在資本市場，AI可以說是近幾年最熱的一個概念。然而，在經歷了技術和資本的熱潮之後，AI如何真正實現商業落地，業界一直沒能給出讓人滿意的答案。機器視覺作為AI的一個重要細分領域，也需要解答商業落地這個命題。

在資料猿看來，機器視覺廠商可以分為兩類：一類是AI+行業，以AI技術出發，探索技術在各個行業中的應用落地，商湯、曠視、雲從、依圖是這類廠商的典型代表；另一類是行業+AI，本身就有行業屬性，再加上AI技術，即將在科創板上市的凌雲光（股票程式碼：688400）是這類廠商的典型代表。

如果說技術和資本看重的是性感的故事，那麼商業化落地看重的則是營收、淨利潤這類實際的財務指標。

相較於“CV四小龍”，凌雲光的知名度雖沒那麼大，但從實際的營收和利潤情況來看，其表現可以說相當亮眼。2021年，凌雲光的營收已經達到了24億元，近三年營收的年化增長率（CAGR）為30。9%。我們將凌雲光和“CV四小龍”中已經上市的商湯科技（港股）和雲從科技（科創板）做個對比，商湯的營收最高，其次是凌雲光。2021年，商湯營收是凌雲光的近兩倍，凌雲光的營收是雲從科技的2。4倍。從營收增速來看，2020年，凌雲光營收增速要高於商湯和雲從；2021年，三家的營收增速比較接近，凌雲光略微高於商湯，比雲從低幾個百分點。

商湯、雲從、凌雲光營收對比 資料來源：財報、招股說明書

除了營收外，淨利潤也是體現公司商業應用情況的一個關鍵財務指標。由於行業發展特性，近年來很多機器視覺廠商暫未走出虧損困境。據公告，凌雲光近三年實現了持續盈利，淨利潤年均增速（CAGR）達到62%，超過營收CAGR的一倍。2021年淨利潤2。1億元（剔除股份支付），淨利率8。75%。

從實際的財務指標看，凌雲光的商業落地無疑是比較成功的。在AI行業普遍虧損的情況下，凌雲光為什麼能實現持續盈利，並且淨利潤能以62%的年均增速不斷成長，是一個值得深挖的課題，這也許有助於回答機器視覺乃至AI廠商如何更好的商業落地這個問題。

懂客戶、陪著客戶一起進步，是更高階的行業Know-how

在AI應用落地過程中，普遍遇到的一個問題，就是AI廠商對客戶業務的理解程度不夠。行業客戶尤其是中大型行業客戶，其業務的複雜度本身就比較高，要真正理解客戶業務，對AI廠商提出了很高的要求。

從凌雲光的實踐看，要讓AI真正在客戶業務場景中應用落地，AI廠商要努力像客戶自身一樣瞭解其業務。以高階智慧手機客戶為例：凌雲光團隊要能夠理解高階智慧手機，瞭解一部手機的幾乎所有零部件，掌握每個零部件的功能/效能指標與生產工藝。只有充分了解高階智慧手機是如何設計、製造出來的，才能將機器視覺技術與產品更好地嵌入手機的相應生產流程。

能夠做到行業Know-how已屬不易，但僅做到這一點還不夠，還需要更進一步。客戶的業務並不是一成不變的，以高階智慧手機為例，每一代手機都不一樣，零部件、生產流程都會發生改變。作為技術服務方的AI廠商，就需要隨需應變，跟上客戶的腳步。而且，要以更先進的技術，去支撐客戶的業務演進。某種程度上，AI廠商和客戶組成了一個“共生體”，AI廠商的技術產品是跟客戶業務共同演進、相互帶動的。凌雲光的經驗表明，為了更好服務客戶，AI廠商不僅要了解客戶目前的業務情況，還需要掌握其整個的業務演進歷史，並預測客戶業務調整的方向和節奏，這是更高階的行業Know-how。

當然，越困難的事情就越有價值。真正做到行業Know-how的AI廠商，才能贏得客戶的青睞。

要做到這一點，不僅需要過硬的技術實力，合適的市場機遇也不可或缺。要在合適的時機，切入客戶的業務環節，然後才能搭上這輛高速行駛的“列車”。凌雲光切入高階智慧手機產業鏈，就是一個典型案例。

凌雲光之所以能被蘋果、工業富聯等多家優質客戶選中，首先得益於其過硬的技術能力。

在科技領域，國家科學技術進步獎和國家技術發明獎可以說是兩塊金字招牌，代表了行業的頂尖水平。科創板的上市標準中，尤其關注國家科技進步獎和國家技術發明獎。在《上海證券交易所科創板企業發行上市申報及推薦暫行規定（2021年4月修訂）》檔案中，第六（二）條規定明確指出，支援和鼓勵“作為主要參與單位或者核心技術人員作為主要參與人員，獲得國家自然科學獎、國家科技進步獎、國家技術發明獎，並將相關技術運用於主營業務”的企業上市，對這類企業登陸科創板甚至可以適當放寬財務標準。

凌雲光先後獲得一次國家技術發明一等獎、兩次國家科技進步二等獎。其中，凌雲光創始人楊藝參與的“立體影片重建與顯示技術及裝置”專案於2012年獲國家技術發明一等獎；凌雲光作為主要單位參與的“新一代立體視覺關鍵技術及產業化”專案於2016年獲國家科學技術進步二等獎，“編碼攝像關鍵技術及應用”專案於2019年獲國家科學技術進步二等獎。

此外，凌雲光還作為牽頭單位承擔科學技術部國家重大科學儀器裝置開發專項“微米級高速視覺質量檢測儀開發和應用”專案，獨立承擔發改委“面向3C產品智慧製造的智慧相機產業化專案”，自主開發了解析度從200萬到2，000萬畫素的智慧相機、智慧處理裝置，實現了國產智慧相機核心演算法、器件等技術平臺的產業化。正是因為這些技術積累，凌雲光獲得了蘋果公司、工業富聯的認可，並順利透過其供應商認證。

梳理通用業務流程、打造底層技術平臺，為實現快速的行業拓展奠定基礎

機器視覺技術產品在進行商業落地過程中，需要應用到不同行業的具體業務場景當中。然而，不同行業的業務千差萬別，帶有鮮明的行業屬性。為一個行業定製的機器視覺解決方案，用到另一個行業可能就會“水土不服”。

某種程度上，機器視覺解決方案要與特定行業的業務進行高度“耦合”，基於行業特性定製解決方案。這就需要解決兩個問題：

一方面，客戶需求是個性化的，但機器視覺廠商要想獲得更好的發展，就要著力打造標準化的產品和平臺。標準化的產品平臺，才能更快實現規模化的業務擴充套件。而且，標準化產品的邊際成本更低，可以透過規模效應來改善利潤情況。如果長期陷入專案定製化的泥潭，機器視覺廠商的業務拓展會比較緩慢，而且營收規模的擴張並不能明顯地改善利潤情況，這也是目前大量機器視覺廠商陷入虧損泥潭的重要原因。因而，機器視覺廠商必須要找到一個方法，來實現不同行業客戶個性化需求和自身標準化技術產品體系之間的平衡。理想的情況是，基於標準化的技術產品，實現產品功能的“模組化”，然後透過不同產品的“組裝”快速形成行業解決方案，低成本的滿足客戶的個性化需求，實現規模效應。

另一方面，作為技術服務供應商的機器視覺廠商，需要具備很強的行業業務理解能力，並把客戶的需求快速對應到自身的技術產品體系，構建滿足客戶業務需求的機器視覺解決方案。這對機器視覺團隊提出了很高的要求，不僅要有強大的技術產品團隊，還要有能夠理解不同行業客戶需求的售前、實施、售後、運營等服務團隊。

如何解決產品標準化和行業需求個性化之間的矛盾，是機器視覺廠商普遍面臨的問題。只有很好地解決以上兩方面的問題，才有可能實現快速的行業拓展，將自身優勢技術產品，應用於多個行業領域。

那麼，凌雲光是怎麼解決這個棘手的問題呢？

凌雲光的做法是，一手抓行業共性業務流程的梳理，一手抓通用技術平臺的構建，並將通用機器視覺平臺與行業客戶的共性業務流程結合起來，低成本的滿足多行業客戶需求。

工業雖然有很多細分領域，但是在工業生產流程當中，其實有很多共性的業務環節。凌雲光團隊經過不斷的探索，從大量的行業客戶服務專案中，抽象出了一整套通用的業務流程。具體來看，可以分為三類共性的業務流程，分別是生產流、質量流、物流。

生產流，在底座組裝、手機組裝產線、PCB裝配等生產流當中，機器視覺產品的作用是實現生產智慧化，提升產線自動化和智慧化水平，實現智慧化生產工藝管理、裝置管理、產能管理，在精度、效率、可靠性、柔性等方面賦能生產流程；

質量流，用機器視覺產品對零部件、裝置進行測量和檢測，比如裝配檢測、尺寸檢測、零件檢測等。透過建立科學可度量數字化質量標準、關鍵製程過程質量控制與最佳化等方式，實現質量流業務的檢測智慧化；

物流，透過二維碼物流追溯、目標識別等技術，實現物料及產品全流程追溯與管理智慧化，提供生產與經營管理智慧化建議與輔助決策。

工業製造共性業務流程梳理 資料來源：凌雲光

在上述不同業務流程當中，又可以進一步抽象出識別、測量、檢測、定位等核心技術。凌雲光著力打造通用性的技術平臺，提供標準化的技術產品，並實現技術、產品的“模組化”。

有了這樣一個通用機器視覺平臺和業務流程體系，當服務新行業客戶的時候，凌雲光就可以將客戶複雜的業務需求，解構為多個業務流程。基於通用機器視覺平臺，加上部分定製開發，就能夠形成一個滿足客戶需求的完整行業解決方案。

此外，凌雲光在長期的行業客戶服務實踐當中，培養了一個能夠快速理解行業需求，並能快速形成針對性解決方案的工程師團隊。即使面對全新的行業領域，這個團隊依然可以快速完成業務和需求梳理，把握核心訴求，推動解決方案的應用落地。

業務流程體系、通用機器視覺平臺、實踐經驗豐富的工程師團隊，是凌雲光實現行業拓展的“三板斧”。正是藉助這些能力的積累，凌雲光才可以將消費電子、顯示屏、印刷等行業的優勢，快速拓展到鋰電、光伏、軌道交通、輕工紡織、生物醫療、食品製造、互動娛樂等行業領域。

只有AI演算法還遠遠不夠，要構建“光、機、電、算、軟”一體化作戰能力

如果將機器視覺技術的行業落地視為一場比賽，那麼掌握行業Know-how，只是拿到了“參賽資格”。要想在這場比賽中拿到好的名次，還需要具備一系列的能力。

某種程度上，在AI領域似乎盛行演算法崇拜，尤其是深度學習演算法崇拜。評價各個AI廠商技術能力的核心標準，就在於其演算法模型的精度是99%還是99。9%。彷彿只要模型精度足夠高，就萬事大吉了。

從實踐來看，演算法模型很重要，但要實現AI的商業化落地，單靠演算法模型是遠遠不夠的。客戶要的是能夠滿足其需求的完整解決方案，而不是某個孤立的演算法模型。

一個完備的機器視覺解決方案，需要具備三個層次的技術產品能力，分別是演算法層、軟體層和軟硬體系統層。

1、演算法層

誠然，深度學習是此次AI技術創新的核心。在機器視覺領域，常見的人臉識別就是基於深度學習技術來提高識別準確率。但是，深度學習更多應用於人臉識別、語音識別等C端場景。在B端場景中，機器學習技術應用得更加普遍。

據統計，在工業應用領域，深度學習算法佔比僅有15%，機器學習算法佔比85%。即使將來深度學習演算法的應用佔比進一步提升，也很難超過30%。因而，打磨機器學習演算法，對於推動機器視覺在工業場景中的應用落地，意義重大。

工業機器視覺領域深度學習演算法和機器學習演算法的應用佔比 資料來源：凌雲光、資料猿

機器學習和深度學習對訓練資料集的依賴程度有較大差別：深度學習更依賴訓練資料集來提升模型準確率，而機器學習更側重於數學能力，即把物理應用場景的業務需求抽象成數學問題的能力。

凌雲光針對深度學習和機器學習演算法，採取不同的研發策略：深度學習領域，最佳化演算法模型的同時，在消費電子、新型顯示、印刷包裝、新能源等行業，基於豐富的行業實踐與資料訓練不斷完善AI演算法平臺。比如，在顯示面板領域，凌雲光基於紮根行業逾15年、累計檢測30多億片手機螢幕的資料訓練，使得AI演算法能夠對產品進行智慧識別、標識、分類與復判，確保檢測準確率超過98%，大幅優於人工檢測的誤判率和漏判率。在機器學習領域，則不追求統一的大模型，而是針對不同場景研發個性化模型，以專用數學公式解決具體的問題。除了常見的深度學習、機器學習演算法，還需要針對不同的應用場景，研發個性化AI演算法。

AI演算法要實際應用，除了準確度、魯棒性要達標外，演算法模型的反應速度也很關鍵。例如，在一些定位、追溯應用場景中，要求演算法在幾毫秒內給出識別結果。在識別速度方面，一些機器學習演算法比深度學習演算法更有優勢。

如果把工業場景的AI應用視為一場城市爭奪戰役，深度學習演算法模型相當於大炮，是重武器。大炮很有用，但單靠大炮拿下一座城市是不經濟的；而機器學習演算法相當於AK47機槍，在“城市巷戰”中打擊敵人會更加靈活，價效比更高。因而，綜合應用深度學習+機器學習，才能更好滿足多樣化業務場景中對AI演算法的需求。

2、軟體層

從凌雲光的實踐來看，機器視覺系統要很好滿足客戶的業務需求，需要做到“眼睛明亮、腦子聰明、胳膊強壯”。前端的機器視覺演算法，只是做到了“眼睛明亮”。要想“腦子聰明”，還需要智慧工業軟體、工業網際網路、知識圖譜等技術的配合。

為此，凌雲光成立了“知識理性研究院”，開展工業人工智慧大資料平臺、大資料與認知圖譜等技術研究。

依據工信部發布的《工業網際網路創新發展行動計劃（2021-2023年）》，政府鼓勵大型企業加大5G、大資料、人工智慧等數字化技術應用力度，全面提升研發設計、工藝模擬、生產製造、裝置管理、產品檢測等智慧化水平，實現全流程動態最佳化和精準決策。

無論是工業網際網路還是智慧製造、工業4。0、柔性製造，核心都在於生產流程的數字化、智慧化升級。凌雲光的做法是，透過機器視覺系統實現客戶產品的科學度量，將物理指標資料化，為後續的資料智慧分析奠定基礎。接下來，透過質量資料管理系統，幫助客戶實時記錄和監控產品重要工序的質量狀態，並透過對質量資料的分析實現管理最佳化。進一步的，可以結合工藝資料管理系統，透過大資料探勘和認知圖譜等技術釋放資料價值，發現流程上的薄弱環節，提升生產效率。

3、軟硬體系統層

一個完整的機器視覺解決方案，僅有演算法和軟體還不夠，而是需要涵蓋“光、機、電、算、軟”五個方面。

創業型AI廠商，往往以演算法見長，大資料、工業智慧軟體能力不足，在“光、機、電”領域的積累就更加匱乏，這是導致其商業落地難題的重要因素。只有補齊“光、機、電”三個環節，並構建軟硬一體化解決方案，才能真正推動機器視覺的應用落地。

在商業應用落地方面，凌雲光的一個核心競爭力就是構建起了“光、機、電、算、軟”一體化解決方案。

凌雲光推出了可配置視覺系統和智慧視覺裝備，兩類產品密切配合，可以覆蓋整個生產流程的前道工序（來料檢）、中道工序（識別、定位、檢測）、後道工序（完工檢）：可配置視覺系統產品主要應用於生產環節的中道工序，實現生產過程中的識別、對位、測量、檢測功能；智慧視覺裝備一般應用於各生產環節的前道工序（來料檢）或後道工序（完工檢），對生產出來的產品（含零部件）進行質量達標檢測。

智慧視覺裝備除了“眼睛”和“大腦”還做了“四肢”，具體包括光源、相機鏡頭、自動化工作臺、PLC控制器、I/O卡、機械手臂、裝置駕駛艙等部件。值得一提的是，在光源和相機兩個核心零部件上，凌雲光實現了部分自研，這構成了一個重要的競爭壁壘。

智慧視覺裝備架構示意圖 資料來源：凌雲光招股說明

此外，“光、機、電、算、軟”是一個有機的整體，各個環節的密切配合，對提升整個系統的效能有重要作用。要實現這個目標，需要在光學成像技術、照明技術、演算法技術、軟體技術、自動化技術、AI演算法、大資料技術、工業智慧軟體技術等領域都有長期的積累，並實現不同技術的融合發展。

凌雲光的技術層級 資料來源：凌雲光招股說明

例如，在鐳射技術與AI演算法融合方面，凌雲光為鐳射加工研發了各種毛刺切割引導演算法，可大幅提升皮革等柔性產品的切割穩定性和精度。透過“視覺飛拍”、“3D成像與檢測”和“深度學習”等技術，可將產線的生產效率從10秒線提升至5秒線，組裝精度從0。05mm逐步提升至0。02mm。

總之，機器視覺技術產品的商業應用落地，考驗的是“光、機、電、算、軟”的體系化作戰能力，而不是僅僅依靠演算法來實現“單兵突破”。

機器視覺的市場滲透率尚低、未來市場空間足夠大，應該進行“價值戰”而不是“價格戰”

目前，機器視覺市場還處於商業化早期階段，市場空間足夠大，可以容納各類廠商。

據中國機器視覺產業聯盟統計，預計2021年至2023年，中國機器視覺行業的市場規模將以28%的複合增長率增長，至2025年市場規模將達393億元。

中國機器視覺市場規模 資料來源：中國機器視覺產業聯盟

目前中國機器視覺的市場滲透率還不高，主要表現在兩個方面：一方面，還有大量的企業沒有采購機器視覺產品；另一方面，那些已經採購了視覺系統的企業，也並沒有完全滿足需求，比如企業本身需要10臺機器視覺裝置，但目前只部署了2臺。假設有15%的企業使用了機器視覺產品，而這些企業只滿足了30%的需求，那機器視覺的綜合市場滲透率就只有15%*30%=4。5%，還有巨大的發展空間。

放眼全球，機器視覺市場空間更大。全球市場的企業數量是中國的幾倍，同時歐美國家機器視覺的市場滲透率又是中國的幾倍。據MarketsandMarkets統計，2015-2020年，全球機器視覺器件市場以13。83%的複合增長率增長，2020年市場規模達107億美元；預計2025年市場規模將達147億美元。

全球機器視覺市場規模 資料來源：MarketsandMarkets

如果單看視覺器件和可配置視覺系統，市場規模可達數百億元；如果算上智慧視覺裝備，則市場規模可達數千億元。

根據中國機器視覺產業聯盟統計，電子、電氣是機器視覺最重要的應用領域，其次是半導體。以光伏、鋰電池為代表的新能源，以及智慧電動汽車領域，市場佔比還較小。

2020年中國機器視覺行業下游應用佔比資料來源：中國機器視覺產業聯盟

然而，新能源和新能源汽車是兩個高速增長、規模巨大的藍海市場，其對機器視覺的需求將呈現爆發式增長。

以新能源汽車為例，依據中汽協的資料，預計未來五年中國新能源汽車銷量年均增速40%以上。一輛新能源汽車上有大量的ECU、DCU、感測器、功率電子等電子元器件，汽車零部件數量大大高於智慧手機。在汽車零部件、整機的生產過程中，對機器視覺系統和裝置有大量的需求。同樣的，新能源領域的光伏、鋰電池未來五年平均增速很可能都將在40%以上，這也是一個亟待滿足的巨大市場。

本質上，機器視覺是一項賦能技術，透過推動其他行業的數字化、智慧化升級來實現價值增值。從這個角度來看，以機器視覺為基礎的工業智慧應用市場空間可達上萬億元。

2021年，我國製造業創造的GDP為31。38萬億元（4。86萬億美元）。如果透過數字化、智慧化升級，將我國製造業附加值提升30%，則每年就可以創造出9萬億的市場增量。這部分價值，作為智慧製造核心引擎之一的機器視覺廠商，即使只分得總價值增量的10%，也將是9000億元的大蛋糕。

如果再算上金融、政務、零售、醫療等其他行業，廣義的機器視覺（除了核心視覺應用外，還涵蓋智慧軟體、核心零部件和整機系統）市場規模可達上萬億元。

目前，頭部機器視覺廠商的營收規模都在幾十億元量級，跟龐大的市場規模相比，還有巨大的發展空間。因而，機器視覺還是一個藍海市場，而且是一片“汪洋大海”。雖然機器視覺領域已經湧現了大量廠商，但整個市場並不擁擠。

紅海市場才需要價格戰，藍海市場更需要“價值戰”。機器視覺廠商要想更好滿足客戶需求，還有大量的問題需要解決，除了不斷提升深度學習、機器學習模型的精度、魯棒性和效率外，光學成像、智慧相機、晶片、自動化裝置、深度感知、知識圖譜、資料探勘、工業網際網路等多個領域都還有很大的進步空間，需要大量的技術、產品和應用創新。與其盯著競爭對手，不如將注意力放在客戶身上，將真正解決客戶問題、更好滿足客戶需求作為目標。只要能夠真正解決客戶的問題，為客戶創造價值，客戶是願意付費的，機器視覺廠商也有足夠的利潤來投入研發和市場拓展，整個機器視覺市場也才能形成正向迴圈。不然，如果僅以價格戰取勝，不僅不能真正解決客戶問題，還會擾亂機器視覺市場的發展秩序，最終對行業造成傷害。

目前，國內成立了機器視覺產業聯盟（CMVU），該聯盟透過制定行業公約、標準以及人才培養的方式，來推動行業的健康發展。加強機器視覺行業標準的制定具有重要價值，通用性的行業標準有助於不同廠商之間產品的融合對接，避免由於視覺廠商各自為戰導致的市場割裂。有了統一的行業標準，即使產業鏈上下游的不同企業、同一企業的不同業務環節採購了不同機器視覺廠商的產品，依然可以實現順暢的資料流、業務流、價值流。此外，有了統一的測評標準，可以更客觀的評價機器視覺產品的優劣，讓市場實現良幣驅逐劣幣。

總結來看，凌雲光成功商業化的“密碼”：首先，要懂客戶業務，具備行業Know-how的能力，並能以自身機器視覺技術去支撐客戶的業務演進，滿足客戶動態變動的業務需求。尤其是要吃透行業頭部客戶的業務需求，頭部客戶往往代表最高的技術要求、最全面系統的業務需求，服務好頭部客戶，對拓展整個行業市場都有重要價值；然後，要圍繞客戶需求，構建涵蓋“光、機、電、算、軟”五個方面的一體化解決方案。單單只是AI演算法是不夠的，還需要智慧軟體、大資料、知識圖譜、光學成像、自動化控制等一系列技術的配合。客戶不僅需要明亮的眼睛，還需要聰明的大腦和強壯的肢體。

行業Know-how和體系化作戰能力，是攻克AI商業應用落地這個堡壘的必殺技。同時，只要能夠真正解決客戶問題，機器視覺市場空間是非常大的，視覺廠商完全可以良性競爭，既競爭又合作，共同推動行業的健康有序發展。

文：月滿西樓 / 資料猿