Q：当初为何选择工业领域且是“硬骨头”的高端制造进行创业？在工业里选择3C和汽车领域有什么考量？感图科技挑选领域的逻辑是什么？

朱：如果不是“硬骨头”，我们觉得也就轮不到初创企业有机会切入了，所以创业时就得选择难啃的“硬骨头”。

我们选行业的逻辑是必须有一定的存量市场，且代表未来趋势的市场、未来增量会更大，另外就行业痛点明确、头部客户要集中。这样的话，我们只要有一个头部标杆客户，就可以更好的去行业内做复制。即使一开始销售周期稍微长一些，但只要进入这个客户的体系，后面的场景就能较快速对接，同时在行业内的也可以快速去推广。

在选定工业后，我们是先从质检环节切入工业智能制造领域。这个选择是基于我们前期的调研。当时我们发现，高端制造里的大多数生产环节都已经自动化了，但只有质检环节还要依靠大量的人力。而对于精密程度高的元器件，人工目视检和传统检测设备都有其局限性。因此，我们觉得用基于AI技术的GTI替代人力做这种重复性工作，需求的迫切度是最高的。

确定从质检环节切入之后，我们首先选择的是柔性电路板这个细分场景，这个场景完全符合我们选择行业的所有逻辑。当前，我们涉及的领域已经覆盖3C及汽车元件等领域。

Q：感图科技是如何去搭建产品体系的？

朱：目前感图已经推出了明鉴者GTI和明览者GTO产品线，明鉴者GTI是基于AI深度学习的工业图像采集、标注、训练和分析系统，主要应用在复杂场景下，针对复杂外观表面缺陷进行检测；而明览者GTO则是对工厂厂况视频流内人／货／场等关键目标进行智能识别和分析的AI视觉系统。

目前，在AI检测方面，感图产品的检出率是99．9％，而漏检率是0．01％。可见即可检，这是我们跟客户最常说的一句话。

接下去，我们还会有感图明策者GTD，主要是辅助决策。我们认为，AI检测只是切入口，后续需要不断扎深，不断去赋能，围绕一个行业搭建起相关的产品体系。而且这个体系必须是可复制的，这样我们就可以把在这个行业的成功经验复制到另一个行业去，而AI检测是我们横向拓展至其他行业的敲门砖。

Q：人工智能在工业领域的商业化落地难度大，感图科技的商业化打法是什么样的？

朱：我们的商业化策略是选择大客户、头部客户。首先，在AI赋能制造业这一块的需求，头部客户有认知。其次，基于感图资源有限，我们需要利用杠杆效应，以最少的人撬动更大的客户，而且只要搞定这些大客户，就可以在市场站稳脚跟，并树立起业内口碑。

目前，感图有产品和解决方案两类销售产品。对于直接客户，我们主要是提供从“终检”延伸至生产“在线检”环节的解决方案。而对于中小型客户，感图则是提供可集成的标准AI模块。

在刚过去的2020年，部分受益于疫情，感图已经拿下了一些头部客户，全年营收实现了三倍增长。

Q：未来三到五年，感图科技希望实现一个什么样的战略目标？有哪些布局规划？

朱：感图会继续深耕目前已经切入的行业，不断做精做深的同时，逐步跨行业进行复制。同时随着客户更多布局海外市场，感图也会拓展至海外市场，赋能全球市场。

感图会通过不懈地努力去实现成为工业人工智能机器视觉领军企业的公司愿景。

Q：在感图科技发展的这几年，您思考得最多的问题是？

朱：这个是分阶段的。感图刚成立的时候都是在思考生存问题。在Pre－A轮之前，生存问题和产品技术落地方面是思考得最多的。

2019年Pre－A轮融资后，则是思考如何去选择合适的行业去落地和交付。2020年商业化落地已经是进行时了，那时思考最多的就是如何更好的复制及更快更好的进行交付。

如今跨入2021年，思考的更多的就是如何以更好的节奏推动感图不断发展。在我看来，未来不管技术如何发展，肯定是要跟行业结合。行业＋AI技术才能实现产品的真正落地。

Q：数字经济已成中国经济高质量跃迁新引擎，站在您所处的行业，您觉得AI赋能工业发展到了什么阶段？未来还有哪些可畅想的？

朱：事实上，AI只是一个工具，是一次技术的升级，就跟互联网一样。当互联网应用在各个领域，可以诞生阿里腾讯这些巨头，AI也是同样的道理。只要找到可以真正好的落地场景，就能有可持续的商业模式。感图在AI赋能工业还不被看好的时候就已经在耕耘，虽然现在看起来貌似先知先觉，但其实是基于对未来清晰的判断，是建立在认知的基础上。

未来，中国智能制造是必由之路。但从目前来说，这一块还是有困难的，中国的技术数据做得不够好，很多场景里的信息化也还不够。当下，大家都在谈工业4.0，但实际真正落地的东西在我看来还是比较粗浅的。

我个人觉得，数字经济在工业领域只是刚刚起步。3C、汽车和航空领域由于过往的智能化程度较高所以起点会高一些。数字经济首先得有数据，然后是技术，最后是人才。但现在，基础的数据还是比较缺乏的，因此整个发展还是初始阶段。

而在缺乏优质数据时，就必须从最基层的开始做起，这需要一段时间去积累的。此前外界会有悲观的声音也是因为这是一个比较漫长的发展过程。

实质上，数字经济在工业领域的发展，除了技术的积淀以及优质数据之外，也需要从上到下都有所改变，认知层次必须不断提升。目前感图接触的客户，在AI赋能工业这方面的需求其实还蛮高的，也在做很多探索。

我认为，只要有优质的数据加上场景，以及对行业的认知，AI赋能工业这个方向是是非常光明且令人激动的。

作者：林怡龄