机器视觉的“热”，需要一盆冷水

机器视觉的融资额再创新高。一条细分赛道可以持续三年，没有减少的迹象。机器视觉有什么魔力，吸金能力这么强？

2016年以前，机器人在一级市场几乎不受欢迎。当时，互联网和房地产仍然如火如荼。与此同时，机器人。AI看机器人项目的机构很少。

五年后的今天，机器人的普及与当时的寒冷形成了鲜明的对比。在此期间，机器人行业人士的感受是：他们不能融资——别人不能融资——很多钱，他们仍然不能融资——资本过热，不利于机器人行业的发展—xx公司可以拿到钱，跟谁说理，自己还是拿不到钱。

所以有一个惊人的问题，在钱不投资机器人行业之前，我们会抱怨“资金荒”如何在没有资金的情况下发展机器人产业？现在大量的钱投资于机器人行业，有些人说这不利于行业的发展，钱应该去哪里有利于机器人行业的发展？

“钱”太难了！！！去哪儿都不是！

回到机器视觉轨道，机器视觉不是一条新轨道，从发展过程来看，机器视觉进入工业化阶段，过去很长一段时间主要由外国制造商占据，从上游镜头到相机、软件等，基本上由外国制造商主导，其中的是基恩士和康耐视。无论从收入规模、产品矩阵还是盈利能力来看，这两家公司都是机器视觉领域的基准。

巨人之所以成为标杆，不仅是因为它的规模大，更是因为它的盈利能力“性感”。

在2D在视觉领域，长期逻辑是“国产化替代”但在过去的很长一段时间里（2016年之前），这个过程似乎有点慢。外国制造商的视觉产品以其通用性和高质量深入各行各业，特别是3C，以汽车、半导体为代表的核心产业，机器视觉渗透率不断提高，其中外国品牌处于主导地位。

近年来，海康、华瑞（大华）等国内制造商的快速增长在一定程度上加快了国内替代的进程。特别是在工业相机领域，以海康和华瑞为代表的国内制造商的崛起在一定程度上对外国品牌构成了威胁。

机器人行业客户接触或合作过机器视觉品牌分布

自2015年以来，国内众多机器视觉创业公司成立，多为3家D视觉为主，在此之前，一家叫MUJIN日本公司（成立于2011年）可称为日本公司“前辈”以至于后续成立的中国公司中有一部分会成为中国公司“MUJIN”针对目标（至少在早期），提倡技术和创新，具有强烈的使命感，同时具有体育规划技术和3D视觉是直接满足终端用户需求的主要业务载体场景。中国也有同时的场景。motionplanning(体育规划)和3D视觉技术厂商主要以星猿哲为代表，如本科技。

中国3D视觉制造商主要分为几类：

种是以3D视觉相机是主要业务的制造商，定位为硬件产品类公司，以图阳科技、次视智能为代表；

第二种是以3D视觉系统解决方案是主要业务的制造商。核心是依靠自己的软件算法、相机或自主研发或外包。软件算法是主要的技术壁垒，目前大部分是3D视觉创业公司属于这一类；

第三种是2D视觉巨头厂商延伸到3家D视觉领域以基恩士、康耐视、海康机器人、华瑞科技为代表，以强大的软件平台能力保证硬件产品的通用性，真正定义强大产品的属性；

第四类是视觉设备制造商，更多的是集成商的属性，代表天准科技、康代智能、矩子技术等。

问题来了，哪种厂商有可能出来(3D视觉赛道)？

目前，更多的初创公司属于前两类，这也是近年来一级市场资本的主要流向。在此期间，我听到了许多迷人的故事和跳跃的想法，其中有许多初创公司需要与基恩士和康耐视进行比较。我只能说，有时鲁莽和勇敢是不同的。（我愿意相信产品层面的标杆，但企业层面的标杆似乎很鲁莽）

从产品形式和商业模式的角度来看，行业共识是产品公司是长期的方式，从这个角度来看，3D视觉领域的发展还有很长的路要走。从非标准化到标准化不是一蹴而就的，跨越视觉领域需要很长时间。“知道-做到”鸿沟也可以理解为行业鸿沟Know-how，众多3D视觉创业公司还处于寻找场景、做应用、堆算法的阶段国内真的可以做到“一招鲜吃遍天”(是的，说的是基恩士，康耐视)厂家很少，比如康耐视，基恩士2D视觉业务，标准产品业务占75%以上，是保证其高毛利的关键，通过持续的高研发投入构建强大的技术壁垒，为长期高利润奠定了有力基础。

那么，从2D到3D进程，还是巨头主导？

未必。首先3D视觉与2D视觉关系更多的是互补的，而不是替代的。在未来很长一段时间内，2是互补的，而不是替代的。D视觉与3D视觉是相互共存的状态，同时，2D视觉市场规模仍将占主导地位，但3D视觉市场增长无疑将引领机器视觉市场，根据视觉市场的增长率GGII判断，基于当前低基数，叠加技术进步和成本下降的多重因素，3D视觉开始进入大规模阶段，预计未来五年中国3年D视觉市场复合增速将超过70%。

机器视觉作为一种典型的技术密集型产品，涉及到机器视觉“光机电软算”在许多技术领域，技术密集属于外观，核心更多“技术沉淀+创新密集”。技术沉淀是指底层产品技术的积累和沉淀，创新密集更是指应用技术的创新驱动。

在底层产品技术层面，包括硬件和软件。光源、镜头、相机等产品领域的硬件取决于对基础科学（如光学）研究的持续投资，以及持续的技术升级和产品迭代。软件更多的是一个软件算法平台，通过强大的底层算法和大量的数据构建来实现产品“通用性”。在某种程度上，软件平台的能力直接决定了硬件产品的通用性和不可替代性。基恩士、康耐视、海康机器人、华瑞等典型厂商。

在应用技术层面，由于机器视觉下游应用行业领域丰富，不同行业和场景对机器视觉的需求差异较大，机器视觉的应用取决于行业know-how在某种程度上，行业的积累，know-how它将是机器视觉应用技术的核心障碍之一。通过伊斯拉、伯赛、易思维等典型厂商不断构建自身垂直行业的技术障碍，在汽车行业具有较高的认可度和知名度。

以上两个技术层面也在一定程度上决定了机器视觉的两条发展路径：一是使底层足够强大，解决软硬件通用性问题，通过强大的产品理念满足不同行业客户的需求“全能武者”二是选择一个或多个垂直行业深耕，通过行业深耕know-how积累加上自身产品技术的不断迭代，筑高竞争壁垒，做细分领域“单打”。

对于很多视觉初创公司来说，前者的路径可以理解为难度10分，50%正确；后者；