整理 | 胖刘

吃软不吃硬外加完美主义强迫拖延症

2017年，AR来势汹汹。在移动端AR应用已经开始逐渐打入大众市场的情况下，AR眼镜类产品在B端也有着非常迅速的发展。 在今年的香港环球资源电子展上，深圳市0glass CEO苏波先生为大家带来了自己对于AR在工业领域发展的看法，以及0glass在工业领域的布局和案例。 AR新赛道：国外巨头纷纷布局，BAT不甘落后 赛道，这个词最近很流行，大家创业时都需选择赛道，此时，你选哪个行业去做，从哪个领域去做突破？ AR/VR被公认为下一代计算平台，特别近一年之内，谷歌，微软，苹果各自公布自家AR战略，阿里也于上周推出AR引擎，国内外巨头AR布局已然初步形成。然而AR还处于早期发展阶段，特别是AR比VR还晚2到3年发展时间，AR相当于PC 70年代末80年代初同期工业应用早期探索阶段，相当于“手机的大哥大时代”，即便如此， AR高新技术就像高速列车，一旦发展抬头，借助于惯性也会越来越快。 有了高速列车，就需要寻找隧道，此时，不得不提苹果ARKit，iPhone X虽然未上市，但ARKit发布短短两个月时间，全球上千家公司就基于它开发了大大小小的游戏以及应用，主要集中于C端市场。谷歌也是如此，紧随ARKit发布ARCore。而且谷歌硬件布局更早，Google Glass 13年底就面世，Google Glass在15年底就已停产，但在17年企业版重生，这也表明AR消费级市场不乐观，但AR企业级市场（B端市场）潜力巨大。 英特尔是Realsense，微软AR布局是Hololens+SLAM。在BAT方面，腾讯去年年底发布了QQAR，百度今年也发布了百度AR，阿里也是如此。BAT的AR布局偏“软”，集中在底层算法或者引擎，还未涉及到硬件。 国内外巨头布局对AR行业的四大影响 随着国内外巨头的AR布局初步完成，对行业将产生四个影响： 第一，未来互联网产品三年之内百分百AR化：现有APP均将加入AR功能，基于AR SDK来开发新APP也将是趋势，包括游戏，各行业应用以及消费级应用。 第二，巨头教育市场。创业公司无力来影响市场、教育市场，但巨头的“一举一动”都在教育市场，如苹果ARKit发布短短两个月，近上千家公司迅速跟进开发多款ARKit应用，这就是巨头影响力。虽然谷歌ARCore目前仅支持Pixel和三星S8，相信很快也将扩展至其他机型。 第三，寡头垄断，当前ARSDK（底层算法）的格局，类似于 PC端操作系统Windows和苹果，移动端安卓和苹果两家独大， ARSDK（底层的算法）日后也将处于寡头垄断的形势，但对于创业公司，机会仍存：基于ARSDK来构建出类似苹果商店的巨大生态，可借助如同AppStore影响力来孵化出诸多伟大公司。 第四， 泾渭分明的B端和C端市场。因C端人多且易懂，巨头通常布局C端市场，但B端市场就显得晦涩难懂了。创业公司如坚持专注C端市场做SDK（底层算法）或者硬件创业，无一例外将被巨头覆盖。国内不少创业公司如太虚和亮风台都在做AR SDK，然而消费级市场的时间窗口转瞬即逝，巨头们一旦发力，时间窗口将会很快对创业公司关闭。但B端市场就反而值得创业公司留意，仍留有巨大发力空间。B端和C端市场泾渭分明，这就是国内外AR的当前生态形态。 机器人类化后，AR助力人类机器化 工业领域的B端AR包含诸多细分领域，包括医疗，教育培训等。 我起初从事PC AR，即墙体结构投影工作。后来博物馆展览也开始利用进行AR展示。目前来看，三年之内AR最好载体无疑仍是手机。我从事AR眼镜制作，但是AR眼镜估计到2025年后才会缓慢覆盖到C端市场，届时AR眼镜市场才能有所起色。 手机AR，PC AR以及AR眼镜对工业的第一影响是数据可视化。以前工人在掌握维修手册时还需理解消化，现在借助AR数据可视化可解决工人记忆问题，打通了人和机器之间的物理界限。 此前，工人跟机器之间毫无联系，现在AR可把人和机器连接起来。它走完了大数据的最后一公里，既可采集到人类数据，也可采集到环境数据。 之前，物联网解决方案并无可行方案来采集人的数据，现在正赶上工业4.0浪潮。借用0glass公司首席科学家的话，“工业4.0是两个维度上的，第一个维度是把机器变成人，因为机器人在慢慢取代人，第二个维度是让机器智能化，这也是未来趋势， 20年之内还需要解决的问题，就是把人变成机器。” 工业领域，AR可以解决的三个痛点 工人们在维修发动机的过程当中跟30年前基本上没有区别，因为现在即便最轻便的信息技术终端也不能够解放他们的双手。而工人们在生产线和野外作业，无一例外都需要用手来工作的，这也就带来了工业领域亟待AR解决的三大痛点： 痛点一，非第一视角。iPad可以协助工人，但它并非提供的第一视角，对工人生产效率甚至对你的工作安全都会产生影响。而AR眼镜则可解放双手，同时提供第一视角。 痛点二，无法实时管理。上级无法实时管理到每个工人的工作细节，即人的数据缺失，唯有实时指导可解决。实时指导可根据模组来设计诸多功能，解决人的记忆问题，提高生产效率，降低生产成本，提高良品率。 痛点三，培训困境。这里有两个问题。第一，人类遗忘曲线，人在接受培训后很快就会忘记学习的内容，这由人生理结构决定。第二，七二元模型，工人学习场景与工作场景脱离。根据培训理论，两个场景，离得越近，培训效果越好，即学习场景与工作场景越近，直到重叠，学习效果更佳。 AR眼镜硬件真正落地的四点要求 第一重量轻。我们曾经做过跟华侨大学做过研究，70克是压死骆驼的最后一根稻草，多一克也会降低舒适度，因而，重量一定要一定要轻，这是AR眼镜能够真正落地的最基础要求，一旦过重，其他功能再强大，都会失去意义。 第二个运算要快。特别是B端的数据量非极大，产品运算能力跟不上，现在把很多东西丢在服务器上计算也还不现实。 第三个续航能力。产品无法满足八个小时甚至十个小时续航，工作当中将无法使用。 最后一个就是价格问题。目前的AR眼镜价格介于1万到3万之间，我们通过用户调研得知，如果价格与中高端PC或者中高端手机价格相仿， C端和B端客户都可以接受。 AR眼镜必须有算法支撑 AR眼镜没有SDK的支撑也无法使用。前面也提及，国外苹果，谷歌和微软以及国内BAT都已完成算法布局。 需要强调的一点是，当前在做的算法几乎没有专注于做B端的，特别是工业级算法，都算是C端（消费娱乐方向算法）。 偏重于游戏娱乐这方面，是因为算法的底层都是机器学习和深入学习，需要大量数据来支撑，没有数据和场景，算法是很难真正运用起来。属于工业级的场景，必须有工业级数据来支撑。当前算法相当于联想个的人计算机，缺少的是IBM工业计算机。虽然都是计算机，但产品逻辑理念和场景是截然不同的。 同时我们自己也研发了一套算法，叫NginABC。AR数据叠加仅能够实现实时指导功能，还需对场景进行识别，对物件进行识别，同时需要数据分析和采集能力，对数据进行沉淀，清洗，过滤，才有意义，这是工业级算法跟消费者级别算法的区别所在。 目前全球做工业级算法的公司，据我们了解仅有三家： 第一家，Daqri收购ARToolKit改为工业级算法。 第二家，PCT收购高通Vuforia，也在逐渐改造成工业级算法，其自己表示相当于花3000万从高通买住宅楼重新改造为厂房，算法也是如此，底层均需重新。 第三个，也就是我们0glass。我们有两大类产品，一类是硬件：我们有两款AR眼镜两，一款分体机和一款一体机。二类算法则分为后台编辑工具和SDK，同时也做过灯塔级客户的项目，例如国家电网巡检，华为PCB版检修，以及西门子降低成本，江铃汽车以及富士康还有两家军工企业（保密）。 案例：西门子 西门子的项目的诉求是降低成本，因为西门子大陆现场工程师（工资20多万）负责设备安装，西门子价值几百万甚至上千万的电力变压器设备安装过程极其复杂，需要大量现场工程师，现场和后期成本均高。因此西门子需要AR眼镜来替代部分或者全部工程师以降低成本，将安装流程数据可视化，剩下安装放在云上，通过AR眼镜来获取作业指导书，而且现场安装过程实时管理，一旦出错，后方即可收到报警进行相应解决。借助AR眼镜，外包给第三方劳务公司，每年人工成本降低接近4０％. 案例：华为 华为项目是PCB板检修，华为松山湖每年生产4000万pcb板，具体流程是：需要先做印刷电路，然后贴片做成pcba，检修是通过德国引进的一套工业摄像头进行检测，检测内容：虚焊问题，切片位置，大概4%会被机器检测出问题，剩余需要人工复检，这也是难题所在，一块PCB板少则几百多则上千元器件，人工以来是效率低下，而来人由于惰性漏检难免，而一块PCB板成本极高：一块板七八十万，一个CPU两三万美金，因此需要AR眼镜解决。每一步指引叠加在PCB板上。 华为此项目招标4个关键指标：1. 识别率大于98% 2. 不能造成二次错误，即不能把B错识别为C，造成二次错误 3. 像素漂移在五个点之内，因为要在PCB上进行AR指导叠加 4. 定位精度在0.2毫米，这一点全球没有公司做到，定位精度达不到0.2毫米也直接导致识别率降低2% 5.延迟在100毫秒 关注微信公众号：VR陀螺（vrtuoluo）,定时推送，VR/AR行业干货分享、爆料揭秘、互动精彩多。