两年前的一个深夜，雷电交加，暴雨如注，张华聪还记得，他爬上50米高的筒仓仓顶，一遍一遍将皮尺伸入测量孔，确认库位的场景。

他所在的宝武环科湛江基地，主要生产流程是将铁矿渣经过筛选、粉磨成白色的超细矿粉。这种矿粉作为掺合料广泛用于混凝土等建筑材料中，不仅能解决固体废料占地、环境污染问题，还能提高混凝土品质，将矿渣“变废为宝”。

但爆库（矿粉输入量超过库容）是一个严重且极端的风险，特别是雨天，下游需求量减少，但产线24小时不能停，矿粉源源不断入库时，为了保证不会爆库，需要不断确认库位。即使狂风暴雨，张华聪也需要及时了解库位，甚至每十分钟都得确认一遍。

库位测量中，让张华聪最头疼的事，就是测不准。湛江宝武环科储存矿粉的圆形筒仓高50米、直径18米，总库容达8000吨， “平均1米的库位误差，就会带来200-250吨矿粉的误差。”张华聪说。

在这个仓库，他们采用的是“机械料位计+人工”双重测量，但无论人工测还是机械测，都属于单点测量，测量的数据只能代表局部的库位，误差不可避免。由于物料不停进出和流动，分布凹凸不均，经常三次测量的数据都不一致，根本无法确定哪一次误差更小，也无法准确反映库内容积，只能根据手感和经验进行预估。

这也是目前国内大多数工业仓储，如水泥熟料库这样的设施库位测量方式。

长期以来，这种场景下，现场工作人员对仓库库位的认知，都处于一半靠测，一半靠猜的“半盲猜”中。

然而，库位数据是产能价值，精确的库位测量是生产的指导手册。“合理控制库位关乎整体产销平衡，包括生产排产、对外销售和安全管理。”宝武环科湛江公司矿粉作业区作业长周平介绍道。当库位过低而未及时加快生产时，便会无足够的矿粉满足客户需求；库位过高则存在爆库风险，一旦矿粉外溢造成扬尘污染，就是严重的环保事故。

转变发生自2024年3月，湛江宝武环科将海康威视的三维扫描成像雷达装入筒仓之后。

三维扫描成像雷达利用毫米波信号进行非接触测量，有很强的抗干扰性，能够穿透粉尘、水雾，具有强环境适应性。通过24小时360°连续高精度扫描，每5分钟就能更新一次数据，还能实时展示筒仓内矿粉3D形貌，让湛江宝武环科对矿粉的高度、体积，终于实现了精确呈现和高效监测，帮助解决测不准、数据不及时的难题。

从“半盲猜”到“心中有数“，湛江宝武环科库位测量问题的解决，是海康雷达产品推进工业场景数字化的一个缩影。如今，从水泥熟料库、骨料库、养殖饲料仓，到冶金原料仓、原料棚库、火力发电煤仓、煤矿选煤厂筒仓等场景，都有海康工业雷达产品的应用。

一维到四维全覆盖，走向更多工业场景

“海康威视也做雷达？”

今年8月的中国国际测量控制与仪器仪表展上，海康威视雷达事业部带去的几百册产品手册以及名片，很快发放一空。

上面这个问题，是海康威视工业雷达行销技术负责人金海善及其团队在展会上被问及最多的问题。

其实，海康在雷达领域已经有10多年的积累，其工业雷达产品覆盖了从一维物位测量到二维截面成像、三维体积成像、4D避障，并落地了不少应用案例。

工业雷达产品体系的形成，是一个水到渠成的过程。

海康威视的雷达产品此前在车载、交通安防领域都有应用，积累了完整的天线、射频、硬件、软件、算法系统设计能力及量产工艺核心技术，并做出了交通流量、测速雷达，以及防洪防涝场景的雷达液位计等系列产品。

循着雷达液位计的方向，海康威视将目光投向了应用更为广泛的流程工业领域。

雷达液位计本质是非接触测量液体高度，当测量目标为液体时，叫做“液位计“，当测量目标为固体时，叫做“料位计”，它们有一个统称，叫“物位计”。

基于车载、交通安防的技术和量产工艺基础，海康威视在2020年正式尝试工业物位计。

在工业雷达的产品谱系中，物位测量属于一维测量，核心技能是在各种复杂工况中连续、稳定测量物料的高度。

落地一维物位测量产品的过程中，钢铁、冶金、养殖、建材等领域普遍存在的大型筒仓库盘库、料面监测、辅助上下料控制等一维测量手段难以解决的场景，让产品研发团队看到了更大的机会。

如前文所述，大型筒仓“机械料位计+人工”的传统测量方式存在一定的弊端，市面上的激光、超声波等测量方式，并非解决这一场景问题的好办法，而这却是毫米波成像的强项。

2021年海康威视团队开始在一维物位计基础上做三维成像，开发出了基于毫米波技术的三维体积成像雷达，并由此进入大型固体料仓的更深入的应用场景。

此后，海康威视又从流程工业向离散工业进一步深化。

随着一维物位测量、三维体积测量产品逐渐走进更多的行业，机会之门自然而然开得更大。

比如，许多大型工程机械都是室外全天候作业，过去进行避障主要通过激光，这便与筒仓的库位测量踢到了同一块绊脚石，即在雨水、粉尘、大雾等天气无法正常工作。但这种平面避障产品与体积成像雷达在技术上有相通性。随后，海康威视开发出了二维截面成像的毫米波雷达，检测半径能够达到150米。由于机械作业时还有避障的需求，海康威视又将此前用于车载的4D雷达技术迁移过来，开发了4D避障产品。

2023年，国内雷达物位计市场规模增长到20亿左右。海康威视的工业雷达产品也逐渐走向成熟。“从产品矩阵来看，海康威视的工业雷达产品已经形成比较完善的体系，包括一维物位测量、二维截面扫描、三维体积成像、4D避障全系列产品，我们会把现有的产品做得更好，也会根据场景需求，持续在四个维度产品矩阵中丰富产品类型。”金海善对雷峰网说。

然而，工业领域对于产品性能、场景适配性和稳定性的要求都很高，工业雷达团队刚开始在市场开拓上也并非一帆风顺。

对于不少用户来说，海康威视是一位“老朋友”，双方在安防领域早有合作，基于之前合作建立的默契与对海康威视品牌的认可，这些用户在海康威视雷达产品进入工业领域之初，便早早的关注到，并自然地开启了合作。

然而还有更多的一些情况是，与不熟悉的客户打交道。“和客户、用户的沟通中，碰到更多的还是认知与信任的问题。”金海善对雷峰网说。

前期做试点项目过程中，团队发现了一个有意思的事情：许多客户刚开始并不知道海康威视有雷达产品，但最终交给海康做的，又往往是难以搞定的高难度场景。

一维物位测量的技术和产品已然十分成熟，客户尚无足够动力更换现有的成熟合作方。而海康威视恰好拥有从一维到四维的雷达产品，所以一些客户会选择让海康威视从较难的一两个场景开始尝试。认为只要能够解决这些较难的场景，那么其他场景应该也不会有问题。

“用技术创新，为具体的场景难题，带来新的解决思路，带来一些不一样的变化，这是海康威视的强项，因为我们对技术一直有很大的持续的投入。”在金海善看来，“在工业雷达领域，攻克了这些高难度场景，反过来也会进一步提升对我们的信任度。”

从场景中来，到场景中去

要做好工业场景，最关键的是要懂得如何“从场景中来，到场景中去”。

据不完全统计，流程工业十多个行业，仅涉及测物位的就有500多个场景，测量对象更是千差万别。

“毫米波雷达技术有一个非常关键的参数叫‘介电常数’，不同的物质介电常数不一样，高温、高压、腐蚀、防爆等也都分为不同等级。毫米波雷达测量技术在各行各业虽是刚需，但场景比较碎片化，对连续性、稳定性要求也很高。”金海善解释道。

除了不断完善技术和产品，海康威视工业雷达产品团队必须得一个接一个场景去学习、去理解、去积累经验和打磨产品，给用户提供能够切实带来改变的产品和方案。

金海善还记得第一次在西北一家氧化铝工厂落地设备的情形。这个位于我国西北地区的氧化铝工厂，所处位置十分偏僻，出去找一家饭馆都要开车好久。而客户在尝试了国内外诸多产品却均以失败告终后，对该筒仓雷达测物位这个应用已经快要失去信心。

由于氧化铝粉介电常数低，回波信号特别弱，给毫米波料面测量带来很大挑战。

海康威视的产品刚在这个氧化铝粉筒仓测试时，也面临了类似的问题：筒仓钢结构相当复杂，震动强，电磁干扰严重，信号干扰强，雷达点云图上出现了大量杂波和多径效应，且有明显遮挡，但由于筒仓时间比较久，根本找不到筒仓cad图纸。筒仓相当于一个黑盒子，数据优化不知从何处入手。

于是，问题很快汇报到了总部。做这样高难度的场景，投入较大，但一旦突破就是一个很好的案例，在综合评估具备可行性后，海康下定决心一定要想办法把这个场景做出来。

由于内部钢结构情况不清楚，海康威视引入激光雷达，在不上下料的时候，扫描获取筒仓内部点云图，辅助识别筒仓内部数据过滤区域，并优化毫米波数据模型。并且针对震动、大量杂波、多径、遮挡难题，进行算法策略优化，以及产品结构适配。

经过一个多月现场蹲点和总部各团队的协同攻关，难题和挑战被一个个攻克，最终能够准确测量出筒仓内氧化铝粉的最高、最低、平均料位，同步直观显示料面彩色点云图。

目前，海康威视的毫米波雷达已经在现场稳定运行超过一个月，几次高低料位报警都非常准确，雷达测量数据也与生产数据高度匹配，再也不用每天爬上三五十米高的人工梯进行料位测量。

他也还记得第一次遇到PLC （可编程继电保护控制系统）电压不稳，影响雷达使用的情形。

那是一个钢铁厂煤筒仓的料位测量项目，设备安装完成后，出现数据跳变频率较高的情况，团队尝试了优化算法、添加各种结构件等多种办法，前后共耗费近一个月时间才定位到是PLC电压不稳定原因。解决问题远比发现问题快得多，通过增加一个稳压模块，不到一天就解决了这个困扰团队近一个月的难题，至今稳定运行超过半年。

碎片化的工业场景中，类似的“难点时刻”还有很多，但在金海善看来，没有捷径，只能保持空杯的心态，一个个场景的去磨。“在工业领域，不同行业、不同场景的问题有时看似相似，实则在共性基础上又各有不同，需要因地制宜进行解决。做一个场景，就要吃透一个场景，我们希望用更多的技术投入，更快的响应速度，与客户更好的配合，来快速迭代产品，帮更多企业解决一个个具体的问题，在这个过程中不断积累经验，持续提升产品竞争力”。

不仅在工业雷达领域，近年来，海康威视除了继续在安防行业稳扎稳打，已有越来越多的技术、产品和解决方案，运行在工业产线和制造现场。在AIoT 战略下，场景数字化正承担起海康威视第二增长曲线的重任。

雷达产品线可以被看做一个缩影，海康威视正是通过类似上述的一个个具体而微的案例，一步步深入千行百业的场景数字化过程中。

做场景数字化的「集大成者」

企业数字化转型，正从信息化，走向场景数字化的深水区。

制造业企业围绕生产、运营等主要的业务环节，过去几年已完成大量IT信息化工作。但在产线、车间、工厂中，具体生产场景的数字化升级，仍然缺少关键基础数据及合适的数字化工具，这也是企业进一步实现增效、提质、降本，以提升竞争力的可为空间。

然而，要用数字化手段去实现这些场景的升级，必须从实际的需求出发，一步一步去落地。这也是海康威视 “场景数字化”真正想要帮助企业做到的：到一个个具体的场景中，解决一个个具体的问题。

不同行业、不同业务场景的特定数字化问题，需要不同的技术手段来解决，这需要不断积累技术和行业经验。目前，海康威视已经从可见光拓展到X光、红外、毫米波、可听声、超声等感知领域，广泛布局了电磁波与机械波等技术和产品。在30000多款型号的硬件产品之外，海康威视还推出了诸多的数字化产品来满足各行各业不同场景的数字化应用需求。

“海康威视不追求颠覆式技术去解决问题，但会提供很多不同技术的产品，融合了多种技术的产品，去解决某个具体问题。”海康威视董事长胡扬忠说。

做场景数字化的集大成者，是海康威视的目标。从工业雷达产品的发展历程来看，在企业数字化转型这场深远且充满无限可能的征途上，海康威视仍需继续在“田间地头”精耕细作，把握住时代赋予的庞大产业机遇。

曾在阿里工作多年的奇点云CTO地雷，他的眼神中透露出热情与期待。

奇点云是谁？

简单来说，他们是独立第三方的大数据基础软件厂商，成功实现与全球十大IaaS云服务商的兼容；虽然创始团队全部来自阿里，但并不是阿里的投资项目；作为国内为数不多的拥有完整大数据实践经验的“玩家”，他们一直被视为国内四大中台厂商之一。

奇点云的合伙人、CTO王乐珩（花名：地雷），拥有18+年数据领域研发、产品和创业经验，原阿里云MaxCompute大数据引擎和算法平台首任PD。创始人和高管团队也大多拥有深厚的阿里背景。奇点云背后的团队，与这种技术基因有着非常紧密的联系。

凭借着技术优势以及在零售、金融和政企几大赛道的成绩，奇点云在2022年底成功完成了近亿元的C2轮融资。据官方表示，这笔资金将用于自主可控的数据技术研发、产品和服务的持续升级，以及加速推进“企业级”战略，优化营收结构，实现高质量的发展。2023年，奇点云获得了制造业多个细分领域头部客户认可，实现了制造业营收占比翻倍。

成绩不错，他们正在主攻什么？

答案是：赋能制造业。

制造业数据正处于爆发式增长，这对于奇点云来说是巨大的机遇。地雷在与雷峰网对话中透露，奇点云力邀制造业资深专家“入伙”，并将多年服务零售业沉淀下来的技术和经验加以复用，帮助制造业客户在数据采集、数据研发、数据生产、数据服务和数据治理等多个环节实现降本增效，实现数据能力的可持续发展。

意外发现制造业“数据新大陆”

"制造业数据的指数级增长，这真是个出乎意料的事情，我们最初并没有预料到。这个发现，纯属偶然！"地雷笑谈道。

这要从奇点云与一家新能源制造企业（A企业）合作开始说起。

A企业使用了奇点云DataSimba数据云平台，可以分析处理大量各种类型的数据，并在半夜准时生成报表，使得企业第二天能够做出相应的调整。

令人意外的是，在不到三周的时间里，A企业的老板给地雷打来电话提出了新的需求。

在电话那头，老板的需求十分明确：“DataSimba用着还行，数据分析的效果也不错，我们希望继续提频增速，把一天跑一次数据，改成每小时生成一次数据。还有，好几个基地数据在等着上生产。”

地雷心里一惊：没想到制造业用数的反馈和数据量的增长来得如此之快！原本以为上线DataSimba后，大规模扩展资源会在两三年后，但现在因为数据量爆增倒逼着数据基础设施更新，这仅仅过去了两三周。

项目组工程师加班加点，帮助A企业在不另加资源的前提下，完成每小时生成一次数据的目标；接着，地雷请来公司各路神仙研究海量、多源、异构数据的实时处理等问题，“技术栈能力是有上限的，突破量级的时候，就不是单纯堆机器那么简单了。”

三周后，A老板拿到了稳定按小时级产出的分析结果，决策更及时，竞争力就更强，利润自然更高了。

同时，地雷很快发现这并不仅仅是A企业的需求，而是整个制造业所面临的挑战。

聊到这里，大家难免有个疑问：为什么制造业的数据突然变得如此庞大？

数据的增多是因为数据源头也在增多。

众所周知，传统制造业倾向于使用人工解决问题，工人手动操作生产线，手工记录数据。然而，现在越来越多的自动化设备被引入到制造业中，取代了传统的人工操作。这些设备和系统产生了大量的数据，成为制造业数据的重要来源。

"制造业产生了大量的机器数据，这些数据按照设定的时间间隔采集，我们称之为时序数据。制造业的数据量比人们平时产生的数据要大得多，因为制造业的机器设备是按照固定的时间间隔采集的，每秒钟都会产生大量的数据。此外，这些数据是按照时间顺序依次采集的，比如每隔15秒采集一次温度数据，具有明确的时间顺序性。”地雷解释道。 

图：越来越多企业采用自动化生产线（插图由AI生成）

制造业自身变革倒逼企业利用数据解决问题。

以B企业为例，B企业是一家乳业企业，在交付产品给客户时面临着许多复杂问题，找到了奇点云共商“交期优化”策略。

比如，不同类型的牛奶需要考虑运输和物流条件进行生产和交付。在这个过程中，B企业需要在适当的时间内生产和交付产品，确保产品质量。

又比如，由于原材料成批采购，每批原材料的价格可能不同，B企业需要在财务上尽量盈利，同时满足客户需求。

此外，还需要考虑最坏的情况，即如果出现违约或延迟，应该优先解决哪些订单的问题。

总体来说，B企业的问题是涉及到多个复杂变量，需要统筹优化。

在过去几十年，这些问题主要依赖人工处理，比如根据经验配比生产线，并使用Excel表格进行管理。

但现在这种方法已经不管用了。为何？

因为B企业有很多部门，每个部门都有自己的系统，每个系统都会产生大量细节数据，形成多个“数据孤岛”，这些数据孤岛数据量很大，以TB（万亿字节）（1TB约等于1.1万亿字节）计算，传统人工方式根本不可能承担那么大的计算量。

“加上新的数据还在不断增加，人类很难在每小时或每分钟内反应变化，所以需要利用数据和自动化方式来管理整个生产线，包括订单管理、物流、原材料采购、制造和生产线等。”

“机会来了，制造业的数据智能化时代即将来临”，地雷很兴奋。

可以开着飞机换引擎吗？

要在制造业领域打好这场仗，技术尤为关键。

奇点云团队自带技术基因，在大数据领域拥有丰富的经验和技术，操盘过大量项目，才能知道哪里有坑，知道怎么避坑。

当然，只有大数据技术还不够，还要有“共同语言”。

一位制造业老炮打趣：“制造业几百种专业术语，类似‘OEE’、‘设备稼动率’、‘UPH’、‘采购及时率’等等，不在领域做上10年，5分钟就能被绕晕。”

“最怕就是你跟客户说技术，客户跟你说场景，大家谁也不懂谁，就好像鸡同鸭讲，”地雷一语中的。

因此，奇点云组建了制造业行业线团队，团队里的“老专家”都来自工业制造咨询公司和工业软件公司等领域，深谙行业Know-How，能够用共同语言与客户“接地气”沟通。

奇点云制造行业线负责人航宇谈到：“我们很乐意跟客户呆在一起，帮助客户充分利用数据来改进业务和决策。我们还有‘开飞机换引擎’的本事。“

开飞机换引擎？怎讲？

奇点云有一家客户是光纤领域的创新型企业（C企业）。

C企业数年前已完成数据中台建设。而在几年前，C企业被美列入“实体清单”，原数据中台供应商IBM随之“断供”——产品可继续使用，但不再提供版本更新、漏洞修复及技术支持。

对于C企业来说，数据已在多个核心领域得到使用，事关经营决策、生产管控等各个环节，数据基建（数据平台、数据中台等）的稳定性、可靠性、安全性也日益重要——数据生产不能被“卡脖子”，数据能力的建设也不应中止。

事实上，大型企业在大数据领域实践“国产替代”，确实不只是“换个产品”那么简单：

新产品需要支持国产信创，自主可控，打破封锁；

旧产品有的，新产品都要有，且更优；

旧产品没有但业务需要的，新产品也要有，且能陪伴业务升级而不断进化；

在新旧产品切换的时候，还要确保现有数据资产无损平滑迁移，同时保障日常数据生产不受影响。

对于已有多年数字化沉淀的C企业而言，切换数据基建产品就如同“开着飞机换引擎”，一点也不夸张。

为了解决C企业的问题，奇点云上线了DataSimba数据云平台，并将底层的大数据集群管理系统切换为奇点云的DataKun，数据迁移由奇点云原厂完成。最终，奇点云顺利帮助C企业实现了“开飞机换引擎”的任务。

何以PK同赛道玩家？

狭路相逢，奇点云会遇到三波玩家：一波是传统信息化公司；一波是互联网巨头和数据技术公司；还有一波是咨询公司。

传统信息化公司对制造业流程和痛点非常清楚，但是由于缺乏大数据技术，当客户数据量激增时，他们往往无法及时有效解决这个问题；

互联网巨头拥有先进的大数据技术，但在制造业行业 Know-How 方面存在欠缺。尽管一些大公司曾组建过一些优秀的制造业团队，但这些团队受限于企业文化和主线业务往往在内部无法存活，尤其当一项任务需要几年时间才能盈利的情况下；

咨询类公司对于行业的数字化有一定了解，可以从战略层面指导企业数字化转型工作。然而，咨询公司的人员往往缺乏实际落地的经验，所以最终还要数据技术公司落地项目。

地雷表示：“我们既拥有了先进的大数据技术，也拥有制造行业Know-How。同时，我们和很多伙伴是‘亦敌亦友’的关系，例如，和咨询类公司有成功的合作经验。”

同时，奇点云沉淀了一套独特的“抽象模型”方法论。

奇点云在创业的前三年，扎根零售业数字化，根据零售业的特点、业务模式和企业的整体设计，沉淀了一套“抽象模型”的方法论。

例如，如果要经营一个超市，只需要关注大约200多个数据指标。奇点云已经将这些数据指标抽象出来，创建了相对标准的数据模型，这样同类型的超市稍加改造，就可以快速地应用这些模型。

在制造业领域，奇点云也正在形成适用于制造业各个细分领域和场景的数据模型，并且在不断优化和改进的过程中，将其应用到更多的企业中。

此外，奇点云在零售业积累了可复用于制造业的“底层数据架构优化”经验。

以零售业为例，涉及到大量的数据，包括线上线下用户数据和商品数据等。在技术层面上，如何提高底层数据架构的复用能力，构建更好的数据技术模型，是一个重要的问题。

类似地，在制造业中，需要考虑“订单”、“供应商”等对象以及订单相关事件等的抽象化。通过优化和抽象化技术架构，可以用更统一可靠的技术底座来支撑上层动态多变的业务数据需求。

“奇点云从零售业走到制造业，积累了独特的经验，这些经验在底层数据架构优化和抽象化方面都非常有价值。”奇点云制造行业线负责人航宇分析道。

图：奇点云提出制造业数字化转型“三看三提”

值得一提的是，奇点云是一家独立的第三方公司，不绑定云资源。这意味着他们可以与各种云平台和技术集成，为客户提供更大的自由度和灵活性，而不受特定云供应商的限制。

打仗要做主角，需求是甜蜜负担

“所有的数据分析和使用前提都是要有‘需求’。‘需求’就是数据人甜蜜的‘负担’。”地雷笑笑。

一个有趣的例子是，地雷曾经有一些阿里巴巴的前同事跳槽到谷歌，他们设计的架构令谷歌的工程师非常惊叹。当问及为什么这样设计时，他们解释道，这是因为他们曾经经历过阿里巴巴在“双11”期间数据爆炸的情况，所以他们的设计能够处理大规模的数据。

其实，制造业也是类似的道理。

中国有很多制造业企业，这些企业使用自动化生产线进行生产，同时产生大量数据。很多企业愿意利用这些数据来降低成本、提高效率。正因为如此，才会衍生出各种各样复杂的需求。

地雷总结道：“奇点云并不是仅仅为客户提供一把屠龙刀，而不关心客户在何种情况下使用这把屠龙刀。相反，奇点云更注重客户的需求。比如，客户可能有降本增效、供应链优化、供应链监控等各种需求，奇点云会带着这些问题去一直往下深挖，直到找到可以用数据解决的方法。”

看来，“制造业数据战”这场仗，奇点云争做主角，不是陪演。

雷峰网雷峰网雷峰网

创业者唐穆认识的3D视觉公司有十几家都已倒闭。 

这些公司要么是真不懂，猛冲后发现回不了头；要么一开始就只想赚投资人的钱，因无法形成正向现金流，未达投资人预期而无人接盘；要么想做好工业，但被迫卷入畸形竞争，最后无力为继。 

3D视觉之于智能制造的想象力，搅动了投资机构的心，过去两年，热钱涌入一向低调的工业视觉。 

部分投资人不理解工业产业逻辑，但过度乐观，期待收割一个未来之星；部分企业背景光鲜，会包装，敢画饼，以烧钱模式向市场倾注。 

一锅工业视觉的沸水，上下翻滚。

“在3D之前，也有资本投减速机、投机器人，但当时没有人这么炒。”投资人史行表示。

传统硬件并非烧钱的产业，即便亏损，数额也相对较小，对融资需求并不强烈，及至C轮、D轮，基本已形成正向现金流，融资也大都并非资金需求。

在工业领域创业多年的茹方军看来，正儿八经工业出身的“老炮们”，早已摸清工业的脉搏，“如果一开始为了讨好客户和投资方，给予超预期承诺，后期验收阶段，少不了乱七八糟的麻烦事，我们不会给自己挖坑。”

于是，我们看到，一轮轮融资造势下，价格战愈演愈烈，无序竞争带偏了创业风气，在这个需要一步一脚印的行业，涌入者们急切的上市梦，一度让3D视觉的产业落地路径偏轨。

如今，新拐点已至。随着工业智能化已走过初期放量阶段，各类场景和产线中，机器视觉相关工位，基本都已完成上线部署。 

资本热情消退之下，行业出现了新的变化：

一部分在认清行业真相后，黯然离开；

一部分在补齐行业认知后，仍坚持存量市场国产替代的逻辑，将视角投向产业链上游。

工业视觉领域的投资人，何以走到如此分化的地步？（添加作者微信MOON_ERS，交流更多工业视觉投资人的抉择。）

快钱欲望与赤裸现实

硬科技有投资门槛，但大量投资人根本不懂工业。

在这一点上，人民币基金和美元基金，虽殊途，却同归。

很长一段时间以来，美元基金在国内一级市场的估值体系中占据主导位置，基金规模和品牌影响力，都远超人民币基金。

美元基金的投资风格是，在一个大市场，树立一个宏远目标，选中一支好队伍，以高估值抢走项目，从早期开始多轮投资，用资本砸到上市。

3D视觉镶嵌着AI的金边，这个故事正中美元基金下怀。

美元基金存续期较长，少则5年，长则10年，若企业所在市场想象空间充足，美元基金有耐心陪跑到上市，表面上看，似乎很匹配智能制造的发展节奏。

但行业越来越意识到，在工业领域，前期快速拉高估值并非好的策略。

然而，他们的投资习惯已很难改变。在投资人查布看来， “习惯大美元逻辑的投资人，即从互联网起来的这波投资人，怎么可能愿意或者有那个思维习惯，接受硬科技的投资逻辑，他们还是习惯通过讲故事来赚钱。”

人民币基金则主要分两类：

一类以政府为主。政府讲究资金的安全性，优质企业是政府的首选，且得符合当地产业规划，满足政府落地招商需求。

投资人史行透露，“某机构的项目，成功率基本在 4% - 5% ，很多是政府指定让投的，还要看关系。”

另一类出资人，以二三线资本和个人投资者为主。他们从互联网时代、房地产时代走来，在遍地黄金的年代，享受着3年的投资回收期和每年高达百分之十几的收益率。在这两个时代相继落幕后，被迫转型股权投资。

当这些投资人拿着最多只有7年存续期的人民币基金，面对正襟危坐说需要10年时间的企业时，他们是承受不住的。

投资人史行表示，“目前股权投资是常态，投十家有一家赚钱就不错了，很多投十家都不挣钱。”

机器视觉赛道，美元基金、人民币基金齐齐碰壁，是因为他们踢到了同一块“铁板”：工业领域的故事从来都不性感。

ToB工业市场，客户不会因为产品便宜而被培养出消费习惯。

工业领域所谓的“批量”、“规模”蓝图，其实都是 “多品种”、“小批量”。

即使投资人有幸选中好的标的，并陪跑上市，也无法得到期待中的暴利回报。

以机器视觉赛道做光学镜头的埃科光电和中润光学为例，这两家公司于今年先后登陆科创板，已是所属环节的领头羊，从市值看市场规模并不大，埃科光电目前仅36.57亿市值，中润光学仅29.30亿市值。

廖宇坦言，“对于投资机构来说，这种企业并不适合，中润光学投后估值就十几个亿，上市后还要稀释25%，根本赚不到多少钱。”

无论延续互联网时代投资逻辑的美元基金，亦或房地产时代过来的人民币基金，作为上一个时代的获利者，他们沉湎于消费倍增逻辑，缺乏对工业领域的本质理解，导致难以在硬科技领域延续以往的成功。

创业者和投资人，同床异梦

2020年-2021年，因疫情催生的“机器代人”需求，带动了3D视觉领域相关投资，尤以产业链中游厂商最受青睐。与此同时，随着互联网热钱涌入，工业中原本有价值的部分受到冲击，取而代之的是无法持久的“输血式”商业模式。 

整个行业身陷囹圄：资本运作的周期与赛道的成熟周期严重脱轨。

投资人的核心目标：赚钱

资本圈流传着一句话：我走之后，哪怕洪水滔天，又有何干。

“工业领域的投资人大都是财务出身，财务上有一个确权报表和非确权报表，拉一堆兄弟出去开代理商，做一堆不用履行的合同，随便开几个亿，企业估值就上去了。” 

有的投资人以不同身份切换，连投几家同类型公司，相互抬高估值，最后只要有一家企业活得还不错，就可以把其他家打包装进去。

在这种操作下，激烈的价格战、无止尽的内卷随之而来。 

唐穆用咖啡赛道举例，“瑞幸靠9.9打天下，好不容易涨到13.9，结果库迪出来用8.8把瑞幸报表拉下来，瑞幸不得不跟进，最终整个华东市场，近100个连锁品牌咖啡店直接4.9元起。” 

咖啡赛道的故事，与当下工业3D视觉赛道发生的故事如出一辙。

投资人不关心业务，只要故事和想象力这一点，让创业者感到十分头疼。

物流行业拆码垛场景中，主流方案是机械臂配合吸盘，一个一个吸。A公司找到了这个场景中最好的方案，利用大夹爪，一次性能抓起20多件货物，也因此顺利拿到为某电商巨头定制相机的机会。 

事实上，这个项目基本没有什么利润。但投资人对大爪夹方案很满意，反而对其他营收并不重视。 

再如B公司，一开始定位3D相机和激光雷达里的MEMS，两三轮融资后，股东发现业绩没怎么增长，就建议其另寻新的方向。 

资本在企业的发展战略与规划中，掌控更大话语权，并非好的现象。

资本与创业者之间的博弈，还体现在对赌协议上。 

对赌协议作为对投资人的一种保护手段，本应在合理范围内使用，但在工业3D视觉赛道，却沦为资本拿捏企业的工具。企业为了获得融资，不得不接受不平等的利益交换。 

唐穆与一位朋友的对话堪称典型：

“我融到钱了。”

“是不是签了对赌协议？”

“你怎么知道？”

“已经是行业惯例。”

“业内踏实做的企业，也被投资人逼得动作变形，企业在一定程度上，是在资本方挟持和允许的情况下运行，没有被投的企业也觉得自己吃亏了，跃跃欲试想被投。”

投资人史行进一步揭露了投资圈的内幕，“但凡看过一些有关于对赌协议的范本，就会发现在中国是无风险投资，投资人旱涝保收。江湖险恶，什么样的条款都会有。”

看到这些，或许可以理解创业者感叹“资本总是锦上添花，从来不雪中送炭”背后的复杂情感了。（更多投资人和创业者之间的博弈，欢迎添加作者微信MOON_ERS交流）

不过，即使签了对赌协议，公司或者实控人也不一定有能力回购股份。“最后很多都会沦为一张纸面文件，根本没法落实。”廖宇补充道。建立在不平等条约上的极限拉扯，加剧着创业者和投资人之间的紧张关系。

资本压力下的企业：迷失自我、项目烂尾

“3D视觉赛道，基本上融到钱的公司，都是靠买集成项目填业绩给投资人做交代。”唐穆斩钉截铁的表示。

为了满足投资人的再融资期望，部分企业会通过买集成项目、买合同、买业绩提高出货量、刷营收，快速抢占市场份额，因此即便亏损、毛利低也无所谓。

这种赔本赚吆喝的事一旦起了头，便会一泻千里。

工业领域存在大量非标项目，项目落地涉及众多技术难点，曾可表示“尤其成百上千万的项目，需要很多时间攻克，但一些企业的工作模式和节奏，已经决定他们很难为某一个项目投入非常大的资源，导致很多烂尾项目。”

这些企业的优先级，已不是产品和交付，而变成满足投资人吸引到下一轮融资的要求。

随着这两年进入存量市场，人均产值问题越发明显，行业订单不见增加，附加值和产值却越来越低。

在行业里摸爬滚打的小公司们，都在比谁能活到付款。不少做定位引导的公司，转向了检测量测领域。

唐穆分析，因为抓取是个狭窄而细长的赛道，企业挤进来后发现钱投了不少，却迟迟不见回本，只好及时止损，转向生意更大的线激光，好对投资人有个交代。

对于投资人来说，虽然只能自认看走了眼，但只要新的故事继续有人接盘，就没所谓。

“甲方现金流不好，集成商和核心部件供应商，都转型成了金融服务商。各种无上限的账期，各种无条件的附加服务，各种奇怪的股权赠送式的绑定甲方，只会越来越多，越来越活久见。”唐穆吐槽道。

投资人：来自退出和成为接盘侠的压力

机器视觉赛道，投资人退出压力大是实情。

 前几年，投资人更钟情于Pre-IPO轮次的项目，那时企业上市相对容易，三年左右就能退出回本。

随着IPO收紧，人民币基金更多考虑自身安全，更倾向于投资早期项目，常见的策略是，在天使轮或A轮进入，C轮转让老股退出，回收一笔可观的现金流。 

如果投资人没有及时退出，则是另一番残酷景象。

“GP背后有出资人LP施加压力，假如因为没有及时退出，导致投资回报不及预期，GP将会被问责，更严重的情况是投资回报甚至无法收回成本，会导致基金公司募不到下一期的钱，只能裁员，甚至直接死掉。” 廖宇道出了投资人的苦水。

这解释了为什么有的投资人看项目时，更关注企业再融资能力，而非首先关注项目本身；为什么面对巨大退出压力时，会催促创始人赶紧上市；为什么在业绩达不到时，要求企业回购股份。 

事实上，企业和投资人早已成为一根绳上的蚂蚱，尤其那些融资规模很大但做不出业绩的公司，投资人为了不让自己的钱打水漂，不得不到处帮企业拉项目、吸引融资。 

唐穆这样描述创业者和投资人之间的游戏：“我知道你在撒谎，你也知道我知道你在撒谎，可是你还是要撒谎，我还要假装听得很开心。” 

廖宇是少数仍然坚持产业投资的投资人，他不无悲观地表示，如果未来国产替代的路走不通，他或许也会按照美元基金的思路做风险投资，早早进入，然后等后面的人来接盘。 

这是当下机器视觉赛道真实的无奈与危机。 

从同心协力，助推好事成双的合作，到充满权衡和防备，彼此离心离德，这种扭曲的关系，最终伤害的将是客户对于国产替代的信心。

阵营分化：逃离、坚守

经过几年发展，机器视觉已经走过早期放量阶段。

投资人李晖调研一圈后发现，“不论 3D 还是 2D ，只要终端客户产线上能够部署视觉的工位，都已经上线视觉配套辅助设备。”

资本过于饱和加上机器视觉进入新的发展阶段，投资人们抱持着各自的角度和理念，分化成了两大阵营：离去者与坚守者。

离去者：竹篮打水一场空

如今，再问投资人是否还在关注机器视觉，应声回答者已经寥寥。

一方面，随着国内把硬科技投资提升到前所未有的高度，尤其科创板的推出，美元基金已经越来越投不进国产替代领域。

“现在国内科创板上市的，基本都是硬科技，硬科技背后要求不能有美元基金。”廖宇解释道。 

募资越来越难的情况下，降薪、裁员在美元基金屡见不鲜。 

标志性事件即今年6月，红杉资本宣布一拆为三，红杉美国/欧洲、红杉中国、红杉印度/东南亚开始以不同品牌独立运营。 

另一方面，不少投资人在看清3D视觉企业发展现状后，投资兴趣锐减。 

李晖表示，“有相当一部分投资机构，肯定看过行业内有代表性的一批公司，但这些公司跟预期相差太大，对投资人信心产生了不小影响。”

在投资人眼中，目前各家并没有拉开技术产品差异化，也没有形成场景差异化。

同质化问题之所以严重，一是技术不够成熟，二是企业对产品和工业场景理解不够。

“号称有自主技术壁垒的那几十家、上百家，从目前的结构、现状看，实际差异都很有限。工业领域随着规模扩张，产品成本能够大幅下降，现在规模之所以没上去，就是因为大家的产品没有解决具体问题，也没有创造新的场景，客户自然不愿意掏钱。”左敖说。更多关于机器视觉赛道发展困境的观点，欢迎添加作者微信MOON_ERS交流

于是企业不得不堆人做集成拼服务，以扩大营收规模，但这种努力并不能从根本上解决差异化不足的问题。

对投资人进一步的打击来自于，在国内3D视觉领域，他们看不到类似2D视觉的垄断机会。

在美元风格投资人的理想中，每一个赛道都能长出一家具有垄断能力的公司，他们的机会就在于投资最有可能形成垄断的公司。 

然而，随着3D视觉技术壁垒越来越低，即便没有自研技术的公司，也能通过集成实现某一场景能力，这就意味着3D视觉很难出现像2D视觉里基恩士、康耐视一样的垄断机会。 

工业赛道的投资从来不是热点。

某种程度上，3D视觉更像是一个被资本创造出来的热点赛道，在经过3D视觉行业的洗礼，发现泡沫破裂时，资本的离去也是一种必然。

坚守者：转战上游，另谋新篇

当部分投资人叹息着市场前景不及预期，产品差异化不足，价格竞争激烈而选择退出时；另一部分投资人依然对3D视觉心存期待，继续坚守。 

但他们关注的重点，已经从产业链中游，转向了上游核心零部件厂商。 

2020年-2021年，机器视觉下游应用渗透率并不高，视觉厂商想要快速放量，只需做进几个大客户。 

新厂商想要进入，第一条路径是通过价格战把老厂商挤走；第二条路径是突破上游核心零部件的卡点，解决老厂商解决不了的问题。 

站在投资机构角度，在行业放量阶段，核心看的是增长，只要企业财务数据好、收入好、盈利跟得上，就是好的标的。

“尤其去年，无论企业是下游客情关系做得好，还是产品定制化程度高不容易被替换掉，只要企业能够有好的增长，把量做起来，投资机构对企业是不是解决了卡脖子问题，并没有那么强的执念。”投资人李晖表示。 

随着下游应用渗透率不断提升，行业有增长的细分赛道已经不多，并且由于中游设备商或解决方案商特别容易受到下游周期的影响，客户对企业的粘性没有那么强，定位整线装备或整线解决方案的厂商，已经很难引起投资人的兴趣。 

部分投资人的目光，转向了掌握着核心卡脖子环节，有着更高资本溢价的上游零部件厂商。 

他们相信，硬科技时代下，存量市场的国产替代逻辑仍然存在，核心零部件国产替代的投资机会依然存在。 

比如检测领域存在超高精度和超细颗粒度的检测需求，有的环节仅凭优化调度算法无法解决，原因在于核心硬件不能支持。

尽管资本面对光学、镜头等上游核心部件厂商有着较高的热情，但要想得到预期回报，挑战不小。

一方面，越是上游卡脖子厉害的环节，如高精度、高精尖场景，突破速度越慢，业务体量增长越慢。 

另一方面，国内客户“进口的即是好的”的认知，仍普遍存在。国产厂商虽然在某些单点上取得了技术突破，但3D视觉的落地是一个综合性的方案，在高精度检测性能与软件成像系统上，国内外品牌仍存在差距。 

集成商马宁坦陈，其公司集成的产品中，国外产品占据绝大多数，甚至用到的第三方设备很多都是国外品牌。“客户不想用国产的，我们也不愿意为了节省成本用国产的。国内产品稳定性各方面还是达不到要求，长期看性价比很低。” 

工业客户需要的是优质性价比产品，性能永远在价格前面。在动辄过亿的产线中，若视觉设备导入过程稍有差池，都将给整体产出带来极大损失。 

尤其在吃过亏后，客户对于替换原有进口方案，改用国产方案，态度极其谨慎。现有方案不出问题的情况下，不会因为国产厂商出价更便宜，就改弦易辙。 

因此，核心零部件的国产替代，只能逐步来做。比如先有一些测试线，或者客户新产线未达到满产的情况下，容错率相对较高，会先让国产厂商跑一个月试产，再逐步下大订单。 

不同于中游看增长逻辑，投资人看上游看的是估值。 

尽管上游核心零部件企业增速不快，但同等业务收入下，二级市场愿意给这类公司更高的估值溢价，一级市场也愿意给更高的估值倍数。 

“很多时候不是按照常规的 PE、PS 的估值，而是非常极端，可能按 PS 几十倍的溢价。但只要二级市场认，就没什么大问题。”投资人李晖表示。

赛道本身没错，行业开始正本清源

其实，3D视觉是个好行业，只是在发展的过程中，暂时偏离了点轨道。

首先，补贴的模式并没有错。

一方面，在赛道早期将对手挤出局难度更小；另一方面，当企业没有形成正现金流和自我造血能力时，借助资本不可避免。 

“目前3D视觉产品出货量还较小，成本高，单价贵，只能先以低于成本的价格让客户都用起来，再逐步实现正循环。” 

毫无疑问，补贴战的大前提，是能 “持续地”融到钱，融到别人融不到的钱，也是企业竞争力的一种表现。 

钱和补贴在行业早期阶段有益，但过多的钱和补贴，显然不是。 

如今的3D视觉行业，投入的钱早已远超总市场容量。 

“价格战导致整个行业的价格体系都乱了套，甲方客户认为价格不可能再涨，实际当前的市场定价，连物料成本都无法覆盖。” 

更重要的是，烧钱是消费互联网领域的致胜法宝，但在工业领域会失灵。 

机器视觉是一个标准化程度低，而定制化程度很高的领域。标准化程度越低，能够存活的企业数就越多，一家独大的垄断格局，难以实现，只能一仗一仗地打。 

好在，从去年开始，赛道内的烧钱动作已经开始慢慢收敛。

3D视觉赛道内一家规模较大的公司的离职员工表示，原先花五十万拿下，花一两百万做的伪集成项目，开始受到严格审查，精力重新放在做产品上，将集成部分交给合作伙伴。

其次，当下的投资圈，追涨型、高估值的投资人很多，但依然不乏保守型的投资人。

某公司创始人对雷峰网表示，他的融资态度有三条：第一做到正现金流之后再找融资；第二只找懂行的人融资，且融到每一笔钱都跟投资人讲清楚，不能承诺一定能上市；第三坚持不亏本经营。

这三条规矩一摆出来，便清退了一大批投资人。

最后真正能合作的，都是想补齐行业、做关联的投资人，这部分投资人尊重行业的商业模式，理解行业周期、毛利率，在必要的时候提供支持，不会施加过大外部压力。

对于这些长期主义的投资人，这类企业虽然短期内体量不大，但至少不会让投资人亏钱，只要一步一个台阶往上走，就是一个好的长期投资对象。 

保守一词，并不意味着刻板和缺乏勇气，真正的保守型投资人，是极富智慧并且负责任的。他们遵循正确的商业逻辑，尊重企业发展节奏，最后拿走自己应得的部分。

企业应当有自己清晰的战略规划，坚持真正为客户提供有价值产品的思路，首先给自己一个好的交代，自然也会对投资人有一个好的交代。

这句话听起来似乎漂亮而空大，但却是这个行业真正赚钱的企业，持之以恒在践行的。 

基恩士、康耐视、LMI、SmartRay……这些都是行业内耳熟能详的名字。基恩士在2022年实现了63.46亿美元的总营收，且毛利高达81.82%，是全球线激光出货量最多的公司之一。 

基恩士高毛利背后是高定价，而高定价背后是基恩士一直追求的高品质，以及产品的高壁垒。

当然，行业的发展也需要终端客户的支持。

雷峰网在调研过不少创业者和投资人后，了解到，不少国产产品已经不仅是海外产品的平替，甚至在性能上更优，售价上更低，真正具有性价比。 

“能明显感觉芯片之外，光学处理、信号处理都有自己的想法。”创业者曾可并不吝对这类友商的夸赞。 

“站在产业投资、实业投资角度，我希望国内有更多企业实实在在做事，为客户、为产业提供价值，大家凭本事吃饭。” 

企业、投资机构、客户形成紧密的齿轮，才能推动行业整体向前。

已经放弃3D视觉，转道工业传感器多年的唐穆说，如果这个行业能够正本清源，他很希望能够重回3D视觉行业，靠实力再拼一把。

（雷峰网持续关注机器视觉相关消息，欢迎添加作者微信MOON_ERS，共同探讨）

注：文中人物均为化名。

但除这些企业外，还有一类特别的出海群体。这类企业往往诞生于改革开放80年代末、90年代初，因为胆子大，敢闯敢试，率先抓住贸易红利，从最初专门给外资做贴牌、代加工，在积累一定的资本、研发、制造能力后，便开始成立自有品牌，并通过经销商、电商等方式，将产品远销到了全球各国。

他们既可以称为是出海的先行者、“弄潮儿”，也可以看做是“出海老炮”。不过当下，这些老炮们也在面临新的挑战，即如何在走出去、走进去的基础上，更上一层楼，真正走上去。

为描摹、勾勒这类企业如何逐步从“产品出海”转向“品牌出海”、从“量”迈向“质”，7月底，笔者走访了一家已经出海整整20年的办公家具品牌——圣奥。

圣奥的出海最早可以追溯到2003年，也就是中国加入世贸组织后的第二年，他们踩准时机，开始走出国门，如今在新加坡、德国、美国、印度等多个地区开设销售分公司，并把产品远销到了全球122个国家和地区。

如今，世界500强企业中，有176家曾是圣奥服务过的企业。不过他们的“野心”还不止于此，营收规模达到世界前五、研发专利数量挤进前三，被写进了他们的下个5年计划。

圣奥为何去墨西哥建工厂？

2019年，圣奥董事长倪良正亲自飞去墨西哥，对当地进行了一番仔细考察，计划在此建工厂。这是一个很冒险的决策，因为到海外建厂，不仅面临巨额的投资支出、更薄弱的基建、迥异的文化等挑战。

如果看过纪录片《美国工厂》，大抵就对美国工人和中国工人迥异的态度印象深刻——前者不理解为什么要有“列队报数”这种管理方式，后者则习惯于严格管理，勤劳付出。更何况，此次是圣奥首度将制造这一环节放到海外。

在做决策之前，倪良正坦言，圣奥找了“四大行“等专业机构进行了多次调研、排除风险，不过总有考虑不到的地方，因此在真正敲定前，还是经历了反复纠结。

两年之后，也就是在2021年8月，圣奥正式与墨西哥当地签订拿地协议，准备在此筹建一座建筑面积约达8.16万平方米的工厂。这次协议的签订也标志着，圣奥在墨西哥建工厂板上钉钉。倪良正坦言，这是必须要走的一步，因为圣奥要成为一个全球头部品牌，就必须做大美国这一核心市场。

去年，圣奥在美国市场的销售额为2.9亿元，而今年预计是增长至4亿元，这其中还有很大的市场增长空间。据S&P Global Market Intelligence发布的初步数据则显示，2022年北美办公家具市场规模估计达到247亿美元，比2021年增长18.4%。要做大美国市场也需费一番功夫，不仅要前端要精准调研市场需求，同时后端设计、制造、加工、仓储物流等也都得快速响应。

过去，后端供应链的响应速度一直都是国内家居出海的“心头病”。国内研发、生产、制造，再通过长达数月的海运，运到美国，这是出海家居企业常规模式，圣奥也是如此，在墨西哥工厂正式投产前，他们5座生产制造厂房都建在国内，总面积超过90万方。

这种模式下，家具出口周期长、成本大，而且面临很大的安全风险，尤其是这几年的新冠疫情等挑战让很多企业意识到，即使是全球化时代，供应链过于集中还是存在很多弱点，产业链供应链的韧性和安全水平，成为很多企业优先考虑事项。所以许多企业开始把生产、加工挪到离海外市场更近的地方，而墨西哥由于人力成本低，且有许多建厂优惠政策，这两年成为了许多出海北美公司的“制造后花园”。

100天，搭建好圣奥墨西哥工厂的数字化“底座”    

当然，在考虑在墨西哥设立工厂之前，圣奥还需要进行一系列的准备工作。

首要任务之一是深入了解当地的法律法规，以确保经营合规性。过去，一些企业或许曾尝试将国内的商业模式简单套用到海外，然而过往的案例表明，这种做法不仅可能导致企业难以在海外立足，甚至可能带来巨大的损失。

其次，企业需要建立一套工厂数字化系统，以便及时了解工厂的采购、供应、销售和库存、财务情况，提高生产效率，同时方便集团总部进行管理。从2021年11月开始，圣奥科技副总经理兼CIO赵秀江开始领导墨西哥工厂的数字化系统的选型和实施工作。他先前曾调研了徐工、方太等多家制造业典型出海案例。调研结果表明，尽管国内存在各式各样的数字化系统，但满足出海和全球化管理的一体化管理系统选择有限，最终在核心系统上，这些企业都不约而同的选择了Oracle NetSuite.

赵秀江对雷峰网坦言，在云ERP的选型上，他们有诸多考量，其首要要求是要适应墨西哥的法律和财税政策。例如，墨西哥的会计审计要求与中国不同，需要ERP软件提供相应模板，以支持生成符合要求的财务报表。而在这一点上，国内大部分ERP供应商难以胜任。SAP和Oracle NetSuite因为具有全球化的基因，对墨西哥的财务、税务和劳工关系有较深了解，并内置了许多财务功能，更适合圣奥的合规需求。但为何赵秀江最后选择了Oracle NetSuite呢？

赵秀江解释了其中主要三个原因。其一是，圣奥早年就开始在海外销售，涉及许多跨境电商业务和数据对接支持。而Oracle NetSuite此前已经在美国和欧洲市场为许多贸易公司提供服务，与eBay、Amazon等跨境电商主流平台实现了紧密的对接，能够更好地帮助圣奥在一个平台上同步统一管理多平台、多账号的订单。

其二是看中了Oracle NetSuite的云部署模式。“有些人认为ERP应该锁在保险箱里，在我看来，应该要首选云部署。”赵秀江说道，因为本地化部署可能影响访问体验，甚至影响业务，特别是在企业进入拉美等基础设施不够完善的国家时，网络访问可能成为一个大问题。

其三是Oracle NetSuite使用体验更为友好。产品不能只看参数、良好的使用体验才是用户的真正需求。

当然，除产品选型外，选择适合的IT实施伙伴同样至关重要，正所谓“三分产品、七分实施”，尤其是非标类占比高的家具行业，又涉及跨国交付，交付服务方必须具备丰富经验，既要了解圣奥的需求，又要了解海外市场当地的需求。赵秀江坦言，汉得信息对企业在全球信息化战略的把控和丰富的大客户项目实施经验，让圣奥避免了许多弯路。以前他也做过国内其他数字化系统实施，大部分都耗时费力。他没想到第一次做海外系统部署，十分顺利，只用了100天就完成了实施上线。

继续向“智能工厂”深度迈进

汉得信息CEO黄益全表示：“中国企业出海，已经从过去的贸易出海，进入到2.0时代。海外建立产线，重投资，提供更好的本地化服务。从管理的角度，就不再单纯只是销售管理，而要包括供应链管理等庞大的组织，所以需要一个很完整的IT系统支撑。”

随着圣奥科技Oracle NetSuite ERP项目上线，汉得信息还将与圣奥科技推出深度合作，逐步启动圣奥科技墨西哥工厂的智能制造MES、物流系统TMS等项目建设，以数字化能力为圣奥科技的全球战略打下更加坚实的基础。

如果把家居行业的智能制造系统看作是一台精密的交响乐团指挥台，指挥家必须要根据乐谱精确地指挥每个乐器演奏，才能创造出和谐而壮美的音乐。类似地，智能制造系统要精确控制每个生产环节，协调各种工艺和流程，确保原材料的优质利用，并实现高效生产。

圣奥之所以选择汉得信息的智能制造MES、物流系统TMS，还是看中他们在产品力上的优势，十余年的产品打磨和多家企业的实践，汉得的智能制造MES能为圣奥的墨西哥工厂提供一个全面而高效的管理平台，将生产排程、订单追踪、生产执行、车间人员管理、设备监控、质量检验和报表分析等诸多环节有机地结合在一起。无论墨西哥工厂需要优化生产计划，实时了解订单状态，还是高效调配车间人员，监控设备运行状况，确保质量检验的精确性，又或是通过报表分析获得洞察力，汉得的智能制造MES系统都能在一个统一的平台上无缝实现。

甲骨文公司全球副总裁、NetSuite大中华区总经理叶天禄提到，甲骨文公司入华至今，已经和汉得合作20余年，“汉得的实施服务能力一直是最佳的竞争力，同时顾问体系良性循环也做得很好，很多人从顾问做到资深顾问，再做到管理层，这就给带给客户很强的信任感。”

汉得信息CEO黄益全表示，汉得作为耕植于中国的数字化综合服务商，紧跟国内数字化建设的思路，结合海外本地化特点，帮助企业达成真正的管理输出和数字化落地。随着中国经济的长足发展，汉得的海外布局也跟随客户的海外业务拓展而走向日本、东南亚、美国、欧洲等不同区域，帮助更多的中国企业走向海外。

在前期的深思熟虑和精心筹划之后，圣奥在海外数字化建设上再次迈出了重要一步，而与Oracle NetSuite和汉得的合作也成为了这一蜕变之旅的关键一环。

类似的表述反复出现于从业者、投资人口中，而这正是当下3D视觉检测赛道的真实写照。

目前，机器视觉检测赛道已然十分内卷。国内机器视觉公司中，仅检测赛道，就有十家左右的上市企业，包括3C电子、半导体、锂电等领域。

今年以来，当工业视觉各个赛道都像霜打了的茄子一样，光伏检测和锂电检测赛道却表现得极为乐观。

据工业和信息化部数据，上半年我国光伏产业链主要环节产量同比增长均超六成，锂电池产量同比增长超四成。

不难预见，在已然拥挤的赛道上，将有大量企业加码光伏和锂电检测。

「定位引导」和「质量检测」：3D视觉两大应用的河东与河西

3D视觉领域，先前定位引导赛道是资本宠儿，现在生意更大的质量检测赛道已然添了不少热度，两大细分赛道的此起彼落，不过几年时间。

“上海原来做双目3D、面结构光3D的公司，现在都在往检测走，做线激光。”一位工业视觉领域的从业者说。

当前，3D视觉企业纷纷转向检测赛道做线激光，正成为一种趋势。

一直以来，定位引导类和质量检测类作为3D视觉的两大应用方向，在海内外有着不同的关注度。

海外企业做定位引导类的较少，多聚焦于质量检测类，做得较好的如日本的基恩士、加拿大的乐姆迈（LMI）、德国的视明锐（SmartRay）等，国内情况正好相反，质量检测类并不如定位引导类那么风生水起。

一位定位引导赛道的创业者指出，原因在于定位引导类技术门槛更高，企业能够获得更多融资。

“检测类只需解决视觉算法问题跟硬件问题，定位引导类要与机械臂做搭配，还需要解决机器人的适配、机器人的建模、机器人的运动规划和壁障等问题，与检测类相比，解决问题的复杂度更高，技术栈更全，产业链也更长。”

那么，为什么越来越多初期从事引导类业务的厂商，开始涉足质量检测业务？

从标准化程度上看，质量检测类比定位引导类更容易标准化。

定位引导类的应用场景中，每个工厂的产品规格、包装形态、上下料方式等都各不相同，定制化特征极其明显，很难做成标准化产品。

检测设备相对标准化，加上技术成熟早，经过多年沉淀积累，算法模型已经比较成熟稳定。

投入产出比上，质量检测类比定位引导类，更容易算得过账。

一方面，聚焦于定位引导场景的3D相机，很难成为设备的一部分，而是要与机械臂做搭配，类似“项目型”，而非“设备型”。项目型意味着需要招聘大量工程人员，且验收交付周期漫长，很难形成规模化。

另一方面，质量检测类面对的是现有场景的替代问题，即已经出现的2D视觉场景，可以通过3D视觉进行替代。定位引导类面对的则是新场景的开拓难题，前期需要对市场进行教育和培训，这意味着更多的人力和财力投入。

站在销售角度，质量检测类比定位引导类更容易交付落地。

定位引导类场景难以复制，且单个客户需求量不大，企业想要做大，打磨出相对通用的标准化产品，而后依靠集成商进行分销，是最佳路径。然而，其中亦有诸多坎坷曲折，具体可以参看《内卷的3D视觉》一文。

质量检测类落地过程中的工程部署、调试等，则相对更为简单，通过对接一些大客户，有条件以直销模式大量出货，人力与时间成本耗费更少。

上述种种吸引力，也具象地表现在机器视觉的龙头企业身上。

以基恩士为例，作为全球线激光出货量最多的公司之一，基恩士在2022年实现了63.46亿美元的总营收，且毛利高达81.82%。凭借这份傲人的成绩，创始人滝崎武光也一举超越孙正义，跃居2023年日本富豪榜第二名。

一位机器视觉领域的从业者坦陈，基恩士这份亮眼的财报，对国内机器视觉企业颇具吸引力。

爆火的光伏与锂电检测：好看不好吃

然而，线激光检测的生意固然大，基恩士的财报固然好看，但只有找到一条快速增长的赛道，并成功打入其中，才是一个好的开场。

质量检测类的应用领域，主要包括3C电子检测、半导体检测、锂电检测、光伏检测等。

半导体检测行业，门槛极高，大多数厂商被拒之门外，尚未进入的厂商已难寻机会。3C电子检测，随着消费电子行业不可避免地周期性下滑，已再难重现往日辉煌。

机器视觉公司开始不约而同地将目光聚焦于光伏检测、锂电检测赛道。

其中，光伏检测赛道背靠的是一直呈现高增长趋势的光伏产业。

今年第十六届全球光伏大会上，有业内人士做出预测，“预计今年全世界光伏新增装机将在350GW左右，明年累计装机量很可能超过水电，2026年将超过天然气，2027年将超过煤炭成为第一大能源。”

“双碳”目标下，光伏作为未来新能源革命的主角之一，正带动核心技术、产品制造、设备和市场规模不断扩大。

同样承载“双碳”战略重要使命的，还有动力电池，锂电检测的火热正来自于锂电池规模化制造的指数级增长。

随着锂电池相关应用场景横向拓展，以及中国锂电池加快进入国际供应链，客户对于安全、高一致性、高品质要求不断提升，带动了机器视觉检测在锂电制造环节的检测点不断增多，电芯成品外观检测也被列入规范项，全线视觉检测正成为动力电池企业的标配。

今年6月9日开幕的2023世界动力电池大会上，宁德时代董事长曾毓群又喊出“TWh时代，未来已来！”的口号，为锂电检测继续添了一把柴火。

然而，光伏检测、锂电检测的前景虽明朗，蛋糕虽大，想要吃到却并不容易。

以锂电检测为例，这条赛道最赚钱的，无疑是跟着宁德时代做动力锂电池检测的一批厂商。

但同时，他们也面对着锂电行业对安全隐患零容忍的挑战。

“锂电行业对产品安全性的要求极其严苛，因为汽车电池爆炸会造成死亡，一旦发生爆炸就会追溯这批车的电池是从哪条产线出来的，这条产线用的谁家的检测设备。”国内一位机器视觉设备供应商如此解释其在锂电检测上投入较少的原因。

在这种意义上，锂电检测赛道可以被看作机器视觉厂商们的一块“试金石”，产品性能的高下，过往案例经验的沉淀，都显露无疑。

当前，3D视觉在线检测领域，包括宁德时代、中创新航、比亚迪、国轩高科、亿纬动力、欣旺达等动力电池企业在内的国内主要市场份额，仍被基恩士、LMI、康耐视、德国SICK等外资品牌占据。

锂电检测赛道的另一大难点，在于其对大客户、大项目的依赖性比较强。

另一位机器视觉设备供应商直言：“做检测设备的，必须要有大的业务订单，否则企业是完全跑不起来的。”

由于终端客户对产品的稳定性、一致性要求极高，机器视觉企业为服务好大客户，通常会针对客户需求做定制化开发。

比如基恩士的线扫、面扫等大部分光电传感器，几乎没有一个芯片是标准件，感光元件均来自索尼定制。

得益于索尼定做的 CMOS 传感器，基恩士线扫激光的检测分辨率能够做到0.1微米。过硬的产品性能，使得基恩士在“讨价还价”这件事上极少妥协，并常年维持着70%以上的毛利率。

但宁德时代是为数不多的一个例外。

三年前，宁德时代开启加速模式，在全国各地扩产，基恩士闻讯很快从日本派来团队跟线，针对宁德时代专门设计产品。

前期的定制化开发意味着，基恩士面对宁德时代的“讨价还价”几乎没有退路，一旦订单丢失，将意味着“基恩士整个锂电行业就没有了。”

锂电检测行业对大客户的依赖，正让机器视觉厂商感受到威胁。

但相比于其他赛道，定位做核心零部件的质量检测，业务受外界影响相对要小得多。

“芯片、电路板、电池等产品都属于基础零部件，做这些产品的质量检测，抗风险能力强，除非遇到系统性的大萧条。”

在某视觉检测企业创始人看来，定位做核心零部件的质量检测，可以确保企业处于一种进可攻退可守的“安全”状态。

低价内卷，带不来真正的性价比

在国产厂商尚未形成气候之时，国内机器视觉检测市场有两个景象：

一边是基恩士、LMI等进口品牌以每台检测设备高达十几万的售价，在国内市场如入无人之境；一边是屈指可数的几家线激光创业公司，在客户端“吭哧吭哧”做着扫盲工作。

过去几年，国内一批企业已将检测设备的单价打到了3-4万元，即使内卷至此，还未及底线。

掘金志获悉，今年，海康研发近5年的检测类3D视觉设备，已开始批量出货。

“海康供应链的议价能力很强，直接把价格干到一万几，底价甚至低于一万。”面对海康的新定价，赛道玩家们不得不在恐慌中面对现实，接受新一轮行业竞争的洗礼。

当下，如何在赛道的进一步内卷中找到解法，无疑是国产3D视觉厂商们最关心的问题。

这个问题的答案，或许可以从基恩士、LMI等进口品牌的身上找到。

一个事实是，在海康尚未入局，国产厂商以3-4万价格侵入市场的阶段，低价策略并没有带来想象中的规模效应，进口品牌依然是不少国内终端客户的首选项。

其背后的原因，来自于客户对国产3D视觉厂商“天然”的不信任。

国内一位机器视觉设备供应商表示，“进口品牌中，SmartRay和康耐视有的硬件表现并不好，但在国内依然有不少出货，主要就是因为它们是国外的产品，所以客户才用。”

国内终端客户“进口的即是好的”的认知，现在仍然普遍存在。

一位上海的集成商向雷峰网坦陈，其公司集成的产品中，国外产品占据绝大多数，甚至连用到的第三方设备很多都是国外的。“一方面客户不想用国产的，另一方面我们也不愿意为了节省成本用国产的。国内产品稳定性各方面还是达不到要求，长期看性价比很低。”

对于客户来说，依靠价格战内卷下来的价格，带着所谓“性价比”的标签，实际上并不能带来真正的性价比。

对于行业来说，过低的定价对行业也是有害的，有时甚至还会沦为客户为与目标厂商压价而利用的工具。

当下，国产厂商虽然在某些单点上取得了技术突破，但3D视觉的落地是一个综合性的方案，国内厂商在高精度检测性能与软件成像系统上，与国外品牌仍存在一定差距。

客观原因在于，工业场景项目交付难、复制难，一开始就是行业的内生困境。

工业领域的应用场景一直在变化，量产交付中存在众多痛点，加之行业尚未形成统一标准，大家对缺陷检测的定义，各有各的说法。

工业领域的解决方案也十分碎片化，产品虽存在一定的可复制性，但具体到每一个厂家、每一个需求、每一台机器时，需求又变得五花八门，一个项目完整交付后，再想复制落地，难度很大。

对这种困境感受最直观的，无外乎辗转于项目现场的执行层人员。

某3D视觉公司的技术人员坦言，在工业领域做技术、服务很累，其身边不少同事、朋友，或选择转行，或又重回传统安防行业。

客观因素之外，机器视觉要走出自己的国产替代之路，我们不仅要有进口品牌有的技术和能力，还要有他们没有的。

借用一位投资人的观点，问题的根本或许还在于，“国内缺乏产品的定义者”。

结语

今年以来，整个工业都不景气，在机器视觉检测领域，光伏和锂电是少有的让人感到希望的赛道。

然而，又有谁知道，光伏与锂电的上升周期将在什么时候结束？

机遇与危机总是并存，投入与产出总是要追求一个健康的平衡。

在雷峰网看来，国内外厂商在产品上的差距不足为惧，真正可怕的或许是，问题的答案就像皇帝的新衣，而大多数人只是选择视而不见。

企业应当磨练自身武功，而不是自废武功，否则将永远活在无止境的无效内卷中。

如果您有更多关于机器视觉的故事和看法，欢迎添加作者微信MOON_ERS进行交流。

毕竟，入局大模型的厂商们，当务之急是打造一个中国版ChatGPT，为此要投入大量的人力物力和财力。

这种资金技术密集型的产业，通常很难与资金链薄弱、缺少人才和技术的中小企业相结合。

然而，回归到第一性原理，大模型作为一种全新的AI范式，ChatGPT的出现不亚于一次新的技术革命，对各行业将产生颠覆性影响。

不论是大模型厂商、数字化解决方案商，还是中小企业，都将从这次技术革命中受益，原有的市场关系、格局也随之变化。

一、大模型之于中小企业：一次影响深远的技术平权

过去几年，以人工智能、大数据为核心的数字化解决方案难以落地到中小企业，难点之一是成本太高。

传统的AI模型训练方式，从数据归集到模型训练、调优，是一个很长的周期。

这个过程中，不论是数据标注、训练、调优等等，都离不开算法工程师的校正，即便模型训练完毕并且实现应用，后续的运维工作也需要懂AI技术的人才能胜任。

如此一来，AI方案的部署成本极高，中小企业不可能斥巨资购买服务，也不会专门养一个技术团队进行产线改造和维护。

基于此，在中小企业数字化转型过程中，方案商和中小企业之间陷入了一场违背初心的对抗：

方案商想卖方案，中小企业想买方案，一边有供给，一边有需求，但交易条件受限。

中小企业觉得方案太贵，买不起；方案商则认为方案已是成本价，完全不挣钱，不能再降价。

大家起初都想把事做好，一起赚钱，做大做强。但接触以后才发现，市场交易条件很难达到均衡，方案商给企业做方案要定制，成本降不下来，而企业觉得方案太贵，用不起。

双方的合作始于技术引领行业变革的热忱，却因成本背道而驰，中小企业数字化转型最终落得一地鸡毛。

业界也并非没有探索降低AI部署成本的可能性，比如一些公司研究的小样本学习、自动机器学习等，通过减少数据量、数据自动标注、模型自训练等方式，来解决碎片化场景数据量少、部署成本高、效率低的问题。

但对于中小企业而言，即便如此，购买AI方案的成本依然很高，并没有达到能够让他们愿意付费的奇点。

一套方案卖500万和卖300万，对于中小企业来说，没什么区别，反正都用不起。但如果是30万，那么企业愿意尝试的概率就会更高。

大模型的出现，则提供了一种全新的范式：技术供应商将模型以接近成品的方式交付给企业，企业根据自身需求以及掌握的数据去训练模型，从而打通模型应用的“最后一公里”。

对于中小企业而言，这无异于一次技术平权。

原本资金、技术密集型的AI技术，需要由AI公司做定制化方案，这种一站式交付的方式成本极高，且技术本身并不掌握在自身手中。

大模型则改变了这种成本高昂且不对等的现象，模型训练将不再是AI公司的专属，中小企业的技术团队只需要调用大模型的接口，加入数据进行训练，就能生成符合自身业务需要的方案和应用。

此模式下，中小企业能够以更低的成本享受到此前高昂的AI技术服务。并且，自家数据训练出来的模型，效果更佳且安全可靠，数据本身也保留在内部库中，泄露风险更小。

一言以蔽之，大模型降低了中小企业利用AI的门槛，利用AI技术来挖掘数据价值。

亦即，大模型技术浪潮下，中小企业正在快速逼近数字化转型的奇点。

二、从SaaS到MaaS，新的商业机会正在涌现

ChatGPT爆火之后，微软率先在其办公软件Office365上接入了ChatGPT的能力，掀起办公软件革命的风潮。

紧接着，在搜索、电商等领域，GPT应用全面开花，大有燎原之势。

这种模式和此前的一些AI应用类似，本质上都是SaaS（软件即服务），提供应用软件然后收取服务费。二者之间的区别在于，叠加了GPT能力之后，工具更强、效率更高。

在中小企业数字化转型过程中，很多方案商也支持SaaS部署。比如树根互联、鲁邦通、蘑菇物联等厂商，提供的低代码平台，让企业能够快速地基于平台构建符合业务需要的应用。

但SaaS的不足之处在于，这是一个相对标准化的产品，即便能够针对具体的细分场景做定制，仍然存在两个问题：

• 定制需要额外的成本；

• 方案商很难拿到有效的数据来训练模型，迭代应用，导致训练效果欠佳。

许多细分行业，数据作为一种核心资产，企业并不愿意开放给方案商做训练，一是忧虑数据安全，二是担心数据共享给第三方很容易威胁到公司的核心竞争力。

以此为背景，MaaS（模型即服务）应运而生。

与SaaS类似，MaaS更接近于提供一个强大的基础能力组件，企业可以基于大模型构建属于自身的场景应用。

二者之间的区别在于，如果说SaaS是拎包入住，MaaS则是一间空房，最后一公里的设计，由用户自己把控。

这种模式下，方案商和中小企业，将从中受益，实现共赢。

首先，中小企业部署数字化方案的成本将进一步下降，并且保留了更多话语权，毕竟数据这一核心资产掌握在企业手中，除了利用技术构建应用的可操作空间增大以外，数据安全也得到保证。

其次，从方案效果的角度出发，模型训练应该以数据为核心，而中小企业更靠近场景、业务和数据。如果能在数据源头做训练，不但可以避免数据的流转成本和安全性问题，方案商也能节约成本去了解业务。

最后，在成本更低、安全性更高的基础上，企业也更愿意尝试新的技术和方案，整个数字化解决方案市场基本盘在持续扩大，对方案商来说也是一件好事。

当MaaS开始以全新的业务模式来服务中小企业，市场出现新的商业机会，原有的业务、商业模式将被重构，中小企业数字化转型过程中的相关方，都面临着一次深刻的变革。

三、大模型并非万能，市场需要更多专业玩家

大模型改造中小企业的故事很性感，但距离落地还有很多问题要克服，解决方案商也不会被大模型厂商取代。

树根互联联合创始人、CEO贺东东表示，中小企业数字化转型刚刚开始，本身的业务数字化程度较低，数据要素非常缺乏，对于模型训练而言，这是很大的难点。

因此，中小企业的当务之急是先把数字化做好，把业务通过数据解耦之后，才能利用数据产生新的业务价值。在此基础之上，再谈用大模型技术改造业务才具备可行性。

鲁邦通云与数字化服务中心CTO楚宁志认为，大模型在某种程度上可以视为一次技术平权的机会，开启了利用AI技术的新途径，可以帮助那些欠缺AI技术的中小企业更快实现数字化转型。

但这并不意味着中小企业对方案商数字化转型的依赖会减弱，大模型在解决具体场景业务问题上还存在局限，需要经验丰富的方案商在深入了解企业需求的基础之上提供个性化的解决方案来弥补。

方案商可以帮助企业制定整体战略、解决技术实施中的难题，并提供持续的技术支持，这些很难被大模型替代。

蘑菇物联工业 AI 首席科学家周子叶也表示，大模型并非万能，有其自身的局限性和风险，比如数据安全、可解释性、调试部署等。

并且，大模型的本质是工具和资源，并不是目标和结果，而中小企业的数字化转型是一个过程，除了技术要素以外，转型方向、规划、评估等等，这些都需要方案商提供专业的指导和服务。

总而言之，从中小企业数字化的阶段性出发，大模型作为一种全新的技术，对方案商来说并非威胁，反而是机会。

以低代码平台为例，传统的低代码服务通常是基于规则和模板进行快速部署和应用落地。AI大模型的出现则提供了更多的技术和工具，可以进一步提升低代码服务的效能。

AI大模型可以通过深度学习和大数据分析，自动学习数据的特征和规律，根据实际需求生成相应的代码和模型，从而更好地发掘数据中的潜在价值，并转化为实际的业务应用，进一步提升数字化方案服务质量和效果。

此外，大模型的集成和协作能力，可以与企业已有系统、数据源、API等的快速对接和打通，形成有效的资产管理和复用，提升低代码的可扩展性和可集成性。

对于方案商而言，大模型代表的新技术，也正推动方案商自身变革。

一方面，方案商要提供专业化、定制化的大模型解决方案，以满足中小企业在不同行业、不同场景的数字化转型需求；另一方面则要提供更加完善的大模型工具链，进一步降低使用大模型的门槛和成本。

只有方案有效加上成本可控，才能打开中小企业的数字化转型市场。

结语

“不敢转、不能转、不会转”一直是压在中小企业数字化转型头上的三座大山。

大模型的出现无异于提供了一把推翻大山的锐利武器，为中小企业提供了更易于使用和集成的工具。

在降低数字化转型门槛的同时，企业可以通过利用行业和企业小数据在大模型上微调，使模型更加精准地服务具体应用场景，提高数字化转型效能和效果。

从本质上看，大模型将从根本上降低中小企业进行数字化转型的成本和复杂度。

但具体到转型步骤，从业务流程的数字化到数据的训练使用，再到某个业务，最后到整个生产经营的全流程数字化，涉及面非常广，中小企业的转型仍然长路漫漫。

显然，中小企业推翻三座大山的战役，才刚打响。雷峰网雷峰网

公开资料显示，中科摇橹船成立于2020年12月，由中科院西光所和重庆市两江新区政府合力孵化，专注于高精密光电测量，系国内唯一一个完整掌握高精密光电测量技术的机器视觉国家队。

中科摇橹船的业务涵盖机器视觉器件、智能传感硬件、工业机器人和数字工厂解决方案。其主要产品包括基于5G的高精度多功能工业AI机器人平台、3D双目结构光相机、3D激光轮廓相机、2D/3D涂胶质量在线检测系统产品，适用于各种非标工业场景。

比如，在工业领域 ，中科摇橹船自主研发首款3D激光轮廓相机，解决了皮革材料表面反光、无法透光检测等行业难题。

又比如，在汽车制造行业，中科摇橹船针对汽车装和总装密封胶条质量在线检测场景，推出2D/3D涂胶质量在线检测系统产品，以解决错检、漏检等问题。

目前，中科摇橹船的产品已经落地到汽车制造、半导体、电力巡检、光伏制造、轻工皮革、航空航天、生物医药等数十个行业，进一步赋能「智能制造」，推动制造业转型。（雷峰网雷峰网）

彼时的上海张江，台湾日月光集团决定在此搭建第一个材料厂。与之同行的，有王善谦及其团队，他们将负责日月光材料厂的导入系统。

初到张江，王善谦眼中这不过是一片荒凉地，祖冲之路旁小小的张江软件园，还全然看不出今日之骨像。

然而，与日月光合作期间，每次到张江，这块荒凉地都展现出令人惊讶的变化，高楼一幢幢拔地而起，大路向前延伸，新铺的沥青路泛出锐利的黑光。

这是中国大陆即将迈入二十余年快速发展的一个序曲，它吸引、接纳着所有想要拥抱变化的人。

王善谦感知到了这种变化，并为这种变化而着迷。

日月光项目结束后，王善谦选择留在了上海，这是他与上海、与泛半导体智能制造结缘的开始。

泛半导体二十年老兵「下海」创业

“你来北京一下，我们该把生意谈起来了。”

2012年，当面板业客户终于主动打来电话，时任美国应用材料大中国区APG部门高管的王善谦简直喜出望外。

自1992年成为世界第一大半导体设备企业以来，美国应用材料一直维持着自己巨头的地位，在MES/CIM软件领域，和IBM一起几乎垄断了全球的半导体制造业。

然而，随着半导体业务拓展进入瓶颈期，美国应用材料开始寻求突破半导体圈子的机会，王善谦肩负起在国内拓展新业务的重任。

彼时，国内LCD行业刚刚开始兴盛，面板行业成为王善谦眼中最为理想的KA客户。

为此，王善谦连续一年零八个月，每月两次飞抵北京，会面客户相关人员。不过，在此之前，他与对方从来只谈交情，不谈生意。

在这家倡导精英文化的公司中，负责整体解决方案软件部门的王善谦，在半导体业务外，相继为公司拓展出了面板、新能源（太阳能）相关行业，带来了包括台积电、联电、日月光、中芯国际、京东方、华星光电等行业头部客户。

“到现在，美国应用材料做了非常多的非半导体生意。”王善谦说。

2015年，自感需要获得更多成长的王善谦，递交了辞呈，并于同年加入同样深耕半导体行业的Camstar，任大中国区总经理。

同美国应用材料一样，Camstar作为一家解决方案提供商，起初也只专注半导体业务。

王善谦再一次看到了帮助Camstar拓展新业务的机会，他曾向美国总部递交一份报告，阐述想在中国投入做 PCB 行业的计划。

结果，这个计划被一口否决，王善谦也遭到严厉批评，老板指责他“不务正业”，并让他专注半导体行业。

在王善谦看来，  一方面，PCB 行业是“电子行业之母”，中国产值占全球产值近70%；另一方面，PCB 行业具有高耗人、高耗能、高污染的问题，是一个传统印象中极为落后的行业，智能化程度亟待提升。

基于这样的判断，王善谦认为PCB行业极具投资价值，因此没有理会美国总部的指示，开始寻找相关的合作伙伴和客户。

“直到签约了两三个客户后，美国总部才真正重视起来。现在Camstar在中国PCB 行业占据半壁江山。”王善谦对雷峰网说。

一年后，Camstar被西门子收购。

如果说，拓展出PCB 业务线，是王善谦为被收购前的Camstar做出的重要贡献；那么，帮助拓展合作伙伴，则是王善谦为被收购后的Camstar做出的重要贡献。

“由于之前Camstar所有服务都是自己做的，而西门子是一家依靠合作伙伴做生意的公司，因此并入西门子后，需要花很大力气在中国建立起Camstar的产品生态。”

在王善谦看来，尽管西门子原本就有 MES 软件及其合作伙伴生态，但并不懂得怎么做 MES 产品，而Camstar的 MES 产品是一个标准化的产品，这也是西门子收购Camstar最主要的原因。

为了让合作伙伴舍弃西门子原来的产品，改用Camstar的 MES 产品，王善谦分布进行了大量工作。

通过梳理西门子的合作生态，筛选出直接跟工厂打交道的合作伙伴；

花大量时间介绍Camstar MES 产品的产品架构，解释代理Camstar产品做相关的解决方案将比做西门子代理更赚钱的原因；

争取与国内大型软件上市公司的合作，树立标杆落地案例。

经过两年多的时间，王善谦带领Camstar从没有任何一家代理体系，成为拥有十多家代理体系的公司。

「可被代理」的国产工业软件产品

在美国应用材料、Camstar和西门子工作的十余年间，不断有朋友向王善谦发出创业邀请，但都被他一一拒绝。

在王善谦看来，如果只是做欧美公司的代理商，于创业而言意义不大；自研工业软件则难度太大，不仅需要行业知识的积累，还需要软件知识的积累，在当时的国内环境下，很难聚集起这样一批人。

此外，那时的王善谦还是一位坚定的全球化奉行者，在他看来，各尽所能，各取所需，是一个非常完美的状态。

然而，2018年中美贸易战开打，逆全球化浪潮汹涌而至。

王善谦意识到，自由贸易全球化正遭遇巨大冲击，与此同时，国内开始大力鼓吹国产替代软件，王善谦第一次产生了创业的想法。

然而，到底是继续留在舒适圈，还是在自有标准化产品一片荒芜的国内土壤上创业，王善谦的内心还是经历过一番激烈挣扎的。

“事实上，当时大家还处于一个观望状态，认为频起的贸易纷争，更多源自川普个人的决定，因此当时谈所谓国产替代、卡脖子工程，更多停留在话语阶段。”

最终让王善谦下定决心创业，是一次在复旦大学EMBA举办的线下私董会上。

王善谦抛出自己的问题：“该不该出来创业？该创业什么样的公司？”

学员们经过讨论后，给出的结果出奇一致：创业并且做平台化的产品。

这次讨论彻底结束了王善谦心中的挣扎，私董会后第四天，他正式向西门子提出辞呈，随后在杰达科技的团队基础上成立了全新的铠铂科技。

杰达科技曾是西门子工业软件产品的代理商，但自新生之日起，铠铂就旗帜鲜明的以自有产品的解决方案提供商自居。

为什么选择做自有产品，走平台化？

王善谦回答：“如果不做这件事，国产替代事实上就是一个伪命题。”

他分析道，国内市场做工业软件的公司，99%在做代理产品的系统集成商，只有1%在做自有产品的系统集成商。而这1%中的许多公司，其产品很少能被代理进行系统集成，原因在于大部分产品是基于客户需求所定制化的解决方案，而非标准化的产品，因而不具备开放性。

“这么做的意义不大，还不如去做代理产品。”

然而，做标准化产品的难度也显而易见，技术门槛高、投入大、周期长、回报低。

事实上，铠铂内部也出现过不同的声音，对于销售部门来说，做代理产品可以更容易拿到项目。

但王善谦始终没有松口，并在每周例会上重申“做一家平台化的公司，做可以被第三方代理的标准化产品”的重要性和决心。

在此基础上，王善谦认为平衡产品部门和销售团队的办法，就是让双方去吵架。“销售会觉得你的产品没做好，去吵架，产品部门就会去改善它的东西。我觉得其实吵得越多，产品的成长速度就越快。”

在做平台化产品的路上，铠铂解决了三个难题：

一、标准。铠铂严格遵守 ISA-95 国际标准开发工业软件。

二、开放。铠铂通过自研的” Kyber bus“，可以做到和其他软件系统做标准沟通。

三、稳定。软件有其架构和层次，铠铂一开始就把软件的地基打好。

铠铂之所以能在较短时间内奠定产品基础，得益于其背后的强大队伍，目前铠铂分别在成都、合肥拥有两个研发基地，且团队主要人员都是来自台湾半导体业界的资深人士，架构师团队也大都有欧美大型软件公司的工作经历。

目前，铠铂聚焦半导体、 PCB 、新能源三个行业：一方面，这三个行业都是国家政策资源倾斜的重点行业；另一方面，这三个行业在离散制造业中复杂程度最高，铠铂可首先通过这几个行业打磨产品的稳定性和易用性。

在今年3月份，铠铂也发布了四大产品平台，分别是智能制造管理运营平台、工业物联网平台、共工开发平台、双碳管理平台，以及针对半导体、PCB 和新能源三大行业的解决方案。

与此同时，瞄准整个离散制造行业，王善谦也在今年关注起新能源汽车、重型装备、医疗器械行业，这三个行业都属于高端制造业中对工业软件有刚性需求的行业。

以医疗器械行业为例，植入性医疗器械的整个生产过程，包括焊接、装配和物流包装等，都需要记录在案做到可全程追溯，这项工作很难依靠人力高效、准确地完成，必须依靠相关工业软件从旁协助。

“未来，我们逐渐会往产品方向走，淡化行业属性，公司主要人力都会做产品支持，剩下的交给合作伙伴。”王善谦补充道。

升级的「软件技术」，滞后的「市场验证」

“工业软件行业是一个急需累积的行业，需要将行业专家和软件专家两拨人凑在一起，并且有足够的资金，才能够做出一个好的工业软件。”

不同于国内大多数工业软件公司的代理模式，铠铂走上的是一条“少数中的少数”之路，不仅要做自有产品的系统集成商，还要做到标准化产品，这意味着前期大量的研发投入。

对待融资，王善谦认为，找到跟铠铂行业属性相近的投资公司，相当重要。

也因此，铠铂的融资过程，显得有些挑剔。

去年五月份，在经过四十多场路演后，铠铂最终敲定了由海通开元领投，毅岭资本、唯快资本跟投的约亿元融资。

“海通属于证券系，在国内半导体业界的投资和发行排名第二，毅岭资本的投资方向都在半导体相关公司，资源能够相互匹配。唯快资本则是铠铂的FA。”王善谦介绍道。

市场化的资金投入，是做出一款好的工业软件产品至关重要的基础。

那么，王善谦眼中“好的工业软件”是什么样子？

目前任何一个国际大型软件公司提供的软件产品，都无法百分百符合客户要求，都存在一定比例的定制化，尤以场景需求复杂的制造业为代表。

这意味着，各家比拼的关键，即最大程度减少工业软件的定制化，提高软件产品化率。

目前，铠铂已经拥有了自己的标准化产品平台，接下来，铠铂和合作伙伴可以通过该产品平台寻找行业的解决方案。

此外，铠铂通过将大量行业 know how 累积在自家的产品平台上，缩短了使用者理解一个特定行业的周期。

相比没有标准化解决方案的公司，铠铂在半导体、 PCB 、新能源三个行业的实施周期缩短了，与此同时，派出去的人力也变少了。

“目前在离散制造业，产品化率能做到50%以上，就算是一个好的软件平台，铠铂在PCB和半导体行业可以做到 60% 到 65% 开箱即用。”王善谦介绍道。

然而，工业软件的国产替代，还面临两大现实问题。

一方面，中国工业软件产业起点低，发展落后发达国家约20年，由于工业数字化转型涉及软硬件及整个流程的改造，工业软件的国产化验证至少还需要3-5年时间。

另一方面，中国工业软件的市场接受度低，中国工业软件市场的主导权一直为国外企业掌控，高端制造业领域依赖进口情况更加明显。

“我觉得技术上已经不成问题，最大的阻碍还是市场的接受度跟时间”王善谦说。

对于铠铂来说，作为一家在疫情期间成立的工业软件公司，从最初的67名员工增长到现在的270名员工，并在去年实现过亿营收，这样的成长实属不易。

“做什么就应该像什么。”王善谦对雷峰网说。“就像现在一谈到工业软件，大家会想到西门子一样，以后一谈到国产替代软件，就想到铠铂。”

在一些制造业工厂产线上，以AI视觉检测缺陷已经开始代替人力，改变了传统只能通过人的眼睛及经验来检测缺陷的方式。

AI视觉通过设备可实现24小时无间断检测，不会产生人眼的视觉疲劳，因而在检测效率和质量上，都有质的提升。

IDC数据显示，到2025年，国内工业AI质检的市场规模达到62亿元。但同时，当前我国从事产线质量及效率的相关人员超过200万，每年劳动力成本高达1400亿元。

换句话说，工业AI质检市场有着高达千亿元的市场空间，而这部份恰好是”被忽略“的中小企业的质检需求。

“中小企业作为经济的毛细血管，他们的智能化转型非常重要，但却存在供需失衡的现象。”

微亿智造&智云天工CEO张志琦表示，许多制造业企业，尤其是中小企业，受限于自身的规模、资金等因素，加上此前AI质检落地成本高、柔性差等问题，其质检需求迟迟得不到满足。

因此，必须要改变工业AI质检原来的落地路径，从技术和产品两端来解决AI质检对于中小企业落地难、成本高的问题，才能进一步打开质检市场，甚至推动中小企业智能化转型。

AI质检难落地中小企业：柔性差、成本高

作为品控的最后一道关口，质检的重要性不言而喻：产品合格就可以出货，不合格就回炉重铸，质检的质量关系到产品的良率以及品牌形象。

过去，产品质检主要依靠人力，需要质检员具备敏锐的视力以及丰富的经验，才能检测出缺陷的类型。

这种模式的缺点在于，一个经验丰富的质检员本身人力成本并不低，而且质检员的经验很难复制，加上人本身有生理疲劳，长时间工作对人体的损耗极大。对于中小企业来说，养一支经验丰富的质检团队，无异于大大增添了人力成本。

因此很多中小企业直接选择缩减质检团队，在业务侧选择“只换不修”的经营策略，节约的人力成本甚至能 cover 直接换新品的成本。不过，这虽然短期能有效节约成本，但降低了产品良率；从长远来看，对品牌伤害太大，属于饮鸩止渴的行为。

“实际上质检是可以被数字化的。”张志琦认为，质检是人工智能落地工业的最佳场景之一。

人工智能可以通过数据进行大量的训练，将以前“质检老师傅”的经验沉淀为模型，然后让机器设备去做大量的缺陷检测。一方面，这直接节约了人力成本；另一方面，机器设备可以24小时无间断工作，从而提高检测效率。

但是传统的AI质检解决方案，在张志琦看来，存在两大问题。

• 前期AI的导入成本太高，后续运维的成本也不低

“传统的AI质检方案，需要大量的数据做模型训练，也需要大量的算法工程师前往产线与客户沟通，将经验沉淀下来，然后进行算法模型的调优，才能满足客户需求。”

类似的质检方案，单是前期的产线改造，成本就要几十万元，后续运维也要大量的人力物力。其主要客户只能是像华为、比亚迪、富士康等大厂，对于更多的中小企业而言，基本难以承受。

• 重资产模式部署，柔性较差

张志琦表示，中小企业生产柔性很强、现金流很弱，多品种、少批量、季节性等特点十分鲜明；而部署一套方案，从需求到布置成功，就需要几个月。在这几个月时间里，市场需求可能已经发生变化，等产线改造完毕，可能工厂都已接近倒闭。

除此之外，对于中小企业而言，一套质检方案可能只会用到几次，更换频率很快，部署传统的AI质检方案并不划算。

“传统的AI质检部署流程，以产品表面外观缺陷为例：设备导入周期平均 6 个月，单产品模型训练周期 2 个月，每个项目平均要有 5 位工程师驻场实施，整套成本高达 40~100 万元；更不用提部分柔性制造业频繁的换线需求。”

张志琦认为，传统的AI质检方案由于成本、部署柔性的问题，导致国内大量的中小企业买不起、用不上，但中小企业的质检需求非常强烈。一边是高昂的落地成本，一边是大量中小企业的质检需求得不到满足，这对供需矛盾严重掣肘着中小企业的智能化转型。

因此，在张志琦看来，要改变AI质检落地路径，从而解决成本高、柔性差的难题。

新解法：AI质检回归本源，轻部署、低成本

此前的AI质检方案落地，需要大量算法工程师驻守一线，搭建算法模型、训练调优，然后应用到产线上，基本上只能定制开发，无法实现复用，并且存在换线慢、维护成本高等问题。

这不单带来了高昂的定制成本，对于中小企业生产的“少批量”产品，样本数据或许都不够用于质检模型的开发。

此外，在模型的训练效果方面，由于前端设备集采到的数据，要经过工程师的“翻译”才能被使用，并不能完全如实反映真实数据，不但会造成部份数据失真，影响到模型优化、质检效果，还会造成数据浪费。

“我们以前做AI质检项目，更多是为了满足项目空间要求，依靠程序员、算法专家翻译，通过模型将经验转化为生产力。”

这种方法增添了中间环节，带来人力成本增加，和模型效果的损耗。如果能直接将一线工人的经验直接传递给模型，让模型自主训练，就能减少中间环节的各项成本。

张志琦认为，人工智能落地的“本”是人的经验和数据，因此要“让现场生产人员深度参与到AI模型的生产过程，让他们‘作为人的经验’被沉淀下来”；而工业AI的本是现场的人的生产经验和海量的生产数据，要“以生产现场为中心，围绕生产现场数据流的采集、定标、传输和迭代，沉浸到制造场景里。”

这相当于重构了工业AI“从数据采集，到模型训练，再到落地部署”的整个业务流程，改变原来AI质检的落地路径。

举个例子：

对于一些数码产品的质检，前端采集到数据之后，对于常见的缺陷类型，设备会直接匹配算法库，对比标记；如果算法库里没有对应的缺陷，系统会主动标记，然后由一线工人进行标注，当系统再次检测到类似缺陷之后，就可以直接标注缺陷。

整个过程中，没有专业化部署的环节，相关的算法模型直接沉淀在设备中，模型导入生产现场的过程迅速且轻量，实现经验可复制；系统也会基于现场生产的实时数据进行优化学习。同时，一线工人从费神费力的质检工作中解脱出来，做类似于标注师的工作，也能减轻工作负担。

这种轻部署、低成本、柔性强的模式，更适合规模不大但又有质检需求的大量中小企业。

AI质检向下：从大厂拓展至中小企业

AI质检正在由定制化向轻量化部署转变，从大厂的专属变得更加‘亲民’

张志琦认为，这种变化，反映出国内制造业企业智能化转型趋势：从少数高端制造业拓展至更广阔的中低端制造业。

作为前SAP中国区副总裁，张志琦是最早接触德国工业化4.0的人之一，曾试着将德国工业化4.0引入到国内。

在此过程中，张志琦发现，由于工业化4.0标准化程度太高，只有少数高端制造业、大厂，如富士康、比亚迪等大厂才愿意做投入。并且投入之后，短期内看不到业务结果，ROI周期太长，中小企业完全做不到。

2017年10月，张志琦加入百度，任百度云副总经理，负责整个百度的AI商业化。在此期间，百度开始寻找人工智能在工业的落地场景，最终以AI质检为切入点，并推出了“百度天工物联网平台”。

2020年7月，张志琦从百度离职，加入钉钉，负责钉钉商业化。不久，张志琦选择自主创业，并成立了智云天工，一家做企业数智化转型的公司。

2022年底，智云天工与微亿智造完成合并，张志琦出任CEO。

微亿智造成立于2018年，以工业AI质检为核心，利用AI+机器视觉，做工厂的智能化改造。

张志琦认为，工业制造智能化转型，只聚焦大企业、高端制造业，而忽略中小企业，这种思路并不正确。中小企业在经济结构中起着基础性作用，中小企业智能化转型成功，整个产业才能得到升级。

从商业角度看，中小企业的智能化转型需求很大，即便客单价低，但市场规模也非常大。其中，AI质检作为产品走向市场的“最后一公里”，如果能做到将AI质检让更多中小企业“买得起、用得上”，一定程度上也推动着制造业的智能化转型。

因此，智云天工与微亿智造选择合并，并且推出了“工”“灵”两个系列的产品。

具体来看，“工”系列包括工小匠、工小智和工小汇。

工小匠定义为“AI数字质检员”，旨在替代传统人力质检，可实现柔性部署；工小智则是“AI产线管理员“，旨在实现生产过程的可视化管理；而工小汇是“AIoT数字工厂管理员”，用于整个工厂的智能化管理。

以工小匠为例，其具备快速切线的能力，对企业已经部署的不同类型的光源、镜头、机械臂均可实现兼容，以应对不同的检测需求。在软件功能上，也具备在不同产品的检测模型中进行一键切换。

“灵”系列包括灵眸OCT缺陷检测仪、灵镜PMD高反表面检测仪、灵阵OMX复眼阵列模组，适用于3C、半导体、精密光学等行业，以及光学镜片、晶圆等高反光材质。

张志琦表示，两个系列都是模块化设计，可实现即插即用；硬件产品可以兼容中小企业已有的信息系统，而工小智、工小汇这类 SaaS软件，也能接入企业已有的硬件设备，并与信息化系统实现横向拉通。

“工系列是软硬结合的解决方案，灵系列则是缺陷检测的硬件产品，两者相互配合，并且都具备柔性化部署能力，成本上远低于定制化AI质检方案，适应中小企业‘多品类、小批量’的质检需求。”

张志琦认为，AI质检的柔性化部署已经是不可逆转的趋势。以前提制造业转型，只有少数大企业愿意去做尝试，中小企业有需求没资金，制造业转型更像是一个方向，一句口号。

但伴随着人工智能落地、各种技术的突破和产品迭代，AI质检的落地成本进一步下探，越来越多的中小企业能够买得起、用得上。

“制造业智能化转型正逐渐落地为实际。”雷峰网雷峰网

1949年10月1日，新中国成立后的第一次阅兵，飞机、坦克、大炮都来自缴获所得，受阅步兵方队手持的武器规格都不能统一，当时我军的装备被戏称为万国造。

军工装备离不开钢材，从研发到生产80%以上的零部件都需要钢材和特殊钢的支撑。

新中国成立时，中国的人均钢产量不足打一把菜刀。

10年间，新中国在建立独立完整的国防工业体系的迫切的愿望中，从零起步，从无到有的跨越。

10年后的1959年，中国参加阅兵的国产武器逐年递增，钢铁巨牛隆隆作响。

这个国民经济的重要基石，基础设施建设、制造业、能源、国防工业，从农业大国迈向工业大国，钢铁鼎立于中国工业的磐石之基尽显底气。

今天，中国的粗钢产量已经连续25年位居世界第一。钢铁力量，托举起一个强大中国。

时代在变，环境在变，困难也在变，如今的中国，不再缺钢少铁，但钢铁行业发展已经走到了生锈的艰难阶段。

钢铁紧箍咒：背后有枪，前方有糖

中国钢铁人通过几十年的钻研，突破过国外大量卡脖子技术和设备。

“基建狂魔”伴随着中国经济高速运作轰鸣声，中国人均钢产量从不足打一把菜刀/不足10吨，到粗钢产量世界第一。

90年代疯狂崛起的各大钢厂、参差不齐、分布随意，钢铁行业经历了30多年无节制扩张。

当经济逐渐减速，钢铁行业却迟迟刹不住车，中国进入长期产能过剩阶段。

旷日持久的国际贸易战、全球经济放缓，外需不足，出口受限。

产能过剩是中国钢铁行业硬伤。

这些年，去产能、降库存是国家层面的主旋律。

产能过剩是全球范围内的，专家指出，本轮根本原因，是2008年国际金融危机引发的全球经济衰退和钢铁需求下降。

“低效、裁员、污染、滞销”成了近几年钢铁行业的关键词。

路径依赖。产能过剩最直接的影响价格下跌，钢企营收下滑，间接导致市场低价、无序竞争，从而形成恶性循环。

不少钢企从“支柱产业”到靠“补贴度日”，中钢协统计的重点企业数据，2011年行业的销售利润率为2.4%，2014年仅0.9%。在2014年上半年，宝钢股份、新兴铸管及重钢股份分别获得财政补助1.3亿元、3.97亿元和5.09亿元。

2020年一季度，A股34家上市钢企中，除了7家钢铁净利润同比增长，其余都出现较大幅度下降

有5家企业出现亏损。

当然不伐新冠影响，后续复苏迹象，但钢铁粗放的时代，真的过去了，已经是不争事实。

停下来？

当初“唯GDP论”的时代背景下，扩大产能成了地方政府最快捷的做政绩、提业绩的方式，

全国上下疯狂跑马圈地，扩大产能。

钢铁行业事关国计民生，又是资本密集型，难进入，也难退出，

产能分散极为严重，行业集中度低。

据工信部数据，100万吨以上的钢企有305家，平均一个省10家。

“全世界没有产能这么分散的状况。“有业内人士表示。

数据显示，2019年，我国钢铁前10位企业的产业集中度仅为36.8%，千万吨以上的钢铁行业的集中度也仅仅只有52.38%。与之相对的是，水泥行业集中度高达64%，因此水泥的利润能够保持在17.5%。

滋生了恶性竞争和地方政府保护主义，降低行业利润，环保推进非常困难。企业成本压力大。原材料上涨，盈利空间小。

退出机制不足，企业退出难。

不少企业亏损严重，但行业并没有相关先例，相关政策缺失，退出通道没打通，更有地方政府出于经济和社会稳定考虑，即使资金链断裂，沦为“僵尸企业”，依然难以退出。

大国企可调控，地方民营企业与地方GDP挂钩，背后涉及就业率、成千上万的工人安置等更复杂的社会问题。

关键、核心钢铁技术缺位，技术依赖。

国人大多自豪于“世界第一”，却不知道“高端钢材进口依赖”的隐患。

最大≠最强，中国钢铁行业大而不强。

中国钢企基础建设对粗钢需求，忽视高端钢材长期投入研发，创新能力不足。

重点工程、重大装备、国防军工等关键领域的钢材质量要求高、研发难度高。

过去，中国长期处于模仿跟随阶段，很多技术直接引进。

思维意识上，习惯于通过引进或学习某个技术，在短时间内取得跨越式发展。

比如在低碳冶金、近终形制造、智能制造等技术方面仍处于跟随状态，部分核心检测和控制装备仍依赖进口。

航母等高端特钢技术，依然由美、日、俄等少数国家掌握。顶着“钢铁生产大国”称号，中国仍有20%钢材尚未实现自主可控，依赖进口。

“十四五”时期，中国钢铁工业基本格局仍然是产能过剩。

当市场规模难以大幅增长，规模扩张路径失灵。近两年，市场开启淘沙模式，淘汰落后产能，走向少而精的战略。

产能严重过剩，市场秩序混乱，效益严重低下，原燃料降价幅度低于钢材降价幅度，国有钢铁企业附加成本高，民营钢铁企业靠环境治理低投入和能源浪费形成的低成本优势正在消失，环保治理的严肃性正在形成，产品质量有待提高，产品销售模式有待改进，产品直销直供比例偏低，电子商务降低物流成本有待规范的配套。

不转型等死，形容钢铁行业尤为贴切。谁都跑不过时代的浪潮，“不自革，就被革”。

背后有枪，前方也有光。

浩浩荡荡的能源大潮终究还是来了。

"力争在2030年达到碳峰值，2060年实现碳中和"。

这是中国立下横跨几十年的"双碳"目标。

紧接着两会上，碳中和被首次写入政府工作报告，并定为2021年八大工作重点之一。

"双碳"升级为国家战略，"碳中和"元年也正式开启。

能源、制造业正面临国家战略导向、行业改革压力以及巨大市场潜力的三重奏。

其中，钢铁、煤炭、电力、石化等排碳大户，行业任务最重、责任最大，将是主阵地，也是双碳战略的主力军。

中国是全球最大的钢铁生产国，一年的钢铁产量超全球的一半。据统计，2018年中国的粗钢产量超9亿吨，全球占比约为51.3%。碳排放量可想而知，天文数字。

据统计，2020年，钢铁碳排放量占全国总排放量15%左右，位制造业居首位。实现"双碳"目标的压力同样不言自明。

说白了，"双碳"不仅仅在于节能减排，更是一场涉面极广的行业升级革命。

排碳大户，是实现双碳目标的胜负手，数字化，成为中国钢铁产业转型最清晰的方向。

而这场低碳化、智能化、数字化之路上，有一座座史无前例的市场金矿。

大势当前，美国工业互联网、德国的工业4.0、中国的智能制造2025、日本的超智能社会5.0蓝图，全世界都在向智能制造迈进。

钢铁作为制造业的“脊梁”、工业的“粮食”，转型之迫切更甚。

钢铁行业，周期属性强、同质化竞争激烈、作业环境恶劣，在未来，更低的综合成本、更高的产品附加值以及差异化的服务将是企业突出重围的核心竞争力。

钢之坚，钢之艰

2020年中国钢铁行业的企业数字化率仅30%。

钢铁产业链横向涉及矿业采选、冶炼、轧钢、压延、加工、消费，纵向涉及采购、生产（能源、物流、质量、维护、劳力）、销售、供应链等多个环节，具有对信息实时性要求高、生产流程变量多、采销两端要素杂等特点，长期受“孤岛控制”“条线分割”“界面有缝”“衔接粗放”等难题困扰。

1、生产流程复杂。

钢铁产品生产包含炼铁、炼钢与扎钢三个环节，其中各环节涉及多个生产系统、 工业控制系统与供应链层级，体系庞大，资源浪费、产能受限。

2、数据标准不一、数据利用率低。

设备种类多、应用场景多，钢铁工业蕴藏了大量的数据资源，但不同设备和环境工业协议不统一，生产过程中产生的数据格式差异大，系统、数据难兼容，海量数据资源价值难挖掘。

3、安全隐患多。

炼钢属于高危作业，设备故障，因为其带来的不仅是物力财力的损失，很有可能出险人员伤亡。

4、技术、数字化程度低。

工业3.0时代，钢铁行业的信息化基础就相对薄弱，钢铁行业的底层操作系统、关键软件等核心技术都依靠国外，核心专利的缺乏，让钢铁发展十分缓慢。

还有产能过剩、质量管控难、危险场景多、设备维护成本高、下游需求日益个性化、环保压力增大等等问题。

“高温、高危、产能落后”的刻板印象，钢铁行业要摘掉这些标签，并不容易。

越难，越知道行业蜕变背后的不易。

钢铁数字化在路上

未来，产能就是利润，谁能在最大限度地提高能耗使用率，谁就能在能源革命中占据上风。

"提高产能"简简单单四个字，背后却是一场产业、科技、成本的多方博弈。

目前的钢铁数字化存在诸多难点，比如传统钢铁行业，产能过剩、生产流程复杂、质量管控难、缺乏数据标准、危险场景多等问题。

对于产线多、部分分散、体系庞大，进行生产集控，通过感知+大数据，实现可看可判可控。

在控制层面，海康将流程拆解成应急管理、调度管理、品质管理、生产管理四大层面，通过突破图像亮度处理、高帧率成像等物联感知技术，实现 “集中控”。

在可视化层面，海康采用了三维融合、语音控制等技术，辅助实现对运营分析数据、生产统计数据、生产运行情况、设备状态情况“集中看”，实现行随“屏”动、管理至简。

对于设备运维工作高度流程化、生产环境复杂、作业风险高、巡检任务重，海康威视在设备管理上，以AI+热成像技术，提升管控效率。

以前，业内人用“守株待兔”来形容这项工作。

以冷轧厂的设备点检为例，谈到设备故障点检维修时，需要24小时轮流值班查看设备的各项参数是否有异常，往往会出现“作业人员刚离开，故障就发生”的现象，不能及时逮到这只“兔子”。

同时，传统人工录入，数据真实性无法保障；纸质记录归档困难，历史详情追溯繁琐；任务繁重且危险，人工巡查很难面面俱到。

重点设备的在线实时监测，海康威视采用了擅长的热成像技术，对热风炉进行实时在线监测，加之AI拾音器、振动传感器，通过设备智能在线检测和巡检引擎，可远程掌握企业设备运行状态和巡检报告，形成及时发现问题、快速处理问题的业务闭环，为设备预测性维护数据库提供有效数据。

通过远程巡检，监控中心即可完成线上巡检任务，减少巡检人员进入生产区的频次，减少生产隐患、保障了工作人员安全，减少危险场所巡检频次。工作人员不再需要守株待兔了。

在整个流程中，视觉扮演着重要角色。在辅助生产环节，AI+雷达+OCR，实现生产运输过程关键信息识别，提升业务效率。

机械的原始的人工计数，效率和准确性都难以保障，逐渐被AI、雷达、OCR等技术代替，在物料或成品的包装、流转、运输过程中，实现关键信息的识别、记录，便于信息追溯与统计，大大提升业务效率。例如一键计数功能，可联动触发视觉分析，其分析结果与称重计数、货单数量核验后，系统即可自动打印标签，高效方便。

安全管理方面，海康运用多维感知技术，将厂区车辆的进行智能管控。比如，通过雷视一体机检测车辆违规事件，为安全监管部门提供厂区内车辆违规行驶、异常情况的反馈，提前发现车辆运输潜在风险，违规车辆溯源率大大提高。

基于图像的深度学习技术，能够实现对隐患的智能检测，对视频画面进行智能分析，对人的不安全行为、物的不安全状态、环境不安全因素的实时分析、报警和处理，让安全预控、能控、可控。

这也是过去几年来大华在深入头部钢企中发现的问题，针对钢铁复杂的流程，大华从"人、机、料、法、环"五个纬度深入洞察业务场景，有针对性地采用不同技术赋能。

在工业安全领域，"人"是所有制造业中极其重要的安全变量，大华通过智能化算法，进行穿戴安全、安全作业行为管理等智能监测预警，保障从业人员安全，降低安全隐患。

在工业生产领域，智能与"机"结合，可以实现生产过程中的可视化、自动化、数据化和智能化。大华通过可视化技术检测原料厂的传输皮带，实时检测跑偏、堵料、异物设备状态，实现设备状态监管。通过表计识别，针对其它生产设备进行巡检，以机器代人，降低人的工作强度，减少人员成本。

而钢包、转炉、高炉等高温高危设备，钢铁作业场景高温、强光，大华运用红外热成像、耐高温防护等技术，不仅可提前、及时识别问题，在智能检测分析下，更能提高设备使用在线率。

在生产原料环节，智能与"料"的结合，大华基于AI视觉智能识别算法，进行远程和智能废钢判定，改变了传统人工现场长时间定级的模式，也减少了因人为判定失误导致的原料成本损失。

在经营管理方面，智能与"法"的结合，借助视觉切片技术，可以实现与订单精准关联，对整个生产业务来料、生产、质检、入库全流程进行追溯与管理，提高管理能力。

对于复杂的生产流程，大华的机器视觉从整体流程出发， 从原料加工的火车编号识别、钢包包号识别，再到炼钢厂的钢胚表面缺陷检测，到最终的钢材入库的自动计数和定位打标，分门别类攻克，提升生产工艺。

当然，排碳大户少不了环保要求。大华通过黑烟检测、环境五要素分析给绿色工厂再添一抹绿色。

在钢铁行业一线无数个日夜的历练，持续打磨技术的大华提炼出这样一套从整个生产流程优化工艺、流程，降低生产成本，加快生产效率的解决方案。

总结

钢铁，中国经济的脊梁，占中国GDP总值8%左右。

行业上下游关联产业多，在整个经济布局中占有举足轻重的地位。

世界名著《钢铁是怎样炼成的》一书中，将主人公保尔·柯察金饱尝生活的苦难的过程比喻成其成长为钢铁战士的过程，具象化成钢铁的炼成，虚实结合间，世人体会到主人公的坚韧，也知悉钢铁炼成的不易。

如今，我们依然能感受到那种穿越时代、直接人心的力量，但钢铁行业，已经发生了翻天覆地变化。

1966年，韶钢的第一炉钢水出炉，如今韶钢年产钢能力达800万吨。

数字产能只是钢铁行业数字化转型的冰山一角，在智能化浪潮下，钢企们成为万千产业数字化的舵手，在“跨产业、跨基地”的工业互联网架构上打造“一总部多基地”的“跨空间”和“跨人机界面”的互通融合，智慧制造2.0发出低沉而有力的鸣笛。雷峰网雷峰网雷峰网

当下，企业下一步市场战略会瞄准哪里？

如果把这个问题抛给身边的公司，可能大部分都想过出海。

大企业出海，寻求增量；小企业出海，期待生存。诸多中企出海故事在当下已是屡见不鲜、不胜枚举。

国际商业咨询机构埃森哲发布了最新报告显示，92%的中国企业希望通过拓展海外业务，支持公司继续保持高速增长。

但值得注意的一个变化是，如今的企业出海，已经从过去打着高性价比、高产能的“产品出海”进入到打造产品价值的“品牌出海”。 

而在这种潮流之下，也倒逼企业在管理上，重视和强化总部与全球分支机构的一体化建设，提升协同作战的能力，实现国内、国外两条腿走路。

就如同织网一般，只有当各个点连成线，线连成面，结成一张紧密的网，这才能够让企业真正在扬帆起航中，不畏惧风浪，实现品牌出海。

不过，要强化全球分支机构与总部之间的业务协同，并不简单。 

近日，在徐州工程机械集团进出口有限公司（以下简称“徐工进出口”）与Oracle NetSuite的战略合作启动仪式上，徐工向雷峰网谈到了他们出海过程中遇到的问题。   

业务协同构建：打造国内国外一张网   

徐工算得上是最早出海的一波企业，自其旗下子公司徐工进出口1997年成立开始，就一直统管徐工起重机、压路机、挖掘机等系列产品的出口和海外市场开拓。至今也被称作是徐工国际化的“尖刀班”。 

在过去，由于海外各地区的经销商数字化水平参差不齐，徐工的管理触角很难深入到海外各个分支机构的细枝末节。

去年，徐工进出口主动找到了Oracle NetSuite，同时甲骨文公司全球副总裁 NetSuite 大中华区总经理叶天禄也到访徐工两次，最终双方达成合作。 

徐工集团工程机械股份有限公司副总裁，徐州工程机械集团进出口有限公司总经理刘建森谈到他们选择厂商的标准：“我们不要系统有多高大上，而是要能真正解决业务过程中遇到的问题。”

过去，在财务方面，徐工一直都被快速出具财务报表和合并报表所困扰。徐工在全球拥有诸多的经销商，在加之全球各地的语言、币种、会计准则、税制管理等都不尽相同，以往海外财务管理都是徐工的一大痛点。

“此前海外公司的软件各不相同，且软件之间没办法融合，需要许多人力参与核对，效率十分低下。”刘建森谈道。

所以，他们对Oracle NetSuite提出的第一个要求是，要快速实现海外公司和徐工进出口本部的数据对接，实现跨地区跨业务部门的信息互通，减少对账的错误几率，缩短关键的时间。

据了解，Oracle NetSuite目前有超过200多个的国家的财务包，可以协助徐工进出口做出符合要求的财务报表，满足上市公司IPO的合规要求。

当然财务赋能还只是一方面，所有企业业务的发展一定要各系统之间、各地区之间协同合作才能有力量。所以徐工进出口提出的第二个诉求是，借助NetSuite力量，搭建一个一体化平台，将徐工主要的骨干系统打通，实现生产、营销、财务等一体化，真正实现扬帆出海，“轻”装上阵。

叶天禄表示，Oracle NetSuite 独到的“ERP++”模式，不但涵盖了企业传统ERP的基础管理体系，比如财务管理、采购管理、销售管理体系等基础管理模块，还有非常全面的供应链和业务管理体系，既能解决徐工进出口财务方面的痛点问题，同时也能帮助借助贯通售前、售中、售后价值链。

刘建森坦言：只有供应商与经销商能够上下同欲，前后同步，左右同频，才可能真正加速进出口的国际化进程。    

业务协同落地：兼顾本地与总部的需求  

不过，由于各个国家之间的文化、习俗、客户需求、消费习惯各不相同，海外各地的IT系统也不尽相同，要做到总部与分部之间的深度协同十分考验团队经验。 

在很长一段时间内，几乎所有的出海企业都在讨论本地化经营。毕竟，数字化本质并不是一个软件，企业也不是要得到一个软件，而是要能真正梳理清楚业务，然后通过代码、技术凝结成一个符合使用习惯、符合当地需求的软件。

汉得信息CEO黄益全对雷峰网表示，做IT系统建设两个担忧，要么是做成了一个好像很符合总部的要求，但没有满足本地化需求的系统；要么做成一个很独特的本地化系统，与总部之间协同难度就变得很大。 

总部希望能够尽可能深入协同，但各地希望能够尽可能满足本地化需求，要兼顾两头需求，就必须要有一个既懂徐工需求，同时又懂本地化需求的实施团队。 

在这次合作中，徐工选择了汉得信息作为他们本次项目的实施方。据黄益全介绍，汉得信息总部在上海，但2007年就在日本设立了分支机构，然后陆续在美国、新加坡、荷兰、印度都设立了分支机构。 

“一方面我们希望帮助中国把一些管理想法和运营模式输出，同时兼顾海外的独特性，让中企出海达到最高的效益。”黄益全表示。

而具体部署方式，徐工选择拥抱了公有云。一方面这能快速解决不同国家地区数字化程度层次不齐的问题，同时云部署也能大幅降低成本，减少IT运维人员的投入。 

据了解，Oracle NetSuite和徐工合作的目标是实现徐工进出口整个售前、售中以及售后的管理、经销商的管理，以及内部主要的骨干系统都会联通起来。

大势当前，整个世界都在向智能制造狂奔，中国于2015年发布了《中国制造2025》，研究制定了智能制造发展战略及规划，“十三五”、“十四五”期间，各地有关智能制造的政策密集出炉。

在这样的背景下，企业与资本也都闻风而动，高举制造业企业数字化、网络化、智能化转型的大旗，摇旗呐喊共同奔向制造强国的宏伟蓝图。

随着AI、云计算、5G等、大数据等技术的落地，新能源汽车、锂电池及设备、半导体等行业中的“机器换人”，呈现出更高的智能化水平。

除此以外，无数创新技术在交相融合中渗入工业制造领域，点点星火终于汇成一片燎原之势。

千亿市场中，赛道热闹不已，市场主导的工业制造的主角们，也一个个闪亮登场。

传统工业企业、初创企业、互联网企业、软件企业、ICT企业如一辆辆高速行驶的战车，电光火石之间已经在工业制造这片战场上割据一方。

2020年新冠疫情爆发，这场“黑天鹅”事件在给制造业按下“暂停键”的同时，也为智能制造启动了“加速键”。

毫无疑问，粗放式、高成本的制造业已经行不通了，市场和时代的变化，倒逼着整个制造业以智能制造和工业互联网为核心，抢占新一轮工业变革的制高点。

智能制造是一个有起点没终点的目标，从人力密集的低端制造迈向技术密集的高端制造，将是一段充满挑战的漫长征程。

在持续性的困局和可预见的高估值面前，我们更需要一些有价值的声音和标的；在对未来的怀疑和对潜力的判断面前，我们更需要一些希望信号可以落地。

为此，AI掘金志将深度发掘工业制造领域，找寻那些勇敢的颠覆者和革新者。

通过他们的动作和故事，给今天的科技行业一次启示，通过一次榜单的评选，再次证明创新和勇敢精神所蕴含的价值。

《产业科技·最具商用价值榜》详细情况介绍

产业科技 · 最具商用价值榜，过去前身为《AI最佳成长榜单》，始创办于2017年，已历经五届评选，累计报名科技企业达到两千余家。2022年，榜单进行了全面升级，更名为产业科技 · 最具商用价值榜，希望从底层技术积累和应用落地层面，找出那些最具生命力的产品和企业。

21个评选领域

报名&评选时间

具体榜单参与报名及评选流程如下：

参加报名：7月18日-8月25日

专家评选：8月25日-9月1日

终榜出炉：（9月7号）

从《产业科技 · 最具商用价值榜》得到什么？

榜单发布前后，雷峰网将通过全频道文章，以及直播、长短视频内容形态，在雷峰网旗下的多矩阵平台，进行传播。同时，获得认可奖项的企业，还将成为雷峰网的优先传播伙伴，在行业深度分析、报道、商业情报分析和投融资信息上给予优先照顾，给予长期传播扶持。

传播力度

榜单传播，和发布前后将联合50+家合作媒体对本届评选进行全程报道。更多详情参见《产业科技 · 最具商用价值榜》

官网：//m.drvow.com/special/custom/AITop2022.html联系我们：

微信号：Jia-Kallan   

邮箱：huangjialin@leiphone.com

《产业科技·最具商用价值榜》往届回顾

产业科技 · 最具商用价值榜，过去已经历六届的全行业评选，并成为科技行业企业分析，和产学研结合的标杆参考手册，在历次的榜单评选中，安防、驾驶、金融、芯片、工业互联网、AIoT等领域，我们已经评选出元戎启行、文远知行、思必驰、华为机器视觉、大华股份、数坤科技等多个潜力型科技企业。而历次榜单的发布，也成为GAIR 全球人工智能与机器人峰会重要的关注点之一，吸引投资人、科技企业高管、分析师、行业从业者的高度关注。

近日，奥普特发布投资者关系活动记录表。

奥普特（代码：688686）是一家从事机器视觉核心软硬件产品的研发、生产和销售的高新技术企业，成立于2006年，是我国较早进入机器视觉领域的企业之一。主要产品为光源、光源控制器、镜头、相机、视觉控制系统，其生产的机器视觉产品已广泛应用3C电子、新能源、半导体等多个行业。

 以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

1、公司的业绩快报中，营业总收入增长36.21%，受哪些行业的影响？

答：主要是新能源行业高景气度影响，收入占比提升，同时新能源汽车、半导体等行业也有一定的幅度的提升。

2、公司与海外竞争者相比存在哪些优势和劣势？

答：公司的竞争优势主要是非标定制化的能力、成本优势、自主研发能力与核心技术的积累、完善的自主产品线、以及公司的快速响应能力；劣势主要是品牌知名度、行业应用的广泛度还不及海外企业。

3、是否大客户倾向于自己做系统，只向公司买硬件，而小公司更倾向于买系统？

答：大客户有视觉能力，这是公司非常愿意看到的。只有客户有视觉能力，才会有更多的需求。另一方面，视觉项目有简单有复杂，复杂项目需要人、时间以及技术积累，一般而言客户不会自己做，而公司的优势恰恰在此，简单项目反而不给公司做，因为价格没有优势。

除此之外，公司也有软件视觉开发包，一些大客户，原来买国外开发包，现在可能也会购买公司的产品。

4、我们在项目交付方面与国外同行相比有什么差异？

答：对机器视觉行业来说，方案设计能力和交付能力都很重要。海外很少有交付团队，这块基本是外包的，所以他们交付压力不大。我们既做方案也做交付，方案的交付需要稳定的团队，在人才上会有一定压力，但两种能力都要同时具备。近年来公司通过锂电行业的长期投入和铺垫，慢慢积累，在不断提升标准化交付能力。

5、在锂电行业机器视觉应用在哪些生产环节？

答：在涂布、辊压等环节中，锂电池产品表面容易产生露箔、暗斑、亮斑、掉料、划痕等缺陷，锂电池的品质会受到影响，产生潜在安全隐患，所以锂电厂商对于产品缺陷检测的重视程度大幅提升，使用视觉检测设备已经成为主流趋势。公司目前在涂布、卷绕、包装、检测等多个工序都有成熟的视觉应用，除了搅拌不用，其他工序基本都在用。

6、国外工业领域机器视觉发展阶段和国内是否有明显差距？

答：国外的机器视觉发展比国内早很多年，下游行业发展成熟，对机器视觉依赖程度比较高。国内的行业应用还处在起步阶段，随着自动化、智能化要求的提高，国内的终端客户对机器视觉的重视度越来越高了，尤其是在3C和锂电行业。

7、客户更愿意直接采购整套方案，还是由设备商来主导视觉需求？

答：要看客户对视觉的把控程度，如果客户有视觉基础或者是比较复杂的需求，客户是希望采购整套方案的，有利于保持方案稳定性和更好的后续服务。按照客户需求来分，需求简单的，追求低成本，需求复杂的，就更注重稳定性了。

8、有部分设备厂商是通过购买国外的视觉开发包，进行二次开发。请问公司的软件底层完全是公司自己开发的吗？

答：公司的软件底层是自主开发的。我们从2009年开始做软件开发了，并推出了第一代SciSmart智能视觉软件，开发包在一些比较复杂的项目上使用可增加方案的灵活性，后期我们也会重点推广。

9、公司在跨行业拓展中是否存在障碍？有无行业限制？

答：机器视觉的拓展不受行业限制。下游应用范围广泛，无论在哪个行业，都会用几个基本功能包括检测、定位、测量、识别，只是视觉运用的场景不同。

10、公司未来的行业拓展方向？

答：公司目前在3C和锂电行业发展良好，后续会继续深入这两个行业，同时在半导体、新能源汽车、高端医疗等行业也不断积累技术和方案。相信随着这些行业的国产化程度加深，对视觉应用的需求也会不断增加。

11、公司未来2--3年研发的布局，有哪些投入？

答：未来2--3年在技术和对应产品主要有三个方面的投入：

一是深度学习，近几年深度学习技术在学术领域或应用领域可能会得到较大突破，但是在工业领域还在发展初期，公司正在持续投入；

二是3D产品，随着机器视觉的发展，高质量的三维数据不可或缺，高精度的数据分析技术也至关重要，更具细节感与质感的3D产品是行业所趋；

三是靠机器视觉作为技术基础的传感器。这些传感器有共同的客户，奥普特可以通过补充传感器产品扩展产品线，共享业务端的优势。

雷峰网雷峰网雷峰网

当古罗马人使用石灰和火山灰的混合物时，世界上诞生了一种“水泥”的物种。

几百年间，水泥见证了世界的历史与变迁，自身也经历了数次变革。

而今，还是那个大众司空见惯的水泥，还是那些习以为常的应用场景，却在悄然经历又一次变革。

水泥产业的数字化转型已经登记于时代之册。

工欲善其事，必先利其器。为提高核心竞争力，在激烈的市场竞争中赢得先机，先觉者已开始行动。

近日，华新水泥与海康威视在杭州签署战略合作协议, 双方将通过物联网、大数据以及人工智能技术，在智能安防、智能巡检、智能矿山、智能生产和智能决策等相关领域和应用场景，联合创新，深化合作，共谋发展。

水泥巨头的数字化转型之路

华新水泥总裁李叶青提出：“传统工业+数字化是公司四大战略之一。华新秉承自主研发的传统，制定了华新制造的战略目标，以助力企业实现智能化转型升级，提升企业的经营效益和管理效能，探索出一条水泥工业绿色智能、高质量发展的创新之路。”

“华新的风格可以用两个词概括：lean和mean，lean是它不庞大，但精干，mean是它作风果决，动作迅速，竞争力强。”华新水泥CDO汤峻如此总结。

2008年，4万亿的基建投资，为中国锻造出世界一流的高铁、桥梁、超高压输电等工程能力。

2020年的新基建，则会把中国人工智能产业，正式推向全球科技的浪潮之巅，带来席卷各行各业的势能

华新水泥，正是站在新与旧交接点上的企业。

始于1907年，百年企业华新水泥的身影，填充在新中国的砖砖瓦瓦里。

无论是北京上世纪50年代的十大建筑、北京亚运村，还是葛洲坝、京珠高速公路，抑或是长江中下游数十座公路和铁路大桥，更或者是举世瞩目的三峡工程等国家重点工程，幕后英雄的名单里，都有华新水泥。

屹立百年不倒的要素之一，在于创新。

在华新水泥智能工厂，来来往往的巡检工人已鲜少见到，更多的是一个个智能摄像头以及各种传感在线监测设备。

传统水泥生产现场的跑冒滴漏、烟雾、窑头火焰、主机设备的巡检都已经可以运用机器视觉技术和大数据进行分析，智能识别异常情况，结果也能汇聚到数字化管控中心实时监控，供生产者和管理者决策参考。

在水泥包装发运现场，带机器视觉的智能机器人根据前端业务自动进行计数装车，传送带上的破包、残包产品通过视频识别自动进行分拣。

华新水泥以机器视觉应用场景为代表的智能化已经完全颠覆了人们对水泥厂高能耗、低效率的传统印象。

这一切归功于华新水泥一以贯之的信息化、数字化发展战略和明确的实施路径。

早在2008年，华新就开始全面推进SAP ERP，业务流程得到极大的统一和标准化。

2010年，华新开始运作电子商城，实现了营销的线上化，成为第一家做电子商城的水泥企业。

疫情期间，华新位于湖北的工厂未能开展业务，但湖北之外，华新的业务平稳推进，均得益于运行多年的线上化营销体系。

“在疫情中我们很明显的看到了华新前瞻性布局在竞争力上的优势。”

华新依靠科技投入得以在信息化时代立足，因此也更加重视科技、数字化的力量。

特别是近年来，华新水泥从一家单纯从事水泥生产的企业发展成为集水泥、混凝土、骨料、环保处置、装备制造及工程、高新建材等领域全产业链一体化发展的全球化建材集团，在全国十余个省市及海外拥有200余家生产基地，规模稳居国内同业前列。

为适应规模的壮大和业务分布的广布，华新水泥于2019年成立了由总裁直管的数字化发展委员会，以及为该委员会提供智能化生产支撑的数字化创新中心。

而作为数字化创新中心负责人兼公司CDO，汤峻有着丰富的海外信息化和数字化经验。

在李叶青总裁“自主研发、自主掌控，培育核心竞争力”的路线指引下，他在华新水泥建立了完整的云生态软件开发、人工智能研发和工业自动化技术研发体系，实现了商业应用、工业控制和人工智能应用的自主掌控，形成了“业务+技术+团队”的数字化开发能力，开创了一条有别于其他水泥企业的数字化转型有效途径，确保华新“智能+水泥”转型自主掌控、自我完善的持续性。

说到华新水泥以高科技企业平台为支撑的自主创新模式，汤峻有许多的经验之谈和切身体会。

他指出，数字化有三个阶段：服务业务、支撑业务和引领业务。

“这中间更多的讲的是对业务带来的影响以及和业务的关系。”

作为生产制造型企业，华新水泥实现引领业务的目标，有一大前提，三大核心。

一把手工程，一把手的鼎力支持是大前提。鼎力支持背后，与掌舵者的前瞻性息息相关。李叶青总裁坚定地把数字化创新工作摆在公司战略层面，亲自指导，亲自推动。

“以前的生产制造型企业大多采用跟随政策，但那样只能保证不被甩掉，如果想要提高核心竞争力，必须让别人跟随。”

三大核心即：

1、数字化要为企业的战略服务。

“搞清楚目标是什么，即真正能够助力企业的战略目标，这一点其实很难。”

2、自主开发和研发能力。

他指出，自主研发并非经济考量，而是更好地自主掌控整个数字化进程；也并非动辄组建千人团队。

“当三五年后，完成大部分数字化转型工作，团队何去何从，组织结构、人员管理方面，需要从一开始想清楚。”

3、数字化转型的推动工作是一门艺术。

“你既要有一个明确的目标，有一个很好的战略方向，同时在过程中间要能够抓机会，灵活的调整各项项目的工作。”

在汤峻看来，数字化不是项目，而是一种能力，嵌入各个环节的能力，数字化和业务的结合，可以通过产品经理的形式来实现。

与互联网的概念不同，华新水泥的产品经理非彼产品经理。

前者偏业务，为试错模式，快速推出，不断迭代。

后者，即生产制造企业，一是试错模式不可行，二是业务之外，产品原型、数据流通、数据结构、业务等都需要涉及。

要从服务到支撑到引领，需要产品经理团队了解业务、学习业务，将业务串联，形成合力。

“华新的产品经理不见得比人力资源的人更懂人力资源，但是他一定比营销的人更懂人力资源，比人力资源更懂营销，它能够合力。”

他举例，营销经理能力的强弱，应该是基于不同区域内的销售业绩做横向对比，但他在每个区域的信息属于人力资源部门，业绩属于销售体系，如果将两个体系打通，就能定量地回答人才评价和管理的问题。

这正是华新产品经理团队做的事情：打通数据，串联业务，定量决策。

许多传统制造型企业，由于缺乏定制化的自动化解决方案，而全流程的自主开发成本过高，数字化部门要么走企业化运营路线，籍此输出方案降低成本，要么只能削足适履、凑合着用。

而华新水泥则注重于合理的数字化架构搭建和核心应用的研发，强调数字化组织和自主掌控技术必须服务于数字化流程的再造和整合，形成新的数字化业务能力、数字化管理能力。

实践证明，这种模式项目开发时间短，研发成本大幅下降，同时应用效果更好。

“这几年华新水泥的数字化进程比我想象的要快。”汤峻在采访中表示。

通过商业智能化，华新水泥打通了各个业务环节之间的壁垒，从财务、营销、采购、物流各个环节，实现数据的互联互通以及工厂数字化管理的闭环。

“比如混凝土最讲究的是物流，必须要在1~2个小时内把混凝土要送到工地，然后工人需要赶紧生产、浇筑等工作。”

华新的数字一体化体系的目的，就是让不懂混凝土生产的人，通过这个系统，也能够顺利开展混凝土业务。

目前，华新有50个工厂和站点使用此系统。

正如汤峻所言：“我觉得数字化的好坏很难评价，但是我知道良好跟优秀，优秀跟卓越之间的关系都在细节。”

2020年，华新水泥以李叶青总裁为第一完成人的“水泥企业运营数字化系统开发与创新”项目获得国家“建筑材料科学技术奖”科技进步类一等奖。

通过工业智能化在生产环节提高自动化程度，运用智能化的技术降低成本、能耗，减少工人的劳动强度，实现生产效率最大化，满足环保以及安全生产的要求。公司智能制造项目获得行业”2020年智能制造示范企业”，并上榜“2020年国家工信部工业互联网试点示范项目”名单。

联袂海康，加足马力

一面是生产工厂对智能视频的需求与日俱增，一面是计算成本和光学传感器成本的下降，以机器视觉为代表的人工智能技术，在工业智能化生产的应用成为必然趋势。这恰恰就是海康的强项。

此前，海康的智能设备和技术在华新水泥的智能制造已经有了广泛的应用。在商业智能、工业智能系统，从一般的视频会议和电子白板，到人工智能开发平台和具有边缘计算能力的AI摄像头，海康的技术和应用方案渗透进华新的商业智能和工业智能系统各个方面。

在生产现场，海康的AI摄像设备和AI程序24小时对重要的主机设备和窑况进行“巡视”，一旦有温度、压力、震动异常和堵料、窑内飞沙，系统会进行报警，并通过大数据分析自动调整处置或给出处置建议。

比如飞沙过程中，各种原材料在窑中翻滚，同时，高温燃烧下会喷射长达20米的火焰，如果控制不到位会产生废沙，设备发现废沙后，可自动地让控制系统进行对应的调整。这样不仅能保证控制精度，也能把工人从相对严酷的生产环境中解放出来。

在华新船运码头和生产检修车间，如果操作员没有按照要求穿救生衣、安全帽、安全带等PPE个人安全防护用品，立刻会有广播警告提醒，并在中控室预警。以及通过AI视频识别技术，自动识别是否有非法入侵人员等。

智能安全生产系统向上打通与eHR人力资源管理系统业务关联，对员工的违规行为进行处置，通过数字化的安全管控流程促进员工对安全生产的重视，也进一步强化了华新水泥安全第一的文化。

这仅仅只是华新现在的数字化、智能化应用，双方对未来有更高的期待。华新希望打造更加智能的数字工厂，提升生产管理效率和竞争力。

海康一直专注于技术创新，不只是在基于可见光的视频技术领先，融合了X光、红外、毫米波等全面感知和多维信号处理的产品和解决方案也已经应用于各个行业之中。

在企业领域，海康一直强调，从拉近管理距离、提升业务效率、规范作业行为、防范安全隐患四个维度来为各行各业的用户数字化赋能，带来实实在在的价值。

在汤峻看来，华新选择合作伙伴的原则，一是不在于高大上，而是实实在在的价值；二是相信技术，且愿意在研发上投入。

“数字化并不一定就是高大上的，海康最吸引我们的地方，就是他们的踏实”。这样，华新与海康在当下不期而遇，对未来不谋而合。

“数字化、智能化转型不是目的，而是手段。根本目的，是提高企业生产管理效能，打造企业高质量发展的核心竞争力” 汤峻强调。接下来，华新水泥将推动“华新制造”数据共享，打造基于多维度数据的数字化转型，实现水泥矿山开采、原料采购、生产制造、渠道流通全过程可视化、网络化、数字化。

“数字化转型对我们而言是挑战，也将是最大的机遇。”华新水泥总裁李叶青曾在多个场合公开表示。通过抓住这样的机会，华新水泥才能在建材业新一轮的产业升级保持优势，继续为行业实现绿色智能、高质量发展贡献力量。雷锋网雷锋网雷锋网