高工機器人產業研究所（GGII）數據顯示，2023年Q1，中國工業機器人領域融資事件16例，涉及資金近9.5億元人民幣。

按融資案例分布來看，2023年Q1融資案例數量最多的是機器視覺領域，占比為37%；其次是零部件領域，占比為31%。其中，融資金額最大的領域分別是機器視覺和核心零部件領域，占比分別為35.45%、31.75%。

從融資的視角來看，雖然機器視覺仍為工業機器人領域最火熱的細分賽道，可一旦將時間拉長到2022年，便不難發現，資本已逐步從狂熱回歸理性。

據不完全統計，2022年中國機器視覺行業共發生融資32起，涉及金額近30億元，同比2021年，機器視覺融資案例數量下滑約25.58%，融資金額下滑約64.19%，平均單筆融資金額從2021年的1.08億元下降至0.93億元，融資市場開始收縮。

那么對于資本開始回歸理性，作為當局者，又將如何看待？

“其實，我覺得行業前兩年是有‘虛火’的，但是我覺得任何一個行業都一樣，這個‘虛火’本身代表了對于賽道的認可。而這兩年的‘虛火’有一個很大的好處，就是基本上大家認為人工智能跟3D視覺對于機器視覺這個解決方案已經走通，技術上已經不存在問題，當前的要務就是如何才能把方案做出來，并更加突出性價比。”中科融合創始人兼CEO王旭光博士談到。

據王旭光博士介紹：“中科融合早期主要還是依賴于當地政府及部分清華系的專業投資機構，但近兩年很多投資機構關注到中科融合，都是因為他們梳理了3D工業相機的核心零部件，很容易就會發現了DLP和GPU是里面價值含量最高，結果完全被國外壟斷，而恰恰就是被美國壟斷的最高的兩個核心零部件的價值最高。那么，自然而然地，會在國內尋找和挖掘誰能來做替代，我們中科融合的價值就被發現了。所以我覺得對我們這個企業來講還是一個重大的一個利好。”

對于資本回歸理性，康士達總經理袁強則歸咎為兩個方面，即經濟形勢和綜合實力。袁強表示，首先，整個大環境經濟形勢沒起來，機器視覺行業整體景氣度也受到下行的影響；其次，資本對于機器視覺領域的認知開始回歸理性，在眾多“同質化”的機器視覺類產品中，競爭和挑戰愈發加大，最終去比拼的就是各大視覺廠商所能調配的綜合實力。

對此，穩信智能負責人則表示理解，其談到，過去幾年，機器視覺行業的發展非常迅速，吸引了大量的資本涌入。然而，隨著行業的發展逐漸趨于成熟，市場競爭也變得更加激烈，一些企業的盈利能力并沒有達到預期，這導致了資本的回歸和收縮。恰似曾經的互聯網、移動互聯網等，從萌芽、增長、野蠻生長到過熱、泡沫，從而回歸理性的過程。優勝劣汰，大浪淘沙，剩者為王，這也是一個正常的市場調整過程。

該負責人認為，資本回歸理性，對于行業的長遠發展有好處。這意味著企業需要更加注重產品質量和技術創新，而不是單純追求融資規模，這也將有助于行業的健康發展和長期穩定。畢竟，創新才是核心生產力，頭部企業更應該擔當起往高端行業高端技術創新的責任。

實現“跨行業可復制應用”的難

與資本逐步回歸理性相比，機器視覺產品或方案是否存在跨行業可復制應用的能力和屬性？或者更值得機器視覺企業探討，那么，要實現這樣的落地，是否有難度？難度又在何處？

“我認為機器視覺是可以實現跨行業可復制應用的能力和屬性的，當然這是有難度的，難度在于不同行業之間是存在差異的，我們需要消除這種差異，就需要將差異轉化成共性，將一個個具體的差異化需求，化整為零，抽象化成一個個標準模塊。”馬克拉伯CEO林少斌表示。

林少斌比喻道，類似家裝行業，每個用戶的需求是不一樣的。但是每個企業之間做好分工，一部分企業專注于家具單品，一部分企業專注于風格搭配，當市面上的單品足夠豐富，一位家裝設計師就可以在短短的幾小時內，幫助用戶設計出滿足用戶需求的方案。

機器視覺亦然，要實現這一步，我們就需要構建一個龐大的標準軟硬件庫，以及構建一批專業的積木搭建師，需要整個行業上游的共同努力，做好分工，往專業化精細化發展。

對此，穩信智能負責人也表示贊同，其認為，機器視覺產品或方案具有跨行業可復制應用的能力和屬性。由于機器視覺技術可以應用于各種不同的行業和領域，例如制造業、醫療保健、零售業、安防等。

實現跨行業可復制應用的難度在于，需要針對不同的行業和應用場景進行定制化開發和優化。不同行業的需求和應用場景不同，需要針對性地進行算法優化、硬件選型和系統集成等方面的工作。此外，不同行業的數據格式和標準也不同，需要進行數據格式轉換和標準化處理。而實現跨行業可復制應用需要具備跨行業的技術能力和經驗積累，以及針對各個行業數字化的標準制定。

中科融合創始人兼CEO王旭光博士則有另一番見解，其認為：“應用層的方案因為各個垂直行業的情況和要求不同，確實難以標準化。但是，3D視覺相機本體，與當初的2D相機一般，是必須要做標準化。這個其實很早有CCD、CMOS，然后有各種各樣的技術流派進入，在某個時期也是有很多廠家參與那個領域，但最終還是能夠聚攏到頭部的索尼、三星這樣的以標準化產品為主要銷售品的企業。”

因此，王旭光博士認為，從3D工業相機這種產品形態來講，肯定是具備了標準化趨勢性的屬性。追根究底，就是如何將照片拍的分辨率更高、精度更好，其實不管是對于人類還是機器人，最終都是要求圖像本身的質量要好。而中科融合恰恰是致力于為這種標準的3D工業相機產品提供一個性能穩定的、具有性價比的、供應鏈可靠的核心芯片及產品級Turnkey方案。

圖漾科技CEO費浙平也從2D視角來論證3D“標準化”和“跨行業復制”的可行性，其表示：“2D視覺行業的發展已經充分說明了這個問題，3D沒有任何理由會跟2D不一樣，我們認為行業規律和產業鏈發展一定是一樣的，差別在于時間節奏快一點慢一點而已。”

費浙平分析，產業鏈規律就是產品能夠實現一定程度的標準化和跨行業復制，方案基本不可能，方案不但不可能跨行業，即使在同一行業內也存在數量巨大的非標差異化，即使同一場景在不同時間的差異化程度、也大到可能完全無法兼容。這就意味著方案企業需要站在最終用戶的產線和工藝最前端，不斷演進才能不掉隊，這種垂直的深度既是很高的門檻、也是跨行業的阻礙，兩者是難以調和的矛盾。

產品的標準化程度相對高很多，但也需要有一個完整的產品矩陣才能滿足較多行業的覆蓋，單一產品的服務跨度有、但總也還是有限的，所以產品公司要在性能和價格維度上構建出一個不斷細分和豐富的性價比產品矩陣。其中大概率沒有一個單品可以成為爆款，但是多品類的合計總出貨可以很多。另外一方面，工業產品的生命周期可以很長，所以從商業模式角度來算，財務模型也還是很健康的。其中最重要的是產品矩陣足夠豐富，而這顯然只能通過長時間積累才能達到，這個是最大的難度。

未來增量市場將花落何處？

不管是產品還是方案的標準化，其實都有一個關鍵的前提，那就是必須要找到一個足夠大的下游應用市場，以及能夠決定未來增量的領域。那么，在各大視覺企業眼中，當前機器視覺最大的下游市場以及未來增量市場，又將花落何處？

“機器視覺目前最大的下游應用市場之一是工業制造領域。機器視覺技術可以在工業生產線上實現自動化生產和質量控制，提高生產效率并降低成本。例如，機器視覺可以用于檢測制造過程中的缺陷，如瑕疵、裂紋和異物等，以便及時發現和修復問題。檢測過程中將產生海量小文件數據，需要長期保存以滿足質量追溯、AI訓練模型更新等要求。如何對質檢數據進行有效的管理，也越來越重要。”杉巖數據聯創兼COO邱尚高說道。

隨著人工智能技術的不斷發展，機器視覺在工業制造領域的應用前景將會更加廣闊。從下游應用結構來看，目前我國機器視覺應用已在新能源、動力電池、電子、半導體、汽車、PBC等領域得到廣泛應用。

杉巖數據在機器視覺領域的布局較為廣泛。從技術層面來看，杉巖數據主要涉及圖像識別、目標檢測、人臉識別、行人重識別、自然語言處理等方向的數據管理，并在這些方向上有著較為深入的研究。此外，杉巖數據還與多家企業和機構合作，共同開展機器視覺相關項目，推動人工智能技術的應用和發展。綜合來看，杉巖數據在機器視覺領域擁有較為廣泛的布局。

奧普特技術總監董瑞則認為，3C電子行業是目前機器視覺最多的應用領域。

董瑞表示，奧普特在3C 電子領域實現了良好的增長態勢，主要得益于其產品持續向核心客戶的各產品線滲透，帶來更多的需求；另一方面，由于終端客戶品質管控前移，模組、關鍵零部件生產中自動化程度提高，帶來新增視覺需求。

受益蓬勃發展的新能源汽車行業，再加上頭部動力電池廠商加速擴產，預計未來幾年，鋰電行業機器視覺市場規模有望保持高增長。而近幾年，奧普特在鋰電領域也實現了高速增長，一方面與行業龍頭加深合作，核心客戶擴產帶來大量視覺需求；另一方面是新能源領域核心客戶基于提升其產品安全性的考慮，產品檢測需求和要求持續提升。目前，奧普特機器視覺應用已覆蓋鋰電池工序，尤其是在深度學習、3D視覺工序上持續增長。

穩信智能負責人認為，機器視覺目前最大的下游應用市場是工業自動化領域。在工業自動化領域，機器視覺技術可以應用于產品質量檢測、生產線監控、機器人視覺等方面，可以提高生產效率和產品質量，同時促進企業信息化的發展和延申，助力企業數字化轉型。

穩信智能在工業自動化領域，移動機器人以及高端AI視覺的布局情況比較好，并提供多款機器視覺控制器產品，可以滿足不同應用場景的需求。

至于未來的增量市場，該負責人表示，可能會出現在智能醫療、智能物流、智能零售等領域。

—END—

審核編輯 ：李倩