AI+智能制造，躬身入局是最重要的一步

一群名校硕博毕业生，正在工厂当学徒。

作者 | 木南

编辑 | 栗子

做AI公司，最重要的是什么？

六年前的答案或许是“算法”，今天的答案，则是“落地”。

在AI的众多技术分支中，计算机视觉是颇为重要的一环。以“AI四小龙”为代表的计算机视觉企业一度成为万众瞩目的商业明星。不过，在这些AI公司的头顶，始终有一朵难以甩开的乌云——落地难。

有过硬的技术固然重要，但能否找到合适的落地场景，很大程度上决定了一家AI公司能否长久生存。

在众多场景中，城市治理和智能制造是计算机视觉技术落地的两大关键场景，但这两大场景之下，还存在着许多极其垂直的细分场景，而要解决这些场景的痛点，只靠算法远远不够。

“如今算法红利已经消退，如果要继续深入场景做产品，就要面对场景中各种各样的问题和需求。”第六镜科技创始人&CEO刘闯表示。

刘闯是谁？

2014年，还在西北工业大学读大三的刘闯萌生了创业的想法，便拉着两个同学创办了第六镜科技。如今，成立八年的第六镜科技已经成为为数不多能够盈利的AI公司之一，形成了“AI+城市治理”与“AI+智能制造”两大核心业务板块。

相比其他AI企业，第六镜科技颇为“接地气”——刘闯带领团队一头扎进城市角落和工厂产线，以一线场景和场景管理者的真实需求为指引，趟出了一条标准化的落地方式。

本文，「甲子光年」对话刘闯，聊了聊他关于技术与场景的理解。

1.走标准化的路

甲子光年：年关将至，今年很多企业都感觉很难，你们自身的感受如何？

刘闯：今年相对还是比较困难的，困难主要来源于一些不可抗力因素。

比如“AI+智能制造”板块很多业务都是和工厂合作，供应链或客户的现场情况变化可能导致整个产线停工，这对于流程型生产制造企业影响巨大。所以今年我们整个团队也在不停根据前台的变化，做一些力所能及的调整和创新。

不过虽然比较难，但公司今年还是有一些代表性成果的。

一方面，在“AI+智能制造”板块，我们过去承接的一些从0到1的项目和课题都顺利收尾了；另一方面，我们在有限条件内，顺利地对这些项目和课题做了一些产品化、标准化的优化和提升，为明年大环境好转后我们能更好地拓展市场做准备。

甲子光年：第六镜科技最初是算法起家，为什么会在2018年开始转型做硬件？

刘闯：我们主要有两大业务内容—— “AI+城市治理”和 “AI+智能制造”。

“AI+城市治理”板块我们做得比较早，当时承接一个城市中的场景，我们发现单单靠算法和软件提供服务离预期效果还比较远。

以计算机视觉应用场景为例，整个流程中会有大量我们不可控的第三方硬件产品，如果某一个环节出问题，整个用户体验会下降。如果我们自己做相关的硬件产品，可以把中间涉及到的第三方硬件集成于我们自己的硬件。我们非常清楚一线场景管理者和用户的使用需求，所以能贴合用户需求去设计产品。我们会更有自主性，不是“被绑架”的状态，更能够保证用户体验。

甲子光年：为什么会在2019年开拓“AI+智能制造”业务板块？

刘闯：计算机视觉技术是一个工具型的“万金油”技术，应用面很广，很少有场景能基于计算机视觉技术形成完全闭环的C端产品，它只是整个应用或落地链条中的一个环节。因此在深入场景时，它很难对客户的定制化需求形成标准化产品。

产品不够标准化意味着很难快速做渠道。这可能导致公司逐渐变成一个项目制公司，整个团队的负担会比较重，也偏离了我们最初的预期和计划。所以在城市治理板块，我们尽可能做出模块化、可配置的产品，一定程度上能解决标准化问题。

同时我们也在寻找第二条路——偏工业的 “AI+智能制造”。

为什么选择这条路？拿钢铁行业举例，现代钢铁生产工艺流程演化了近百年，标准化程度非常高。无论大型国有钢铁集团，还是私营钢企，产线几乎一模一样，甚至产线的硬件和软件供应商都趋于一致。这种情况下，如果我们解决了某个环节的痛点需求，形成一个产品，会非常容易在同行其他客户场景进行标准化复制。

因为我们在泛安防领域吃过亏，所以我们希望自己的产品既能体现核心技术，又能足够的标准化，能真正在行业里把自己的渠道市场、复制性市场拓展起来。

2.先完成最困难的，再去做减法

甲子光年：你们在国内首创了热态长材表面质检系统，为什么会瞄准一个如此细分的场景痛点？

刘闯：根据我们以往从0到1的场景落地经验，第一个项目一定是去找一个类似场景中对精度和产品质量要求最高的场景。我们把最困难的场景完成后，再去做减法，更容易形成系列产品。

热态钢轨表面质检技术之前在国内完全空白，国外厂家在国内也只有少量案例，且价格和售后服务都非常昂贵，所以我们就想挑战一下。高铁用的重轨对于瑕疵精度要求为±0.1毫米，如果我们能突破这个场景，并且完成得很好，再去中低端产线就比较好打市场，因为有标杆了，也会为我们之后的产品化拓展积累经验。

甲子光年：你们如何做产品化拓展？

刘闯：主要有两点：

第一，从单一产品形成系列产品的过程中，尽可能做好分型和分类。例如根据棒材、长材、型钢、板坯、带钢等不同钢材对产品分类；第二，在产品设计上，尽可能给客户做模块化、可配置的拆分，例如传感器和软件的可配置。

另外，智能制造行业非常重要的一环是柔性定制，所以我们尽可能从产品设计、算法设计上，给客户做一些图形化或者简易流程的可配置拆分。

举个例子，同类别的长材，每个厂对于瑕疵的要求不一样。按照过去的思路，每个厂都需要进行算法定制，但是如果我们把算法形成一个工具式的软件功能，把门槛降低，把工具交给客户，让客户在我们的软件系统里自己收集缺陷，自动化标注缺陷、训练模型，就能很好地解决客户个性化需求和产品标准化的矛盾。

甲子光年：目前渠道搭建的情况如何？

刘闯：我们在国内重工业富集的河北、山西、甘肃等地都在进行标准化产品的渠道铺设，开拓了一些本地化的合作伙伴、城市合伙人，还有代理商。

3.躬身入局，扬长补短

甲子光年：你们和多家企业、高校都有合作，比如，与河钢数字技术股份有限公司、西北工业大学自动化学院共建了“AI+钢铁”机器视觉创新中心；与西安电子科技大学机电工程学院共建工业软件与智能制造联合实验室……为什么这么重视产学研合作？

刘闯：首先，我们的研发团队都比较年轻，大家都刚离开学校没多久，和高校共建联合实验室对于我们的研发团队来说，可以形成一种比较高效的研发模式。

其次，在和高校的专家、教授交流的时候，我们更多是以学生的心态去交流，企业性质没那么强。

其实很多一线专家会跟我们聊，一些大型的钢铁集团是有财力解决自身数字化需求的，但现实中他们很难解决的一个原因是，现在刚毕业的年轻人很难说服自己去钢铁厂上班，而我们的团队成员平均年龄不到30岁，也是一帮知名院校的硕博毕业生，他们每天都在一线跟这些专家摸爬滚打，这对于一线专家来说是非常惊喜的。

第三，我们在整个智能制造供应链中处于中游，上游是先进传感器，下游涉及到产线对接，会有一些工控软件类的合作需求。

但在实际的场景落地过程中，我们经常会发现有些问题是上下游第三方合作伙伴无法解决的。

举一个简单的例子，我们最早在进行样机选型的时候，发现核电、军工等场景对精度要求极高。目前国内的传感器厂家满足不了这些场景的定制化需求，如果用国外的传感器，我们的产品在传感器环节就不能百分百自主可控。所以我们希望通过高校合作的形式补齐短板，让我们在现有基础上，拓展对上下游的把控能力。比如现在我们在传感器领域也在根据客户的定制化需求打造我们自己的标准化产品。

甲子光年：公司成立至今8年，你认为公司现在的护城河是什么？

刘闯：我认为是我们的人才储备。我所说的人才储备跟学历、工作经历没有太大关系，不是花多少钱从哪个大厂挖过来就可以的，主要在于创新和克服困难的能力。

我们的团队大多是做城市治理场景出身，和智能制造领域光学系统、机械结构、电气系统、传感器设计等环节所需的人才是不匹配的。

但正因为我们有过硬的人才储备，一旦我们需要在某一个陌生领域进行从0到1的创新，这批人才就能够顶上去，解决问题的能力并不比行业里的专业人士差。

甲子光年：这种创新和克服困难的能力是如何培养的？

刘闯：无论是“AI+城市治理”还是“AI+智能制造”，我们每做一个全新的领域，核心愿景都是赋能行业，打造独具匠心的AI工具给场景管理者使用。作为产品方，我们如果对场景或场景管理者的需求都不清楚，很难去打造一个产品。

所以，我们最开始就认为，躬身入局是最重要的一步。我们会真正地深入一线，去给技术专家打工、当学徒，哪怕最开始的几个月甚至半年时间我们什么产出都没有，但通过和实际场景一定周期的接触，我们可以积累到很多来自一线真实的场景的痛点和需求，这也成为我们产品灵感的重要来源。

甲子光年：接下来公司主要的发力方向是什么？

刘闯：我们主要是两个方向：

在“AI+城市治理”板块，对于算法、硬件以及人机协作解决方案等相关产品，我们会进一步投入资金，进行功能模块化的丰富、迭代。我们也希望把智能制造领域解决柔性定制问题的方式方法带回到城市治理已有的解决方案中。

另外，在一些市场空间比较大、需求比较明确、可以进行复制拓展的城市治理新场景，我们也会继续做从0到1的突破。

在 “AI+智能制造”板块，我们会从0到1地拓展更多具备可复制性的场景；对于已经形成成熟产品的场景，我们会继续优化产品，并丰富产品门类。