近日，0glass宣布已經完成數千萬B輪融資，本輪投資由清研新一代人工智能基金（珠海、嘉善）、永柏領中資本領投，第十區VRAR孵化基金跟投。
0glass創始人兼CEO蘇波透露，這筆融資將用于推進目前已經標準化的AR智能眼鏡的訂單生產和功能升級，進一步擴大售前隊伍，加強品牌和產品的宣傳力度，以及向更多的能源、制造業行業進行技術與市場開拓。未來0glass的重點是繼續深耕并專注AR技術和AR智能眼鏡在工業領域的應用，繼續研發工業級的AR智能眼鏡和優化工業級AR算法，并針對工業領域中不同應用場景，進行定制化開發和提供解決方案。
據了解，0glass是國內第一家專注工業級AR軟硬件技術研發的AR+AI的人工智能公司，也是國內工業AR領域的領導者。其擁有自主知識產權的工業用圖像精準識別、增強現實等先進技術，同時其產品申請和獲得百余項專利認證。
0glass于2014年底開始進入工業AR領域，不被資本和市場理解自籌資金500萬元堅持AR核心技術研發1年半；2016年初獲得和君資本數百萬天使輪投資；2016年初成功實施國內第一個AR電力巡檢項目；2016年5月發布國內首款墨鏡式雙目一體機AR眼鏡0glass Pro2，同時發布國內首款AR引擎NginABC；2017年5月獲得由三一重工領投的數千萬A輪融資；2017年5月發布國內首款基于intel平臺的AR眼鏡0glass danny；2017年底成功實施國內第一個AR汽車裝配項目；2017年底申請和獲得授權國內專利、國際PCT專利、美國專利共計百余項；2018年7月獲得清研新一代人工智能基金（珠海、嘉善）、永柏領中資本領投的數千萬B輪融資。
0glass目前已與國家電網、湖北電力、上海電力、福建電力等，南方電網、廣東電網、深圳供電局電力公司，同時又與西門子、江鈴汽車、華為等多家能源、制造業巨頭達成合作，是工業AR的領導者，力爭成為工業領域中最自然的人機交互服務、挖掘最深度數據價值的人工智能公司。與智能設備、物聯網、云計算等深度融合，打造軟硬件結合平臺化的增強現實產品與服務。
0glass的“0”有三個含義：1、零表示永葆初心、歸零心態；2、零是萬物的起始；3、AR技術還處于早期，零也是AR的開始。
以下是蘇波先生對AR行業的觀點和看法。
1、2017年0glass獲得數千萬A輪融資，同年國內幾乎所有的AR硬件廠商都相繼融到了資，而2018年上半年AR眼鏡行業成功融資的公司卻寥寥無幾，為什么會出現這樣的現象？資本目前對于高端AR硬件廠商的態度是怎樣的？
這種現象帶著2017年豐富的泡沫，2018年是AR行業擠干泡沫的一年。2017年以前幾家投了AR眼鏡的投資公司，據我親身經歷，至少有兩家在投了他們之后的一段時間又找到我們來談投資的事情，這種不符合投資邏輯的商業行為至少說明了兩點：第一投了后悔，再找一家對沖風險；第二來刺探0glass的商業和技術機密。
資本目前對于AR高端硬件廠商目前是愛恨交加的，“愛”因為這是大家已經達成共識的未來趨勢，下一代計算平臺；“恨”是因為目前技術發展和應用還出早期，大家都在摸索，別說盈利模式，甚至商業模式還沒探索清晰。
關于投資我有5不談：1、主投領域和你從事行業關系不大的不談；2、不了解你所從事行業的不談；3、不了解你客戶方行業或你產品應用場景的不談；4、抱著學習目的的不談；5、投資目標性不強的不談。否則都是浪費精力和時間。創業者僅靠輸血總有斷的哪一天，還是要把更多的精力和時間放在自我造血上。
2、請分享一下您對2018年AR行業發展的一些看法：
我認為，AR行業2018年漸漸退去浮躁，是AR商業模式驗證和構建的一年，無垂直不AR；2018年是AR行業從商業模式驗證轉變為盈利模式探索的一年，無盈利毋寧死。希望這一年AR行業的大小公司都能找到自己的盈利模式，從“活著”到“活好”。在泡沫的不斷涌現與擠破中重組，重組后的AR行業和市場將會更加良性，雖然泡沫依然存在，但我感覺現在的泡沫是良性的泡沫，一個行業泡沫過多將會崩塌，但沒有泡沫將失去想象空間，2018年AR的泡沫剛剛好。
巨頭的框架布局已經全部完成。2018年應該是AR的應用元年，很多人認為會爆發，其實這很難實現，我的判斷真正的爆發要到2020年，并且是從B端產業應用開始爆發，C端爆發還需要更長時間。去年，國外的谷歌、蘋果、微軟等巨頭對于AR的布局已經成型，國內BAT等大公司也已經完成了AR SDK的發布，有的已經被開發者應用。
3、您認為AR眼鏡目前的發展狀態是怎樣的，還需要多長時間可以迎來消費級產品的出現？在B端領域，目前市場對于AR眼鏡這類產品的認可度怎么樣，最看好哪些細分領域的未來發展趨勢？
1．AR眼鏡已被科技大咖們公認為第三代計算平臺，未來的AR行業，一定會像現在的IT行業，B端和C端涇渭分明。比如計算機領域，B端工業計算機有IBM，C端個人計算機有聯想。AR眼鏡要真正走向C端，至少還需要5到10年的時間，就像計算機花了20多年才從B端走到C端一樣。眼鏡和頭盔可能要到2020年，產業應用才能爆發，到2025年，C端應用才能爆發。那么它要成為第三代計算平臺最主要的標志是AR眼鏡成為真正意義上的個人消費品。
2.AR眼鏡成為真正意義上的個人消費品需要滿足四個條件：第一：目前的4G網絡難以滿足頭盔或者眼鏡的傳輸要求。兩年后，5G網開始普及，頭盔或眼鏡才能有一個流暢的傳輸方式。第二：AR眼鏡的輕量化有賴于芯片和光學等技術的發展，第三代計算平臺AR眼鏡的一定會出現一種新的芯片架構從而出現新的計算芯片，這種芯片的特點是：體積微型化、運算超級化，從而滿足AR對算力的要求。第三：AR眼鏡一定有自己獨立的操作系統，它一定不是安卓，一定也不是IOS，而是它有自己的獨立系統。第四：同時AR眼鏡未來的人機交互技術一定是腦電波，再加上生物芯片技術的發展，腦波交互一定會一統天下。只有以上這些條件成熟了，AR眼鏡才能成為真正意義上的個人消費品。
3.目前的算法只能滿足特定場景的應用，并不能識別全部的事物覆蓋各行各業。現在AR硬件（包括手機和眼鏡）因為攝像頭和算法的等原因難以適用所有的場景，所以讓很多人認為這項技術很“雞肋”。兩年后，隨著攝像頭、算法和5G、云計算、大數據等技術的發展，AR的綜合體驗將會有革命性的提高。
4、0glass最核心的三個算法專利技術有哪些？
1.《3D物體多目標識別與追蹤系統》
3D物體的識別和追蹤是增強現實（AR）學術研究和工程實踐的重中之重。基于深度學習、多線程和異步機制實現了3D物體多目標識別與追蹤，可以有效地提高3D物體識別的準確性、追蹤的穩定性、系統的實用性。3D物體多目標識別與追蹤系統有廣闊的應用場景，應用于工業場景可以實現大量設備狀態檢查的自動化，應用于安防場所可以實現眾多特定人臉或目標的實時跟蹤。該系統去年已在國網湖北電力巡檢中落地應用。
2.《一種基于物體2D圖片實現物體3D識別方法和系統》
3D物體識別是AR學術研究和工程應用的一個核心問題。之前大量的3D物體識別基于物體的大量圖片建立的物體點云信息，這種方法對AR設備的存儲空間、計算能力提出了很高的挑戰，在穿戴式AR設備上很難實現工程落地。對物體從少量幾個特征拍攝角度采集為數不多的2D圖片，以此作為該物體3D識別和AR疊加的基礎，不僅減少了存儲，也提高了計算速度，可以實現物體3D識別在可穿戴設備上的成功落地。本專利尤其適用于在工業應用場景中對機器等物體的識別。
比如在工業領域當中，我們不能到巡檢現場，且到巡檢現場的成本很高，這個時候就可以通過客戶采集好的的2D圖像或者圖片來對算法進行數據訓練，從而達到在巡檢現場能夠識別現場的3D物體。
3.《一種基于CAD構建深度學習缺陷數據集的方法》
在人工智能應用落地中，數據已經成為除了算法、算力之外的核心制約要素。在人工智能有監督學習領域中，需要構建一個穩定可靠的深度學習模型是需要大量的訓練數據集，尤其在用于物件缺陷檢測時，更加需要大量的缺陷數據圖片，但是現實中很難采集到缺陷圖片，甚至根本采集不到缺陷圖片，而且人工采集的成本也極高。現實中用戶擁有的只有CAD圖紙或數字化的CAD模型，利用CAD圖紙也可以建立CAD模型。將CAD模型放置在虛擬構建的場景中，讓虛擬場景近似于真實場景。通過算法修改場景環境光照、加入噪聲數據、生成缺陷模型等來模擬現實場景、模擬現實物件破損，由此產生物件的缺陷數據集，用于下一步深度學習的訓練。通過該方法可以用于解決深度學習物件缺陷數據集樣本稀少、來源稀少、類型稀少、采集困難、成本高等現實問題。
比如在工業領域，第一，客戶的工廠還沒有建好，甚至要生產的產品都還沒有生產出來，這個時候只要能夠拿到客戶的圖紙，基于圖紙來生產模型，通過模型來獲取識別3D物體的數據，待客戶的產品生產完畢，AR系統就立即能夠投入使用。
第二，有很多時候設備的數據是很難采集到的，比如說設備的老化，這個時候可以通過圖紙來建模，來模擬它老化的過程，從而達到提前做好數據訓練、數據處理。到設備老化程度的時候，一樣能去識別。產品的銹蝕也會出現這樣的情況，我們不知道有非常多的產品銹蝕的情況，獲取不到現場的數據。比如說設備生銹的情況，有時候它在這一塊生銹，有時候在那一塊生銹，你不可能事先拿到圖片獲取這樣數據，那這樣可以在3D圖紙模擬這樣生銹的情況，獲得無數這樣的數據模擬訓練，從而達到3D物體的識別。
5、您公司AR產品的銷量如何？在用戶反饋中哪些建議是有必要在下一步迭代中投入資金去研究的？
我們公司去年做了1600萬的銷售額，全國B市場排名第一。但AR眼鏡依然是一種笨重、古怪的設備，在當下很難得到消費級市場的認可。不像手機、電腦是居于身外之物，眼鏡我們每天都要戴，它與人本身結合在一起。所以無論從樣貌還是舒適度，我們希望它在各個方面與普通眼鏡的差距越來越小，甚至無異。當人們需要借助特別功能的時候，它會呈現出AR特性，成為真正意義上的AR眼鏡。
6、2018年已經過去大半，您覺得公司在AR技術的研發方面取得了哪些可觀成果？
2018年我們最大的技術突破就是將工業級AR眼鏡和工業級AR算法做到真正與工業場景深度融合。
AR本身就有很高的技術壁壘，再加上一個很高的工業場景的壁壘，這兩個壁壘的融合共同構建了工業AR的深溝高墻。
那要做出與工業場景深度融合的AR產品，就需要有深刻理解工業場景的創始人。市場、人才、技術這三個壁壘環環相扣。市場天然的壁壘，如果你不懂工業你就做不出符合工業場景的產品，有了這樣的人才就能做出來，做出來后那技術上有什么壁壘呢？
第一、產品定位。0glass工業AR的定位與國內其他AR公司的區別是0glass專注做工業AR，其他領域和行業都不涉及；而其他AR公司都是做很多行業的，比如：有的公司它只做AR+營銷，AR+游戲，AR+娛樂，AR+醫療，順帶做工業；而有的公司在做AR+工業的同時，然后又做AR+醫療，AR+教育培訓等。只有0glass專注做AR+工業，正是因為專注，所以我們才做出與場景深度融合的產品。比如：0glass danny AR智能眼鏡，分體式設計雙目墨鏡設計、重量更輕、10小時續航，采用英特爾x86架構處理器，部分計算可以交給云端，采用成熟光機方案，最重要的是價格可以做到萬元以內，且佩戴起來和平時普通墨鏡幾乎沒區別。它具耐高溫的特點，適合在高頻操作的優勢，能減少系統周邊的零組件及冷卻系統的體積，符合在工業場景上的應用。
比如：頭箍式的AR眼鏡HoloLens，一旦應用于工業領域中的能源行業，立即就會掛掉，不是因為技術不行，而是工業企業中一線工人都必須戴安全帽，而HoloLens的外觀設計師頭箍式的，一旦帶上這個智能眼鏡，安全帽就戴不上了，再好的算法技術也失去了用武之地，這是因為設計微軟這款眼鏡的人沒有懂工業客戶的專家，當然通用型產品懂消費者就行了。
再比如單目式的AR眼鏡Googleglass，也是存在著設計理念的問題，二代眼鏡主要用于工業、醫療和教育，但是卻設計成了單目式，這顯然還是一個實驗性的產品，不是奔著上量的。因為如果戴著這個眼鏡工作，一個工人用一只眼睛看增強畫面，一年少則看幾百小時多則幾千小時，那么這只眼睛長年累月的看，一定就廢了，所以Google glass的設計團隊也是缺少懂工業的專家。
但是以上這兩家公司都是巨頭，有能力承擔更多的試錯成本。工業AR創業你有多少錢可以試錯？！
國內有很多此類的AR公司，不懂廣告的做AR+營銷，不懂多媒體展廳設計的做AR+展覽展示，不懂工業的做AR+工業，不懂醫療的做AR+醫療，還有一些公司做全行業的，從toC的AR+游戲、娛樂到toB端的AR+營銷、展覽展示、旅游、工業、醫療、培訓等全部都想做，對客戶場景不理解，就做不出月場景深度結合的產品，這有點像十幾年前諾基亞手機里的那款貪食蛇游戲，最終因為貪食而死。
微軟和谷歌的AR和AR眼鏡都不可能全行業展開應用，何況是創業公司？！
第二、工業級算法。0glass專注做工業AR，算法也是其核心。目前全球做工業級AR算法的公司，據我們了解僅有三家：
第一家，Daqri收購ARToolKit改造為工業級AR算法。
第二家，PCT收購高通Vuforia，也在逐漸改造成工業級算法，其自己表示相當于花3000萬美金從高通買住宅樓重新改造為廠房，算法也是如此，由消費級算法改造為工業級算法，難度可想而知，底層均需重構。
第三家，也就是國內的0glass。有兩大類產品，一類是硬件：有兩款工業級AR眼鏡，一款分體機和一款一體機。二類是算法工具（SDK）。
0glass的工業級AR算法取名Ngin ABC，為什么要叫Ngin ABC呢？其他的叫AR SDK呢？
NginABC不同于目前市面上常見的AR SDK，NginABC與工業領域的AR應用深度融合，不僅僅考慮AR本身的運動跟蹤問題，還要考慮工業應用場景中人和設備數據的整理和匯聚，工業應用場景中特定精度的目標識別。
在工業當中僅僅是有AR這個功能是不夠，NginABC引擎和其他通用算法的差異在于其是專注工業。工業和消費是完全不同的兩套產品邏輯。例如汽車有上萬個個零部件，要把所有的數據導入開發包中。如果使用通用的SDK，兩年都做不完。如果使用我們的算法，使用符合工業邏輯的SDK，兩個星期就能做完。同時有更高的識別精度和更寬廣的容錯機制。
NginABC工業級算法的架構和邏輯也與消費級AR算法完全不同。要解決工業領域里的剛需，僅僅有AR是不夠的，僅僅一個AR功能只是解決了“實時指導”的作用，比如將作業指導書AR化，輔助工人工作；同時還需要識別操作對象或狀態是否會正確，比如是什么零部件，工人操作是否合規，這個時候需要計算機視覺CV來識別圖像、物體、甚至動作等；有了這些還不夠，還需要采集到人的大數據，從而打通任何機器之間的物理隔離，對數據進行數據的采集、過濾、沉淀、分析，在用AR的形式輸出給一線工人，同時形成數據報表，輔助管理者做出更明智的決策。
所以0glass的算法叫NginABC，“A”就是AR，“B”就是BD（大數據額），“C”就是CV（計算機視覺），只有具體了這三個功能的算法，才能真正在工業場景使用起來，解決剛需和痛點。
NginABC可應用于開發者版與各方合作實現更多IP產出，開發工業領域中更為細分和垂直的工業輔助和實操類培訓的應用。同時我們這套算法即將做成芯片，那么將應用于工業當中的垂直領域巡檢，可以搭載在AR眼鏡上、可以搭載在巡檢機器人、可以搭載在固定攝像頭上、也可以搭載在巡檢無人機上。
0glass基于NginABC SDK形成了一套AR全終端工作輔助系統（PSS）和解決方案：
PPS系統和解決方案有四個模塊：實時指導，透明管理，個人教練，知識沉淀。有了這四個模塊在工業AR應用中才能形成一個閉環。0glass的目標是把PSS打造成一套類似于現在ERP的系統平臺，80%標準化、模塊化，20%根絕工業客戶的使用場景和需求定制化開發。
0glass AR從工業場景的應用來反推其AR眼鏡和算法的產品理念和設計邏輯，從而使其產品與工業場景深度融合。不是手里拿著錘子找釘子，而是發現釘子去做合適的錘子；0glass不追熱點、不做投機，只專注于發現痛點、理解痛點、解決痛點，做與工業場景深度融合的產品。
7、總結這半年來遇到的挫折、感想和收獲，并分享一下接下來公司在硬件推進和市場布局方面的相關計劃。
1、挫折主要是B客戶使用場景的辨識上的問題。最近幾個月發出的第一批0glass danny量產機，遭遇了幾次退貨，退貨率5%左右。為什么會出現這5%的退貨？經過上午一個小時的調查分析后終于找到了原因。除去一臺機子是產品質量問題，剩下的都是使用場景不符合我們眼鏡設計的場景。
0glassDanny AR眼鏡主打的行業和場景是電力行業的巡檢、維修、培訓，同時兼顧汽車行業的裝配、維修、培訓。而遭遇退貨的幾臺眼鏡主要是用于AR游戲娛樂和學校AR研究，顯然違背了我們眼鏡的設計初衷，用于電力和汽車行業。這是我們銷售工作的失誤，沒有辨識好客戶的行業和使用場景。我們將會加強銷售對客戶辨識的培訓，不能為了完成業績而飲鴆止渴，把扳手賣給電子工程師。
現在AR還處于“做工具”階段，還不能做成一個通用性很強的泛在產品，正如0glass CTO王友初所說：當下的AR眼鏡就如同機械工程師的扳手，電子工程師的萬用表。
2、現在來自市場的誘惑太多，每天平均會接到至少3個以上工業AR領域之外的需求，比如游戲、娛樂、裝修、營銷、展覽展示、醫療等，現在再次重申一下我們的四個原則：
1.術業有專攻：0glass從成立那一天起便定位于工業AR，我們一直認為術業有專攻，工業AR之外的領域是我們所不熟悉和擅長的，堅決不做；
2.產品要與場景深度融合：我們的0glass danny AR眼鏡和NginABC算法不會提供給工業AR之外的任何領域使用，比如游戲、營銷等場景，您愿意付錢但我們不賣，因為這對0glass來說不可持續，也不符合我們產品的設計初衷和應用場景，0glass的每一套AR眼鏡我們都希望是一顆種子，能在客戶使用場景的土壤里生根發芽、開花結果，而不是做一錘子買賣；
3.永葆初心：現在還處于創業期，我們只懂工業AR和工業客戶工業場景，在我們創始人知識和認知邊界之外的領域我們堅決不涉及；
4.持續做減法：工業領域太大，即便是工業AR我們現在也在做減法，主攻電力AR和汽車AR，其他工業AR我們有精力和時間的情況下可以順帶做。將有限的資源，聚焦在關鍵制約因素上，聚焦再聚焦，真正去解決一個領域、一個行業、一個場景、一個客戶的一個痛點性問題，然后不斷向其它領域復制，讓技術或產品指數級增值，創造最大價值，我認為這才是真正的有價值的創新。
8、0glass AR眼鏡應用案例：
案例：國家電網巡檢
本項目的訴求是提高安全性，國家電網湖北公司的超特高壓部把0glass的AR眼鏡結合大數據技術用于電網智能巡檢，用于巡檢和檢修，解決它巡檢和檢修的問題。國家電網傳統的超特高壓檢修，檢一下打一下勾，或者用PDA。用AR眼鏡就能解決這個問題，檢修的時候把影像傳輸回來，在辦公室就可以打勾。在攀爬高壓設備的時候，又可以幫他們解放雙手，提高安全性。還有一個是解決大數據問題，可能每次巡檢問題都不同，結合大數據，平時可能只有檢測20項，在天氣不好的況下情，可能有100項檢測項。
案例：西門子
西門子的項目的訴求是降低成本，因為西門子大陸現場工程師（工資20多萬）負責設備安裝，西門子價值幾百萬甚至上千萬的電力變壓器設備安裝過程極其復雜，需要大量現場工程師，現場和后期成本均高。因此西門子需要AR眼鏡來替代部分或者全部工程師以降低成本，將安裝流程數據可視化，剩下安裝放在云上，通過AR眼鏡來獲取作業指導書，而且現場安裝過程實時管理，一旦出錯，后方即可收到報警進行相應解決。借助AR眼鏡，外包給第三方勞務公司，每年人工成本降低接近4０％。
案例：某通信巨頭
本項目是PCB板檢修，某通信巨頭每年生產4000萬pcb板，具體流程是：需要先做印刷電路，然后貼片做成pcba，檢修是通過德國引進的一套工業攝像頭進行檢測，檢測內容：虛焊問題，切片位置，大概4%會被機器檢測出問題，剩余需要人工復檢，這也是難題所在，一塊PCB板少則幾百多則上千元器件，人工以來是效率低下，而來人由于惰性漏檢難免，而一塊PCB板成本極高：一塊板七八十萬，一個CPU兩三萬美金，因此需要AR眼鏡解決。每一步指引疊加在PCB板上。
此項目招標4個關鍵指標：1.識別率大于98%2.不能造成二次錯誤，即不能把B錯識別為C，造成二次錯誤3.像素漂移在五個點之內，因為要在PCB上進行AR指導疊加4.定位精度在0.2毫米，這一點全球沒有公司做到，定位精度達不到0.2毫米也直接導致識別率降低2%5.延遲在100毫秒。
案例：某國際制造業巨頭
本項目的訴求是提高效率，某國際制造業巨頭應用AR物流工作輔助系統，物流倉儲環境下，物料條碼快速識別，物料存取倉庫位置指引，分揀工作指導，增強現實方式顯示，與企業MES系統對接，出入庫物料信息處理自動化。解放工人雙手，提高分揀效率，在物料出入庫過程中，出入庫物料信息處理自動化，實現制企業物流信息處理的無紙化。
案例：江鈴汽車
本項目的訴求是提高效率和避免安全隱患，江鈴汽車把0glass的AR眼鏡應用于新能源汽車的組裝。比如汽車輪子的安裝，它的螺絲一定要對角線去裝，這個平時檢測不出來，但是可能出問題的話會有安全隱患。管理人員監測不了，智能眼鏡就能解決這個問題。
|
