“又多了一家機器視覺企業，又多了一批機器視覺企業。”無論是參加各大論壇還是展會，總能碰到一些新的機器視覺企業，這有點像兩年前的協作機器人。

前段時間，見了一個投資人，他們正四處尋找可以投的機器視覺企業。當然，前兩年進入的機器視覺企業可能都已經進入第二輪、第三輪，甚至是第四輪融資了，目前這些企業正致力于機器視覺技術的規模化落地。

“非標中的非標”

如果細心觀察，你一定能夠發現今年各大展會上，機器視覺企業展出的產品跟以往的不同：從側重技術到側重方案。

比如，梅卡曼德在工博會上展出了17個工業真實場景的應用方案，再比如庫柏特的3D視覺汽車零部件分選工作站、在線力控打磨平臺、力控裝配平臺等。

在復雜的工業場景落地中，技術不再是唯一確定的因素，比拼技術的企業可能不比拿來一個真實應用案例的企業更有話語權，這也是技術做的好的企業不如方案做得好的企業吃香的原因。

在工業市場中，3D的應用特點很復雜，就材質而言，不同物體因為材質（普通、高反、透明、吸收）的不同，還有形狀(比如圓形、方形、不規則圖形)的不同，以及量程、精度、工作模式（站停、連續運動、動態）的不同等，可能方案就需要有所改變。

因此，不存在一種通用的方法，不存在通用的解決方案，要求視覺集成商具備強大的集成能力，需掌握多種原理，這也導致視覺技術落地比較難。

正如曾經任職美的集團機器視覺研究所的胡正博士所說：“視覺系統是自動化‘非標中的非標’，這意味著很難找到完全相同的應用場景。

凌云光技術集團系統架構師金剛博士認為，各企業的技術成熟度還有差異：一般性問題已非常成熟，后來產品很難突破；特殊問題誰都解決不了或一大類設備解決不了，當然，這也給了后來者機會，但同樣的，定制化開發不可避免。

應用價值遠遠沒被挖掘

正因為真實應用場景遠比我們想象得復雜，視覺系統的通用性很差，不能兼容各種情況。這直接導致了出貨量難以上去的問題。

“實際上我們這套系統的出貨量非常低，每年的出貨量在個數級。”胡正介紹了他們研發的機器人+AGV+3D視覺進行搬運、拾取的案例，并坦言它所能解決的問題還比較單一，所以限制了其應用。

“你費半天勁解決某個復雜技術難題后，可能只賣出去一套。”在此前接受采訪時，庫柏特CEO李淼也這樣說過，方案不能迅速產品化和規模化是讓視覺企業非常苦惱的問題。

“這主要還是因為解決方案的智能化程度不夠，我們看到的很多關于機器視覺的Demo，其實可能是很多失敗案例中精挑細選出來的，實用性不高，行業里還有很多問題。機器視覺，看起來很光鮮，實際上在產業中的價值輸出目前還很有限。”胡正說。

但不可否認的是，真實的需求量很大。

在視覺檢測這一領域，比如美的集團旗下有32家工廠，里邊的螺釘檢測和PCB檢測、包括來料檢測等，需求量非常大，但目前這些需求也只有極少部分能夠得到滿足。

在胡正看來，3D視覺普及率不高的原因，還有其對產線造成的侵入式影響、識別率不高、操作繁瑣、成本高。

軟件化、平臺化趨勢

胡正認為，工業視覺的發展趨勢是：嵌入式解決方案逐步會邁向平臺化的解決方案。

之所以提出平臺化的解決方案，正是因為上文提到的目前機器視覺存在識別率不高、工程周期很長、難以規模化和復制的問題。

李淼說：“庫柏特裁掉了98%不靠譜的業務，重心濃縮為一個平臺（操作系統）和兩個領域（智能檢測和柔性抓取）。”

目前已經涉足四個領域的高視科技只有一個解決方案。“我們做了一個平臺，平臺下面是模塊化的產品，包括幾十種設備，我們希望通過這樣的方式把軟件做成通用性的，現在我們賣的是設備和解決方案，但是有朝一日，我們會走平臺化的道路，等到平臺化的時候，我們賣的就是解決方案，當然這個目前還有點遠。”高視科技董事長姜涌表示。

而對于已經進入規模化落地的梅卡曼德來說，使得其能夠快速實現批量化交付的正是圖形化機器人編程軟件Mech-Viz。Mech-Viz為梅卡曼德提供了積累、沉淀經驗的通用軟件平臺，使其能夠縮短研發周期，減少現場調試人員以及降低后期維護成本。

正是因為有了這個平臺，不同場景的物體碼垛、抓取規劃方式等數據可以為實現規模化和持續落地提供支撐。

過去傳統的視覺解決方案是這樣：這家工廠和產線的數據收集上來，等換另外一家工廠的時候，可能還是解決不了問題，所以就需要數據形成一定的規模，能夠覆蓋到各種產線和行業的多樣性，才有可能訓練出通用的AI模型。

而要達成這樣一個大的數據模型一定是需要平臺的，這個平臺需要連接到各個行業，滲透到各個終端和工廠、各條產線。

胡正指出，平臺化的解決方案涵蓋了大數據、AI、云計算以及5G等要素，具有大數據助力算法；便于核心技術和算法的迭代、維護；降低開發成本以及算力共享等特點和優勢，但他也坦言，平臺化的解決方案也存在兩個隱患：一是數據的安全；另外就是實時性的保證。

當前主流的機器視覺方案還是視覺與機器人集成系統，這一方案的優勢是對應場景落地快、降低整體使用難度，劣勢是研發成本高、產品價格貴、應用場景單一。

機器視覺軟件產品也已經日趨成熟，產品成本低、適用性強，但是需要對場景進行二次開發，操作難度比較大。

而在線機器視覺云平臺除了前期的研發成本高之外，其產品本身成本相比較前兩種方案較低、具有能夠快速生成應用場景解決方案、操作難度低和應用場景多等優勢，將會成為未來行業的發展趨勢。

傳統機器視覺解決方案中，機器視覺作為一個非標方案被開發，這對于降低成本的難度是非常高的，如果按照平臺化的方式進行布局，就等同于工業視覺的IOT概念，這樣平臺化的轉型會改變企業的商業模式和業務流程。