3D机器视觉大厂环伺，本土新锐只能靠极致性价比求存？

　　近几年，一批本土机器视觉的新玩家出现在大众视野，且纷纷锁定工业、物流、商业等非手机行业的3D机器视觉赛道。因为这些领域的3D机器视觉技术仍在不断更迭尚未完全成熟，加之仍在教育市场的发展阶段还未到爆发点，因此给这些新玩家以机会。
　　但同样因为市场和技术的不成熟，市场容量仍很有限，同时这一领域的国际国内大厂包括基恩士、康耐视、海康、大华等根基已深，这些本土新玩家如何熬过创业的积累期？如何在大厂的夹缝中求存？仍有极大挑战。
　　成立于2015年的本土3D机器视觉企业图漾科技创始人兼CEO费浙平就坦言，并不抱干掉大厂的期望。
　　本期《与非观察室》的视频里，我们就与费浙平聊聊3D机器视觉的这些话题：
　　1. 从产品结构上，3D机器视觉硬件核心组成应该是信息采集和处理两部分，在采集部分双目+结构光的架构是否已是定式？还存在哪些新的可能性？这部分目前在攻坚的核心技术课题有哪些？
　　2. 我们看到您在此前接受采访时表示也在着力解决应用企业面临的后续二次开发的门槛问题，也就是针对一些新的产品形态如何实现快速迁移的问题，目前进展如何？这点是否与供应商的软件开发能力息息相关？未来是否也将成为3D机器视觉供应商之间的一大关键竞争点？
　　3. 除上述谈到的硬件以及软件部分，3D机器视觉还存在哪些技术发展趋势和可能的创新点？
　　4. 图漾一直强调自身一大优势是产品的性价比，这种极致性价比是怎么做到的？
　　5. 通常提到超高性价比，我们总会联想到两点：一是损失了什么，是否以牺牲一定性能和功能为代价？二是这一产品是面向中低端应用的，对此您怎么看？
　　6. 我们总会问新入者一个问题，即如何跟传统大厂如基恩士等竞争？有哪些机会和挑战？
　　同时采访中我们讨论到更多话题，因为视频时长有限，我们把更多精彩对话内容以文字方式分享如下。
　　与非网：如果从全行业发展的历史角度来看，行业应用的3D机器视觉经过了哪些这种重要的发展阶段和时间节点？在不同的时间节点上又有哪些里程碑式的事件？
　　费浙平：我们可以看到明显的几个时间节点，在2016年之前，市场上有很多小的团队在进行一些技术的研发积累和一些方向的探索，但那个时候整个机器视觉的概念并没有那么明显和突出，属于原始的技术积累阶段，我们同样也正是在那个时间形成了我们的核心研发团队，但那个时候的产品应用其实不是那么的清晰，主要大家的兴趣可能会集中于像一些2C的应用，尤其是自然人机交互。
　　从2016年之后的三年，就是16、17、18年这三年是一个机器视觉概念的成型到落地的过程。在这个过程当中我们看到有很多大型的客户，提出了明确的一些机器视觉，尤其是3D机器视觉的需求，然后我们的产品也得到了一些实际的现场测试和应用的机会。在投融资层面，那个时期像早期投融资非常活跃，A轮比如说像天使人A轮，有很多的公司能够得到一些投融资，图漾也是在这个阶段拿到了我们前面的融资。
　　在19-2021我们这三年，我认为是到了第三个阶段，有很多真正的行业的应用落地，到了真正的产品上线，得到了一些小范围的具体的应用和落地的过程。这个时间，投融资的规模会比之前更大，有一些优秀的公司出来，融资的规模都能够到几千万，甚至是几千万美金这样一个规模。
　　图漾也是在这个过程拿到了我们的A+、B轮的融资，然后我们也拿到了很多行业里面顶尖的一些客户的订单，但是虽然发展的这一个趋势是比较清晰了，但大家在公司的财务层面基本上还是在研发投入很大，营业收入相对还不够来支撑我们的研发投入，就是说公司还是处于一个亏损的状态，但是大家对于3D机器视觉的这件事情看的是更加的清晰，信心更加强烈。
　　我认为在接下去的三年时间里，行业里面优秀的公司会在无论是从新产品的迭代，还是从行业的应用落地，以及在整个公司的财务层面都会跑出来。甚至我们应该是有机会看到这个行业里面的公司除了盈利之外，还能够做到IPO的阶段。
　　与非网：在3D机器视觉产品的处理单元部分，我们看到最初图漾是采用 FPGA来做处理的单元，但是现在也在谈论嵌入式AI的概念，这个变化背后的它的一个背景是什么？
　　费浙平：谈到处理器的芯片平台或者是处理器的架构，我们要把它分成两个层次来看，第一个是在数据采集，就您提到的数据采集，也就是我们今天看到的这一个，我们的3D工业相机内部它有一个处理器的平台。另外一个是我们的传感器，就是把3D数据采集回来之后，在应用层它有另外一个数据处理平台，所以我们把它叫做一个底层的算法处理和应用层的算法处理两个不同的层面来进行考虑。
　　在底层的数据处理层面，也就是我们相机内部的这一单元，我们一直以来在使用FPGA这个平台，我们认为在接下去的两三年时间里面，它还是一个最佳的算力承载平台，因为底层的数据处理相对来讲算法的模式比较固定，然后整个数据处理的apply，它的数据处理量也比较的重，所以FPGA是一个非常好的承载平台。
　　在传感器数据出来之后，在应用层，比如说我们把它用来做三维建模或者一些做工业检测等等，应用层的算法，它变化比较多端，比方说有一些简单场景里面，我们用一个普通的CPU的平台就能够胜任，但是在一些复杂的场景里面，我们要用到一些人工智能、一些深度神经网络的算法，我们会用到刚才提到的像GPU甚至包括一些专用的NPU就是一些神经网络的加速处理芯片，所以面临的软件任务会比较多样化，所以我们有用到CPU作为工控机，也有用到GPU作为一个神经深度神经网络的一个加速芯片，今天我们看到有很多专门的AI的专用芯片，我们也在尝试导入进行使用。
　　所以我们谈论一个处理器架构的话，就是把它分成传感器层面以及应用层面两个角度来看，我们在底层会坚持使用FPGA，我们认为这是一个性价比最合适的一个技术平台。在运营层面，我们需要从CPU到GPU到NPU，我们所有的合适的处理都需要去支持。
　　与非网：目前影响3D机器视觉导入市场的因素有哪些？同时在包括不同的一些应用场景，包括工业自动化，工业检测，然后物流商业在不同的领域又存在哪些差异性？
　　费浙平：我觉得从大的方面来看，有两个影响今天3D机器视觉普及的因素。第一个是供给侧的，第二个是需求侧的。
　　供给侧很显而易见了，本身3D技术需求无论是从传感器相机，还有我们刚才反复讨论过的AI软件层面的问题，它的技术成熟度其实是有所欠缺的，因为它本身作为一个创新技术领域还在不断的成长和发展过程当中，今天的技术水平和能力相对来讲还算比较初级，它的能力有限，所以导致它的应用场景一定还是有限的。
　　第二个需求侧的问题怎么来理解？无论是智能视觉还是AI，今天在需求侧有一个客观存在的问题是客户有点盲目乐观，就觉得是这么厉害，我有很多的需求你来帮我搞定，然后在这个过程当中就会导致客户自己也没有完全的理解他的需求到底是怎样的，他认为AI或者是3D视觉是个万能的，他只要简单的几个需求，我们就能够帮他搞定。
　　这里面其实包括很多需求，就是说需求本身的成熟度和落地的时间点到没到？我觉得有一点盲目乐观的，就是不那么接地气的情况出现。
　　我觉得供给侧的技术成熟度和需求侧的盲目乐观，其实都是影响3D机器视觉市场化的障碍，所以今天真正能够落地的这些场景都是正好是我们的技术能力和需求，正好两个已经发生交集了，但这一个交集的面积其实不大。但我觉得双方都在相互接近，技术本身会变得越来越好。随着时间的推移，或者随着看到一些成功落地的案例发生，客户也对我们的了解越来越深，提的需求也会更加的接地气。
　　对于说在不同的目标市场，对于3D视觉的需求是不是差异很大，我觉得这个差别甚至是大到无法想象。举一个简单的例子，比如说在汽车生产线里，一套视觉系统1万美金，客户会觉得是非常便宜的一套系统，如果放在物流里看，别说1万美金了，1万人民币快递公司会说我就不要用，他就觉得100美金才是一个合适的价格。
　　所以我们认为虽然都是3D机器视觉的落地应用，但是在不同的行业里面可能是完全没有交集的，这也是为什么我们今天已经有了这么多的产品，以后还要往更高精度、更低成本发展，还需要有一个产品的演进方向。
　　与非网：在未来2D和3D机器视觉会并存，这肯定是业界的一个共识，对于未来比如说2~3年内，这两者的市场规模的预判，您怎么看？
　　费浙平：可能会出乎您的意料，对于3D机器视觉或者2D机器视觉的市场规模，其实我们并不关心，我们认为这是个对的事，至于两三年之后，它是10亿规模，还是100、1000亿规模的市场，我们觉得不重要，这是值得投入非常有价值的这么一件事。
　　但是我们会关注2D机器视觉和3D机器视觉相对的比例关系。我们是有这样一个判断和理解，就目前来讲，可能2D机器视觉和3D机器视觉，市场上的比例甚至是接近100：1，2D远远多过3D机器视觉。
　　大概两三年的时间维度来讲，我们认为可能会演变到50:1，因为2D机器视觉它也在发展，3D也在快速的发展，但3D的发展增速可能会比2D更快，但最终的一个行业格局，我个人的判断，我觉得将来2D和3D的比例可能会到10:1。
　　在一些相对简单的应用场景里面，2D是够用的，而且对客户来讲，但凡2D够用的事情，一定是用2D，因为越简单的技术产品其实它的稳定性会更好，成本也会更低，大家只是追求一个成本和效率的问题。
　　所以3D视觉一定在完成2D视觉要么做不了的事，要么是做不好的事，才轮到3D视觉出场。
　　与非网：我们也看到过去几年本土有一批像图漾科技这样的新玩家进入到3D机器视觉这个领域。在您看来，现在本土的3D机器视觉的供应端的生态处于怎样的发展阶段？它是一个泡沫期还是到一个相对稳定期？现在同业的生态是处在一个比较良性的竞争发展的状态吗？
　　费浙平：首先从发展状态来讲，我觉得基本上还是属于良性的一个状态。虽然最近因为3D机器视觉的热度在上升，投资也比较活跃，也就意味着有更多的公司出现，或者是有公司可以拿到更多的钱，这又是一个新的市场，大家都要急于打开各自的局面，所以导致竞争的激烈程度会提高。
　　我们又把它分成两个层面来看，第一是我们所处的上游核心零部件，其实在我们这个环节的竞争不太多，因为目前来讲，视觉行业更多的是集中在中游的系统集成商层面，更多的投融资也发生在我们的下游客户层面，系统集成商因为要直接去抢最终的一些行业客户的落地，所以他们的竞争激烈程度从去年到今年是上升的比较快的，大家手上的钱也会越来越多。
　　从竞争变激烈的角度，整体上还是在一个比较良性的范畴。正面的意义和价值在哪？就是说随着这个行业的热度越来越高，随着大家的能力提升，实际上大家通过竞争，各自的产品得到提升，价格下降，最终还是惠及这个行业的最终用户。所以无论是教育市场还是推动客户更早或更快或更多的把3D视觉用起来，客观上是推动的作用比较明显和巨大的。
　　另外说是不是处于泡沫期？从投资的角度来讲，我认为当前的行业泡沫还是比较明显的，但是在一个创新的阶段，我觉得泡沫还是好处多过副作用，因为毕竟有了更多的人，更多的钱就可以办更多的事。像图漾也是，这么多年的发展下来，我们每年的研发投入在不断的上升，在收入层面也就是从去年才开始明显的放量上升，也就意味着在过去的那么多年里在财务上还是亏损的，这里面一定需要一个良好的投资的环境，包括资本层面对于3D机器视觉这一个行业的看好，我们才能不断得到外部的资金支持。
　　整体上来看，我认为算是泡沫期，但这个泡沫还不至于像其他有一些消费类的行业到了出问题的程度，在技术领域我觉得泡沫第一它的破坏性不会那么大，第二它还是帮助了一些创新的公司度过早期的亏损阶段。
　　所以整体上我有两个判断，第一个是适度的泡沫可以有，第二个是目前3D机器视觉行业整体上还属于良性态势。