近年来，机器人向智能化发展乃大势所趋，通过机器视觉提升机器人环境感知能力，是实现机器人智能化的重要途径之一。
2017年以来，机器视觉领域的融资事件不乏埃尔森、梅卡曼德、阿丘科技、精锐视觉、米文动力等案例，机器视觉俨然成为机器人市场受热捧的一个领域。
另外，2018年获得融资的三家机器视觉相关企业（阿丘科技、精锐视觉、米文动力），不约而同的将其技术与人工智能技术关联起来。ai技术的加持，能否帮助机器视觉技术与产品获得市场认可，走向成熟？
2017年中国机器视觉市场规模为42亿元人民币，近年来维持着每年约25%左右的速度增长。在2017年中国机器人市场火热的背景下，机器人本体与系统集成对于机器视觉的拉动作用并不明显；另外，3d机器视觉技术面向市场已一年有余，但其推广速度却低于市场预期。
种种迹象表明，机器视觉在真正步入高速增长期之前，仍面临尚未解决的痛点。ggii认为，机器视觉目前面临痛点主要有三个：
❶ 价格高企 —— 目前多关节机器人本体约10万左右价格，scara本体价格5万左右，而中高端机器视觉传感器+解决方案动辄上万元的价格，让大多数愿意尝试机器视觉的中小型企业望而却步，很大程度上阻碍了机器视觉的推广；
❷ 技术待优化—— 在机器视觉本身，以3d无序分拣技术为例，由于3d无序分拣技术开始推向市场不过一年左右的时间，成像效果、控制精度、处理时间、稳定性等方面均有很大的提升空间；而在结合控制系统的过程中，如何对传统系统进行可兼容的拓展、如何避免实际应用当中可能发生的环境碰撞、自碰撞、奇异点等问题均需要在实践中反复验证与优化；
❸ 与实际工艺结合较少—— 对于初创型3d机器视觉企业，公开资料上已有不少3d机器视觉的展示案例，然而针对某一领域，乃至某一工序实际应用案例却较为稀少；然而在某一制造业领域中，泛用性机器视觉的效果展示并不是制造业企业关心的，企业关注点往往更为聚焦在具体的工艺突破点上，机器视觉的效果展示若脱离了实际工艺，其对制造业企业的吸引力有限。
ai+机器视觉，能否解决难点？
ggii认为ai与机器视觉产生联系具体表现在两个方面，一方面是利用nvidia等芯片的人工智能算法，提升机器视觉的图像处理速度与效果；另一方面则是利用智能控制系统的算法，使机器人掌握深度学习的能力，能够在运作过程中积累经验与总结异常，通过算法实现自我优化。
乍看之下，ai的加持确实对机器视觉成熟与推向市场有帮助。然而ggii认为，ai相关技术是否能够帮助机器视觉相关企业在市场上站稳脚跟，迅速成长，关键还是看能否解决该项技术在市场上推广的难点。
图表 3 ai技术对机器视觉行业痛点的影响
—— ai技术并不能解决机器视觉面临的所有痛点
根据目前机器视觉相关初创企业大多具备较强的技术研发实力，往往偏向于通过各种新技术提升自家产品参数，以图获得更强的市场吸引力。
然而制造业企业在选择机器视觉进行产线智能化升级时，首先关注的往往不是技术参数，而是其能不能够应用在具体某段工艺，切实解决其遇到的问题。
要做到这点，往往需要机器视觉提供者对某行业的工艺特点有一定的了解，才能给出切实的方案，开发出针对性的产品，通过验证与优化，使其能够解决某一领域的痛点，并渐渐达到性价比可行的地步。
因此，ggii认为，过度关注产品本身的特性，去忽略了与实际制造工艺的有效结合，是中国很多初创企业面临的问题。
如何让相关产品落地，一方面需要机器视觉相关企业找准目标行业与具体工序，另一方面需通过与系统集成商、终端用户之间的交流，积累自身对实际工艺的理解，开发出针对性的机器视觉解决方案并不断优化，才能更好解决用户端的问题。