据国家统计局核算多个方面数据显示，我国2018年工业GDP已达到30万亿元，提升1%的效能，即可带来 3000 亿元的经济增值，可见工业升级的市场空间之大。
成立于2017年的矩视智能便是工业视觉检测赛道上的一员，定位于一家工业视觉AI平台，主要是通过对图片在线标注和深度学习训练，让集成商客户自主生成视觉算法SDK，从而替代工厂里的现场人工。
在使用过程中，用户只需登录后，按照操作步骤上传并标注样品图像数据，云平台自动匹配最优的深度学习算法模型和参数进行训练，客户无需额外开发，直接下载SDK即可集成到本地化系统中。
据了解，矩视智能并非一开始就聚焦工业视觉AI平台，而是从视觉分拣机器人集成商转型而来。至于转型原因，创始人弭宝瞳表示，工业视觉领域一直是团队看好的核心方向，原本的软硬件一体化集成服务模式相对较重，在积累了大量数据及行业Know-How之后，2019年下半年，由互联网团队基因驱动，矩视智能全线业务转至线上，整个团队内部流转和业务架构变得更高效而轻量化。
此次业务重整，矩视智能恰好赶上了新冠疫情下的工业格局重塑，由人力精细化作业逐渐向人机协同智能化方向调整。就数据证实，矩视智能工业AI视觉云平台三月份用户量达到了二月份的五倍，且在一直上升中。
弭宝瞳介绍，工业自动化领域作为机器视觉的重要落地场景，却长期受制于软件水平，且核心技术大多由外商垄断，国内上下游产业链处于弱势地位。
在具体的工业视觉检测中，行业采取的普遍做法是将视觉软件与机械自动化相结合，但由于传统视觉软件方案效率低、开发新算法周期长，对于复杂场景下OCR识别、缺陷检验测试等需要精准度较高的地方作业仍效果不佳。
区别其他专注于为公司可以提供定制化服务的工业视觉解决方案供应商，矩视智能更看好通用化服务。矩视智能采取了开发者工具平台形式的云上SaaS架构，一方面，能够最终靠线上积累海量行业数据，一直在优化算法，提高训练速度。目前，平台识别准确率在99%以上，高于行业95%的中等水准；另一方面，工业领域细分场景有上千种，倘若使用定制化服务，平均开发周期需要一周以上，而基于矩视智能的平台型服务，在一天内就可以完成开发，还能通过云端数据积累实现自动升级，不需要重新开发图像算法，规避了本地开发周期长的问题，提升开发效率十倍以上。在成本方面，工业AI视觉开放云平台更具优势，其价格仅为同类企业的五分之一，于客户而言更具吸引力。
以上这些优势，得益于矩视智能自主搭建的互联网体系化AI架构，其后台整合了上百个深度学习算法模块，针对工业视觉领域的数据特征进行提取，实现数据与算法之间的自动匹配。 这种体系化AI架构，区别于针对具体场景进行定制的单一算法，避免了人力资源和时间成本的重复浪费。
据介绍，矩视智能AI视觉平台已具备字符识别、缺陷检验测试、尺寸测量、目标定位等功能，大范围的应用于制药、电子、汽车、五金等行业，覆盖上千种工业细分场景，能有效实现用户对于检测精度、稳定性以及业务场景适配性要求比较高的作业需求。
截止目前，矩视智能已覆盖2万+名开发者，数据样本量数千万张，覆盖场景100+个。营收方面，公司在去年8月份已实现了收支平衡，2020年1月至今，公司精准意向客户已有100多个，营收大多数来源于云平台本地运行的授权使用，预计今年将有四千万元营收。
成立两年，矩视智能已有20人规模，其中研发人员占比70%，研究生占比80%以上，创始团队均为来自人大、北大、美国UCSC等国内外顶尖大学的博士研究生，曾供职于IBM、微软、西门子、360等头部企业。创始人弭宝瞳是中国人民大学计算机博士，曾以产品经理、研发工程师的身份供职于奇虎360，参与过AutoCAD云平台的开发，对AI、工业视觉和云计算有着深刻理解，并具备丰富的行业经验与实战经历。
弭宝瞳坦言，工业行业细分行业多，且各自的行业属性和特点差异很大，很难出现一个放之四海而皆准的模型和技术，于企业而言，互相赋能正当其时。未来，矩视智能会加强研发技术，积极与行业客户合作，尝试用已有数据赋能，实现更大价值。
融资方面，矩视智能已于2018年完成Plug and Plug的百万元种子轮融资，并于2019年战略升级后获得中信集团领投的千万元级别天使轮融资。
