瑞斯特朗拓展AI行业应用，要在纺织业的蓝海做出 5000 万年收入

在多数以机器视觉为基础的人工智能图像识别公司当中，寻找到比较好的商业模式以及变现通道成为了这一时期比较有说服力的投资逻辑。而其中相关技术在工业生产中的应用又立足在比较大的市场空缺之中，是有实力和商业能力的公司可以考虑技术落地的一个较好的方向。

瑞斯特朗立足的产业即是服装纺织行业。他们做的产品是应用机器视觉技术和深度学习算法的新型验布机。

事实上验布机是纺织行业流水线上比较传统的一类机械。一般的验布机使用强光源照射受检布料，通过质检人员人工进行筛查。在这一生产环节中，纺织品一般的抽样比例较高，甚至有些情况需要将此类质检设备全部接入生产线，提供百分百样品的合格率数字。而质检人员又属于工业生产环节中，人力成本较高的职位，所以在这一环节上可以创造的经济效益是比较有空间的。

总体而言，产品需要经过验布机质检报告进行信用背书的企业皆是服装纺织行业中大型的生产商，除了生产中间环节的工厂方之外，也有我们比较熟知的服装品牌例如以纯等。而使用瑞斯特朗的新型验布机，纺织工厂可以3天零人工地实现3个质检人员半个月的工作量，半年实现成本回收。这个数字在行业属于前列。

除了硬件方面需要一定的制造业基础与供应链管理能力，瑞斯特朗更大的优势在于算法与数据库的积累。算法具体指的是通过摄像头采集到的信息的处理方式，行业内同类型的公司往往比较善于判断平面材料的表面缺陷，而纺织品的一大特征是颜色数据，瑞斯特朗目前可以实现多种光照环境下纺织品颜色的准确识别，这一功能目前是行业独创。能实现这一点从技术上来说，还是基于硬件计算力的提升使得大量数据训练的机器学习算法可以实现对各种品类缺陷的识别，同时相关公司从其他类工业制成品转入纺织品领域，并没有即时跟进这一领域对色彩判断的进一步需求。

另外，数据库指的是他们目前已经测试并存储好的不同类布料，不同缺陷特征，包括针织、涤纶等大品类共百余种布品，每种布品也包含了常见的各类缺陷。这样多类的数据量巨大，获取也存在一定门槛，且需要数据库进行长期维护与更新。瑞斯特朗的数据已经建立了半年以上的领先优势。

整体纺织行业质量检测设备与人工的市场可以达到百亿级。仅广东地区传统验布机的年度市场需求就超过300台。瑞斯特朗创始人团队拥有纺织行业多年的渠道资源。第一代产品2016年11月上线，目前已经获得了30个以上的订单。他们对自身2017全年销量保守估计可以超过5000万。

尽管目前，该公司的业务拓展方向是面向纺织生产厂商。但是这样的数据库的积累也使得他们在商业上存在更多的想象力。C端方向上，他们的应用方向是，消费者可以使用手机拍摄购买的服装布料照片，上传到瑞斯特朗的服务器，他们即可给出相关的质量评价，例如材质、密度、颜色、缺陷、甚至是否亲和皮肤，容易引起身体不适等健康建议。B端方向上，他们长期的计划包括与服装品牌商建立更多的合作，意图形成广泛受认可的质量评级体系。也可以与众多线上或线下的服装经销商建立合作，增加一个维度展示产品的材质特征等。

整体而言，瑞斯特朗创始团队人员相对互补，无论是算法还是硬件以及渠道商务方面都有比较可靠的负责人能够带来资源。总体而言，在行业应用的细分领域，人工智能公司涉足的还并不广泛，传统行业的竞品公司对于技术迭代的意愿也还不足以支撑其承担较大的开发成本。这一时期瑞斯特朗在纺织行业应用方面占到了比较大的窗口优势。同时，该团队立足于自身比较有资源的纺织行业，既形成了商务能力的优势，也由于较早针对细分市场做出了充分的数据积累和算法上的完善，形成了一定的先发优势。

目前瑞斯特朗正在考虑首次对外融资，计划融资金额在2000万到3000万人民币。