導讀：梅卡曼德鑒于持久對于產業3D視覺以及產業智能本領的積淀，在算法模子以及對產業場景的領會和適配將產生其第一層比賽壁壘，而鑒于行業Know-how產生的貿易化落地本領（性價比、寧靜性等等）產生第二層壁壘。 一、產業呆板人從自動化到智能化的工作變化 產業機...

梅卡曼德鑒于持久對于產業3D視覺以及產業智能本領的積淀，在算法模子以及對產業場景的領會和適配將產生其第一層比賽壁壘，而鑒于行業Know-how產生的貿易化落地本領（性價比、寧靜性等等）產生第二層壁壘。

一、產業呆板人從自動化到智能化的工作變化

產業呆板人從來被看作是自動化與數字化程度的標記，從2013年發端，華夏成為了寰球上每年產業呆板人延長數目最高的國度，這也代表著華夏在創造、供給鏈等步驟的晉級變革也在近10年加入快車道。

值得一提的是，從每年的新增安置量數據來說，華夏商場的占比從來貫穿提高，暫時有逼近40%的新增安置量在中邦本土爆發，而且這一比率仍在貫穿提高。華夏正在以超過寰球的振奮速率加入產業的下一階段。

“中邦本本地貨業呆板人商場，從長久來看仍舊有較大后勁，背地的邏輯在于：人丁結余漸漸消逝的即日，咱們看到華夏的人機比率仍舊較低（2019年華夏呆板人密度為187臺每萬人，美、日、平衡313臺每萬人），將來一段功夫，華夏會處在產業呆板人密度提高階段。”

梅卡曼德商場部VP徐婷婷在接收億歐采訪時說道：“另一方面，產業呆板人本錢低沉鮮明，很多行業對于運用產業呆板人的ROI越來越理念，產業呆板人商場有了更多的商場外沿。”

寰球產業呆板人占比中，占比最高的是搬運、焊接、組建三類，占寰球總產量業呆板人存量辨別為45%、24%、11%，華夏商場的占比一致。產業呆板人在華夏工場里接受起更多的搬運、焊接、組建處事時，以AMR為代表的新式功效呆板人也發端走進工場和堆棧，物理意旨的自動化、互聯互通仍舊在中邦本土商場貫穿熾熱了很多年。

在此基礎上，大數據、人為智能、產業互聯網等本領也發端登堂入室。一方面，更多的產業場景和數據維持著華夏日益寧靜、透徹、智能的算法迭代；另一方面，數字化、智能化的功效貫穿催消費業場景對智能化的需要。2017年前后，華夏產業的晉級加入如實意旨的“智能化”階段。

按照億歐智庫頒布的《2019華夏智能創造接洽匯報》，產業智能重要運用于視覺檢驗和測定和提防性培修、消費優化、呆板人視覺方面，鑒于呆板視覺的AI本領是產業范圍運用最一致的典型。

“物流場景中，很多典范步驟如播種、供包、拆碼垛等須要AI扶助，這些場景下需處置洪量的無序SKU，用保守的產業呆板人無法處置辨別定位等處事“，徐婷婷報告億歐，”而這些處事不妨用進步的3D視覺計劃去啟發產業呆板人實行。“

二、梅卡曼德建立AI+3D+產業呆板人重心本領本領

徐婷婷地方的公司梅卡曼德呆板人創造于2016年10月，此刻剛邁進創業的第五年。從豎立發端，梅卡曼德就全力于將智能付與產業呆板人，從公然消息來看，暫時仍舊過7輪融通資金，并于2020年11月實行了B+輪近億元融通資金，源碼本錢和老股東紅杉共通介入。

暫時梅卡曼德供給“AI+3D視覺+產業呆板人”處置計劃，個中包括智能相機Mech-Eye系列產物、視覺算法軟件Mech-Vision、智能編制程序情景Mech-Viz。該全套處置計劃暫時重要運用在物流、創造等步驟，在搬運（如拆碼垛）、左右料、決定分類、定位、涂膠、裝置、擰螺絲、檢驗和測定等多場景適配。

“3D產業相機存在多年，但保守的3D產業相機沒有獲得大范圍實行運用，重要有以下少許因為。”

徐婷婷在采訪時報告億歐，“開始，保守的3D視覺產物算法不夠智能，無法滿意如辨別攙雜圖案的物體、精致貼合的物體等題目；其次，限制計劃感知范疇和本領不及，如無法辨別黑色、反光件等；再次，僅有視覺的計劃并不及夠滿意需要，疏通籌備算法對于遏止怪僻點和碰撞是特出要害的；結果，典范的3D視覺產物光硬件價錢就在十多以至數十萬群眾幣安排，很多場景下運用性價比不高。”

梅卡曼德呆板人正供給從3D傳感器到呆板人適配及安置的整套計劃應付行業面對的題目，如“視覺啟發拆碼垛”、“視覺啟發工件上料”、“視覺啟發貨色決定”、“視覺啟發特快專遞供包”以及視覺啟發呆板人進行涂膠、安裝和定位，仍舊成為梅卡曼德熟習的產去世計劃。

在重心的硬件產物3D相機限制，梅卡曼德供給了Mech-Eye DeepLogNanoLaser LPro Enhanced等多典型的產物滿意不同的需要。徐婷婷在采訪中提到：“拆碼垛場景下相機處事隔絕遠、視線訴訟要求大，咱們對應的產物是Mech-Eye Deep和Mech-Eye Log系列產物；在左右料的場景里，速率快、精度高、視線大是典范訴訟要求，所以咱們開拓了Mech-Eye Pro Enhanced系列產物；其余針對情景光變革激烈的場景，開拓了鑒于激光的Laser L。“

在視覺算法層面，梅卡曼德采用進步的深度進修算法，提高面臨攙雜情景的處置本領，高精度自動化標定、趕快精確定位物體也是其算法的要害特性。

徐婷婷在采訪時報告億歐：“在物流和創造場景下，有限制的場景難度較大，如混拆混碼、播種、工件上料等。咱們針對這一系列一致存在的場景，開拓出海量SKU分揀、混拆混碼、視覺啟發工件上料等多項處置計劃，不妨辨別各類紙箱、包裹、貨色等在內的多種物體，節奏也能滿意用戶訴訟要求。舉個例子，咱們的播種處置計劃，節奏可達3s/件，可到達人為決定的速率，在某些場景下以至優于人為的節奏。”

其余，梅卡曼德開拓了Mech-Viz呆板人智能編制程序情景，0代碼的編制程序情景可極大貶低呆板人的運用門檻，通用的平臺不妨貫串協調搭檔保護更多的需要，為協調搭檔賦能。

說起將來，梅卡曼德除了產物線上更多的構造，也在蔓延新的運用場景，如3D檢驗和測定等等。暫時不管產業3D視覺，以至產業智能仍處于貫穿振奮階段，對場景的依附、對財產化的檢驗貫穿塑造新的商場格式。

梅卡曼德鑒于持久對于產業3D視覺以及產業智能本領的積淀，在算法模子以及對產業場景的領會和適配將產生其第一層比賽壁壘，而鑒于行業Know-how產生的貿易化落地本領（性價比、寧靜性等等）將產生其第二層壁壘。

“Demo和本質落地運用會存在差異，所以過程多個運用打磨出來的本領積聚帶來的壁壘是深沉的、是堅忍的。”徐婷婷在提到將來比賽時說道。