江苏龙网

  1. 首页 > 人文 > >

【】专注服务传统企业，SIGAI推出“木材智能理货”解决方案，计数精度99.5%


创立SIGAI之前 ， 创始人雷明便已在人工智能领域聚力多年：2009年 ， 他刚刚从清华大学计算机专业硕士毕业 ， 顺利进入百度网担任前端工程师 ， 期间主要负责PC版浏览器的研发 ， 管理30多人技术团队 。 2012年 ， 他以合伙人&CTO的身份加入创办深圳智美达科技发展有限责任公司 ， 退出管理前 ， 该企业估值已超十亿 。
2018年2月 ， 雷明携SIGAI再次走上了AI创业的道路 ， 专注底层人工智能算法工具与平台研究 ， 通过云端实验室、基础课程、知识库 ， 为各行业传统企业客户提供全流程、可视化的人工智能框架平台 ， 满足其智能化升级需求 。
雷明表示 ， “尽管AI技术在逐渐提升 ， 但国内还没有出现真正能落地的框架平台 ， 竞争相对较小 ， 这是SIGAI看好的潜力市场 。 ”
经过两年的发展 ， SIGAI已形成三大产品矩阵：标注平台、机器视觉平台以及强化学习平台 ， 通过以上三个算法模型平台不断训练算法模型 ， 将解决方案输送给企业客户 。 截止目前 ， SIGAI人工智能框架平台已在机器视觉、决策问题、赋能教育、军工、建材等数十个行业领域尝试落地 ， 助力传统行业降本提效 ， 实现产业智慧升级 。
“我国每年从海外进口大量原木 ， 如何在木材到达港口或陆地口岸之后进行迅速清点 ， 一直是行业内亟待解决的痛点问题 ， ”雷明告诉创业邦 。 因此 ， SIGAI于近期推出了“木材智能理货”的全新解决方案 。
【】专注服务传统企业，SIGAI推出“木材智能理货”解决方案，计数精度99.5%
本文插图
文章图片来源于SIGAI ， 经授权使用 。
传统的作业方式是人工清点 ， 即在每个木材装卸点进行人工计数 ， 需耗费大量人力成本 。 为保证清点效率 ， 需7x24小时不间断作业 ， 每个作业点需同时配置多人进行计数 ， 且室外作业难以避免危险性高、准确率低的问题 。
而SIGAI推出的木材智能理货解决方案主要通过采集作业现场视频 ， 借助机器视觉算法自动计算每次装卸木材的数量完成作业 ， 成功解决了上述问题 。 从方案的应用效果来看 ， 该方案相比于人工作业优势明显：其一 ， 采用智能理货解决方案 ， 一个人即可完成原来需20人完成的工作 ， 节约40%~60%的人力成本；其二 ， 智能理货规避了人力疲劳问题 ， 整体完成准确率远高于人工计数平均水准；其三 ， 智能理货规避了人为偏差 ， 且可以将现场作业视频进行可观留证 ， 便于后续核对 ， 解决纠纷问题；其四 ， 在高温、低温以及高湿度等恶劣的室外环境下均可稳定的运行 ， 不受环境限制 。
从行业的角度来看 ， SIGAI框架平台正面对标百度的飞浆和华为的ModelArts 。 相比之下 ， 后两者目前主要服务于专业的AI研究人员 ， 使用门槛较高 ， 用户上传标注样本后 ， 需要专业AI算法人员调整参数和模型 ， 完成算法匹配 ， 而SIGAI全流程框架平台倾向于为零AI编程基础的普通用户赋能 ， 客户只需将样本标注好并上传到框架平台 ， 即可自动生成算法模型 ， 上手快且驾驭轻松 ， 能大幅降低人工智能应用的门槛和成本；同时 ， 在落地方面 ， 同行业产品目前还处于研发阶段 ， 未有落地应用尝试 ， 而SIGAI从去年开始 ， 就已与中远海运等客户在多个智能理货和智能港口等项目上成功落地应用 ， 计数精度为99.5% ， 木材测量精度为99.2% 。
商业模式方面 ， SIGAI主要通过SaaS服务和定制化项目服务模式收费 ， 已有包括小红书、清华同方、联想、Haier等十几家标杆客户 。 前期 ， 团队会优先服务对AI需求大以及在工程、物流、教育、国防领域渗透率较高的头部大客户 ， 做为典型案例 ， 形成头部效应；后期 ， 团队会逐渐发展代理商、渠道商客户 ， 覆盖其他AI需求的长尾客户 ， 由此形成AI生态 。
成立两年 ， 团队已有近20人规模 ， 核心成员大多数来自人工智能技术行业精锐 。 CTO武文斌拥有清华大学计算机系学士硕士学位 ， 具备十年以上AI研发经验 ， 曾任中国农业银行软件开发中心高级工程师、系统架构师 ， 负责通过人工智能算法进行贷款违约模型、客户画像等相关工作；CMO房圆圆是中国人民大学经济管理硕士 ， 也是一名连续创业者 ， 擅长云计算、AI领域营销推广 ， 曾任Video++北京分公司首席营销官、金山云高级销售总监、网宿科技大客户销售总监 ， 于2019年加入SIGAI 。


推荐阅读


上一篇：【实战财经】经此一役，谁还能说5G没用？

下一篇：「投资」总投资400亿元，富芯半导体模拟芯片IDM项目正式开工