阿丘科技成立于2017年，是国内工业AI视觉平台的领跑者。公司核心团队来自于清华大学人工智能实验室，以“AI for Every Factory”为使命，专注于将领先的人工智能、机器视觉、大数据等技术应用于工业场景，解决复杂的工业检测问题。公司推出的专业级工业AI视觉算法平台软件AIDI、嵌入式AI系列产品EVS、云端工业AI视觉平台NexSight以及垂直行业AI解决方案，已广泛应用于3C电子、新能源、汽车、医药、半导体、包装等领域，部署上线数百家工厂，包括富士康、立讯精密、宁德时代、LG化学等先进制造业标杆企业。我们就近日与公司管理层的投资者电话会交流，结合公司介绍情况汇总为十问十答。
　　▍Q1：公司的竞争对手有哪几类？公司的核心竞争力包括哪些方面？
　　公司竞争对手可分为四类：1）康耐视等巨头，康耐视在历史上收购过两个AI软件公司；2）创业公司，思谋科技等；3）互联网或AI巨头，腾讯等；4）国内传统机器视觉公司：奥普特、凌云光等。
　　公司认为其核心竞争力包括：
　　1）技术：深耕工业+AI赛道，产品性能处于全球第一梯队。阿丘科技在业内实施差异化策略，坚定认为工业视觉可以通过深度学习和AI的方式来重构。公司核心产品“工业AI视觉软件平台AIDI”的样本量、检测指标与速度均与巨头康耐视旗下ViDi公司的产品相当，处于全球领先的第一梯队，定价略低于康耐视，但远高于国内友商。此外，公司针对工业场景的真实痛点，陆续推出“智能缺陷生成”、“良品学习”等新功能。
　　2）商业化：具备工业场景体系化落地经验，率先积累大客户群体。阿丘积累了富士康、立讯精密、宁德时代与LG新能源等业内标杆客户，在复杂场景中取得大量成功案例，获得相对保守的制造业下游客户信赖，进一步巩固其在工业AI视觉领域的领先地位。
　　▍Q2：工业视觉领域产业链的上下游如何划分？各自的竞争格局如何？
　　1）上游器件，包含三个重要组件：光源、镜头与工业相机，特点是标准化程度高。相较之下，光源市场规模较小，技术壁垒与产品价值较低。
　　2）中游视觉系统，包括视觉软件、智能相机和视觉系统。根据公司投资者交流电话会议，两大巨头康耐视与基恩士占据中游80%以上市场份额，形成垄断地位。二者拥有强大技术实力，而商业逻辑不同：康耐视兼营软件与智能相机、视觉系统；基恩士强调产品易用性，专注于智能相机与视觉系统。
　　3）下游解决方案，按照产品标准化程度可分为表面检测、AOI设备（Auto OpticalInspection，光学自动检测设备）、定制解决方案。国内解决方案、定制项目型公司居多。
　　▍Q3：从技术角度，AI将如何影响工业视觉？公司认为：
　　1）维度提升，优化复杂问题的处理能力：Rule-based的方法受人工设计特征工程的维度限制，而深度神经网络可实现维度的量级提升。以大模型为例，可达到一千亿、二千亿的参数空间维度，高维度下处理复杂问题更为简便。
　　2）性能改进：一方面，降低现场运维成本，受传统Rule-based技术的瓶颈限制，现有AOI设备为保持低漏检率与低过杀率，需进行人工复判；AI可进一步减少对人力的依赖，进而提升成本效益。另一方面，在产品层面重构用户的交互体验，简化操作流程。传统的工业视觉依赖于Halcon或康耐视的Vision Pro，需对数百个算子进行预处理，工序复杂；而阿丘科技的AIDI软件只有五个核心模块，强调易用性。工业基础视觉软件正在从Software 1.0迈向2.0，从Rule-based变成Smart Software后，用户体验发生质的飞跃。
　　3）通用泛化：实现跨领域通用，赋能碎片化工业视觉市场整合。工业领域包含电子、汽车、医药等众多细分赛道，单一品类的市场容量不大，但多行业整合后的市场空间巨大。AI的通用泛化能力可推动解决工业视觉领域的第一性原理问题：如何实现碎片化市场的最大化覆盖。
　　▍Q4：从商业模式角度，AI将如何影响工业视觉？公司认为：
　　1）降低门槛，不再需要资深算法工程师进行检测与复杂的应用，从业者只需对行业与软件有基本认知即可；
　　2）重塑成本结构，研发成本降低，交付运维成本降低，短期内尤其是AI进入一个行业的早期阶段会增加数据成本（包括数据维护或数据标注成本），但随着时间推移会不断降低，最终会走向基础模型。公司认为未来三年整个行业的成本结构将大幅优化。
　　▍Q5：AI+工业视觉目前处于什么阶段？公司将AI+工业视觉分为以下阶段：
　　1）AI 1.0阶段，核心为以算法为中心。1.0阶段的算法特征为小样本、高精度、低算力；落地方法论关注AI认知、需求边界、数据与模型的管理；客户群体普遍存在痛点，愿意拥抱新技术且有一定支付能力。主要问题为数据缺乏，上线部署周期长，如遇未知缺陷必须重新训练，研发成本与定价偏高。
　　2）AI 2.0阶段，核心为以数据为中心。一是开始累积行业数据，这是2.0阶段的重点。某场景下的客户达到一定数量后，累积的数据可协助在基础模型上针对不同客户的需