26. 机器视觉领域,目前国内和海外的企业更多在进行错 位竞争,这是行业比较好的一个现象吗 国内机器视觉并不完全依赖机器人发展,其实是相辅相成的,因 为像检测类的,有的时候可以脱离机器人去做事情,但是视觉方面限 于视野的局限性,还有一些精度的局限性,很多时候是完不成所要赋 予的要求的。
矩子科技给特斯拉电控系统工厂做机器视觉设备:
26. 机器视觉领域,目前国内和海外的企业更多在进行错 位竞争,这是行业比较好的一个现象吗 国内机器视觉并不完全依赖机器人发展,其实是相辅相成的,因 为像检测类的,有的时候可以脱离机器人去做事情,但是视觉方面限 于视野的局限性,还有一些精度的局限性,很多时候是完不成所要赋 予的要求的
27. 对于机器人硬件算法来说是怎么理解的? AI 是在一些标准化的场景里面应用工业行业还是以项目制为主。 但是项目制造就的问题在于交付部署的时间上比较难预估人员的消 耗也比较难预估AI的发展其实是统一化和规模化统一化在于AI赋能 拓展了更多的场景,本来机器人不能做的事情,有了视觉就可以进一 步的落地,标准化的应用本身是项目是应在 ai 赋能情况下可以做成 标准化
28. 入口端跟执行端会率先于AI算力成熟在技术部化以后 就是一个工程化的问题,最终比拼的还是算法和算力,平台架 构? 是这样的,当很多硬件成熟到不用做相应的修改,软件层面的竞 争是比较大的。AI 神经网络主要在于对各种信息特征的提取,对数 据进行分析,分析完了以后输出相应的数据,整个网络的设计以及网 络的优化剪裁还是需要算法算力,就是算法相应的工程师去做相应的 网络设计,网络的剪辑以及优化。所以这方面的人还是无法替代的。 中国产品的竞争率都是在 AI 算法的优化性和先进性上,以及对整个 场景和业务的理解。中国产品的竞争率都是在 AI 算法的优化性和先 进性上,以及对整个场景和业务的理解
29. 从国内供应链上的企业来看,哪些企业更有机会? 欧美和日本市场,它的产业链发展更多是协作关系。产品是多学 科的综合产品,就像有感知,有分析,有 AI 算力和算力平台有末端 的机械手,有协作集群。有电机,传感器以及减速机这样的产业链。 目前最容易打磨和成熟起来的是下游公司在有资源和场景的情况下 进行打磨,配合上游把产品做出来,再加上 AI 平台化去把整个产业 的规模蛋糕做大,大家协同去做,是比较良性的一个方向。
抄送,英诺激光、昊志机电···