杨静来自奥菲寺

量子报道| QbitAI，微信官方账号

搬运，以体力换取报酬的最古老的工作。

合肥的一栋厂房也是如此。

那天，是合肥最不寻常的春雨午后，“工人”们忙着搬运各种箱子。

有食用油、牛奶方便面和各种含酒精的烟草.

他们的日常任务是将货物从集装箱中取出，并将其随机堆放在托盘上。

但不同的是，这个“打工人”群体是由中国科技大学的杰森博士带领的，平均年龄只有28岁。

另外，也不是天天算钱的案子。

他们正在构建的是一个智能装载系统，整个过程只依靠机器人。它集成了机器人、激光雷达、机器视觉、数字孪生等多项前沿技术，可自行完成堆垛、分组、运输、整形、堆垛等整个装车过程。

目前，系统即将交付，他们正在进行最后一波调试。

搬运货物,也就是调试过程中的一个例行程序，

不过，这货也有点特殊——矿泉水配重的各种纸箱,为了能够同时模拟各种规格和类型的货物场景。

张杰博士在一家什么公司？

嗯，在AI新闻里不常出现。

但它却是深耕图像识别17年的老玩家了。

跟一般的技术玩家“拿锤找钉”不同，泰禾从一开始就有明确的场景需求、瞄准了落地。

泰禾的第一个场景，也是切入点业务，叫智能分选。

泰禾智能董事长许大红回忆，当时出于这样的考量。

一是技术门槛高。

业务所用的色选机，不光设计复杂，涉及大量光电知识，对软硬件、算法的要求很高，有技术门槛。

针对不同品牌，还需要定制化设计，比如立式机、履带机、茶叶机、果蔬机……

二是可预见的落地场景和市场需求。

从名字拆解来看，“泰”即平安、安定，“禾”意为粮食。

泰禾建立之初就聚焦在了老百姓的食之根本——谷物杂粮上。

大米、小麦、玉米、花生、瓜子……我们日常吃的每一粒粮食，可能都经过了泰禾筛选。

从田间收下来的粮食，并不是每颗都能吃。

没熟的、发霉的、被污染的……都表现在颜色上。

要是手工一颗颗挑，得选到猴年马月。但泰禾却利用光学原理，让机器学会“看色选粮”，大幅提升粮食质量。

2012年，分选技术进一步扩展到了茶叶。

2018年，连水果也安排上了。

机器视觉+AI，不仅能迅速识别“带伤”的坏果，还能结合体重、大小，将水果进行品质分级。

用上AI视觉检测后，机器一眼就能识别水果的种类、色泽、美丑、和伤口数量等，从而进行筛选。

目前筛选的范围包括苹果、柠檬、橙子、猕猴桃、梨等水果。

农副食品分选以外，泰禾在塑料、有色金属、工业盐、煤炭、矿石等工业领域也都有涉足。

拿AI矿石分选技术来说。

之前选煤炭，一般用水洗。利用离心力，水就能将不同比重的矿石分开来，但这样做不仅浪费水，还造成了环境污染。

但如果结合AI图像识别、X射线成像的话，机器就能自动区分煤和矸石，据称精确度达95%，一吨煤能节水70公斤。

公开的客户就有同煤集团、淮河能源、中煤集团、陕煤集团等不少大型能源集团。

目前，泰禾的分选业务已涵盖粮食、果蔬、食品、工业品等300多种物料。

许大红透露，这还不是全部，还会有新的应用场景，如可再生资源。

也就是我们常说的垃圾分类。

据中新网援引日本研究机构表示，全球一年产生的垃圾总量，将在2050年达到320亿吨，是2000年的4.2倍。

围绕着图像识别技术，泰禾拓展横向业务之外，还进一步打通了后端工厂制造流程。

而智能包装，作为色选领域的下游。

2019年，泰禾成立了子公司——正远包装，涉及食品、化工、种子、防水涂料等领域。

官网显示，目前已有联合利华（OMO）、宝洁（P&G）、益海嘉里、中粮集团、中石化等客户。

而张杰博士的智能装车系统，是集团现有业务场景链条上的更进一步。

据说这是整个集团当时立项项目中最难的一个，投入也最大，但却是最坚定的一个。

内部不是没有反对的声音，但董事长许大红力排众议，支持研发，相信科技创新的力量，可以为行业带来新的装车模式。

四年过去，这个项目完成从零到一，订单开始纷至沓来——无它，符合刚需。

第一波客户中，也是老百姓日常耳熟能详的企业，如郎酒、伊利、金龙鱼等各行业龙头。

泰禾经历了三次技术升级

从色选、智能分选，再到智能装车……

驱动泰禾这样一家场景落地公司的驱动力，除了自身的追求，外部世界又在发生着怎样的变化？

回顾发展历程，泰禾的几次业务拓展，都伴随产品技术升级。

许大红透露，泰禾共有三次技术升级。而张杰博士的智能装车系统，正是在第二次升级中孕育出来的。

2004年，许大红创办泰禾智能，以光电二极管技术为核心，进行粮食分选业务。

（光电二极管，简单来说就是将光信号转换成电信号的传感器件。）

一年后，团队研发出了光电色选机。根据物体反射和透射率的差异，用特定波长的光将它们分开。

不过，这种设备只能对黑白色物料进行分选，且局限于带道料槽，可识别的种类有限。

2009年，泰禾进行第二次技术升级。

他们自主研发的CCD色选机，打破了国外企业的技术垄断，是国内企业首次将CCD图像识别算法应用在粮食分选领域。

相比于光电色选机，CCD色差的识别率更高，更适用于多种物料的色选。

这一次技术破局的势头，是泰禾没有料想到的。

依靠这项技术，泰禾不仅先后开发出杂粮、茶叶、果蔬分级等农产品分选设备，还完成了上市。

2017年3月，泰禾智能（当时还叫泰禾光电）登陆上交所主板。

这一年，AlphaGo在乌镇大战柯洁，获得三比零全胜的战绩，AI浪潮再次在国内复兴。

泰禾自然没有放过这次浪潮，也是在这时候，张杰博士的智能装车项目在内的众多前沿项目开始立项。

但相比于那些强调比赛成绩、论文数的AI企业，泰禾则比较低调，也追求落地为王。

这跟董事长许大红一以贯之的理念有关。

他认为，以人工智能为代表的技术趋势，会丰富工业检测算法，提供全新的可能性，拓宽应用的边界，并借助装备化落地，到产业里面去，实现产业升级。

还创建了基于大数据、AI、物联网技术集成的“TAI+智造互联平台”，一个服务于客户的运维平台，可提供分析报告、虚拟仿真流程、售后服务等。

张杰博士的项目突出重围

幸运的是，张杰博士的智能装车项目终究抓住了时代机遇。

现在，智能装车是泰禾官网上的四大业务之一。

与其他三个业务相比，这个新业务，现在还稍显“稚嫩”。

但在内部却已是公认的未来。

因为其场景价值。

整个智能装车过程，大致分为几个步骤。

第一步，停车定位。

根据不同的货车类型，尺寸、高度、沉降程度（装载货物时整体沉降）以及身处的环境差异，装车机器人，需要实时做出调整，保证货物运输平稳。

第二步，下达任务。整个系统用到了数字孪生系统，依靠数字建模，工作者能在线监控整个装车过程。

第三步，货物检测。利用图像识别，自动检测托盘上货物的类型、尺寸规格、摆放姿态。

目前主要有三种类别，箱式、袋式和整垛式。依照不同的类别，对应着不同的拆垛机器人。

万事俱备，就到了最后一步——装车了。

整个过程包括拆垛、分组、输送、整形、以及最后装盘、码放等，涉及到装载空间规划算法、视觉识别定位算法、自主决策技术。

通过3D视觉识别，精确定位车厢位置，指导货物码放装车；依靠自主决策，判断最佳拆垛、码放的方式；在面对不同货物时，需要规划算法，寻求在有限空间装载的最优解……

张杰博士介绍称，这一装车系统具有一定的通用性，能适应不同的货车、货物，以及复杂的环境，因此能普及到各个行业中去，具有广阔应用前景。

从成本效益来说，系统的装袋效率可达1000袋/小时，装箱效率可达1800箱/小时，这样一次能代替4、5名工人，还能保持24小时运作，预计5年内帮助企业降低40%的综合成本。

前段时间，人社局发布的“最缺工”TOP 100职业排行榜单。装卸搬运工排行第28名，可以说是企业刚需了。

不光降低了工厂搬运成本，还解决了企业用工荒的难题，也避免了人工搬运时的安全隐患。

或许正基于此，张杰才有如此底气，说出“两年就能回本”的豪言。

泰禾才有如此底气，将智能装车作为今后3-5年的重点推进项目。

在泰禾官网上，有这样一张规划图。

产品分选加工区、智能包装码垛区、智能仓储区、以及最后的智能装车区…

整个后端流程正在全面打通，而许大红的想法也正逐渐实现。

很难想象，一家17年的公司，每个发展阶段都有新的产品引领着行业变革，能有源源不断的创新激情，为接下来的三年、五年乃至十年做前瞻性研究。

泰禾靠的无他，深入场景然后技术驱动，深入聚焦到一个行业中去，将一个垂直场景吃透。

而这也是当前AI落地中易于忽略的那一面——太多目光聚集在AI算法和技术创新独角兽，聚焦于手握锤子的明星公司，却忽略了那些场景里诸多“钉子”的企业，从细分领域切入，将AI融入智能装备研发中去，小而精地率先实现了产业化落地。

这波AI复兴浪潮中，算法是关键，但背后更思考的是如何产业化落地。而泰禾智能，就是这样的代表，是闷声吃掉AI红利的代表。

这样的公司还很多，但这样的公司很低调，他们在民间，他们在默默落地为王，降本增效。

他们也从另一层面，打破AI落地“无力”的偏见，他们会越来越多走向舞台中央。

你知道还有哪些这样的场景AI公司？

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态