据国家统计局核算数据显示，我国2018年工业GDP已达到30万亿元，提升1%的效能，即可带来 3000 亿元的经济增值，可见工业升级的市场空间之大。

成立于2017年的矩视智能便是工业视觉检测赛道上的一员，定位于一家工业视觉AI平台，主要通过对图片在线标注和深度学习训练，让集成商客户自主生成视觉算法SDK，从而替代工厂里的现场人工。

在使用过程中，用户只需登录后，按照操作步骤上传并标注样品图像数据，云平台自动匹配最优的深度学习算法模型和参数进行训练，客户无需额外开发，直接下载SDK即可集成到本地化系统中。

据了解，矩视智能并非一开始就聚焦工业视觉AI平台，而是从视觉分拣机器人集成商转型而来。至于转型原因，创始人弭宝瞳表示，工业视觉领域一直是团队看好的核心方向，原本的软硬件一体化集成服务模式相对较重，在积累了大量数据以及行业Know-How之后，2019年下半年，由互联网团队基因驱动，矩视智能全线业务转至线上，整个团队内部流转和业务架构变得更高效而轻量化。

此次业务重整，矩视智能恰好赶上了新冠疫情下的工业格局重塑，由人力精细化作业逐渐向人机协同智能化方向调整。就数据证实，矩视智能工业AI视觉云平台三月份用户量达到了二月份的五倍，且在不断上升中。

弭宝瞳介绍，工业自动化领域作为机器视觉的重要落地场景，却长期受制于软件水平，且核心技术大多由外商垄断，国内上下游产业链处于弱势地位。

在具体的工业视觉检测中，行业采取的普遍做法是将视觉软件与机械自动化相结合，但由于传统视觉软件方案效率低、开发新算法周期长，对于复杂场景下OCR识别、缺陷检测等需要精准度较高的地方作业仍效果不佳。

区别其他专注于为企业提供定制化服务的工业视觉解决方案供应商，矩视智能更看好通用化服务。矩视智能采取了开发者工具平台形式的云上SaaS架构，一方面，可以通过线上积累海量行业数据，不断优化算法，提高训练速度。目前，平台识别准确率在99%以上，高于行业95%的平均水平；另一方面，工业领域细分场景有上千种，倘若使用定制化服务，平均开发周期需要一周以上，而基于矩视智能的平台型服务，在一天内即可完成开发，还能通过云端数据积累实现自动升级，无需重新开发图像算法，规避了本地开发周期长的问题，提升开发效率十倍以上。在成本方面，工业AI视觉开放云平台更具优势，其价格仅为同类企业的五分之一，于客户而言更具吸引力。

以上这些优势，得益于矩视智能自主搭建的互联网体系化AI架构，其后台整合了上百个深度学习算法模块，针对工业视觉领域的数据特征进行提取，实现数据与算法之间的自动匹配。 这种体系化AI架构，区别于针对具体场景进行定制的单一算法，避免了人力资源和时间成本的重复浪费。

据介绍，矩视智能AI视觉平台已具备字符识别、缺陷检测、尺寸测量、目标定位等功能，广泛应用于制药、电子、汽车、五金等行业，覆盖上千种工业细分场景，能有效满足客户对于检测精度、稳定性以及业务场景适配性要求较高的作业需求。

截止目前，矩视智能已覆盖2万+名开发者，数据样本量数千万张，覆盖场景100+个。营收方面，公司在去年8月份已实现了收支平衡，2020年1月至今，公司精准意向客户已有100多个，营收主要来自云平台本地运行的授权使用，预计今年将有四千万元营收。

成立两年，矩视智能已有20人规模，其中研发人员占比70%，研究生占比80%以上，创始团队均为来自人大、北大、美国UCSC等国内外顶尖大学的博士研究生，曾供职于IBM、微软、西门子、360等头部企业。创始人弭宝瞳是中国人民大学计算机博士，曾以产品经理、研发工程师的身份供职于奇虎360，参与过AutoCAD云平台的开发，对人工智能、工业视觉和云计算有着深刻理解，并具备丰富的行业经验与实战经历。

弭宝瞳坦言，工业行业细分行业多，且各自的行业属性和特点差异很大，很难出现一个放之四海而皆准的模型和技术，于企业而言，互相赋能正当其时。未来，矩视智能会加强技术研发，积极与行业客户合作，尝试用已有数据赋能，实现更大价值。

融资方面，矩视智能已于2018年完成Plug and Plug的百万元种子轮融资，并于2019年战略升级后获得中信集团领投的千万元级别天使轮融资。

目前，该项目已启动新一轮融资，主要用于数据产品的开发和团队运营。

本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问