机器视觉的产业化演进：半导体打开想象空间

 　  在人工智能技术大规模渗透到日常生活的同时，在工业领域，尤其是占据庞大市场的手机制造环节，正吸引越来越多机器视觉类公司的目光。

近日，在接受记者采访时，多位机器视觉公司创始人表示，安防领域的应用已经涌现诸多独角兽，工业场景尤其在质量检测环节，正成为下一个被瞄准的方向。尤其在粤港澳大湾区背景下，珠三角发达的制造业与集中在此的产学研能力正加快融合。

尤其国家近年对半导体行业的大力支持下，部分机器视觉类公司“瞄上”半导体封装等环节，正着手对此进行下一步的技术突破。

　　工业检测土壤

从计算机视觉领域来看，其产业化落地的步伐最先从与人相关开始。

10月25日，IDC中国高级研究经理卢言霞向记者分析道，在目前相对成熟的应用市场中，安防中细分的软件供应模块、静态人脸识别、公共区域的门禁等方面属较快增长领域；但细分到动态面部识别、比如抓拍时，仍需要一定时间迭代。此外在智慧交通领域，由城市拥堵引发的需求导致过去1-2年规模较大。

从2018年开始，手机终端和互联网端的具体应用场景开始成为显著增长点，后者包括智能建房、3D试衣等场景。“接下来在阿里、京东和其他创新公司的推动之下，预计2018-2019年新零售的AI应用场景成为下一个热点。此外医疗影像识别、自动驾驶等市场空间也很大。”

反观机器视觉领域，卢言霞认为，从宏观来看其整体算法和应用落地尚且未到大规模爆发阶段。这最首先便是与自动化程度相关。

“计算机视觉模型的建立，需要大量数据资源，从目前国内制造业整体来看，联网程度尚不足够。但在工业应用场景中，对于AI算法的精度要求很高，否则会带来安全隐患。”她表示，因此整体看来，国内应用在制造场景的机器视觉爆发，与工业互联网推进程度强相关，或将需要2-5年时间逐步酝酿。

卢言霞分析道，制造行业差别很大，有自己的行业规则，也需要很深的行业理解。“据我了解目前运用在工业制造领域，真实场景下平均精准度大概在80%-90%，个别理想状态可以达到98%-99%。但更多应该还是在采集数据和训练模型阶段。因此目前会被用在对质量和精度要求没那么高的产品制造中。”

当然珠三角的优势在于，制造业场景丰富，且推动智能制造发展的相关新型工厂正逐步在政策支持下建设起来。这也是在大湾区正涌现一批聚焦机器视觉技术落地公司的背景所在，其中手机产业链由于庞大的市场空间最受关注。

10月19日，高视科技董事长姜涌向21世纪经济报道记者表示，工业自动化分两大领域，第一是工业生产设备，第二是工业检测设备。高视科技聚焦的正是后者。“第二个领域意味着生产自动化基本完成，这样的公司产量很大、实力很强，是很好的基础。而手机相关领域就是基数很大，迭代性强的代表行业，且利润度非常好。”

在检测设备中运用机器视觉的诉求迫切，更与人体检测成本过高有关。从趋势来看，手机产业链中电池、盖板、屏幕等环节被优先关注。

“举个例子，2017年需要40万工人检测屏幕，但屏幕检测对人眼伤害比较大，且伤害不可修复。因此这个场景中，机器换人是趋势。”姜涌解释道，而中国的手机屏幕产能占全世界比例的50%，电池所占比例达到近70%。

品图视觉科技则专注在手机盖板瑕疵检测方面。公司创始人兼CEO刘颖告诉21世纪经济报道记者，该领域检测的行业规模约在196亿人民币。

　半导体封装机遇

不约而同地，上述高管均向记者表达了对半导体行业参与度的热情。这与政策支持相关，另外从技术角度，也意味着面向更高阶的比拼。

“我们的研发会继续朝着有挑战、有高技术壁垒的方向走，目前实际落地当然要考虑到赚钱和容易落地的问题，比如钮扣、电池检测等。但我们比较看好半导体行业。”刘颖向记者表示。

姜涌也指出，对半导体封装阶段的检测是公司关注的方向，并已着手布局，虽然在国内工业制造过程中，半导体封装尚未是主流市场，目前还没到“爆点”，但“在政府政策支持下，或许1-2年后会开始带来机会。我们会提前布局，因为现在的技术从布局到成熟可能还要一年，我们希望在一年之后能赶上这个时候。”

刘颖则进一步解释道，“半导体是周期很长、要求极高的产业，我们当然轻易不敢进入，对半导体的检测也不是某一家公司可以轻易做到，未来我们将考虑寻求合作方一起介入。”

在政策支持下，国内半导体行业今年迎来新一轮热度，产业收并购热情也不断走高。但相比国内十分成熟的手机产业链，半导体封装领域实则发展缓慢，这类机器视觉公司仍有很长一段路要走。

刘颖清楚意识到，无论从精密度、光学部件配置等方面，都要达到纳米级水准。这需要的将不止软件，还有机器乃至于电控方面都要匹配。

“要配合精密度更高的半导体封装，光学、视觉算法等是核心。”姜涌也表示，为此，机器视觉公司的迭代，也将是以“一代设备”为单位，而非只是“一批设备”。

不过，目前AI人才稀缺是普遍性难题。大湾区的产学研联动固然可以带来较好的基础资源，但同时需要警惕行业认知度问题。

比如刘颖向记者提出，“实际上真正的AI人才很少，只不过这个行业现在比较好，又有一些现成的开放性资源，有时会给年轻人带来错觉，以为拿几张照片训练获得结果，就是懂得AI算法，但AI研究本身的结构、资源、数据配备，其实很有讲究。所以真正精通的人才仍然紧缺。另外是GPU等硬件，目前仍是运用国外的产品居多。”

不过她很有信心，“只要有这个行业在，有这个气氛，倒不是特别担心。只不过需考虑清楚，着力点要放在哪里，而不要说只是看到这个行业很热。”