创业邦：客户的特殊要求 ， 特殊在什么地方？
傅彦：工厂的环节很多 ， 不同生产线的产品也不一样 ， 每个节点都有特殊要求 ， 需求是非常碎片化的 。
做大数据 ， 光有工具不行 ， 更多还需要对行业知识的理解 。 只有把工具和行业知识深度融合后 ， 做出一定程度上标准化 ， 但是又在一定程度上能够定制化的产品 ， 二者结合才能形成真正的壁垒 。
创业邦：定制化需求多的话 ， 也很难规模化扩张 。
傅彦：是有这个问题 ， 所以我们也在慢慢地去做通用化 。 但这可能需要很长的时间才能见到成果 。 我猜我们要付出10年以上的努力 ， 才有可能让我们从工业领域里走出来 。
到那时 ， 如果市场占有率足够高 ， 如果每一个工厂都离不开数之联 ， 成本就会慢慢降低 。 而且我们积累到成千上万的工业数据 ， 效果自然又会提升 。 这时工业领域的定制化程度才有可能慢慢减少 。
创业邦：占有率需要有多高？
傅彦：至少30% 。
创业邦：数之联现在的市场份额是多少？
傅彦：面板领域缺陷检测方向我们是最大的 。 但这个市场不是足够大 ， 毕竟全国生产面板的厂商就那么多 ， 想要支持一家上市公司的体量还是不够 。
创业邦：工业概念相当庞大 ， 有没有其他聚焦的领域？
傅彦：我们主要聚焦在泛半导体 ， 包括面板、PCB、光伏、锂电 。 另外离散制造方向也有涉足 ， 比如汽车制造加工 。
之所以聚焦在这些领域 ， 主要是因为我们产品的主要方向有两个：一个是检测缺陷 ， 另外一个是提升良率 。 而这些都是通过计算机视觉的方式实现的 。
创业邦：能不能具体说明一下 ， 公司的产品和技术是怎么帮助这些领域中的企业的？
傅彦：很简单 ， 比如手机生产过程中有很多工序 ， 有些工序会涉及非常精密的电路 。 工序完成后 ， 工厂会自动给这些电路拍照 ， 传送给检验部门 ， 让检验人员检查图片上有没有气泡、断线之类的缺陷 。
检验人员每天要对着电脑看上万张这种照片 ， 眼睛非常疲劳 。 所以时间一长 ， 就会有工人因为眼睛受不了离开岗位 。 而且因为疲劳 ， 有些缺陷也无法被工人发现 。 这样一来 ， 工厂在检验环节的人工成本就非常高 ， 但效率却非常低 。
我们则是用机器学习识别图片 。 产品上线后能减少检验环节80%的人工 ， 还能把检测效率提高到99% 。 检测效率提升 ， 也会带来良率的提升 。
创业邦：不少计算机视觉公司也在做类似的事情 ， 数之联和他们在定位上有什么不同？
傅彦：定位是不一样的 ， 而且并不是说同样的机器学习算法、计算机视觉算法在任何地方都能使用 ， 不需要改变 。
不同公司选择的领域不同 。 在工业这个领域里 ， 技术一定要和业务契合 ， 才能保证很好的效果 。 这也是我刚才说的 ， 只有把工具和行业知识深度融合 ， 才能形成真正的壁垒 。

文章图片

优秀的To B企业
都在行业里坚持了10年以上
创业邦：有没有下一步的融资计划？
傅彦：短期内可能不会有计划 ， 因为我们的资金足够支持公司运转 ， 另外我们也希望明年启动科创板上市 。
创业邦：准备上市的话 ， 资金计划投入到哪里？
傅彦：我们的业务上有智能制造和智慧城市两大板块 ， 肯定还会在这些板块里投入 。
工业智能制造领域我们还有很长的路要走 ， 需要对产品进一步打磨 ， 需要真正实现软硬件一体的产品 ， 同时公司也要达到和华为、苹果等大厂对接的能力 。 在这方面我们未来肯定有大的投入 。