近日，0glass宣布已经完成数千万B轮融资，本轮投资由清研新一代人工智能基金（珠海、嘉善）、永柏领中资本领投，第十区VRAR孵化基金跟投。

0glass创始人兼CEO苏波透露，这笔融资将用于推进目前已经标准化的AR智能眼镜的订单生产和功能升级，进一步扩大售前队伍，加强品牌和产品的宣传力度，以及向更多的能源、制造业行业进行技术与市场开拓。未来0glass的重点是继续深耕并专注AR技术和AR智能眼镜在工业领域的应用，继续研发工业级的AR智能眼镜和优化工业级AR算法，并针对工业领域中不同应用场景，进行定制化开发和提供解决方案。

据了解，0glass是国内第一家专注工业级AR软硬件技术研发的AR+AI的人工智能公司，也是国内工业AR领域的领导者。其拥有自主知识产权的工业用图像精准识别、增强现实等先进技术，同时其产品申请和获得百余项专利认证。

0glass于2014年底开始进入工业AR领域，不被资本和市场理解自筹资金500万元坚持AR核心技术研发1年半；2016年初获得和君资本数百万天使轮投资；2016年初成功实施国内第一个AR电力巡检项目；2016年5月发布国内首款墨镜式双目一体机AR眼镜0glass Pro2，同时发布国内首款AR引擎NginABC；2017年5月获得由三一重工领投的数千万A轮融资；2017年5月发布国内首款基于intel平台的AR眼镜0glass danny；2017年底成功实施国内第一个AR汽车装配项目；2017年底申请和获得授权国内专利、国际PCT专利、美国专利共计百余项；2018年7月获得清研新一代人工智能基金（珠海、嘉善）、永柏领中资本领投的数千万B轮融资。

0glass目前已与国家电网、湖北电力、上海电力、福建电力等，南方电网、广东电网、深圳供电局电力公司，同时又与西门子、江铃汽车、华为等多家能源、制造业巨头达成合作，是工业AR的领导者，力争成为工业领域中最自然的人机交互服务、挖掘最深度数据价值的人工智能公司。与智能设备、物联网、云计算等深度融合，打造软硬件结合平台化的增强现实产品与服务。

0glass的“0”有三个含义：1、零表示永葆初心、归零心态；2、零是万物的起始；3、AR技术还处于早期，零也是AR的开始。

以下是苏波先生对AR行业的观点和看法。

1、2017年0glass获得数千万A轮融资，同年国内几乎所有的AR硬件厂商都相继融到了资，而2018年上半年AR眼镜行业成功融资的公司却寥寥无几，为什么会出现这样的现象？资本目前对于高端AR硬件厂商的态度是怎样的？

这种现象带着2017年丰富的泡沫，2018年是AR行业挤干泡沫的一年。2017年以前几家投了AR眼镜的投资公司，据我亲身经历，至少有两家在投了他们之后的一段时间又找到我们来谈投资的事情，这种不符合投资逻辑的商业行为至少说明了两点：第一投了后悔，再找一家对冲风险；第二来刺探0glass的商业和技术机密。

资本目前对于AR高端硬件厂商目前是爱恨交加的，“爱”因为这是大家已经达成共识的未来趋势，下一代计算平台；“恨”是因为目前技术发展和应用还出早期，大家都在摸索，别说盈利模式，甚至商业模式还没探索清晰。

关于投资我有5不谈：1、主投领域和你从事行业关系不大的不谈；2、不了解你所从事行业的不谈；3、不了解你客户方行业或你产品应用场景的不谈；4、抱着学习目的的不谈；5、投资目标性不强的不谈。否则都是浪费精力和时间。创业者仅靠输血总有断的哪一天，还是要把更多的精力和时间放在自我造血上。

2、请分享一下您对2018年AR行业发展的一些看法：

我认为，AR行业2018年渐渐退去浮躁，是AR商业模式验证和构建的一年，无垂直不AR；2018年是AR行业从商业模式验证转变为盈利模式探索的一年，无盈利毋宁死。希望这一年AR行业的大小公司都能找到自己的盈利模式，从“活着”到“活好”。在泡沫的不断涌现与挤破中重组，重组后的AR行业和市场将会更加良性，虽然泡沫依然存在，但我感觉现在的泡沫是良性的泡沫，一个行业泡沫过多将会崩塌，但没有泡沫将失去想象空间，2018年AR的泡沫刚刚好。

巨头的框架布局已经全部完成。2018年应该是AR的应用元年，很多人认为会爆发，其实这很难实现，我的判断真正的爆发要到2020年，并且是从B端产业应用开始爆发，C端爆发还需要更长时间。去年，国外的谷歌、苹果、微软等巨头对于AR的布局已经成型，国内BAT等大公司也已经完成了AR SDK的发布，有的已经被开发者应用。

3、您认为AR眼镜目前的发展状态是怎样的，还需要多长时间可以迎来消费级产品的出现？在B端领域，目前市场对于AR眼镜这类产品的认可度怎么样，最看好哪些细分领域的未来发展趋势？

1．AR眼镜已被科技大咖们公认为第三代计算平台，未来的AR行业，一定会像现在的IT行业，B端和C端泾渭分明。比如计算机领域，B端工业计算机有IBM，C端个人计算机有联想。AR眼镜要真正走向C端，至少还需要5到10年的时间，就像计算机花了20多年才从B端走到C端一样。眼镜和头盔可能要到2020年，产业应用才能爆发，到2025年，C端应用才能爆发。那么它要成为第三代计算平台最主要的标志是AR眼镜成为真正意义上的个人消费品。

2.AR眼镜成为真正意义上的个人消费品需要满足四个条件：第一：目前的4G网络难以满足头盔或者眼镜的传输要求。两年后，5G网开始普及，头盔或眼镜才能有一个流畅的传输方式。第二：AR眼镜的轻量化有赖于芯片和光学等技术的发展，第三代计算平台AR眼镜的一定会出现一种新的芯片架构从而出现新的计算芯片，这种芯片的特点是：体积微型化、运算超级化，从而满足AR对算力的要求。第三：AR眼镜一定有自己独立的操作系统，它一定不是安卓，一定也不是IOS，而是它有自己的独立系统。第四：同时AR眼镜未来的人机交互技术一定是脑电波，再加上生物芯片技术的发展，脑波交互一定会一统天下。只有以上这些条件成熟了，AR眼镜才能成为真正意义上的个人消费品。

3.目前的算法只能满足特定场景的应用，并不能识别全部的事物覆盖各行各业。现在AR硬件（包括手机和眼镜）因为摄像头和算法的等原因难以适用所有的场景，所以让很多人认为这项技术很“鸡肋”。两年后，随着摄像头、算法和5G、云计算、大数据等技术的发展，AR的综合体验将会有革命性的提高。

4、0glass最核心的三个算法专利技术有哪些？

1.《3D物体多目标识别与追踪系统》

3D物体的识别和追踪是增强现实（AR）学术研究和工程实践的重中之重。基于深度学习、多线程和异步机制实现了3D物体多目标识别与追踪，可以有效地提高3D物体识别的准确性、追踪的稳定性、系统的实用性。3D物体多目标识别与追踪系统有广阔的应用场景，应用于工业场景可以实现大量设备状态检查的自动化，应用于安防场所可以实现众多特定人脸或目标的实时跟踪。该系统去年已在国网湖北电力巡检中落地应用。

2.《一种基于物体2D图片实现物体3D识别方法和系统》

3D物体识别是AR学术研究和工程应用的一个核心问题。之前大量的3D物体识别基于物体的大量图片建立的物体点云信息，这种方法对AR设备的存储空间、计算能力提出了很高的挑战，在穿戴式AR设备上很难实现工程落地。对物体从少量几个特征拍摄角度采集为数不多的2D图片，以此作为该物体3D识别和AR叠加的基础，不仅减少了存储，也提高了计算速度，可以实现物体3D识别在可穿戴设备上的成功落地。本专利尤其适用于在工业应用场景中对机器等物体的识别。

比如在工业领域当中，我们不能到巡检现场，且到巡检现场的成本很高，这个时候就可以通过客户采集好的的2D图像或者图片来对算法进行数据训练，从而达到在巡检现场能够识别现场的3D物体。

3.《一种基于CAD构建深度学习缺陷数据集的方法》

在人工智能应用落地中，数据已经成为除了算法、算力之外的核心制约要素。在人工智能有监督学习领域中，需要构建一个稳定可靠的深度学习模型是需要大量的训练数据集，尤其在用于物件缺陷检测时，更加需要大量的缺陷数据图片，但是现实中很难采集到缺陷图片，甚至根本采集不到缺陷图片，而且人工采集的成本也极高。现实中用户拥有的只有CAD图纸或数字化的CAD模型，利用CAD图纸也可以建立CAD模型。将CAD模型放置在虚拟构建的场景中，让虚拟场景近似于真实场景。通过算法修改场景环境光照、加入噪声数据、生成缺陷模型等来模拟现实场景、模拟现实物件破损，由此产生物件的缺陷数据集，用于下一步深度学习的训练。通过该方法可以用于解决深度学习物件缺陷数据集样本稀少、来源稀少、类型稀少、采集困难、成本高等现实问题。

比如在工业领域，第一，客户的工厂还没有建好，甚至要生产的产品都还没有生产出来，这个时候只要能够拿到客户的图纸，基于图纸来生产模型，通过模型来获取识别3D物体的数据，待客户的产品生产完毕，AR系统就立即能够投入使用。

第二，有很多时候设备的数据是很难采集到的，比如说设备的老化，这个时候可以通过图纸来建模，来模拟它老化的过程，从而达到提前做好数据训练、数据处理。到设备老化程度的时候，一样能去识别。产品的锈蚀也会出现这样的情况，我们不知道有非常多的产品锈蚀的情况，获取不到现场的数据。比如说设备生锈的情况，有时候它在这一块生锈，有时候在那一块生锈，你不可能事先拿到图片获取这样数据，那这样可以在3D图纸模拟这样生锈的情况，获得无数这样的数据模拟训练，从而达到3D物体的识别。

5、您公司AR产品的销量如何？在用户反馈中哪些建议是有必要在下一步迭代中投入资金去研究的？

我们公司去年做了1600万的销售额，全国B市场排名第一。但AR眼镜依然是一种笨重、古怪的设备，在当下很难得到消费级市场的认可。不像手机、电脑是居于身外之物，眼镜我们每天都要戴，它与人本身结合在一起。所以无论从样貌还是舒适度，我们希望它在各个方面与普通眼镜的差距越来越小，甚至无异。当人们需要借助特别功能的时候，它会呈现出AR特性，成为真正意义上的AR眼镜。

6、2018年已经过去大半，您觉得公司在AR技术的研发方面取得了哪些可观成果？

2018年我们最大的技术突破就是将工业级AR眼镜和工业级AR算法做到真正与工业场景深度融合。

AR本身就有很高的技术壁垒，再加上一个很高的工业场景的壁垒，这两个壁垒的融合共同构建了工业AR的深沟高墙。

那要做出与工业场景深度融合的AR产品，就需要有深刻理解工业场景的创始人。市场、人才、技术这三个壁垒环环相扣。市场天然的壁垒，如果你不懂工业你就做不出符合工业场景的产品，有了这样的人才就能做出来，做出来后那技术上有什么壁垒呢？

第一、产品定位。0glass工业AR的定位与国内其他AR公司的区别是0glass专注做工业AR，其他领域和行业都不涉及；而其他AR公司都是做很多行业的，比如：有的公司它只做AR+营销，AR+游戏，AR+娱乐，AR+医疗，顺带做工业；而有的公司在做AR+工业的同时，然后又做AR+医疗，AR+教育培训等。只有0glass专注做AR+工业，正是因为专注，所以我们才做出与场景深度融合的产品。比如：0glass danny AR智能眼镜，分体式设计双目墨镜设计、重量更轻、10小时续航，采用英特尔x86架构处理器，部分计算可以交给云端，采用成熟光机方案，最重要的是价格可以做到万元以内，且佩戴起来和平时普通墨镜几乎没区别。它具耐高温的特点，适合在高频操作的优势，能减少系统周边的零组件及冷却系统的体积，符合在工业场景上的应用。

比如：头箍式的AR眼镜HoloLens，一旦应用于工业领域中的能源行业，立即就会挂掉，不是因为技术不行，而是工业企业中一线工人都必须戴安全帽，而HoloLens的外观设计师头箍式的，一旦带上这个智能眼镜，安全帽就戴不上了，再好的算法技术也失去了用武之地，这是因为设计微软这款眼镜的人没有懂工业客户的专家，当然通用型产品懂消费者就行了。

再比如单目式的AR眼镜Googleglass，也是存在着设计理念的问题，二代眼镜主要用于工业、医疗和教育，但是却设计成了单目式，这显然还是一个实验性的产品，不是奔着上量的。因为如果戴着这个眼镜工作，一个工人用一只眼睛看增强画面，一年少则看几百小时多则几千小时，那么这只眼睛长年累月的看，一定就废了，所以Google glass的设计团队也是缺少懂工业的专家。

但是以上这两家公司都是巨头，有能力承担更多的试错成本。工业AR创业你有多少钱可以试错？！

国内有很多此类的AR公司，不懂广告的做AR+营销，不懂多媒体展厅设计的做AR+展览展示，不懂工业的做AR+工业，不懂医疗的做AR+医疗，还有一些公司做全行业的，从toC的AR+游戏、娱乐到toB端的AR+营销、展览展示、旅游、工业、医疗、培训等全部都想做，对客户场景不理解，就做不出月场景深度结合的产品，这有点像十几年前诺基亚手机里的那款贪食蛇游戏，最终因为贪食而死。

微软和谷歌的AR和AR眼镜都不可能全行业展开应用，何况是创业公司？！

第二、工业级算法。0glass专注做工业AR，算法也是其核心。目前全球做工业级AR算法的公司，据我们了解仅有三家：

第一家，Daqri收购ARToolKit改造为工业级AR算法。

第二家，PCT收购高通Vuforia，也在逐渐改造成工业级算法，其自己表示相当于花3000万美金从高通买住宅楼重新改造为厂房，算法也是如此，由消费级算法改造为工业级算法，难度可想而知，底层均需重构。

第三家，也就是国内的0glass。有两大类产品，一类是硬件：有两款工业级AR眼镜，一款分体机和一款一体机。二类是算法工具（SDK）。

0glass的工业级AR算法取名Ngin ABC，为什么要叫Ngin ABC呢？其他的叫AR SDK呢？

NginABC不同于目前市面上常见的AR SDK，NginABC与工业领域的AR应用深度融合，不仅仅考虑AR本身的运动跟踪问题，还要考虑工业应用场景中人和设备数据的整理和汇聚，工业应用场景中特定精度的目标识别。

在工业当中仅仅是有AR这个功能是不够，NginABC引擎和其他通用算法的差异在于其是专注工业。工业和消费是完全不同的两套产品逻辑。例如汽车有上万个个零部件，要把所有的数据导入开发包中。如果使用通用的SDK，两年都做不完。如果使用我们的算法，使用符合工业逻辑的SDK，两个星期就能做完。同时有更高的识别精度和更宽广的容错机制。NginABC工业级算法的架构和逻辑也与消费级AR算法完全不同。要解决工业领域里的刚需，仅仅有AR是不够的，仅仅一个AR功能只是解决了“实时指导”的作用，比如将作业指导书AR化，辅助工人工作；同时还需要识别操作对象或状态是否会正确，比如是什么零部件，工人操作是否合规，这个时候需要计算机视觉CV来识别图像、物体、甚至动作等；有了这些还不够，还需要采集到人的大数据，从而打通任何机器之间的物理隔离，对数据进行数据的采集、过滤、沉淀、分析，在用AR的形式输出给一线工人，同时形成数据报表，辅助管理者做出更明智的决策。

所以0glass的算法叫NginABC，“A”就是AR，“B”就是BD（大数据额），“C”就是CV（计算机视觉），只有具体了这三个功能的算法，才能真正在工业场景使用起来，解决刚需和痛点。

NginABC可应用于开发者版与各方合作实现更多IP产出，开发工业领域中更为细分和垂直的工业辅助和实操类培训的应用。同时我们这套算法即将做成芯片，那么将应用于工业当中的垂直领域巡检，可以搭载在AR眼镜上、可以搭载在巡检机器人、可以搭载在固定摄像头上、也可以搭载在巡检无人机上。

0glass基于NginABC SDK形成了一套AR全终端工作辅助系统（PSS）和解决方案：

PPS系统和解决方案有四个模块：实时指导，透明管理，个人教练，知识沉淀。有了这四个模块在工业AR应用中才能形成一个闭环。0glass的目标是把PSS打造成一套类似于现在ERP的系统平台，80%标准化、模块化，20%根绝工业客户的使用场景和需求定制化开发。

0glass AR从工业场景的应用来反推其AR眼镜和算法的产品理念和设计逻辑，从而使其产品与工业场景深度融合。不是手里拿着锤子找钉子，而是发现钉子去做合适的锤子；0glass不追热点、不做投机，只专注于发现痛点、理解痛点、解决痛点，做与工业场景深度融合的产品。

7、总结这半年来遇到的挫折、感想和收获，并分享一下接下来公司在硬件推进和市场布局方面的相关计划。

1、挫折主要是B客户使用场景的辨识上的问题。最近几个月发出的第一批0glass danny量产机，遭遇了几次退货，退货率5%左右。为什么会出现这5%的退货？经过上午一个小时的调查分析后终于找到了原因。除去一台机子是产品质量问题，剩下的都是使用场景不符合我们眼镜设计的场景。

0glassDanny AR眼镜主打的行业和场景是电力行业的巡检、维修、培训，同时兼顾汽车行业的装配、维修、培训。而遭遇退货的几台眼镜主要是用于AR游戏娱乐和学校AR研究，显然违背了我们眼镜的设计初衷，用于电力和汽车行业。这是我们销售工作的失误，没有辨识好客户的行业和使用场景。我们将会加强销售对客户辨识的培训，不能为了完成业绩而饮鸩止渴，把扳手卖给电子工程师。

现在AR还处于“做工具”阶段，还不能做成一个通用性很强的泛在产品，正如0glass CTO王友初所说：当下的AR眼镜就如同机械工程师的扳手，电子工程师的万用表。

2、现在来自市场的诱惑太多，每天平均会接到至少3个以上工业AR领域之外的需求，比如游戏、娱乐、装修、营销、展览展示、医疗等，现在再次重申一下我们的四个原则：

1.术业有专攻：0glass从成立那一天起便定位于工业AR，我们一直认为术业有专攻，工业AR之外的领域是我们所不熟悉和擅长的，坚决不做；

2.产品要与场景深度融合：我们的0glass danny AR眼镜和NginABC算法不会提供给工业AR之外的任何领域使用，比如游戏、营销等场景，您愿意付钱但我们不卖，因为这对0glass来说不可持续，也不符合我们产品的设计初衷和应用场景，0glass的每一套AR眼镜我们都希望是一颗种子，能在客户使用场景的土壤里生根发芽、开花结果，而不是做一锤子买卖；

3.永葆初心：现在还处于创业期，我们只懂工业AR和工业客户工业场景，在我们创始人知识和认知边界之外的领域我们坚决不涉及；

4.持续做减法：工业领域太大，即便是工业AR我们现在也在做减法，主攻电力AR和汽车AR，其他工业AR我们有精力和时间的情况下可以顺带做。将有限的资源，聚焦在关键制约因素上，聚焦再聚焦，真正去解决一个领域、一个行业、一个场景、一个客户的一个痛点性问题，然后不断向其它领域复制，让技术或产品指数级增值，创造最大价值，我认为这才是真正的有价值的创新。

8、0glass AR眼镜应用案例：

案例：国家电网巡检

本项目的诉求是提高安全性，国家电网湖北公司的超特高压部把0glass的AR眼镜结合大数据技术用于电网智能巡检，用于巡检和检修，解决它巡检和检修的问题。国家电网传统的超特高压检修，检一下打一下勾，或者用PDA。用AR眼镜就能解决这个问题，检修的时候把影像传输回来，在办公室就可以打勾。在攀爬高压设备的时候，又可以帮他们解放双手，提高安全性。还有一个是解决大数据问题，可能每次巡检问题都不同，结合大数据，平时可能只有检测20项，在天气不好的况下情，可能有100项检测项。

案例：西门子

西门子的项目的诉求是降低成本，因为西门子大陆现场工程师（工资20多万）负责设备安装，西门子价值几百万甚至上千万的电力变压器设备安装过程极其复杂，需要大量现场工程师，现场和后期成本均高。因此西门子需要AR眼镜来替代部分或者全部工程师以降低成本，将安装流程数据可视化，剩下安装放在云上，通过AR眼镜来获取作业指导书，而且现场安装过程实时管理，一旦出错，后方即可收到报警进行相应解决。借助AR眼镜，外包给第三方劳务公司，每年人工成本降低接近4０％。

案例：某通信巨头

本项目是PCB板检修，某通信巨头每年生产4000万pcb板，具体流程是：需要先做印刷电路，然后贴片做成pcba，检修是通过德国引进的一套工业摄像头进行检测，检测内容：虚焊问题，切片位置，大概4%会被机器检测出问题，剩余需要人工复检，这也是难题所在，一块PCB板少则几百多则上千元器件，人工以来是效率低下，而来人由于惰性漏检难免，而一块PCB板成本极高：一块板七八十万，一个CPU两三万美金，因此需要AR眼镜解决。每一步指引叠加在PCB板上。

此项目招标4个关键指标：1.识别率大于98%2.不能造成二次错误，即不能把B错识别为C，造成二次错误3.像素漂移在五个点之内，因为要在PCB上进行AR指导叠加4.定位精度在0.2毫米，这一点全球没有公司做到，定位精度达不到0.2毫米也直接导致识别率降低2%5.延迟在100毫秒。

案例：某国际制造业巨头

本项目的诉求是提高效率，某国际制造业巨头应用AR物流工作辅助系统，物流仓储环境下，物料条码快速识别，物料存取仓库位置指引，分拣工作指导，增强现实方式显示，与企业MES系统对接，出入库物料信息处理自动化。解放工人双手，提高分拣效率，在物料出入库过程中，出入库物料信息处理自动化，实现制企业物流信息处理的无纸化。

案例：江铃汽车

本项目的诉求是提高效率和避免安全隐患，江铃汽车把0glass的AR眼镜应用于新能源汽车的组装。比如汽车轮子的安装，它的螺丝一定要对角线去装，这个平时检测不出来，但是可能出问题的话会有安全隐患。管理人员监测不了，智能眼镜就能解决这个问题。