據國家統計局核算資料顯示，我國2018年工業GDP已達到30萬億元，提升1%的效能，即可帶來 3000 億元的經濟增值，可見工業升級的市場空間之大。
成立於2017年的矩視智慧便是工業視覺檢測賽道上的一員，定位於一家工業視覺AI平臺，主要透過對圖片線上標註和深度學習訓練，讓整合商客戶自主生成視覺演算法SDK，從而替代工廠裡的現場人工。
在使用過程中，使用者只需登入後，按照操作步驟上傳並標註樣品影象資料，雲平臺自動匹配最優的深度學習演算法模型和引數進行訓練，客戶無需額外開發，直接下載SDK即可整合到本地化系統中。
據瞭解，矩視智慧並非一開始就聚焦工業視覺AI平臺，而是從視覺分揀機器人整合商轉型而來。至於轉型原因，創始人弭寶瞳表示，工業視覺領域一直是團隊看好的核心方向，原本的軟硬體一體化整合服務模式相對較重，在積累了大量資料以及行業Know-How之後，2019年下半年，由網際網路團隊基因驅動，矩視智慧全線業務轉至線上，整個團隊內部流轉和業務架構變得更高效而輕量化。
此次業務重整，矩視智慧恰好趕上了新冠疫情下的工業格局重塑，由人力精細化作業逐漸向人機協同智慧化方向調整。就資料證實，矩視智慧工業AI視覺雲平臺三月份使用者量達到了二月份的五倍，且在不斷上升中。
弭寶瞳介紹，工業自動化領域作為機器視覺的重要落地場景，卻長期受制於軟體水平，且核心技術大多由外商壟斷，國內上下游產業鏈處於弱勢地位。
在具體的工業視覺檢測中，行業採取的普遍做法是將視覺軟體與機械自動化相結合，但由於傳統視覺軟體方案效率低、開發新演算法週期長，對於複雜場景下OCR識別、缺陷檢測等需要精準度較高的地方作業仍效果不佳。
區別其他專注於為企業提供定製化服務的工業視覺解決方案供應商，矩視智慧更看好通用化服務。矩視智慧採取了開發者工具平臺形式的雲上SaaS架構，一方面，可以透過線上積累海量行業資料，不斷最佳化演算法，提高訓練速度。目前，平臺識別準確率在99%以上，高於行業95%的平均水平；另一方面，工業領域細分場景有上千種，倘若使用定製化服務，平均開發週期需要一週以上，而基於矩視智慧的平臺型服務，在一天內即可完成開發，還能透過雲端資料積累實現自動升級，無需重新開發影象演算法，規避了本地開發週期長的問題，提升開發效率十倍以上。在成本方面，工業AI視覺開放雲平臺更具優勢，其價格僅為同類企業的五分之一，於客戶而言更具吸引力。
以上這些優勢，得益於矩視智慧自主搭建的網際網路體系化AI架構，其後臺整合了上百個深度學習演算法模組，針對工業視覺領域的資料特徵進行提取，實現資料與演算法之間的自動匹配。 這種體系化AI架構，區別於針對具體場景進行定製的單一演算法，避免了人力資源和時間成本的重複浪費。
據介紹，矩視智慧AI視覺平臺已具備字元識別、缺陷檢測、尺寸測量、目標定位等功能，廣泛應用於製藥、電子、汽車、五金等行業，覆蓋上千種工業細分場景，能有效滿足客戶對於檢測精度、穩定性以及業務場景適配性要求較高的作業需求。
截止目前，矩視智慧已覆蓋2萬 名開發者，資料樣本量數千萬張，覆蓋場景100 個。營收方面，公司在去年8月份已實現了收支平衡，2020年1月至今，公司精準意向客戶已有100多個，營收主要來自雲平臺本地執行的授權使用，預計今年將有四千萬元營收。
成立兩年，矩視智慧已有20人規模，其中研發人員佔比70%，研究生佔比80%以上，創始團隊均為來自人大、北大、美國UCSC等國內外頂尖大學的博士研究生，曾供職於IBM、微軟、西門子、360等頭部企業。創始人弭寶瞳是中國人民大學計算機博士，曾以產品經理、研發工程師的身份供職於奇虎360，參與過AutoCAD雲平臺的開發，對人工智慧、工業視覺和雲計算有著深刻理解，並具備豐富的行業經驗與實戰經歷。
弭寶瞳坦言，工業行業細分行業多，且各自的行業屬性和特點差異很大，很難出現一個放之四海而皆準的模型和技術，於企業而言，互相賦能正當其時。未來，矩視智慧會加強技術研發，積極與行業客戶合作，嘗試用已有資料賦能，實現更大價值。
融資方面，矩視智慧已於2018年完成Plug and Plug的百萬元種子輪融資，並於2019年戰略升級後獲得中信集團領投的千萬元級別天使輪融資。
目前，該專案已啟動新一輪融資，主要用於資料產品的開發和團隊運營。
本文為創業邦原創，未經授權不得轉載，否則創業邦將保留向其追究法律責任的權利。如需轉載或有任何疑問，請聯絡