传统制造业普遍依赖人工进行产品外观检测，存在两大问题，一是受限于人工疲劳度，漏检率普遍很高；二是人工成本逐年增长，工厂难以负担。
据统计，全球3.6亿制造业工人中，视觉质检人员约3500万人，按照世界银行2018年全球人均净收入9290美元来估算，全球每年仅因视觉检测而产生的人工成本超3000亿美元。
弭宝瞳发现了市场痛点，于2018年创办矩视智能——提供机器视觉低代码开发平台，基于人工智能、低代码、云原生技术，赋能工程师团队，提供云端在线的字符识别、缺陷检测、尺寸测量、目标定位等开发功能，推动机器视觉广泛应用。
矩视智能于2020年1月发布机器视觉低代码平台，2021年11月发布国际版新产品，凭借平台规模化的增长优势，目前已覆盖100多行业，获取10000多家企业客户，落地2000多个工业细分场景。
融资方面，矩视智能 2021年3月获SIG资本A轮投资；2020年8月获KIP资本数千万元Pre-A轮投资；2019年10月获中信集团数百万元投资，2018年6月拿到PNP数百万元种子轮投资。
随着科技的发展，2017年前后，机器视觉开始广泛应用在智能安防等领域，但在工业等传统领域还未规模化应用。而AI技术的成熟，也并未加速机器视觉的落地速度。
因为机器视觉的落地，需要很强的技术综合能力和团队配合：硬件上包含相机、镜头、光源、工控机、GPU的选型和现场部署；软件上包含2D视觉、3D视觉和深度学习算法开发，同时要与电气工程师的通讯联调，机械工程师的图纸设计相配合，技术难度极高；此外，在针对具体场景的整体解决方案，又无通用性可言，种种因素造成机器视觉应用开发成本高、周期长、人效低的困局，大大限制了机器视觉的规模化应用。
究其本质，依旧是大量非标定制所带来的高开发成本，与工厂低人力成本替代之间的矛盾，未被解决。 2018年，弭宝瞳拉上5个志趣相投的前同事和同学，开始潜心打磨产品。2018年5月，众人打造的AI训练平台获得了中国人民大学创业大赛冠军。6月，团队拿到了PNP数百万元的种子轮投资，自此走上商业化之路。
与其他提供定制化服务的视觉解决方案商不同，矩视智能提供标准化的机器视觉低代码协同开发平台。目前矩视拥有开发者工具平台形式的SaaS和aPaaS系列产品。
- 矩视智能的SaaS和aPaaS系列产品-
弭宝瞳提到，矩视智能有3个核心特点：工具思维、低代码技术路线、产品驱动增长。
第一，用工具思维打破大客户定制思维。过去，汽车、3C等大行业为机器视觉的落地首选，并以客单价为导向，为其中的大型上市公司做项目定制。而矩视则是以工程师需求为导向，形成toD(Developer)的产品思维，将各种具体的场景需求抽象化，提供跨行业的通用工具。例如，汽车和 3C行业，都有外观划痕检测需求，矩视则打破行业划分，针对划痕类检测需求去提供通用的开发工具。
第二，选择差异化的技术路径。老玩家会把深度学习视为对传统算法的补充，用深度学习去解决一些较难的问题。相反，矩视的技术路线是把传统算法当做是深度学习的补充。矩视使用深度学习的首要目的是降低机器视觉的开发门槛，而不仅仅是去解决一些较难的检测问题。
毕竟传统的定制方案，很难满足工厂的低成本需求。举例来说，一个工厂需要笔记本壳的外观检测设备，一般只有几台需求，如果招聘算法工程师、软件工程师去开发定制算法软件，然后再定制工装自动化部分，成本可能高达五十万，但工厂的预算很可能只有二十万。调查显示，国内拥有此现状的普通工厂比例高达99%。
弭宝瞳表示，矩视提供了一个标准化的开发平台，内置丰富的开发工具，不需任何图像知识，普通工程师也可以通过矩视的低代码平台去组合模块，形成工具链，去满足客户碎片化的检测需求，以较低成本解决客户检测难题。
第三，产品驱动增长。其一，矩视在产品形态和商业模式上做了很多颠覆式创新，将传统PC-Based的软件形态，升级为云端SaaS形态，从而在行业内大范围积累数据，并运用数据让产品更加“傻瓜化”，方便工程师使用；其二，由于采用PLG的增长模式，矩视选择面向视觉、软件、电气、结构等工程师，免费授权使用开发环节，进一步降低机器视觉的使用门槛，以此良性循环，扩大产品的使用人群。
- 矩视智能的低代码平台开发界面-
目前，矩视智能平台的应用细分场景上万种，识别准确率可达99%以上，训练时间控制在5分钟内，开发效率提升10倍以上。倘若使用本地定制化开发，则需要招聘AI算法工程师，平均开发周期一周以上，而基于矩视智能的平台开发，普通工程师在一天内即可完成，还能通过云端数据积累实现自动升级和版本控制，成功规避本地开发周期长的问题。
据悉，矩视智能机器视觉低代码开发平台于2020年1月上线，目前平台已覆盖10000家制造业客户。
根据AIA调查，当前只有5%的潜在用户使用了机器视觉，尚有95%的潜在用户需要但还没有使用机器视觉。全部潜力发挥出来后，全球的市场可达到 1200亿美元。
弭宝瞳提到，矩视智能希望提供开发平台，让剩余95%的潜在客户，可以0成本、0代码、0门槛、0硬件，快速应用机器视觉，提升开发效率。
一是解决能力问题。在传统行业，算法工程师甚至软件工程师是非常稀缺的，企业过去没有能力解决视觉检测的需求，使用了矩视平台后，他们开始有能力去开发视觉类的应用，帮助客户实现了从0到1的跨跃。
二是解决效率问题。工程师无需再从底层搭算法框架，而是基于低代码平台，去做个性化配置，帮助客户实现了从1到10的快速落地。
弭宝瞳还提到，优先国内市场起步更具优势：中国万亿级的制造业市场，分工细致，市场分散，产生了高度碎片化的需求。
第一，中国机器视觉需求位居世界前列，市场基础好；第二，大量工业需求为机器视觉新技术的落地实践提供了丰富的应用场景，能让企业收集足够多样化的数据，促进企业优化产品，开拓更多场景；第三，国内集成商、设备商、OEM生态非常庞大且成熟，他们拥有最前沿的行业Know-How和商务关系，选择为其赋能而不是和他们竞争，才是最好的合作模式。
国内多元化的需求让矩视智能收集数据的速度、产品迭代优化的速度更快。在快速积累3年后，2021年11月，矩视智能发布机器视觉低代码平台国际版，正式开启海外战略。
跟客户合作中，矩视在平衡共性需求与个性需求上磨合较多。作为工具提供方，团队会优先上线解决共性需求的工具。
例如，平台上线的“旋转标注框”功能，可以用来识别一些有倾斜角度的印刷数字、生产日期等字符，而这一个小工具，就能应用在几百个类似的场景中。
弭宝瞳提到，客户的琐碎、细小需求中，会有共性，产品经理提取出这种共性，研发工程师则将它变成一个个标注工具。在矩视平台里，这样的工具模块，已上线 100多个，均应用在上千个细分场景。
在使用过程中，用户只需登录，按照操作步骤，上传并标注样品图像数据，云平台就会自动匹配最优的深度学习算法模型和传统算子，客户无需额外开发，部署环节会自动生成最合适的调用模板，高效集成到本地化系统中。
目前，矩视智能采用开发免费，运行license收费的模式，客户量年增长600%。如此快的增长速度，一方面是团队开发的产品满足了客户低成本开发的需求，另一方面是，形成了开发者使用习惯，而矩视会不断优化平台工具，去满足用户的共性需求。 矩视智能创始团队均为来自清华、北大、人大等国内外顶尖大学的博士研究生，曾供职于阿里巴巴、百度、360等头部企业。创始人弭宝瞳是中国人民大学计算机博士，拥有丰富的产品、研发和学术交叉经验。
关注微信
