特斯拉機(jī)器人核心是機(jī)器視覺，矩子科技給特斯拉電控系統(tǒng)工廠做機(jī)器視覺設(shè)備

矩子科技給特斯拉電控系統(tǒng)工廠做機(jī)器視覺設(shè)備：

26. 機(jī)器視覺領(lǐng)域，目前國內(nèi)和海外的企業(yè)更多在進(jìn)行錯 位競爭，這是行業(yè)比較好的一個現(xiàn)象嗎 國內(nèi)機(jī)器視覺并不完全依賴機(jī)器人發(fā)展，其實是相輔相成的，因 為像檢測類的，有的時候可以脫離機(jī)器人去做事情，但是視覺方面限 于視野的局限性，還有一些精度的局限性，很多時候是完不成所要賦 予的要求的

27. 對于機(jī)器人硬件算法來說是怎么理解的？ AI 是在一些標(biāo)準(zhǔn)化的場景里面應(yīng)用工業(yè)行業(yè)還是以項目制為主。

但是項目制造就的問題在于交付部署的時間上比較難預(yù)估人員的消 耗也比較難預(yù)估AI的發(fā)展其實是統(tǒng)一化和規(guī)模化統(tǒng)一化在于AI賦能 拓展了更多的場景，本來機(jī)器人不能做的事情，有了視覺就可以進(jìn)一 步的落地，標(biāo)準(zhǔn)化的應(yīng)用本身是項目是應(yīng)在 ai 賦能情況下可以做成 標(biāo)準(zhǔn)化

28. 入口端跟執(zhí)行端會率先于AI算力成熟在技術(shù)部化以后 就是一個工程化的問題，最終比拼的還是算法和算力，平臺架 構(gòu)？

是這樣的，當(dāng)很多硬件成熟到不用做相應(yīng)的修改，軟件層面的競 爭是比較大的。AI 神經(jīng)網(wǎng)絡(luò)主要在于對各種信息特征的提取，對數(shù) 據(jù)進(jìn)行分析，分析完了以后輸出相應(yīng)的數(shù)據(jù)，整個網(wǎng)絡(luò)的設(shè)計以及網(wǎng) 絡(luò)的優(yōu)化剪裁還是需要算法算力，就是算法相應(yīng)的工程師去做相應(yīng)的 網(wǎng)絡(luò)設(shè)計，網(wǎng)絡(luò)的剪輯以及優(yōu)化。

所以這方面的人還是無法替代的。 中國產(chǎn)品的競爭率都是在 AI 算法的優(yōu)化性和先進(jìn)性上，以及對整個 場景和業(yè)務(wù)的理解。中國產(chǎn)品的競爭率都是在 AI 算法的優(yōu)化性和先 進(jìn)性上，以及對整個場景和業(yè)務(wù)的理解

29. 從國內(nèi)供應(yīng)鏈上的企業(yè)來看，哪些企業(yè)更有機(jī)會？ 歐美和日本市場，它的產(chǎn)業(yè)鏈發(fā)展更多是協(xié)作關(guān)系。產(chǎn)品是多學(xué) 科的綜合產(chǎn)品，就像有感知，有分析，有 AI 算力和算力平臺有末端 的機(jī)械手，有協(xié)作集群。

有電機(jī)，傳感器以及減速機(jī)這樣的產(chǎn)業(yè)鏈。 目前最容易打磨和成熟起來的是下游公司在有資源和場景的情況下 進(jìn)行打磨，配合上游把產(chǎn)品做出來，再加上 AI 平臺化去把整個產(chǎn)業(yè) 的規(guī)模蛋糕做大，大家協(xié)同去做，是比較良性的一個方向。

聲明：文章觀點來自網(wǎng)友，僅為作者個人研究意見，所有文章均不構(gòu)成投資建議，請投資者注意風(fēng)險，獨立審慎決策。