news,

开发机器视觉的工具性软件,「SIGAI」已落地物流场景中物体计数等任务

SIGAI (张量无限) SIGAI (张量无限) Follow Jul 23, 2020 · 1 min read
开发机器视觉的工具性软件,「SIGAI」已落地物流场景中物体计数等任务

根据《中国人工智能发展报告》的数据,机器视觉技术在国内外人工智能企业应用技术中占比最高,超过40%。近年来,深度学习技术的不断发展极大地提升了机器视觉领域主要算法的精度,使得机器视觉技术快速向产业落地,帮助人类完成各种视觉感知任务。

国内科技公司在机器视觉方向的研究已经具备一定基础,例如商汤、旷视等头部公司目前都拥有较完整、丰富的产品结构;百度、华为等巨头公司也有像AI Studio、ModelArts这样的算法平台。但总体来看,这些公司更关注基础算法的开发,在技术与产业结合方面,由于缺乏一定的行业经验和人才资源,使其与产业客户还有一定距离。

一些新兴的科技公司看到机会,逐渐从垂直方向切入行业。之前关注度最高的是安防监控领域,但由于项目定制属性太强,加上海康威视等巨头企业的存在,人工智能企业在这一领域并没有大的建树。而机器视觉在工业领域的应用则集中在缺陷检测、分拣、定位与抓取等问题上,通常垂直扎根于某一个行业。

从产品形态和商业模式上看,国内大部分人工智能初创公司选择成为垂直领域的算法提供商或整体解决方案提供商;而另一部分,比如下文要介绍的SIGAI,则是选择了轻资产的模式,通过开发基于机器视觉的工具性软件,帮助用户实现计数、测量等任务。

SIGAI(公司全称“北京张量无限科技有限公司”)成立于2018年2月,公司将机器视觉的典型实际应用问题进行标准化,以机器视觉库的形式用标准化的算法服务于各个行业。当前将落地领域定位在物流行业,主要包括大宗商品运输环节中的计数、测量等问题。产品在2020年上半年推向市场,通过标准化的形式服务客户。

选择这样的发展路径和商业模式,SIGAI创始人雷明认为主要有两点原因:

  1. 公司希望用能够达到实用要求的算法解决客户刚需。尽管国内很多传统行业客户急需引入新技术替代人工、降本增效,但其实行业普遍缺乏人才支持,大部分企业自身研发能力较弱,而且对于一些较为复杂、先进的产品经常出现操作困难的问题。因此,创始人雷明认为,这些科技公司的竞争壁垒并不在技术开发上,而是在落地能力上,例如产品是否适配业务场景、是否具备良好的稳定性、易用性。因此,SIGAI通过开发工具性软件,一方面产品具备较好的行业通用性,便于后期的大规模复制;另一方面,用户无需掌握编程能力就能使用系统,部署方便、易用性较强。
  2. SIGAI的产品目前主要面向物流领域,后期将逐渐向其他行业扩展。创始人雷明表示,国内物流行业当前自动化程度较低,具备丰富的替代人力场景,例如有些港口可以给负责计数的工人开出近万元月薪,一旦实现智能化部署,现场工作效率和准确率将大幅提升、用工成本大幅下降。除了物流行业之外,SIGAI正在渗透基建行业,该领域大多是国企、央企等付费能力较强的客户,对于机器替代人力的意愿也比较强。

SIGAI的产品尚处于不断迭代的阶段,为了进一步提升通用性、易用性,公司计划开发出多种产品形态,包括Saas、标准化的软硬件一体产品等。除了直接对接B端用户,SIGAI也在与集成商合作,成为行业解决方案的一部分。公司目前已接触到的用户普遍投资回报周期在1-2年之内。此外,公司同时在扩展北美、南美等海外市场,同样落地在物流行业,实现机器替代人力。预计2020年营收将达千万元。

SIGAI近日已完成千万元级别的Pre-A轮融资,由创势资本领投,产业投资人跟投。此次融资后,公司将继续升级产品、拓展市场,获取行业标杆客户。SIGAI团队规模约20人,核心成员是计算机、机器视觉等相关领域的专家。创始人雷明毕业于清华大学计算机系,是连续创业者。毕业后曾就职于百度,后任zmodo/meshare的CTO和技术合伙人,有成功的创业经验,在人工智能领域有较丰富的技术及行业经验。

Source: 36Kr

Join Newsletter
Get the latest news right in your inbox. We never spam!
Written by SIGAI (张量无限) Follow
为时代打上AI的印记:让AI所见即所得,广泛落地运用于传统行业