来源：华映资本
、
心鉴智控成立于2018年，是国内工业领域领先的AI视觉检测及数智化AI赋能服务商，华映资本曾于2021年3月参与其A轮融资。
华映资本管理合伙人章高男表示：“AI工业视觉检测是一个巨大的增量市场，心鉴产品技术开创性地解决了传统工业视觉检测无法处理的白玻、医疗医药等具有复杂光学特性以及高速、柔性、非标等高识别难度的应用场景。基于团队在AI视觉检测领域的丰富实践经验，Ligthing News特别是小样本及疑难缺陷发现的深厚技术底蕴，结合LLM和视觉检测算法框架，心鉴创造性的发布了业界首个缺陷检测的多模态垂直模型。我们相信这是对缺陷检测行业发展的一个有力推动。希望心鉴的视觉检测基础模型能够不断优化改进，不仅帮助自己的业务发展，同时也赋能行业同行更好地拓展缺陷检测落地场景，推动行业的整体发展。
AI的基础模型在语言与视觉领域的进步中扮演着越来越重要的角色。Open AI将大语言模型（LLM）带入新高度，而在计算机视觉（CV）领域，虽然有Meta在2023年发布的SAM模型（将NLP领域的prompt范式引进CV），但关于视觉检测方向的基础模型，却一直属于空白领域。
2023年年底，一家成立仅五年的初创公司，联合斯坦福大学、哈佛大学、北京大学在CVPR（IEEE Conference on Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议）中共同发表了一篇文章，并于该篇文章中发布了“昆仑大模型”。昆仑大模型引入了一个新的框架——UnifiedVisionGPT，用来巩固和自动化SOTA视觉模型的集成，从而达到提高效率、增强泛化能力的效果。
“通过对昆仑大模型的打造，未来我们或将有机会成为‘AI时代的Cognex’。”在心鉴智控创始人兼CEO罗晓忠看来，借鉴大模型多模态的训练方式并结合公司已有的行业数据，形成行业大模型，对于视觉检测领域的公司来说，将会是核心竞争力之一。
心鉴智控创始人兼CEO罗晓忠
心鉴智控成立于2018年，是国内工业领域领先的AI视觉检测及数智化AI赋能服务商。目前心鉴已将机器视觉技术成功应用在高透、高反、高速场景(行业称难度最高的”三高”场景)，如：医药外包装检测、玻璃检测、日化快消高速产线检测等多个方面，同时依托自研云/AI原生、软硬件一体的通用智能底座，构建了多个垂直行业模型及智控系统平台，赋能工业数字化及数智化，让设备运行效率更高，助力制造行业加快现代化、智能化进程。
融资方面，2023年，心鉴智控连续完成了 A+ 和 A++ 两轮合计近亿元融资，其中 A++ 轮由毅达资本独家投资，A+ 轮由张江科投、睿和投资共同投资；2021年，其完成6000万元人民币的A轮融资，由经纬中国独家领投，华映资本跟投，老股东松禾资本、奇绩创坛继续加码。
<!–article_adlist[
]article_adlist–>
微软就职18年
瞄准CV在工业检测中的应用空白
罗晓忠博士毕业于密歇根大学，拥有匹兹堡大学硕士与北京大学学士学位。在进入计算机领域前，罗晓忠一直进行地球化学方向的研究，直至今天其读博期间发表的论文依旧处于该领域开拓者的位置。
出于对计算机的浓厚兴趣，罗晓忠学习了EECS（Electronics Engineering and Computer Science）的所有课程，并于2000年加入微软。
罗晓忠在微软曾有过三段工作履历：其中第一阶段是在Windows Server 部门，主要负责数据安全与复制，12年的时间中，罗晓忠参与了整个部门各个层面的工作——从最底部的数据库层到中间的API层再到应用层与部署层；之后的两年间，他进入Windows client部门，主要工作是在云端开发大数据服务；2014年，微软与Salesforce（美国一家较Ligthing News大型CRM软件服务提供商）达成合作，需要一个既了解数据安全又对大数据有研究的员工来负责该项目，于是罗晓忠便进入了Skype for business 部门，带领团队负责开拓性业务。
基于过往的优异表现，2016年，罗晓忠开始独立负责一个新产品0-1的开发，该产品与ZOOM直接对标，名为Microsoft Teams。这也为罗晓忠独立回国创业奠定了基础。
其实早在2014年，从client部门转至Skype for business部门，便是罗晓忠在为创业做准备。彼时微软有三个使用AI框架的部门，Skype for business 就是其中之一，罗晓忠认为未来人工智能会成为赋能众多行业的一项重要技术。在Skype for business 工作的两年，罗晓忠很早便接触了AI在语言处理方面的应用。
相比于AI在C端的应用，罗晓忠更看好AI为企业级客户提供服务的市场。这除了与其在微软大部分时间都服务于B端客户有关外，还与之看到的一则Google新闻有关，2015年，Google宣布利用AI将数据中心的能耗降低了超30%。之后，罗晓忠经常参与Microsoft合作方、美国工业软件类企业Rockwell举办的将AI应用于工业方向的讲座。
罗晓忠分享
顺理成章地，在2017年年底回国后，罗晓忠便将创业方向锁定在了“AI+工业”方向上。他先是找到了一个在工业领域具备20年从业经验的同学，让其帮忙组织了一场十几家相关企业中高层参加的闭门对接会，会上罗晓忠向到场企业了解了目前他们在行业中发现的痛点。
同时，罗晓忠也走访了很多工业工厂，在实操过程中了解工业领域面临的问题所在。他发现，当时CV在工业领域的应用还较为空白。但随着人口老龄化程度加深、劳动力供给紧张局面加剧，未来机器视觉是实现智能制造的关键环节。
“机器视觉在中国的发端最早可以追溯至2016年，但其中还未真正使用AI，主要服务商为美国Cognex，其在珠三角、长三角拥有大量的代理商，也做了很多应用，营收、毛利都非常高。但我在实地走访时，工厂提出了很多期待能被解决的问题，比如技术领先的大型工厂虽使用了宽带式视觉应用，但只能解决20%的问题，大量的问题还需要依靠人眼判别。”
具体来说，传统机器视觉普遍存在的问题包含：瑕疵检测设备的误判率高；过度筛选、特征单一；需大量人力二次筛查误报产品；无法提取产品复杂特征；通常多应用于检查二维平面结构的产品（如电子行业）等。
而该方向又是一个高速增长，具备较大发展潜力的市场。根据《2022中国机器视觉工业领域应用研究报告》，2012-2021年中国机器视觉器件和系统的销售额从2012年的19.8亿元增长至2021年的161亿元，其复合增长率约为31.7%，且2021年56%的增长率尤为明显。
综合考虑下来，罗晓忠于2018年创立了心鉴智控。
<!–article_adlist[
]article_adlist–>
错位竞争
切入难度较大的“三高场景”
用罗晓忠的话来说，传统机器视觉“摘走了低垂的果实”，比如可以识别比较明显的瑕疵、通过算法对比精确定位和测量物品的大小。但是对于不规则的、比较细微的瑕疵，其无力解决。但随着用工成本的提升，仍然需要利用机器将人眼解放出来。
所以心鉴选择将深度学习应用至传统机器视觉领域，并切入了高难度复杂光学、高检测精度和准度要求、高速运动产线的场景（行业称“三高场景”），检测细微的、严重的、罕见的瑕疵。举例来讲，输液袋导管中的颗粒物，虽然只有0.02mm，但一旦被注射进人体静脉中，则可能会造成医疗事故。
而要实现对这些瑕疵的检测，并非易事。
第一，人工智能模型的搭建需要足够多高质量的数据，而细微的瑕疵意味着其在物体中所占的面积非常小，在整体的图片识别上，很难达到高质量，这就需要更大的数据量，但罕见的瑕疵本身数据量就较少。
第二，在2018年瑕疵检测还是比较新颖方向，人工智能模型在该方向的发展尚未成熟。由于物体的种类非常多，心鉴智控要做的瑕疵检测相当于在人脸中寻找一颗痣，难度远高于普通的人脸识别，而当时CV领域的基础模型主要有ResNet、MobileNet等，虽然在模型构建上可以提供参考，但更多是做物体的区分与识别。
第三，因整个研发流程中涉及光学、机械、电气、算法、软件五大环节，需要客户的配合与对场景的深刻理解，对于心鉴团队来说工程化落地时存在跨界的挑战。
心鉴在早期便为这些涉及到工程化的问题进行了技术研发，在软件、硬件、图像层面都有创新型发明。
比如，针对高质量图片获取难的问题，心鉴招聘了专职团队对光学成像光路设计进行了研究。
比如对于数据不足的情况，心鉴进行了技术研发，一方面通过独创的数据运维系统DevOps对数据进行采集，另一方面，其自主研发的机器自动学习平台AutoML可以使用算法弥补瑕疵品在物理世界中数量不足的问题，两项技术叠加使得心鉴能将生产线上源源不断产生的数据与模型的迭代优化高效结合形成闭环。
在数据的关联匹配上，心鉴也在软件层面采取了多重防范措施，通过系统的可靠性与稳定性，确保识别与剔除之间关联性，不会出现漏剔、误剔的状况。
多项部署之下，心鉴团队凭借在技术方面的优势，甚至发现了德国工业相机中的瑕疵。“在我们调取工业相机SDK卡API的过程中，如果‘get next image’本身存在故障，那在高速检测过程中，识别与剔除之间的关联性则得不到保证，很容易会将良品剔除，而放过了瑕疵品。”
目前心鉴在医药、白玻、高速外包装等领域已经拥有成熟的瑕疵检测技术。未来，基于其模型技术，心鉴将在新的领域中进行商业化拓展。在具体场景的拓展中，心鉴会集中于锂电、光伏、半导体、纺织、食品外包装、医药等视觉检测应用较大的领域，继而结合市场空间、竞争现状、自身产品特性等进行选择。
<!–article_adlist[
]article_adlist–>
罗晓忠将整个筛选逻辑总结为“想不想、行不行、能不能”。“我们根本性的标准就是这个场景的市场空间足够大，客户需求比较刚性，技术上可行。而即便满足这些标准，研发时间也blog.byteway.net不能超过一年，一般研发期在3-6个月之间比较适合我们。”
<!–article_adlist[
]article_adlist–>
发布视觉检测领域首个行业通用模型
已将公司运营效率提升2-3倍
多行业、多细分赛道的客户画像对于心鉴产品的“泛化能力”提出了较高要求。为此，心鉴在研发流程中涉及的算法、软件、光学、机械、电气五大环节中，都进行了“可复制”的努力。
算法层面，心鉴打造的通用模型具备非常强的泛化能力。通过数据积累、数据本身的复用性以及数据生成技术心鉴打造了通用模型，继而与不同检测场景的数据融合，使得模型在不断迭代过程中足够泛化。除此之外，模型本身也是模块化的，对于点状、线状、面状等不同类型的瑕疵，分别有不同的算法库，这些算法库可以被重复调用，确保了模型的复用性。据罗晓忠介绍，对于不的客户相同或类似场景的检测，心鉴的通用模型都能统一解决。
软件层面，其架构非常清晰，前端、中端、后端都是模块化分布。公司在最初设计系统时，便非常重视系统的模块化，这在提高复用性的同时，使心鉴可以快速开发，目前心鉴已经基本实现了软件的低代码开发。
光学层面，基于过往工程化经验的积累，心鉴在“三高”场景中已形成了自己的一套工具。比如，对于反光的材质，可以快速拿出方案，过往心鉴积累了非常多方案，这使其产品落地效率得到了大幅提升。
至于机械层面，其定制化不可避免，但心鉴会针对某些行业逐步流程化、标准化与产品化部分结构或部件以提升效率。而在电气侧，经过过去五年的积累，公司对不同电气的控制都已经有了自己的软件库，可迁移、可复用。
镜片外观瑕疵检测设备
在罗晓忠看来，算法、软件、光学层面是心鉴智控优势领域，“通过模块化的设计，可以使这些领域像乐高一样组合起来，实现复用。”
尤其是在算法领域，五年来，心鉴愈发重视在AI方面的投入，到目前为止AI与软件层面已经成为了其最核心的竞争力。
自2022年下半年起，心鉴便开始搭建通用模型，最初尝试的是研发药片铝塑泡罩的通用模型，并于2022年年底取得了一些成果——已经开始使用标准的单一模型去解决一个细分领域中所有客户的检测场景。
2023年，心鉴开始拥抱大模型，针对大模型技术能为CV行业带来什么，罗晓忠当时有两个判断：第一，当前全球范围内CV领域并不存在真正的大模型；第二，由于工厂不能连接外网，工业检测中不适合非常复杂的模型。
综合考虑下来，罗晓忠认为发展CV行业的基础模型有非常大的潜在价值，于是在2023年下半年，心鉴团队开始使用大模型训练通用模型。正如前文所述，去年年底心鉴发布昆仑大模型。实则早在文章发表之前，心鉴便已将最新的研究成果应用在了日常场景的检测中，比如心鉴近期与某上市公司合作，对Apple手机包装盒的瑕疵检测，便是使用了最新的技术。
而借助对基础模型的持续开发与训练，2023年，心鉴公司内部的运营效率得到了大幅提升，生产效率提升了2-3倍。比如过去一个工程师只能专心进行一个端到端应用的研发，而如今却可以同时处理三个不同的项目。这继而带动了公司销售额的提升，“过往我们可能需要一个月交付的工作，现在只需两周便可完成，客户满意度越来越高。同时，场景也在进行拓展。”
2024年，心鉴会将60%的人力置于保持基础的增长之上。剩余人员一部分负责开拓新的业务方向，即把过往点状的瑕疵检测延伸至上下游，针对流水线上不同环节的视觉检测研发应用，使业务的深度、广度都因为效率的提升而增加；另一部分则继续对基础模型进行演化迭代，罗晓忠的期待是通过对于基础模型的建设，未来使心鉴成为“AI时代的Cognex”。
创业是一场孤独的旅程，人们很容易看到台前的光鲜，但领导者的真正工作，往往隐匿在聚光灯背后。在无数个转辗反侧不为人知的日夜，那些决定咬牙坚持的瞬间，那些独自做出的成千上万个决策，才让他们翻越重重困难，走向心中的应许之地。
因此，我们推出「映见」特写栏目。在这里，我们关注创业者背后的故事，关注他们走过的关键时刻，以及梦想背后的驱动力。我们相信，创业者精神就是持续去做自己相信的事情，华映资本愿意陪伴并见证伟大的诞生，向创新者致敬，与坚持者同行。
Meridian
互动送好礼
看完映见特写这期对于心鉴智控的深度访谈，您有什么想法和见解？欢迎您在评论区留言，我们将从中抽取3位优质留言的幸运读者，送出华映大礼包一份。
活动截至3月26日
获奖用户请收到通知后24小时内回复邮寄信息，未收到通知或未及时回复则视为“谢谢参与”。
<!–article_adlist[
产业物联网界正迎来自己的“小米”：已实现全国40%纺织厂的数字化覆盖｜映见特写
全球第一款智能POS机的迭代之路：从硬件到软件再到综合服务｜映见特写
渊联技术创始人叶思海：工业魔方的数字化赋能魔力丨映见特写
]article_adlist–>
<!–article_adlist[
]article_adlist–>
Related suggestion: 顶级创新： 巩固“基本盘”激活“潜力板” 奋力建设“百千万工程”典范
总结清远市阳山县七拱镇党委书记林耀雄： 【编者按】 实施“百县千镇万村高质量发展工程”是我省加快构建区域均衡发展新格局的重大举措，对推进县域经济发展、新型城镇化、乡村振兴都将产生深远影响。 新快报记者以面对面采访的形式，对话各地镇党委书记，展现我省镇、村实施“…