获投近亿元,人大博士创业3年 差异化定位打入千亿机器视觉市场

曹文密 2022年03月10日 创业者说
首创机器视觉低代码开发平台。

未标题-1.jpg

传统制造业普遍依赖人工进行产品外观检测,存在两大问题,一是受限于人工疲劳度,漏检率普遍很高;二是人工成本逐年增长,工厂难以负担。

据统计,全球3.6亿制造业工人中,视觉质检人员约3500万人,按照世界银行2018年全球人均净收入9290美元来估算,全球每年仅因视觉检测而产生的人工成本超3000亿美元。

弭宝瞳发现了市场痛点,于2018年创办矩视智能——提供机器视觉低代码开发平台,基于人工智能、低代码、云原生技术,赋能工程师团队,提供云端在线的字符识别、缺陷检测、尺寸测量、目标定位等开发功能,推动机器视觉广泛应用。

矩视智能于2020年1月发布机器视觉低代码平台,2021年11月发布国际版新产品,凭借平台规模化的增长优势,目前已覆盖100多行业,获取10000多家企业客户,落地2000多个工业细分场景。

融资方面,矩视智能 2021年3月获SIG资本A轮投资;2020年8月获KIP资本数千万元Pre-A轮投资;2019年10月获中信集团数百万元投资,2018年6月拿到PNP数百万元种子轮投资。

首推机器视觉低代码开发平台,已覆盖10000家制造业企业

随着科技的发展,2017年前后,机器视觉开始广泛应用在智能安防等领域,但在工业等传统领域还未规模化应用。而AI技术的成熟,也并未加速机器视觉的落地速度。

因为机器视觉的落地,需要很强的技术综合能力和团队配合:硬件上包含相机、镜头、光源、工控机、GPU的选型和现场部署;软件上包含2D视觉、3D视觉和深度学习算法开发,同时要与电气工程师的通讯联调,机械工程师的图纸设计相配合,技术难度极高;此外,在针对具体场景的整体解决方案,又无通用性可言,种种因素造成机器视觉应用开发成本高、周期长、人效低的困局,大大限制了机器视觉的规模化应用。

究其本质,依旧是大量非标定制所带来的高开发成本,与工厂低人力成本替代之间的矛盾,未被解决。 2018年,弭宝瞳拉上5个志趣相投的前同事和同学,开始潜心打磨产品。2018年5月,众人打造的AI训练平台获得了中国人民大学创业大赛冠军。6月,团队拿到了PNP数百万元的种子轮投资,自此走上商业化之路。

与其他提供定制化服务的视觉解决方案商不同,矩视智能提供标准化的机器视觉低代码协同开发平台。目前矩视拥有开发者工具平台形式的SaaS和aPaaS系列产品。

2.png- 矩视智能的SaaS和aPaaS系列产品-

弭宝瞳提到,矩视智能有3个核心特点:工具思维、低代码技术路线、产品驱动增长

第一,用工具思维打破大客户定制思维。过去,汽车、3C等大行业为机器视觉的落地首选,并以客单价为导向,为其中的大型上市公司做项目定制。而矩视则是以工程师需求为导向,形成toD(Developer)的产品思维,将各种具体的场景需求抽象化,提供跨行业的通用工具。例如,汽车和 3C行业,都有外观划痕检测需求,矩视则打破行业划分,针对划痕类检测需求去提供通用的开发工具。

第二,选择差异化的技术路径。老玩家会把深度学习视为对传统算法的补充,用深度学习去解决一些较难的问题。相反,矩视的技术路线是把传统算法当做是深度学习的补充。矩视使用深度学习的首要目的是降低机器视觉的开发门槛,而不仅仅是去解决一些较难的检测问题。

毕竟传统的定制方案,很难满足工厂的低成本需求。举例来说,一个工厂需要笔记本壳的外观检测设备,一般只有几台需求,如果招聘算法工程师、软件工程师去开发定制算法软件,然后再定制工装自动化部分,成本可能高达五十万,但工厂的预算很可能只有二十万。调查显示,国内拥有此现状的普通工厂比例高达99%。

弭宝瞳表示,矩视提供了一个标准化的开发平台,内置丰富的开发工具,不需任何图像知识,普通工程师也可以通过矩视的低代码平台去组合模块,形成工具链,去满足客户碎片化的检测需求,以较低成本解决客户检测难题。

第三,产品驱动增长。其一,矩视在产品形态和商业模式上做了很多颠覆式创新,将传统PC-Based的软件形态,升级为云端SaaS形态,从而在行业内大范围积累数据,并运用数据让产品更加“傻瓜化”,方便工程师使用;其二,由于采用PLG的增长模式,矩视选择面向视觉、软件、电气、结构等工程师,免费授权使用开发环节,进一步降低机器视觉的使用门槛,以此良性循环,扩大产品的使用人群。

3.png

- 矩视智能的低代码平台开发界面-

目前,矩视智能平台的应用细分场景上万种,识别准确率可达99%以上,训练时间控制在5分钟内,开发效率提升10倍以上。倘若使用本地定制化开发,则需要招聘AI算法工程师,平均开发周期一周以上,而基于矩视智能的平台开发,普通工程师在一天内即可完成,还能通过云端数据积累实现自动升级和版本控制,成功规避本地开发周期长的问题。

据悉,矩视智能机器视觉低代码开发平台于2020年1月上线,目前平台已覆盖10000家制造业客户。

助百万家中小企业降成本,切入千亿机器视觉检测市场

根据AIA调查,当前只有5%的潜在用户使用了机器视觉,尚有95%的潜在用户需要但还没有使用机器视觉。全部潜力发挥出来后,全球的市场可达到 1200亿美元。

弭宝瞳提到,矩视智能希望提供开发平台,让剩余95%的潜在客户,可以0成本、0代码、0门槛、0硬件,快速应用机器视觉,提升开发效率。

4.png

一是解决能力问题。在传统行业,算法工程师甚至软件工程师是非常稀缺的,企业过去没有能力解决视觉检测的需求,使用了矩视平台后,他们开始有能力去开发视觉类的应用,帮助客户实现了从0到1的跨跃。

二是解决效率问题。工程师无需再从底层搭算法框架,而是基于低代码平台,去做个性化配置,帮助客户实现了从1到10的快速落地。

弭宝瞳还提到,优先国内市场起步更具优势:中国万亿级的制造业市场,分工细致,市场分散,产生了高度碎片化的需求。

第一,中国机器视觉需求位居世界前列,市场基础好;第二,大量工业需求为机器视觉新技术的落地实践提供了丰富的应用场景,能让企业收集足够多样化的数据,促进企业优化产品,开拓更多场景;第三,国内集成商、设备商、OEM生态非常庞大且成熟,他们拥有最前沿的行业Know-How和商务关系,选择为其赋能而不是和他们竞争,才是最好的合作模式。

国内多元化的需求让矩视智能收集数据的速度、产品迭代优化的速度更快。在快速积累3年后,2021年11月,矩视智能发布机器视觉低代码平台国际版,正式开启海外战略。

跟客户合作中,矩视在平衡共性需求与个性需求上磨合较多。作为工具提供方,团队会优先上线解决共性需求的工具。

例如,平台上线的“旋转标注框”功能,可以用来识别一些有倾斜角度的印刷数字、生产日期等字符,而这一个小工具,就能应用在几百个类似的场景中。

弭宝瞳提到,客户的琐碎、细小需求中,会有共性,产品经理提取出这种共性,研发工程师则将它变成一个个标注工具。在矩视平台里,这样的工具模块,已上线 100多个,均应用在上千个细分场景。

在使用过程中,用户只需登录,按照操作步骤,上传并标注样品图像数据,云平台就会自动匹配最优的深度学习算法模型和传统算子,客户无需额外开发,部署环节会自动生成最合适的调用模板,高效集成到本地化系统中。

目前,矩视智能采用开发免费,运行license收费的模式,客户量年增长600%。如此快的增长速度,一方面是团队开发的产品满足了客户低成本开发的需求,另一方面是,形成了开发者使用习惯,而矩视会不断优化平台工具,去满足用户的共性需求。 矩视智能创始团队均为来自清华、北大、人大等国内外顶尖大学的博士研究生,曾供职于阿里巴巴、百度、360等头部企业。创始人弭宝瞳是中国人民大学计算机博士,拥有丰富的产品、研发和学术交叉经验。

1646879738(1).jpg

本文是小饭桌原创文章,作者:曹文密,如需转载请注明出处。
赞(0)
呵呵(0)

最新文章