“又多了一家机器视觉企业，又多了一批机器视觉企业。”无论是参加各大论坛还是展会，总能碰到一些新的机器视觉企业，这有点像两年前的协作机器人。

前段时间，见了一个投资人，他们正四处寻找可以投的机器视觉企业。当然，前两年进入的机器视觉企业可能都已经进入第二轮、第三轮，甚至是第四轮融资了，目前这些企业正致力于机器视觉技术的规模化落地。

“非标中的非标”

如果细心观察，你一定能够发现今年各大展会上，机器视觉企业展出的产品跟以往的不同：从侧重技术到侧重方案。

比如，梅卡曼德在工博会上展出了17个工业真实场景的应用方案，再比如库柏特的3D视觉汽车零部件分选工作站、在线力控打磨平台、力控装配平台等。

在复杂的工业场景落地中，技术不再是唯一确定的因素，比拼技术的企业可能不比拿来一个真实应用案例的企业更有话语权，这也是技术做的好的企业不如方案做得好的企业吃香的原因。

在工业市场中，3D的应用特点很复杂，就材质而言，不同物体因为材质（普通、高反、透明、吸收）的不同，还有形状(比如圆形、方形、不规则图形)的不同，以及量程、精度、工作模式（站停、连续运动、动态）的不同等，可能方案就需要有所改变。

因此，不存在一种通用的方法，不存在通用的解决方案，要求视觉集成商具备强大的集成能力，需掌握多种原理，这也导致视觉技术落地比较难。

正如曾经任职美的集团机器视觉研究所的胡正博士所说：“视觉系统是自动化‘非标中的非标’，这意味着很难找到完全相同的应用场景。

凌云光技术集团系统架构师金刚博士认为，各企业的技术成熟度还有差异：一般性问题已非常成熟，后来产品很难突破；特殊问题谁都解决不了或一大类设备解决不了，当然，这也给了后来者机会，但同样的，定制化开发不可避免。

应用价值远远没被挖掘

正因为真实应用场景远比我们想象得复杂，视觉系统的通用性很差，不能兼容各种情况。这直接导致了出货量难以上去的问题。

“实际上我们这套系统的出货量非常低，每年的出货量在个数级。”胡正介绍了他们研发的机器人+AGV+3D视觉进行搬运、拾取的案例，并坦言它所能解决的问题还比较单一，所以限制了其应用。

“你费半天劲解决某个复杂技术难题后，可能只卖出去一套。”在此前接受采访时，库柏特CEO李淼也这样说过，方案不能迅速产品化和规模化是让视觉企业非常苦恼的问题。

“这主要还是因为解决方案的智能化程度不够，我们看到的很多关于机器视觉的Demo，其实可能是很多失败案例中精挑细选出来的，实用性不高，行业里还有很多问题。机器视觉，看起来很光鲜，实际上在产业中的价值输出目前还很有限。”胡正说。

但不可否认的是，真实的需求量很大。

在视觉检测这一领域，比如美的集团旗下有32家工厂，里边的螺钉检测和PCB检测、包括来料检测等，需求量非常大，但目前这些需求也只有极少部分能够得到满足。

在胡正看来，3D视觉普及率不高的原因，还有其对产线造成的侵入式影响、识别率不高、操作繁琐、成本高。

软件化、平台化趋势

胡正认为，工业视觉的发展趋势是：嵌入式解决方案逐步会迈向平台化的解决方案。

之所以提出平台化的解决方案，正是因为上文提到的目前机器视觉存在识别率不高、工程周期很长、难以规模化和复制的问题。

李淼说：“库柏特裁掉了98%不靠谱的业务，重心浓缩为一个平台（操作系统）和两个领域（智能检测和柔性抓取）。”

目前已经涉足四个领域的高视科技只有一个解决方案。“我们做了一个平台，平台下面是模块化的产品，包括几十种设备，我们希望通过这样的方式把软件做成通用性的，现在我们卖的是设备和解决方案，但是有朝一日，我们会走平台化的道路，等到平台化的时候，我们卖的就是解决方案，当然这个目前还有点远。”高视科技董事长姜涌表示。

而对于已经进入规模化落地的梅卡曼德来说，使得其能够快速实现批量化交付的正是图形化机器人编程软件Mech-Viz。Mech-Viz为梅卡曼德提供了积累、沉淀经验的通用软件平台，使其能够缩短研发周期，减少现场调试人员以及降低后期维护成本。

正是因为有了这个平台，不同场景的物体码垛、抓取规划方式等数据可以为实现规模化和持续落地提供支撑。

过去传统的视觉解决方案是这样：这家工厂和产线的数据收集上来，等换另外一家工厂的时候，可能还是解决不了问题，所以就需要数据形成一定的规模，能够覆盖到各种产线和行业的多样性，才有可能训练出通用的AI模型。

而要达成这样一个大的数据模型一定是需要平台的，这个平台需要连接到各个行业，渗透到各个终端和工厂、各条产线。

胡正指出，平台化的解决方案涵盖了大数据、AI、云计算以及5G等要素，具有大数据助力算法；便于核心技术和算法的迭代、维护；降低开发成本以及算力共享等特点和优势，但他也坦言，平台化的解决方案也存在两个隐患：一是数据的安全；另外就是实时性的保证。

当前主流的机器视觉方案还是视觉与机器人集成系统，这一方案的优势是对应场景落地快、降低整体使用难度，劣势是研发成本高、产品价格贵、应用场景单一。

机器视觉软件产品也已经日趋成熟，产品成本低、适用性强，但是需要对场景进行二次开发，操作难度比较大。

而在线机器视觉云平台除了前期的研发成本高之外，其产品本身成本相比较前两种方案较低、具有能够快速生成应用场景解决方案、操作难度低和应用场景多等优势，将会成为未来行业的发展趋势。

传统机器视觉解决方案中，机器视觉作为一个非标方案被开发，这对于降低成本的难度是非常高的，如果按照平台化的方式进行布局，就等同于工业视觉的IOT概念，这样平台化的转型会改变企业的商业模式和业务流程。