中科大博士帶頭搬磚！這家上市公司其實是最隱秘的AI高手

楊凈 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

裝卸搬運，最古老的出賣體力換取報酬的工種。

合肥的一個廠房里也是這樣。

那天，是合肥最尋常不過的一個春雨午后，“工人”們正忙著搬運各式各樣的箱子。

有食用油、牛奶方便面，還有各式酒類煙草……

他們每天的任務就是將貨物從集裝箱里搬出來，在托盤上碼放成隨機不同的垛型。

但與眾不同的是，這個“工人”團是由中科大博士張杰領銜，平均年齡僅28歲。

而且，也不是每天靠搬一個箱子算一份錢。

他們正在打造的，是一個全程僅靠機器人運行的智能裝車系統，集成機器人、激光雷達、機器視覺、數字孿生等多項前沿技術于一身，可自行完成拆垛、分組、輸送、整形、碼放等裝車全過程。

目前，系統已臨近交付，他們在進行最后一波調試。

搬運貨物，也就是調試過程中的一項日常，

不過這個貨物也有點特殊——礦泉水配重的各種紙箱，為的是能夠同時模擬各種規格、種類的貨物場景。

張杰博士在一家什么公司？

張杰博士所在的公司——泰禾智能。

嗯，不常出現在AI新聞中。

但它卻是深耕圖像識別17年的老玩家了。

跟一般的技術玩家“拿錘找釘”不同，泰禾從一開始就有明確的場景需求、瞄準了落地。

泰禾的第一個場景，也是切入點業務，叫智能分選。

泰禾智能董事長許大紅回憶，當時出于這樣的考量。

一是技術門檻高。

業務所用的色選機，不光設計復雜，涉及大量光電知識，對軟硬件、算法的要求很高，有技術門檻。

針對不同品牌，還需要定制化設計，比如立式機、履帶機、茶葉機、果蔬機……

二是可預見的落地場景和市場需求。

從名字拆解來看，“泰”即平安、安定，“禾”意為糧食。

泰禾建立之初就聚焦在了老百姓的食之根本——谷物雜糧上。

大米、小麥、玉米、花生、瓜子……我們日常吃的每一粒糧食，可能都經過了泰禾篩選。

從田間收下來的糧食，并不是每顆都能吃。

沒熟的、發霉的、被污染的……都表現在顏色上。

要是手工一顆顆挑，得選到猴年馬月。但泰禾卻利用光學原理，讓機器學會“看色選糧”，大幅提升糧食質量。

2012年，分選技術進一步擴展到了茶葉。

2018年，連水果也安排上了。

機器視覺+AI，不僅能迅速識別“帶傷”的壞果，還能結合體重、大小，將水果進行品質分級。

用上AI視覺檢測后，機器一眼就能識別水果的種類、色澤、美丑、和傷口數量等，從而進行篩選。

目前篩選的范圍包括蘋果、檸檬、橙子、獼猴桃、梨等水果。

農副食品分選以外，泰禾在塑料、有色金屬、工業鹽、煤炭、礦石等工業領域也都有涉足。

拿AI礦石分選技術來說。

之前選煤炭，一般用水洗。利用離心力，水就能將不同比重的礦石分開來，但這樣做不僅浪費水，還造成了環境污染。

但如果結合AI圖像識別、X射線成像的話，機器就能自動區分煤和矸石，據稱精確度達95%，一噸煤能節水70公斤。

公開的客戶就有同煤集團、淮河能源、中煤集團、陜煤集團等不少大型能源集團。

目前，泰禾的分選業務已涵蓋糧食、果蔬、食品、工業品等300多種物料。

許大紅透露，這還不是全部，還會有新的應用場景，如可再生資源。

也就是我們常說的垃圾分類。

據中新網援引日本研究機構表示，全球一年產生的垃圾總量，將在2050年達到320億噸，是2000年的4.2倍。

圍繞著圖像識別技術，泰禾拓展橫向業務之外，還進一步打通了后端工廠制造流程。

而智能包裝，作為色選領域的下游。

2019年，泰禾成立了子公司——正遠包裝，涉及食品、化工、種子、防水涂料等領域。

官網顯示，目前已有聯合利華（OMO）、寶潔（P&G）、益海嘉里、中糧集團、中石化等客戶。

而張杰博士的智能裝車系統，是集團現有業務場景鏈條上的更進一步。

據說這是整個集團當時立項項目中最難的一個，投入也最大，但卻是最堅定的一個。

內部不是沒有反對的聲音，但董事長許大紅力排眾議，支持研發，相信科技創新的力量，可以為行業帶來新的裝車模式。

四年過去，這個項目完成從零到一，訂單開始紛至沓來——無它，符合剛需。

第一波客戶中，也是老百姓日常耳熟能詳的企業，如郎酒、伊利、金龍魚等各行業龍頭。

泰禾經歷了三次技術升級

從色選、智能分選，再到智能裝車……

驅動泰禾這樣一家場景落地公司的驅動力，除了自身的追求，外部世界又在發生著怎樣的變化？

回顧發展歷程，泰禾的幾次業務拓展，都伴隨產品技術升級。

許大紅透露，泰禾共有三次技術升級。而張杰博士的智能裝車系統，正是在第二次升級中孕育出來的。

2004年，許大紅創辦泰禾智能，以光電二極管技術為核心，進行糧食分選業務。

（光電二極管，簡單來說就是將光信號轉換成電信號的傳感器件。）

一年后，團隊研發出了光電色選機。根據物體反射和透射率的差異，用特定波長的光將它們分開。

不過，這種設備只能對黑白色物料進行分選，且局限于帶道料槽，可識別的種類有限。

2009年，泰禾進行第二次技術升級。

他們自主研發的CCD色選機，打破了國外企業的技術壟斷，是國內企業首次將CCD圖像識別算法應用在糧食分選領域。

相比于光電色選機，CCD色差的識別率更高，更適用于多種物料的色選。

這一次技術破局的勢頭，是泰禾沒有料想到的。

依靠這項技術，泰禾不僅先后開發出雜糧、茶葉、果蔬分級等農產品分選設備，還完成了上市。

2017年3月，泰禾智能（當時還叫泰禾光電）登陸上交所主板。

這一年，AlphaGo在烏鎮大戰柯潔，獲得三比零全勝的戰績，AI浪潮再次在國內復興。

泰禾自然沒有放過這次浪潮，也是在這時候，張杰博士的智能裝車項目在內的眾多前沿項目開始立項。

但相比于那些強調比賽成績、論文數的AI企業，泰禾則比較低調，也追求落地為王。

這跟董事長許大紅一以貫之的理念有關。

他認為，以人工智能為代表的技術趨勢，會豐富工業檢測算法，提供全新的可能性，拓寬應用的邊界，并借助裝備化落地，到產業里面去，實現產業升級。

還創建了基于大數據、AI、物聯網技術集成的“TAI+智造互聯平臺”，一個服務于客戶的運維平臺，可提供分析報告、虛擬仿真流程、售后服務等。

張杰博士的項目突出重圍

幸運的是，張杰博士的智能裝車項目終究抓住了時代機遇。

現在，智能裝車是泰禾官網上的四大業務之一。

與其他三個業務相比，這個新業務，現在還稍顯“稚嫩”。

但在內部卻已是公認的未來。

因為其場景價值。

整個智能裝車過程，大致分為幾個步驟。

第一步，停車定位。

根據不同的貨車類型，尺寸、高度、沉降程度（裝載貨物時整體沉降）以及身處的環境差異，裝車機器人，需要實時做出調整，保證貨物運輸平穩。

第二步，下達任務。整個系統用到了數字孿生系統，依靠數字建模，工作者能在線監控整個裝車過程。

第三步，貨物檢測。利用圖像識別，自動檢測托盤上貨物的類型、尺寸規格、擺放姿態。

目前主要有三種類別，箱式、袋式和整垛式。依照不同的類別，對應著不同的拆垛機器人。

萬事俱備，就到了最后一步——裝車了。

整個過程包括拆垛、分組、輸送、整形、以及最后裝盤、碼放等，涉及到裝載空間規劃算法、視覺識別定位算法、自主決策技術。

通過3D視覺識別，精確定位車廂位置，指導貨物碼放裝車；依靠自主決策，判斷最佳拆垛、碼放的方式；在面對不同貨物時，需要規劃算法，尋求在有限空間裝載的最優解……

張杰博士介紹稱，這一裝車系統具有一定的通用性，能適應不同的貨車、貨物，以及復雜的環境，因此能普及到各個行業中去，具有廣闊應用前景。

從成本效益來說，系統的裝袋效率可達1000袋/小時，裝箱效率可達1800箱/小時，這樣一次能代替4、5名工人，還能保持24小時運作，預計5年內幫助企業降低40%的綜合成本。

前段時間，人社局發布的“最缺工”TOP 100職業排行榜單。裝卸搬運工排行第28名，可以說是企業剛需了。

不光降低了工廠搬運成本，還解決了企業用工荒的難題，也避免了人工搬運時的安全隱患。

或許正基于此，張杰才有如此底氣，說出“兩年就能回本”的豪言。

泰禾才有如此底氣，將智能裝車作為今后3-5年的重點推進項目。

在泰禾官網上，有這樣一張規劃圖。

產品分選加工區、智能包裝碼垛區、智能倉儲區、以及最后的智能裝車區…

整個后端流程正在全面打通，而許大紅的想法也正逐漸實現。

很難想象，一家17年的公司，每個發展階段都有新的產品引領著行業變革，能有源源不斷的創新激情，為接下來的三年、五年乃至十年做前瞻性研究。

泰禾靠的無他，深入場景然后技術驅動，深入聚焦到一個行業中去，將一個垂直場景吃透。

而這也是當前AI落地中易于忽略的那一面——太多目光聚集在AI算法和技術創新獨角獸，聚焦于手握錘子的明星公司，卻忽略了那些場景里諸多“釘子”的企業，從細分領域切入，將AI融入智能裝備研發中去，小而精地率先實現了產業化落地。

這波AI復興浪潮中，算法是關鍵，但背后更思考的是如何產業化落地。而泰禾智能，就是這樣的代表，是悶聲吃掉AI紅利的代表。

這樣的公司還很多，但這樣的公司很低調，他們在民間，他們在默默落地為王，降本增效。

他們也從另一層面，打破AI落地“無力”的偏見，他們會越來越多走向舞臺中央。

你知道還有哪些這樣的場景AI公司？