作者｜韦世玮
**
36氪获悉，近日AI电纹识别解决方案商「赛博联物」宣布完成数百万人民币天使轮融资，由深创投索斯福投资。本轮资金将主要用于研发投入，加大通用模型开发的力度，并实现产品化。
赛博联物成立于2019年，主要基于AI电流波纹智能识别技术，从信号分析、特征提取、智能识别三大核心技术入手，面向工业母机、工业机器人、半导体设备等高端工业设备，研发高性能电信号传感器、智能边缘终端和工业互联网平台，通过高质量数据采集、边缘侧智能推理和实时在线分析功能，为高端工业设备提供全生命周期管理，包括效率管理、智能运维、生产质检和研发试验等。
伴随信息时代的快速发展，近年来我国工业互联网市场规模持续扩大，制造业转型升级稳步推进中。据中商产业研究院数据，2020年我国工业互联网市场规模达6712.7亿元，同比增长10.4%，随着5G+工业互联网的融合发展，这一市场规模预计在2022年达到8893.5亿元。
尽管整体市场规模增长迅猛，但事实上工业互联网并没有如人们的预期快速普及。赛博联物创始人兼CEO张颖华告诉36氪，主要原因是目前行业还没有出现非常通用的、低成本的数字化底层技术来支撑整个工业互联网的发展。
“整个工厂都是围绕机器和自动化设备来组织生产的，因此如何实现这些设备的高质量数字化及信息采集，是整个工业互联网的根本。”他说。
一、解决方案以设备为中心，为客户提供纯SaaS产品目前，国内大部分工厂主要是基于PLC（可编程逻辑控制器）采集的车间数字化方案，但这一方案也面临着三大痛点：
一是工业设备品牌和型号繁多，不同型号设备内部都有各自的语言，需要耗费大量的成本和周期进行定制开发；二是PLC采集到的都是二手数据，通常只能提供产量等简单信息，无法提供涉及设备安全、寿命、性能方面的信息，同时PLC数字化方案的开发周期长达数月，还需投入高昂的系统运维成本，部署难度大、整体数字化门槛高；三是现在工业领域还有许多存量设备没有搭载PLC，其中2020年中国机床出货规模里，仍有68%为非数控机床，加之历史存量设备中还有大量的非数控和不具备通信能力的工业设备，基于PLC采集方案几乎失效。因此，如何低成本、高质量、通用地实现工业设备数字化解决方案部署，也就成为了工业互联网玩家们发力的关键。
目前工业行业数字化痛点
赛博联物的解决方案产品由高性能电信号传感器、边缘智能终端和云端应用软件三部分组成。目前，公司已推出SC210电信号传感器、EG-R200边缘计算终端和euWorkshop软件平台产品，无需解析PLC协议和配备PLC，就能分析设备状态和生产过程信息。
跟目前主流的PLC解决方案相比，赛博联物的解决方案不同之处在于，它从机器都有的电源线入手，通过分析机器工作中快速变化的电信号来得到丰富的基础信息数据。
具体来看，该方案将传感器安装到设备供电电源线上，通过AI电流波纹识别技术，采集与工业设备生产过程密切相关的瞬变电流信号，并在边缘端进行设备状态识别模型开发，实现设备核心数据的实时监测、提取和分析，最后配合云端应用软件，在云端进行车间生产效率管理和设备状态智能洞察。
张颖华谈道，该技术优势在于，同类设备不论品牌型号是否相同，都只需开发同一模型，通用性强。同时，它不依赖设备的原有设计和设备原厂的支持，可标准化部署。更重要的是，它还蕴含了许多与设备安全、健康、质量等状态紧密相关的深层次信息，例如负载变化、供电质量等。
赛博联物的机器数字化解决方案
商业模式上，赛博联物主要向客户提供纯SaaS产品，根据客户的机器数量收取年服务费，包含硬件租赁、SaaS软件全部服务，同时还帮助客户进行标准化部署，无需项目启动费和后续的运维费用，大大降低客户的使用门槛。
与传统定制化开发不同，公司以设备为中心的解决方案可针对客户的单台设备进行快速部署安装，一台设备10分钟即可完成硬件部署和软件调试并进行试用，后续也能随时增量式采购、部署更多设备，大大降低了客户的决策门槛，尤其是没有使用过数字化工具的制造业车间。
二、AI+IoT+电测技术结合，解决方案开发的三大难点在整个工业互联网领域，过去基于AI声纹、AI图像技术为工业设备提供智能检测方案的赛道十分火热，那为什么赛博联物选择从AI电纹识别这一赛道切入？
在张颖华看来，AI声纹和AI图像识别方案通常只解决了工业设备的局部问题，即机械方面的健康状态识别。但当前的工业高端装备都是复杂的机电一体设备，电气逐渐成为最关键和核心的部分，智能装备的电气故障约占整个故障数70%，偶发、快速老化的特征明显，对设备使用的影响更大，后果也更严重。
从技术角度看，机器每一个加工及生产动作都会导致电流的快速变化，产生不同的波纹，因此赛博联物从电信号中分析负载的变化特征，并基于它建立模型，就能洞察出这台机器的每一个生产动作，从而去分析它的效率、产量、能耗、安全、质量等问题。“这些都是生产过程数字化的基础数据，通过声纹或图像等方式很难获取，所以我们解决的是整个工业互联网非常底层的技术问题。”张颖华说。
赛博联物机器数字化解决方案的技术架构
不过，由于电气异常现象偶发、瞬变，捕获和分析的难度都很大。张颖华提到，整套AI电纹识别解决方案的开发拥有三大难点：
首先，工业现场的噪音环境十分复杂，需要在一堆被噪声淹没的杂乱信号中提取有效电信号，并保证信号不失真，这对电信号传感器、前端模拟和数字电信号预处理来说有较高难度。同时，很多安全、健康、质量等方面的异常都是稍纵即逝，必须有毫秒甚至微妙级别的高速异常事件捕获能力；其次，需要从电信号中提取特征值，而这个特征值需要从时域、频域、调制域等多个变换域进行提取，因此需要运用大量的数字信号处理技术和算法；最后，还需将特征值与设备状态、工艺生产的动作进行关联，因此要采用机理模型联合AI学习等方式建立模型。整套AI电纹识别技术的实现与赛博联物的核心团队背景息息相关。张颖华介绍，公司创始团队出身于电子测试和测量（T&M）行业，致力于研究设备中各种电信号的变化规律，包括供电信号、控制信号、通信信号等，这个行业基础性强但技术门槛高，长期被巨头垄断。
其中，公司创始人兼CEO张颖华在机械原理、高端工业装备测控及先进电测仪器领域具有20年以上背景经验，并具备全球市场、产品科研及企业管理经验，连续创业，曾任职于国内电测行业头部公司普源精电（RIGOL），担任高频电信号产品线经理，全面负责核心产品线的研发、产品线管理、全球市场营销；CTO黄庆忠曾在AI独角兽格林深瞳负责AI产品的软件架构研发，并拥有15年以上工业AI和高端智能仪器研发经验；CMO梁斌则拥有10年以上电信号分析算法研发和应用、国家电网边缘计算芯片算法研发经验。
赛博联物的创始团队
三、今年目标聚焦加工制造业，冲刺三大业务目标市场方面，加工制造业是赛博联物的第一个目标市场，包括金属、非金属矿物和橡胶塑料加工。目前，公司针对金属成型类设备的模型已基本覆盖该应用领域，能够在行业中实现快速部署。
回顾过去一年，赛博联物主要围绕目标行业进行硬件可靠性优化、模型算法迭代，以及边云协同平台构建，同时开发云端应用软件，并在不同场合及应用场景下完成了技术验证。截至目前，公司与国家电网、中船重工、山东黄金、镁伽机器人、施耐德等国内外企业达成合作，打造了多个标杆工厂案例。
例如，某家汽车零部件厂通常面临机器空转、或是卡料导致的机器烧毁等问题，在部署了赛博联物的AI电纹识别解决方案后，能够对设备进行实时在线智能监控，发现异常及时停产报警。该解决方案还能帮助车间进行工艺分析，自动统计产能情况，最终实现能耗降低10%、产能提升15%。
张颖华谈道，接下来公司将选取一个细分行业，通过在多个城市中进行快速复制，再启动免费试用计划将解决方案铺设到150个工厂中，最终目标达成40%的转换率，实现千万级营收。
此外，随着公司步入新的发展阶段，今年赛博联物制定了三大业务目标：一是随着产品进入落地阶段，公司在今年加大市场拓展的力度，实现标准产品在目标领域的推广；二是为了更好支持市场拓展，公司将搭建两支新的业务团队，包括销售团队及客户成功团队，更好地服务客户；三是加速研发设备安全、健康、质量方面的深度高质量模型，为下一年进一步切入设备智能运维领域蓄力。
“最终我们将构建全面赋能设备研发制造商、设备服务商、设备使用方的设备全生命周期互联网平台，网络化的形成将使我们在工业设备的状态智能监控方向上形成较宽的护城河。”张颖华说。
值得一提的是，本月赛博联物已启动Pre-A轮融资，目标规模超千万元人民币，资金将用于扩充团队，进一步加强深度模型的研发，以及市场营销和客户成功部门的建设。
投资人说：
深创投红土天使基金投资人观点
Keji SOSV Ventures HAX合伙人观点
