硬科技产业的创新与难点，核心都在“技术落地” ...

在即将过去的2018年，硬科技产业困难不少，但是突破点始终都在。

日前刚刚落幕的“2018硬科技行业领袖峰会暨镁客网年会”活动中，关于“硬科技产业的创新与难点”这一圆桌议题，成为了行业颇为关注的焦点。活动当天上午，在桃李创投创始合伙人常亮的主持下，Trimble中国区总经理陈朝晖、艾米机器人创始人兼CEO李方友、蚁视CEO覃政、酷哇机器人联合创始人兼COO刘力源纷纷对此发表了自己的看法。

陈朝晖认为有两个方向，一是软硬件结合，实现机器智能；二是将数字空间和物理空间结合起来，比如虚拟现实，实现全技术空间生命。李方友则从服务机器人行业出发，表示目前我们并没有解决真正应用场景的真实需求，未来一定是人机混合的时代。

覃政认为创业公司应该从解决核心问题出发，真正实现技术落地。刘力源则表示目前自动驾驶的痛点不是单一公司的算法突破，而是整个产业链在算法、传感器上都还不能找到突破点，我们要找到一个技术降维的点。

以下是本次圆桌的对谈实录：

常亮：刚刚前面几位嘉宾把自己的所见所得与现场朋友做了分享，我是桃李创投的常亮，我们是早期项目的VC基金，我本人拥有7年VC从业经验。我们的圆桌对谈将分三个环节，第一个环节请各位创始人做一个自我介绍。每个人的领域还是比较细的，并不是所有观众了解。

陈朝晖：大家早上好，我是Trimble中国区的总经理陈朝晖，我们于1990年在纳斯达克上市。Trimble经过四十多年的发展，有了非常多的技术，目前有两千多项专利，渗透的行业主要在工程建设、测绘地理信息、农业和交通物流，我们也关注自动驾驶、铁路、公路设施，包括林业等等，我们针对这些行业提供一些解决方案。

李方友：我是艾米的李方友，公司从2015年成立到现在走过了很多路，刚开始走的通用机器人，后来走入医疗，同时也在做室外无人驾驶，我们现在做机器人整体解决方案和技术，我们也有室外自动驾驶的车子和技术，为一些伙伴提供合作。

覃政：大家好我是蚁视的覃政，我们从去年开始转向AR眼镜小型化大视角开发，正在进行重测的技术防止眩晕感的产生，我们有一个技术底层突破，结合脑科学的进展。

刘力源：我是酷哇机器人的联合创始人刘力源，我们切入的是环卫领域，用自动驾驶替代目前危险系数、工作强度都比较高的工人部分，今年4月份我们在长沙设了一个商业运营场景，到目前为止投放了40多辆无人驾驶车，到明年投放500辆的车队。

常亮：在座的各位嘉宾都是非常垂直的行业，还请四位从自己的细分领域出发，分享一下2018年大家看到的行业中的一些变化。

陈朝晖：不同行业有不同的客户需求，大家想法不一样，解决的问题也不一样。从我们所关注的行业工程、农业、测绘信息来说，有两个方面还是可以关注的。一个是怎么把软硬件结合在一起，实现机器智能，把人做的工作都自动化。

比如农业客户，很关注在农业中播种、收割时拖拉机走直的问题，用我们高精度定位导航技术，在一个农田里面一公里两公里范围内走直，我们是可以达到2厘米误差的。我这周正好在铁路总公司交流一个比较新的技术，这个技术是用来做铁路的机车和轨道的检测的。传统来说，这个技术机车运行以后停在机库里面人会去检查，后来则在铁路边上装一个摄像头，用摄像机拍照来观测车停下来以后有什么损伤。但是这个很难，照片看一张可以两张可以，看半个小时眼睛就花掉了。

我们现在用机器自动识别，机器帮你做三维建模，做算法分析，告诉你什么地方有裂纹，而且每天24小时不停检测，这样的话人不需要参与这个工作，人就被解放出来了，这种方法大大地实现了机器的自动化，我觉得这是很好的方向。

另外一个方向也是在实践过程中，从客户需求中提取到的方向。那就是怎么把数字空间和武力空间结合起来，实现全生命周期的流程和管理，这也是蛮有意思的概念，现在已经可以用我们很多的技术去实现。

比如设计一个机场，先造一个模型，把这个模型送到工厂里进行定制，用虚拟技术看结构件放在哪里，在正确的位置安装所需要的结构件，通过设计转化成一个实物，在施工结束以后可以把整个机场做一个三维扫描，从里到外知道管路和线路在哪里，甚至一些隐蔽工作都能知道。

常亮：接下来可以谈谈，在无人机器这个领域行业的一些变化。

李方友：无人机器是很热的，但有一个问题就是，没有解决人们真正用的场景的需求。现在是人机混合时代，单靠机器或单纯靠人都不行。有时候你用机器人做一些简单、重复，不需要太多脑力工作的事情；而需要配合脑力的时候，比如安保、医疗，比如在机场里面机器人帮你做一些翻译引导、在医院里面帮你做一些查房、巡房，但真正做判断的还是需要人。

未来的两三年应该是人机混合时代，而不是人工智能智能时代，接下来两年或者三年我们跟更多的视觉、算法、人机混合搭配，再跟人搭在一起。

常亮：蚁视在VR领域是非常有名气的公司，覃总是一线的耕耘者，对这部分有一些自己的心得和体会，请他给我们分享一下，2018年蚁视是怎么度过的？

覃政：目前为止，我们公司发展五年了。我们经历了VR/AR行业从兴起到高发、调整的过程，我们把它认为是任何一个平台级的行业都需要经过的阶段。

70年代大型机出现的时候，很多人认为电脑没什么用，认为电脑是一个科研产品，之后经历电脑小型化，这个时候苹果开始爆发，到了90年代互联网终于爆发。手机发展也是一样，80年代第一代大哥大出现，功能单一也很贵，第二个阶段是手机，后来过了十年时间到智能机时代，迎来了移动互联网的爆炸。

科技发展永远具有周期性，不可能3到5年的短周期时间。目前我们这个领域仅仅是遇到一个困难，就是产品不够好。

第一是产品体系太大，直接影响用户体验。在VR/AR领域很多小型光学技术还没有研发出来，这个影响平台及技术的普及性，只有小型化才能普及。第二个是视觉效果，很多人看VR/AR没有看手机电视那么清楚。整个VR/AR现在跟游戏产业几乎断层，大量游戏IP没有移植VR/AR，射击类游戏、赛车类游戏、飞行类游戏，所有都会产生运动症。

我们认为小公司的核心策略是要研究核心技术，小公司专注于核心技术开发，找到行业痛点去解决它。我们针对行业痛点提出三大解决方案，第一墨镜一样轻薄的解决方案，第二达到视网膜级别的VR/AR超清晰显示方案，第三VR/AR根源性的防眩晕技术，使得我们大量的游戏、大量IP转移成为VR，这是我们的决策和针对行业做的一些改变，也希望最终这些技术落地，成为很多大公司做VR/AR产业时的核心技术供应商。

常亮：我想问一下刘总，自动驾驶门类也非常多，为什么咱们选择了在环卫垂直领域做自动驾驶的技术实践？

刘力源：作为一个行业从业者，我们认为自动驾驶真正落地大规模的应用可能需要5到10年时间，在这个时间里面做这个事情我们需要有一个相对比较可预见的路径，怎么去切入这个行业，怎么像其他创业公司或者现金流公司在这个行业里面做下去。

我们这样的创业公司不太可能有很雄厚的资本力量，在不断融资的过程中如果没有自己的现金流，心态和节奏会被打乱。我们做自动驾驶产业过程中会找到目前自动驾驶痛点，整个产业链从算力、传感器、研究层面、产业链都没有被突破的情况下自己去突破不太可能的，我们需要在中间找到可以技术降维、产品降维的部分，所以我们找到了相对比较适合目前技术成熟度的就是环卫场景。

为什么选环卫场景？第一环卫场景是一个刚需行业，80后不愿意进入这个行业，80%以上的环卫工人是60到50岁以上，未来会出现大量空缺，中间需要劳工流动性来填补这个空缺。第二环卫行业处在作业模式下是一个低速场景，这个场景非常适合。第三环卫行业本身是一个政府财政拨款的行业，不太受经济周期的影响，考虑到目前商业环境和技术成熟度来说是一个相对好落地的场景，所以我们把环卫行业作为第一个落地场景。

常亮：第三个问题，先问艾米李总，公司业务范畴从机器人到自动驾驶，整个产品的脉门比较广，公司自己做的优势和考量是什么？

李方友：我们团队里面有来自于美国麻省理工技术工程师，我们几个合伙人对无人驾驶早期定位在机器人，这是综合学科的东西，而垮领域方面比如他们做环保领域，我们则是帮警方做无人安防车，现在自动驾驶车路结合是最难解决的问题，我们做的就是解决这个问题。

常亮：第二个请问一下覃总，Trimble作为一个美国上市公司，在中国遇到了硬科技大热潮，你觉得能帮中国开发者实现哪些价值？

陈朝晖：我们Trimble在美国上市，总部也在美国，但是不能说Trimble完全是一家美国企业，我们认为是是一家跨国高科技企业。Trimble20年前就进入了中国，对中国还是比较熟悉，也在各个行业跟我们的客户打成一片，提供了很好的解决方案。

目前Trimble在中国的业务是除了美国之外最大的业务，我们在创新与投资方面互动很多，也感觉中国客户对于创新的理念、创新的技术还是非常拥抱的。

我们的北京新机场项目也是整套数字化施工，不仅有软件、硬件还有平台，这是一个施工管理的大项目，客户有很好的创新精神，我们共同申请专利，这套系统获得了一等奖，这是Trimble和客户一起合作研发的。Trimble在中国的很多客户也愿意用创新科技解决他们所存在的问题，提高他们的生产效率，降低工作成本。

常亮：覃总过去做终端，现在做平台，在整个过程中战略、组织结构是怎么变化的？

覃政：我们现在做的是一个技术服务的平台或者供应商，大公司在垂直行业的科技竞争和技术创新领域需要一些核心供应商，这是我们的逻辑，与过去五年的经历密不可分。我们也发过销售级的产品，过去五年还是在于大客户的服务，包括联想、一加他们之前不会做VR/AR，去年开始所有大公司都成立了自己VR/AR部门，真刀真枪干VR/AR这件事，而我们转向做B端核心模块的供应，包括光学模块、显示模块，还有VR/AR算法模块，高清晰的显示技术。我们几乎砍掉了所有消费品相关的模块，更专注于品控、大客户服务板块，以及我们的核心技术，包括专利体系的偏差。