尷尬的2.5D ：3D的「里子」，2D的「面子」

技術上的亟待突破投射到下游應用中表現(xiàn)為：機器視覺的相關工位，仍舊以2D為主，3D（2.5D）為輔。

“檢測任務就屬于大部分沒有解決，還靠人工在搞，小部分解決那些，基本依靠2D，當2D無法勝任時，會用3D解決，并且很多所謂的3D也不是真3D，而是2.5D?！?/p>

不過，2.5D的存在也有其合理性，在部分非復雜應用場合中，客戶又需要獲取深度信息時，相比高成本的3D視覺，2.5D常常能以絕對的性價比取勝。

2.5D拉低了3D視覺門檻，真3D技術壁壘依然很高

從趨勢看，人眼的世界是個三維世界，從替換人眼的角度，3D視覺一定是未來的趨勢，好比以前手機用2D相機，現(xiàn)在都在往3D相機轉(zhuǎn)，大量場景需求只是時間問題。

不過現(xiàn)階段，需要真3D的下游應用場景還不夠多。

以3D檢測為例，“目前檢測任務大部分還在依靠人工，小部分用機器視覺解決的，基本上用的都是2D?！?/p>

追根溯源，是3D視覺產(chǎn)品在客戶端的接受度還不夠高。

一方面，3D相機的成本太貴，導致設備整體價格較貴；另一方面，多視角混合的真3D，超出了大部分工程師的處理水平，視覺廠商要真正把3D做好很難。

因此，站在解決問題和性價比角度考慮，在2D視覺足夠解決場景問題的情況下，客戶并不愿意為成本更高的3D買單。

在追求優(yōu)質(zhì)性價比的工業(yè)市場上，那些需要獲取深度信息的場景客戶，從成本方面考慮，選擇2.5D視覺，已經(jīng)能夠滿足基本需求。

這使得3D視覺行業(yè)的進入門檻變低，而技術壁壘和行業(yè)難題猶存。

多位機器視覺投資人也曾對AI掘金志表達過這個觀點。

目前，結構光、ToF和雙目立體是三個主流的3D成像技術，其他成像技術都是在其基礎上的變形，國內(nèi)均已有成熟的開源算法。

“反正都是開源的，只要學過算法，即便沒在機器視覺公司工作過，也很快能跑起來?！蓖鯗\介紹，他有不少朋友碩士畢業(yè)后到機器人或視覺公司工作，并且一開始就承擔核心研發(fā)工作，“都是先在實驗室用存量數(shù)據(jù)或者公用數(shù)據(jù)，跑起來后，再去工廠用他們的數(shù)據(jù)?！?/p>

晏小鋒認為，除開半導體這類壁壘極高的領域，一旦出現(xiàn)新興技術和市場，國內(nèi)就開始內(nèi)卷，但以3D成像技術為例，要做到低功耗、低延遲、高幀率、高分辨率，國內(nèi)外仍然有不小差距。

前兩年疫情催生下，機器人行業(yè)需求爆發(fā)，3D視覺作為機器人在復雜環(huán)境實現(xiàn)“無觸式”的關鍵技術，受到資本熱捧，尤以距離落地更近的中游設備商和方案商，最受追捧。

在此過程中，一項新的產(chǎn)業(yè)，攀附著3D視覺行業(yè)悄然生長：3D視覺創(chuàng)業(yè)培訓。

傳感器從業(yè)者賈科介紹，北京有一家小公司，專門做3D傳感器的解決方案培訓班。他們會先從傳感器圈子找人參加各種行業(yè)論壇，一旦發(fā)現(xiàn)哪個老板想融資，就和對方建立合作，從研發(fā)培訓課程，到企業(yè)一步步搭建，再到配套硬件，提供一條龍服務。

“這個公司有個公眾號，每天講一點秘密，底下評論的全是這個圈子的老板，大家都是一條流水線快速培訓起來的，各種忽悠資本不挺香嗎？”賈科說。

這類企業(yè)帶著明確的To VC目的，“因為3D是一個很好的概念，所以玩命往上湊”，他們在低水平處重復建設，不僅毫無技術差異化可言，還拉低了3D視覺行業(yè)的整體對外形象。

至于業(yè)內(nèi)發(fā)展較好的企業(yè)，也大都沿襲著主流的成像技術，用著成熟的開源算法，雖在國產(chǎn)替代浪潮中有所成績，但極少有企業(yè)能拿出創(chuàng)新技術或方案，能解決傳統(tǒng)視覺廠商解決不了的問題。

或許正因如此，在3D投融資熱潮過去后，不少投資人選擇“棄城而逃”。

當然，3D視覺創(chuàng)業(yè)者谷永道出投資人離場的部分原因：真正懂機器視覺的投資人，鳳毛麟角。

“機器視覺屬于硬科技賽道，對投資人有專業(yè)性方面的要求，即使不是互聯(lián)網(wǎng)背景、金融背景，哪怕是半導體背景，也看不懂機器視覺賽道?！?/p>

事實上，從技術底層看，3D視覺領域的技術壁壘依然很高。

不同于投資人的觀點，創(chuàng)業(yè)者、從業(yè)者普遍認為：3D視覺行業(yè)不是技術壁壘變低，反而是客戶有很多痛點問題需要解決，但目前還沒有真正被突破。

比如高速、高精度場景，國內(nèi)極少有企業(yè)能做得了。

“國外一家傳感器公司，專吃高速場景，售價比國產(chǎn)最低端相機貴30%-40%，并且不帶服務，還能保證四成的毛利?！辟Z科進一步解釋，這家公司之所以能做得好，是因為花真金白銀給客戶定制CMOS芯片。國內(nèi)極少有企業(yè)做高速高動態(tài)場景，部分原因在于給錢也買不到國外的定制芯片。

這些技術實現(xiàn)過程中的曲折，非業(yè)內(nèi)出身的人，很難有深刻的體會。

一位二十年從業(yè)經(jīng)歷的行業(yè)老兵表示，目前國內(nèi)大多數(shù)視覺公司實現(xiàn)不了真3D，一方面出在技術積累上，一方面出在數(shù)據(jù)積累上。

國外機器視覺，從20世紀70年代起就已真正開始發(fā)展，而機器視覺在國內(nèi)的發(fā)展，不過是近二十年的事。

除了3C、汽車、新能源、鋰電、光伏等已經(jīng)相對成熟的制造業(yè)，其他行業(yè)的工業(yè)客戶，對于瑕疵樣本的留存意識不足，導致數(shù)據(jù)獲取成本非常昂貴。

當下，大家都在試圖用AI解決制造業(yè)中的瑕疵檢測難題，但依然很難達到客戶“4個9”（即0.9999，特定時間10000個里一個瑕疵品）的要求。

在谷永看來，這是因為一個AI模型的質(zhì)量，主要由數(shù)據(jù)的數(shù)量跟質(zhì)量決定。但工業(yè)場景里，瑕疵品的數(shù)量非常少，出現(xiàn)概率在千分之一甚至萬分之一，再加上客戶沒有留存意識導致的樣本數(shù)據(jù)積累嚴重不足，也使得AI技術做工業(yè)瑕疵檢測缺乏土壤。

因此，雖然部分企業(yè)宣稱能在視覺檢測樣本庫不夠大的情況下，用AI生成一些相似的樣本庫，但實際上檢測精度會有所下降。

“那些說能用幾十張圖訓練出一個AI模型，并且檢測效果也非常好的公司，都是給投資人講故事。他們的AI模型實際是從幾千甚至上萬張圖片訓練出來的大模型中，‘瘦身’優(yōu)化出來的小模型?！痹诠扔揽磥?，從技術原理上講，通過虛擬方式生成瑕疵樣本并非不可能，而是現(xiàn)階段的技術還達不到。

換句話說，現(xiàn)階段機器視覺領域的AI，投喂什么就認識什么，并且投喂的數(shù)據(jù)都需要來自實際的瑕疵品，不具備推演的能力。

而一旦實現(xiàn)虛擬瑕疵，AI能像人腦一樣歸類和推演出成千上萬種瑕疵，即使客戶沒有針對實際瑕疵品做留存，檢測準確率也將大大提升。

一邊是人才流失，一邊是人才浪費

不同于2D視覺能夠直接獲取平面信息，3D視覺的深度信息，需要通過計算得到。

“直接獲取最容易，加一步計算，就擋住了一半的人。相比2D，2.5D也要獲取精確的深度信息，因此能做到2.5D已經(jīng)很不容易?！瘪R迪表示。

在3D視覺概念已經(jīng)無孔不入的今天，真實應用場景中運行的卻大多是2.5D相機，甚至2D相機。

這一反差背后的原因在于，將3D變成現(xiàn)實的人才，并非真正的3D人才。

行業(yè)驅(qū)動從本質(zhì)上講，是人才驅(qū)動。

但目前中國機器視覺行業(yè)普遍的現(xiàn)狀是：高端人才不足；學校教育與市場需求脫軌；人才浪費。

首先，從整個3D視覺行業(yè)來看，視覺相關的畢業(yè)生中，大專生的供應量占比最大。

“目前機器視覺工程師中，?？飘厴I(yè)生占據(jù)絕大部分，因為視覺行業(yè)存在大量較為簡單的視覺任務識別工作，因此即使是明星企業(yè)，也需要相當數(shù)量的?？粕鷣硗瓿蛇@部分工作?！?/p>

與數(shù)量眾多的專科生形成鮮明對比，進入視覺行業(yè)的高端人才太少了。

作為一項新興技術，3D視覺以其想象力，在過去兩年成為工業(yè)領域里的一條吸金賽道，少數(shù)明星企業(yè)吸引到了不少高端人才，但他們的生存狀態(tài)，并不代表賽道的普遍情況。

谷永是3D視覺領域極具代表性的創(chuàng)業(yè)者，畢業(yè)于華中理工大學，然而當他回到母校做宣傳時卻發(fā)現(xiàn)，自己根本招不到人。

“所有的碩士跟博士一畢業(yè)后全部進入大廠，或者進入一些有名的AI公司，這些公司開得起錢。視覺公司大都是一些小的創(chuàng)業(yè)公司，穩(wěn)定性不強?！?/p>

其次，全國各大高校每年為機器視覺領域培養(yǎng)的畢業(yè)生并不少，但只有很少的人在學校里學習到了真3D的相關知識，大部分學校培養(yǎng)出來的都是2.5D或者2D的視覺工程師。

魏源觀察到，很多大專畢業(yè)的機器視覺工程師，往往都會2D算法，懂得深度圖或者圖像，但是他們通常不懂點云，也不會點云處理算法。

再者，機器視覺領域還存在一個極為矛盾的現(xiàn)象，即人才不足背景下的人才浪費問題。

“機器視覺領域的人才浪費當下還比較普遍”馬迪認為，至少在去年，甚至今年上半年，都還有公司付著博士的薪水，卻讓博士干著一位專科生就能干的應用工程師的活。

機器視覺市場，成熟狀態(tài)下的分工模式，將是研發(fā)與項目相互獨立，博士生、研究生更多進行純研發(fā)的研究，本科生、專科生更多接觸項目和應用。

“按理說，應該要給他們做好分工，但以檢測行業(yè)來說，一開始并不容易判斷一個項目的檢測難度，一般的處理方式是，先找一個中等水平的工程師進行實驗判斷，如果項目難度小，就將任務下發(fā)給技術能力更低的工程師來做，如果項目難度大，就向上找能力更強的人來做。”

在不少業(yè)內(nèi)人看來，機器視覺領域的人才浪費，更是行業(yè)發(fā)展初期的一個必經(jīng)的階段。

一方面，現(xiàn)階段的機器視覺還并非一個盈利賽道，企業(yè)養(yǎng)不起純研發(fā)，只能讓博士生、研究生們到一線接觸項目，接觸應用，既是為了賺錢，也能了解市場需求。

另一方面，行業(yè)初期需要做大量奠基工作，一般的工程師做不了，需要由高屋建瓴的人牽頭執(zhí)行。

馬迪以行業(yè)融資規(guī)模前幾名的梅卡曼德舉例，“梅卡曼德就比較典型，拿著投資人的錢就可以請得起碩士、博士還有更貴的行業(yè)專家，現(xiàn)在梅卡曼德的相機已經(jīng)迭代到第4代，相機已經(jīng)穩(wěn)定可靠了?！?/p>

開創(chuàng)奠基的工作一完成，碩士、博士們便自然回歸研發(fā)工作，相機的使用則可以完全交由真正的集成商，集成商再啟用大專畢業(yè)生、初級工程師，將3D相機具體落地到產(chǎn)線和產(chǎn)品中，解決許多之前解決不了的視覺任務。

結語

2.5D是技術躍遷過程中一個階段性的產(chǎn)物，如果說以互補關系存在的2D和3D是技術天空的兩顆恒星，那2.5D就是劃過天邊的一顆流星，只會在穿越大氣層時摩擦出耀眼的火光，而后將隨著3D視覺的成熟歸于堙滅。

國內(nèi)3D視覺行業(yè)更大的問題在于，無論線激光或者結構光，高端都較為空白，中端亟待充實，太多公司在低水平重復建設中耗費大量精力。

與此同時，行業(yè)發(fā)展也需要警惕一味追求高精度，因為站在客戶角度，無論2D、2.5D、3D，能解決問題的，就是“火眼金睛”。

機器視覺優(yōu)秀人才的匱乏，從業(yè)者能做的較為有限，更多需要政府、資本的支持。畢竟只有當行業(yè)聚集的優(yōu)秀人才足夠多時，行業(yè)才能夠快速發(fā)展。

國內(nèi)3D視覺尚處發(fā)展初期，整個供應鏈在逐步進步，下游終端產(chǎn)品的場景應用也在不斷拓展，我們期待一個成熟商業(yè)閉環(huán)的到來，但也需要給予這個年輕賽道更多的時間。