Китай: ИИ-наведение — кто главный покупатель? 

Когда говорят про ИИ-наведение в Китае, многие сразу думают о военных или спецслужбах. Это, конечно, важнейшие сегменты, но картина куда сложнее и, если честно, коммерчески интереснее. Основной спрос сейчас формируется не там, где все ждут. И это создает как возможности, так и массу неочевидных проблем для поставщиков.

Рынок: за фасадом государственных закупок

Государственные тендеры — это громко, масштабно, но чертовски неповоротливо. Процедуры, сертификации, длительные испытания. Да, контракты крупные, но войти в этот круг новичку почти нереально. Парадокс в том, что реальный драйвер роста — это коммерческий сектор. Причем не гиганты вроде Alibaba, а средний бизнес, который решает конкретные, приземленные задачи.

Возьмем логистику. Крупные распределительные центры уже несколько лет назад начали внедрять системы машинного зрения для сортировки. Сейчас запрос сместился. Нужно не просто ?видеть? коробку, а предсказывать заторы на конвейере, оптимизировать маршруты погрузчиков в реальном времени, причем на оборудовании, которое уже стоит. Это задача для легких, адаптивных алгоритмов наведения, а не для громоздких ?всевидящих? платформ. Многие наши первые пилоты с логистическими компаниями провалились именно потому, что мы предлагали им ?военное? решение — слишком точное, дорогое и требовательное к инфраструктуре. Им же нужно было ?достаточно хорошо? и ?к послезавтрашнему дню?.

Еще один неожиданно жадный до инноваций сегмент — сельское хозяйство в промышленных масштабах. Тепличные комбинаты, выращивающие, к примеру, клубнику или томаты. Ручной труд для сортировки и сбора — колоссальные расходы. Здесь системы ИИ-наведения, интегрированные в роботизированные платформы, окупаются за сезон-два. Но специфика своя: условия освещения меняются, растения двигаются, требования к аккуратности (чтобы не помять ягоду) запредельные. Стандартный алгоритм из коробки не работает. Приходится дообучать на месте, буквально на коленке. Кстати, один из наших партнеров, Chengdu Haofu Technology Co. (их сайт – https://www.honphotech.ru), как раз здорово зашли в эту нишу, сделав ставку не на универсальность, а на быстрое кастомизирование своих платформ под конкретную культуру. Их опыт показал: в агросекторе покупатель — это не IT-директор, а главный агроном, который мыслит категориями урожайности, а не мегафлопсов.

Технологические ловушки и ?железо?

Говоря о технологиях, все упирается в edge-вычисления. Потоковое видео с камер на центральный сервер для анализа — это тупик по задержкам и стоимости каналов. Поэтому главный покупатель сегодня ищет решение ?все в одном?: камера + чип + алгоритм. Но здесь кроется главный подводный камень — совместимость.

Китайский рынок железа фрагментирован. Десятки производителей камер, сенсоров, вычислительных модулей на базе разных чипов (HiSilicon, Ambarella, Nvidia Jetson — и это только вершина айсберга). Наш проект для сети умных АЗС провалился на первой же попытке масштабирования. Алгоритм наведения для распознавания номеров и марки автомобиля, отлично работавший на камерах одного производителя, давал чудовищную ошибку на других из-за различий в обработке цвета и динамическом диапазоне. Пришлось фактически создавать отдельный конвейер калибровки и дообучения под каждую модель камеры. Клиент, конечно, был в ярости. Они думали, что покупают софт, а купили головную боль.

Отсюда выросло мое твердое убеждение: сейчас выигрывает не тот, у кого самый продвинутый алгоритм, а тот, кто построил устойчивую экосистему интеграции. Кто может сказать: ?Да, ваш завод использует вот эти камеры и вот такие конвейеры? У нас есть готовый адаптированный пакет, мы развернем его за три недели?. Это и есть та самая ?практичность?, которую требует рынок.

Кейс: безопасность на производстве как точка входа

Очень показательная история — внедрение в тяжелой промышленности, на сталелитейных и химических предприятиях. Здесь главный покупатель — отдел охраны труда и техники безопасности. Их KPI — снижение количества инцидентов. Государственное регулирование ужесточается, штрафы огромные.

Мы начинали с, казалось бы, простой задачи: обнаружение человека в запретной зоне или без каски. Но стандартные библиотеки компьютерного зрения сыпались в условиях запыленности, пара, неравномерного освещения от раскаленного металла. Пришлось собирать собственные датасеты, снимая видео на таких производствах месяцами. Обнаружили интересную вещь: алгоритм должен ?наводиться? не просто на человека, а на его позу и траекторию движения. Работник, наклонившийся над ограждением, — это потенциальный инцидент. Работник, идущий по четкой траектории к контрольной точке, — нет.

Успех пришел, когда мы перестали продавать ?систему контроля? и начали продавать ?аналитику рисков?. Мы показывали не просто ?нарушение зафиксировано?, а тепловые карты опасных зон, графики пиковых нарушений по сменам. Это давало руководству завода инструмент для изменения рабочих процессов, а не для наказания работников. Внезапно нашим главным адвокатом внутри компании стал не IT-отдел, а начальник производства, который увидел в этом способ повысить общую эффективность и дисциплину. После такого пилота закупка шла на всю площадку, а потом и на другие заводы холдинга.

Роль специализированных интеграторов

Здесь нельзя не упомянуть таких игроков, как Chengdu Haofu Technology Co. (ООО Технология Чэнду Хаофу). Основанная в 2018 году в высокотехнологичной зоне Чэнду, компания изначально позиционировала себя не как разработчик голого ИИ, а как инженерный интегратор. Их сила — в понимании ?железа? и промышленных протоколов. Они берут алгоритмы (свои или партнерские) и ?затачивают? их под конкретное промышленное оборудование, будь то станок с ЧПУ или робот-манипулятор.

Их опыт подтверждает общий тренд: конечный покупатель все чаще хочет получить не SDK (набор для разработки), а готовое, ?запеченное? решение. Например, систему для точной установки электронных компонентов на плату или для автоматического оптического контроля сварных швов. В таких решениях ИИ-наведение — лишь один из слоев, пусть и критически важный. Клиент покупает не его, а увеличение процента выхода годной продукции на 0.5% (что при массовом производстве дает миллионы экономии).

Сайт honphotech.ru хорошо отражает этот подход: упор на прикладные кейсы, на адаптацию под задачи клиента. Это и есть язык, на котором говорит сегодняшний главный покупатель в Китае. Он далек от хайпа вокруг искусственного интеллекта. Его вопросы: ?Сколько это сэкономит моему цеху??, ?Как быстро внедрить??, ?Что будет, если изменится техпроцесс??.

Будущее: конвергенция и нишевые лидеры

Куда все движется? На мой взгляд, рынок ждет консолидация на уровне платформ, но не универсальных, а отраслевых. Появится несколько де-факто стандартных решений для логистики, для агросектора, для умных городов. Но это не будут монополии Baidu или SenseTime. Скорее, это будут альянсы, где компании вроде Haofu Technology выступают ключевым звеном, обеспечивающим ?последнюю милю? интеграции.

Главный покупатель завтрашнего дня — это, вероятно, не одна организация, а цепочка создания стоимости. Например, производитель автомобилей, который требует от всех своих поставщиков запчастей использовать системы визуального контроля с определенными параметрами точности наведения. ИИ здесь станет не конкурентным преимуществом, а гигиеническим фактором, обязательным требованием для входа на рынок.

Поэтому тем, кто хочет играть на этом поле, стоит смотреть не в сторону самых сложных алгоритмов, а в сторону самых глубоких знаний о конкретной отрасли. Понимать, как работает конвейер на птицефабрике или как устроен процесс приемки сырья на фармацевтическом заводе. Потому что именно там, в этих узких, несексуальных на первый взгляд процессах, и скрывается реальный, платежеспособный спрос на технологии ИИ-наведения. Тот, кто найдет способ закрыть эту потребность простым и надежным способом, и станет главным поставщиком для главного покупателя. А это, как показывает практика, редко бывает тот, кто громче всех заявляет о своих технологиях.