本文来自微信公众号“高工机器人”，作者/多鱼。
高工机器人产业研究所（GGII）数据显示，2023年Q1，中国工业机器人领域融资事件16例，涉及资金近9.5亿元人民币。
按融资案例分布来看，2023年Q1融资案例数量最多的是机器视觉领域，占比为37%；其次是零部件领域，占比为31%。其中，融资金额最大的领域分别是机器视觉和核心零部件领域，占比分别为35.45%、31.75%。
从融资的视角来看，虽然机器视觉仍为工业机器人领域最火热的细分赛道，可一旦将时间拉长到2022年，便不难发现，资本已逐步从狂热回归理性。
据不完全统计，2022年中国机器视觉行业共发生融资32起，涉及金额近30亿元，同比2021年，机器视觉融资案例数量下滑约25.58%，融资金额下滑约64.19%，平均单笔融资金额从2021年的1.08亿元下降至0.93亿元，融资市场开始收缩。
那么对于资本开始回归理性，作为当局者，又将如何看待？
“其实，我觉得行业前两年是有‘虚火’的，但是我觉得任何一个行业都一样，这个‘虚火’本身代表了对于赛道的认可。而这两年的‘虚火’有一个很大的好处，就是基本上大家认为人工智能跟3D视觉对于机器视觉这个解决方案已经走通，技术上已经不存在问题，当前的要务就是如何才能把方案做出来，并更加突出性价比。”中科融合创始人兼CEO王旭光博士谈到。
据王旭光博士介绍：“中科融合早期主要还是依赖于当地政府及部分清华系的专业投资机构，但近两年很多投资机构关注到中科融合，都是因为他们梳理了3D工业相机的核心零部件，很容易就会发现了DLP和GPU是里面价值含量最高，结果完全被国外垄断，而恰恰就是被美国垄断的最高的两个核心零部件的价值最高。那么，自然而然地，会在国内寻找和挖掘谁能来做替代，我们中科融合的价值就被发现了。所以我觉得对我们这个企业来讲还是一个重大的一个利好。”
对于资本回归理性，康士达总经理袁强则归咎为两个方面，即经济形势和综合实力。袁强表示，首先，整个大环境经济形势没起来，机器视觉行业整体景气度也受到下行的影响；其次，资本对于机器视觉领域的认知开始回归理性，在众多“同质化”的机器视觉类产品中，竞争和挑战愈发加大，最终去比拼的就是各大视觉厂商所能调配的综合实力。
对此，稳信智能负责人则表示理解，其谈到，过去几年，机器视觉行业的发展非常迅速，吸引了大量的资本涌入。然而，随着行业的发展逐渐趋于成熟，市场竞争也变得更加激烈，一些企业的盈利能力并没有达到预期，这导致了资本的回归和收缩。恰似曾经的互联网、移动互联网等，从萌芽、增长、野蛮生长到过热、泡沫，从而回归理性的过程。优胜劣汰，大浪淘沙，剩者为王，这也是一个正常的市场调整过程。
该负责人认为，资本回归理性，对于行业的长远发展有好处。这意味着企业需要更加注重产品质量和技术创新，而不是单纯追求融资规模，这也将有助于行业的健康发展和长期稳定。毕竟，创新才是核心生产力，头部企业更应该担当起往高端行业高端技术创新的责任。
实现“跨行业可复制应用”的难
与资本逐步回归理性相比，机器视觉产品或方案是否存在跨行业可复制应用的能力和属性？或者更值得机器视觉企业探讨，那么，要实现这样的落地，是否有难度？难度又在何处？
“我认为机器视觉是可以实现跨行业可复制应用的能力和属性的，当然这是有难度的，难度在于不同行业之间是存在差异的，我们需要消除这种差异，就需要将差异转化成共性，将一个个具体的差异化需求，化整为零，抽象化成一个个标准模块。”马克拉伯CEO林少斌表示。
林少斌比喻道，类似家装行业，每个用户的需求是不一样的。但是每个企业之间做好分工，一部分企业专注于家具单品，一部分企业专注于风格搭配，当市面上的单品足够丰富，一位家装设计师就可以在短短的几小时内，帮助用户设计出满足用户需求的方案。
机器视觉亦然，要实现这一步，我们就需要构建一个庞大的标准软硬件库，以及构建一批专业的积木搭建师，需要整个行业上游的共同努力，做好分工，往专业化精细化发展。
对此，稳信智能负责人也表示赞同，其认为，机器视觉产品或方案具有跨行业可复制应用的能力和属性。由于机器视觉技术可以应用于各种不同的行业和领域，例如制造业、医疗保健、零售业、安防等。
实现跨行业可复制应用的难度在于，需要针对不同的行业和应用场景进行定制化开发和优化。不同行业的需求和应用场景不同，需要针对性地进行算法优化、硬件选型和系统集成等方面的工作。此外，不同行业的数据格式和标准也不同，需要进行数据格式转换和标准化处理。而实现跨行业可复制应用需要具备跨行业的技术能力和经验积累，以及针对各个行业数字化的标准制定。
中科融合创始人兼CEO王旭光博士则有另一番见解，其认为：“应用层的方案因为各个垂直行业的情况和要求不同，确实难以标准化。但是，3D视觉相机本体，与当初的2D相机一般，是必须要做标准化。这个其实很早有CCD、CMOS，然后有各种各样的技术流派进入，在某个时期也是有很多厂家参与那个领域，但最终还是能够聚拢到头部的索尼、三星这样的以标准化产品为主要销售品的企业。”
因此，王旭光博士认为，从3D工业相机这种产品形态来讲，肯定是具备了标准化趋势性的属性。追根究底，就是如何将照片拍的分辨率更高、精度更好，其实不管是对于人类还是机器人，最终都是要求图像本身的质量要好。而中科融合恰恰是致力于为这种标准的3D工业相机产品提供一个性能稳定的、具有性价比的、供应链可靠的核心芯片及产品级Turnkey方案。
图漾科技CEO费浙平也从2D视角来论证3D“标准化”和“跨行业复制”的可行性，其表示：“2D视觉行业的发展已经充分说明了这个问题，3D没有任何理由会跟2D不一样，我们认为行业规律和产业链发展一定是一样的，差别在于时间节奏快一点慢一点而已。”
费浙平分析，产业链规律就是产品能够实现一定程度的标准化和跨行业复制，方案基本不可能，方案不但不可能跨行业，即使在同一行业内也存在数量巨大的非标差异化，即使同一场景在不同时间的差异化程度、也大到可能完全无法兼容。这就意味着方案企业需要站在最终用户的产线和工艺最前端，不断演进才能不掉队，这种垂直的深度既是很高的门槛、也是跨行业的阻碍，两者是难以调和的矛盾。
产品的标准化程度相对高很多，但也需要有一个完整的产品矩阵才能满足较多行业的覆盖，单一产品的服务跨度有、但总也还是有限的，所以产品公司要在性能和价格维度上构建出一个不断细分和丰富的性价比产品矩阵。其中大概率没有一个单品可以成为爆款，但是多品类的合计总出货可以很多。另外一方面，工业产品的生命周期可以很长，所以从商业模式角度来算，财务模型也还是很健康的。其中最重要的是产品矩阵足够丰富，而这显然只能通过长时间积累才能达到，这个是最大的难度。
未来增量市场将花落何处？
不管是产品还是方案的标准化，其实都有一个关键的前提，那就是必须要找到一个足够大的下游应用市场，以及能够决定未来增量的领域。那么，在各大视觉企业眼中，当前机器视觉最大的下游市场以及未来增量市场，又将花落何处？
“机器视觉目前最大的下游应用市场之一是工业制造领域。机器视觉技术可以在工业生产线上实现自动化生产和质量控制，提高生产效率并降低成本。例如，机器视觉可以用于检测制造过程中的缺陷，如瑕疵、裂纹和异物等，以便及时发现和修复问题。检测过程中将产生海量小文件数据，需要长期保存以满足质量追溯、AI训练模型更新等要求。如何对质检数据进行有效的管理，也越来越重要。”杉岩数据联创兼COO邱尚高说道。
随着人工智能技术的不断发展，机器视觉在工业制造领域的应用前景将会更加广阔。从下游应用结构来看，目前我国机器视觉应用已在新能源、动力电池、电子、半导体、汽车、PBC等领域得到广泛应用。
杉岩数据在机器视觉领域的布局较为广泛。从技术层面来看，杉岩数据主要涉及图像识别、目标检测、人脸识别、行人重识别、自然语言处理等方向的数据管理，并在这些方向上有着较为深入的研究。此外，杉岩数据还与多家企业和机构合作，共同开展机器视觉相关项目，推动人工智能技术的应用和发展。综合来看，杉岩数据在机器视觉领域拥有较为广泛的布局。
奥普特技术总监董瑞则认为，3C电子行业是目前机器视觉最多的应用领域。
董瑞表示，奥普特在3C电子领域实现了良好的增长态势，主要得益于其产品持续向核心客户的各产品线渗透，带来更多的需求；另一方面，由于终端客户品质管控前移，模组、关键零部件生产中自动化程度提高，带来新增视觉需求。
受益蓬勃发展的新能源汽车行业，再加上头部动力电池厂商加速扩产，预计未来几年，锂电行业机器视觉市场规模有望保持高增长。而近几年，奥普特在锂电领域也实现了高速增长，一方面与行业龙头加深合作，核心客户扩产带来大量视觉需求；另一方面是新能源领域核心客户基于提升其产品安全性的考虑，产品检测需求和要求持续提升。目前，奥普特机器视觉应用已覆盖锂电池工序，尤其是在深度学习、3D视觉工序上持续增长。
稳信智能负责人认为，机器视觉目前最大的下游应用市场是工业自动化领域。在工业自动化领域，机器视觉技术可以应用于产品质量检测、生产线监控、机器人视觉等方面，可以提高生产效率和产品质量，同时促进企业信息化的发展和延申，助力企业数字化转型。
稳信智能在工业自动化领域，移动机器人以及高端AI视觉的布局情况比较好，并提供多款机器视觉控制器产品，可以满足不同应用场景的需求。
至于未来的增量市场，该负责人表示，可能会出现在智能医疗、智能物流、智能零售等领域。
