巨大的厂房里，搭载着3D工业相机的机械臂正在进行着今天的工作，它需要将烧得通红、重达百斤的火车轮进行抓取上料。
3D视觉的出现，让机器人不仅仅可以在极端条件下抓取轮胎，还能拧螺丝、抓麻袋，实现“万物皆可抓取”。
近些年来，人工智能技术的发展推动了3D视觉的诞生，由3D视觉引导的工业机器人，能够识别各类规格的纸箱、麻袋等物流行业的常见物体，并通过深度学习建立模型，实现对新物体的准确识别和抓取。
据光锥智能不完全统计，2021年全年，3D视觉在工业机器人领域共发生融资事件17起，而仅仅是2022年第一季度，该领域就发生融资事件9起，实现了融资量的翻倍增长。
而火热在第二季度再次延续。近日，梅卡曼德宣布完成C+轮融资，与此同时，星猿哲也完成了B+轮的融资。
长期以来，由于作业精度不够高、不够灵活，传统工业机器人一直被打上“笨重”、“刚性”的标签，虽然在某些特定的程度上代替了人力，但效率提升有限。面对复杂的生产环境，工业机器人需要迈向自适应、自感知的智能化升级。
从“机器换人”到“智能智造”，利用3D视觉和人工智能技术，机器人重构工业生产正当时。
1969年，第一片CCD图像传感器在美国贝尔实验室诞生，此后，生活、生产的所有的领域都开始与图像和视觉相连接。
人类70%的信息都是通过眼睛感知到的，机器人也一样。在3D视觉出现之前，机器人识别三维世界需要先拍摄2D画面，再经过计算得出三维立体数据，过程繁琐复杂。尤其是在工业生产里，仅仅依靠平面成像不足以提高工业机器人的智能化水平，它需要一双更明亮的“眼睛”。
作为机器视觉的一种，3D视觉在完成了2D成像的迭代后，也提高了机器人作业的灵活性。与2D视觉相比，3D机器视觉通过三维成像技术，能轻松的获得物体高精度的三维点云坐标。
但3D视觉的最终目的并不只是让工业机器人能够“看得清”，还得“看得懂”。
就传统的工业机器人而言，大多是按照既有的指令来执行任务，动作重复机械。但加上3D视觉技术以后，能够最终靠图像获取、信息处理和机械控制的传导路径来实现高效灵活作业。
例如，在汽车制造的焊装车间里，需要对大型副车架的各类孔径、位置度等关键参数进行精准测量，单个工件微小的误差都会影响最终的装配效果。利用3D视觉技术，能够生成孔位等细节的高质量成像，将所得信息传输给计算机以后，机器人就可以灵活应对不同位置的孔位，快速、精准地完成测量任务。
从自动化到智能化，中国制造业单件大批量的传统生产模式正在逐渐被小批量、分散的柔性化生产模式所替代。因此，怎么来实现高端制造中机器人柔性化、小批量、定制化的生产，成为了高端制造和人机一体化智能系统机器人关键技术要解决的问题。
此前，华为天才少年稚晖君自制机械臂给葡萄皮缝针的视频在B站大火，工业机械臂的精细化生产也进一步进入大众的视野。
从前，在汽车、钢铁等制造业中，零部件的装配工序都主要由人工来操作，劳动强度大、效率低，而且零部件种类多、结构较为复杂，传统的自动化很难满足柔性化生产的需要。而3D视觉的出现扭转了这一局面。
3D视觉能够在拧螺丝、装汽车轮胎以及重物的上料装配等场景实现应用，引导机器人识别并抓取随意摆放的工件，按要求将工件装配于指定位置，实现高精度定位抓取及高精度纠偏放置。
从应用功能来看，3D视觉技术在视觉引导和检测类场景应用比较广泛。而从应用终端来看，物流、金属加工和汽车零部件行业是当前3D视觉工业机器人较为重要的应用领域。
每逢“618”、“双十一”等节日大促，电商仓内都需要处理上百万件的日订单量，而传统人工供包模式人力成本高、效率低，难以满足高分拣效率的客观需求。面对海量无序的SKU，3D视觉能够迅速、准确识别包括硬包、软包、信封等多种形态的包裹，实现各类包裹的三维定位，引导机器人进行抓取并放置到指定地点。
可以预见，随着相机、镜头等核心硬件性能的提升，以及图像处理、深度学习等软件技术的发展，3D视觉技术重构工业生产的作用将会更加凸显。
在2018年的上海工博会上，展示3D视觉方案的工业机器人公司还寥寥无几，而伴随着3D技术越来越成熟、人机一体化智能系统的兴起，多家3D视觉工业机器人公司获得了融资，此前相对冷清的赛道开始热闹起来。据高工机器人统计，目前中国市场上3D视觉厂商的数量大概在60-70家，且这一数量还在持续增长中。
热潮之下，一批智能机器人勇于探索商业模式的公司雨后春笋般涌现，如库柏特、灵西机器人、梅卡曼德、非夕、阿丘科技、星猿哲等。
传统的老牌企业也不甘示弱。工业机器人的“四大家族”ABB（瑞士）、安川（日本）、发那科（日本）和库卡陆续入局，同时，也能看到AI视觉领域海康威视和旷视的身影。
3D视觉工业机器人也受到资本的追捧。截至6月20日，2021年以来，工业3D视觉领域发生的融资事件共31起，融资金额高达数十亿美元，融资轮次大多分布在在A轮和B轮，说明整个行业还在早期。
2016年，梅卡曼德CEO邵天兰曾在知乎上回答了“国产工业机器人目前发展到了什么水平？”的问题：“五至八年内中国机器人的硬件水平可以追上第一集团，三至五年内软件水平可以弯道超车，赶超第一集团。”
在机器视觉赛道上，国外的基恩士、康耐视等公司，在2D视觉领域占据着几十年的“霸主”地位。而如今，整个3D视觉市场仍处于发展的早期阶段，国内外厂商在硬件产品和软件算法上能够站在同一起跑线D视觉+AI+工业机器人的细分赛道，国内厂商布局更早。作为制造业大国，中国拥有丰富的工业应用场景，也产生了很多定制化需求，锻造了国内厂商较强的项目交付能力。
就目前而言，3D视觉在工业机器人领域的应用，市场渗透率并不高，基本竞争格局可大致分为上游元器件、软件算法、3D相机软硬件、一体化解决方案四类。
虽然两者在软件算法平台的开发上相差无几，但在硬件技术和3D成像技术上，灵西机器人要优于梅卡曼德，而梅卡曼德则在缺陷检验测试应用中有更多的落地方案。在重点的下游应用行业，灵西机器人在物流、锂电市场有较为成熟的方案，而梅卡曼德在汽车等别的市场的优势更为明显。
从国内的市场之间的竞争格局来看，能够进入规模化量产阶段的公司跑在第一梯队。而视科普销售总监余舒帆也曾表示，“随着涌入3D视觉赛道的玩家慢慢的变多，会加剧头部企业的形成。同时，关于3D视觉的市场规模和行业应用会实现进一步突破。”
3D视觉市场潜力巨大，但另一方面，也存在一些问题：3D视觉在工业机器人领域批量应用少，成本和支出难以平衡。
3D视觉大致上可以分为硬件设备和软件算法两个部分，光源、镜头、相机等硬件产品负责成像，视觉控制管理系统则负责处理成像的数据并输出结果。
归根结底，由于3D视觉仍然处于Gartner曲线的技术萌芽期，市场整体比较碎片化，离解决方案大规模的成熟落地还有一段距离。任何新兴的技术产业都要经历这一过程，要先学会走，才能真正跑起来。
