阿丘科技创始人兼CEO黄耀：AI工业视觉落地的实践与思考

以下为演讲实录：

大家好，我是阿丘科技的创始人黄耀，在我读书期间，第一次见到李竹师兄和祝总，认识了英诺天使，在回去地铁路上就收到了TS，改变了我一生的轨迹，对我人生意义非常大。

简单介绍一下自己，2017年7月份毕业于清华大学，在毕业之前创立了阿丘科技，将AI技术应用于工业自动化领域。我当时认为看起来很笨重且重复作业的场景可能是AI落地的比较适合的场景。于是贸然闯入这个领域里，尝试用AI技术去解决工业自动化领域包含的大量且重复的人眼结合场景。目前公司已超200人，聚焦关注于工业AI场景，致力打造以软件为导向的平台型公司。在过去的两三年里，我自己跑过的工厂有超过两百个，一直在思考这个行业该怎么去做？阿丘聚焦工业，做工业的特点就是要懂场景，我们目标便是做国内最懂工业的AI产品团队。

这是我们的产品，工业AI视觉软件平台。虽然国内很多人不看好软件，在国内做软件很苦逼，卖软件也很难。但在工业视觉这个领域，基础软件和标准软硬件产品多卡在日本、德国、美国手里。为此我们希望能够坚持基础软件的开发，打造一个以软件为核心的平台型公司。

刚才说到的重复人眼手的场景，拆解就是几件事，第一是生产组装，即用手装某样东西，它解决的是效率问题；第二是检测，即为控制质量，这个产品是否有问题，是否需要提前拦截；第三个是物流环节，产品搬来搬去。生产自动化、检测自动化和物流自动化，是工业视觉三大核心场景，覆盖半导体、3C、汽车等不同行业领域。但目前工业视觉在国内整体上渗透率还比较低。

工业视觉领域公司可分三个类型，第一个偏平台性，可以跨行业，受众比较广，比如康耐视、基恩士等；第二类属于垂直行业的，做某个细分领域，细分行业标准化产品，比如奥宝科技、KLA；第三个是系统集成商，非标、项目制。目前国内做系统集成的多，基础平台则是空缺。

不少人看不懂这个赛道，因为工业自动化离大家比较远。其实看两点足够：1. 产品是否能够跨场景，是否能够跨行业，这决定它的天花板；2. 看实施交付模型，是研发交付还是技术支持交付，甚至开箱即用。

过去几年，我们把AI软件在工业场景中的应用，做到了产品与流程的相对标准化。站在今天的视角回顾，我们经历了四个阶段：第一个阶段2016年10月到2018年6月，这个又可以拆成两部分，其一2016年10月到2017年10月，我们做了一个AI算法包（SDK），其二，2017年接触客户后，发现算法SDK在行业难以用起来，我们研究了把算法SDK使用起来的流程，并做了一些软件工具，这样才产生了AIDI。同时当时也在思考工业数据的特点，从通用AI转向思考工业数据AI该怎么做，这是核心的转变。

第二个阶段，是从2018年7月到2019年2月，我们勉勉强强将AIDI真正落地到第一个客户，这段时间比较煎熬，总感觉要落地了却有各种问题。第三个阶段，2019年2月份到7月份，我们接触了3C行业标杆客户，经过大客户比较复杂场景的历练，产品的标准化程度上了一个新台阶。于是2019年下半年就迈入了第四个阶段，AIDI产品标准化，以及开始组建团队往不同场景去应用推广。工业场景软件产品标准化，是比较困难的，我们在这个领域做了三年多，才真正把一款产品打造到相对标准。2020年我们又发布了AIDI 2.0版本，AI软件真正逐步完善。

从上面的经历可以看到，我们从算法SDK，到AIDI软件产品原型，到工业落地迭代打磨，再到最后形成AI落地的方法论，至此，我们才真正意义上将AI落地工业检测。

在工业视觉领域，公司需要有应用场景抽象和技术平台构建两大核心能力。工业场景很大，但很碎片化，我们需要学会合并同类项，对市场形成点线面的思考方式。其次是算法，可分为项目级、产品级和平台级。美国康耐视构建的就是平台级的算法，平台级的算法很困难，没有大家想象的那么简单。

最后总结一下，我个人认为中国拥有着全球种类最多且最大的制造业产业链，比如手机产业链、新能源汽车产业链等。其次，中国有非常好的工程师红利，包括AI工程师、软件工程师以及自动化集成工程师。最后一点我认为也很关键，这两年我发现越来越多的名校人才涌入工业实体领域，且不少都比较务实。我觉得新一代创业者对新技术的拥抱，对创新打法的理解，会给这些行业带来惊喜。AI对场景、对数据比较依赖，工业AI必然在离场景越近的地方越容易出现，这是天然的中国公司的机会。