强力的引导性政策；

3. 与国外相比，国内的研发周期、新的方法到应用行业的链路较短，时间、资金、人力成本，都有相对优势；

4. 随着国家产业链的完善，中国企业从部件生产、采购到系统化的制造成本逐渐具有全球竞争力；

5. 现在中国基础研究和应用研究的气氛都空前高涨，我们国家的科研实力这几年突飞猛进，在技术基础方面缩小了与国外的差距。

本土自主品牌目前最需要什么？

我提到了许多工程和技术层面的事情，这里我还想提个跟技术没什么关系的，就是民族品牌的自信。

行业的发展需要我们整个国家，甚至国民层面上，需要有认识到民族品牌、自主品牌的崛起，是需要大家支持才能迈出第一步。比如说，以前国产车与进口汽车、合资汽车比，还有很大差距，价格卖不上去，销量也不行。但这几年变化就很大，有很大的原因是，大家慢慢对整个国有汽车的这个品牌的认知度、在提升。

工业视觉也一样，现在我们整体技术不弱于外国，产品也非常好。但受限于用户对产品的认知度和信任度，还需要有个过程，我希望再快点。