根據《中國人工智慧發展報告》的數據，機器視覺技術在國內外人工智慧企業應用技術中佔比最高，超過40%。近年來，深度學習技術的不斷發展極大地提升了機器視覺領域主要算法的精度，使得機器視覺技術快速向產業落地，幫助人類完成各種視覺感知任務。
國內科技公司在機器視覺方向的研究已經具備一定基礎，例如商湯、曠視等頭部公司目前都擁有較完整、豐富的產品結構；百度、華為等巨頭公司也有像AI Studio、ModelArts這樣的算法平臺。但總體來看，這些公司更關注基礎算法的開發，在技術與產業結合方面，由於缺乏一定的行業經驗和人才資源，使其與產業客戶還有一定距離。
一些新興的科技公司看到機會，逐漸從垂直方向切入行業。之前關注度最高的是安防監控領域，但由於項目定製屬性太強，加上海康威視等巨頭企業的存在，人工智慧企業在這一領域並沒有大的建樹。而機器視覺在工業領域的應用則集中在缺陷檢測、分揀、定位與抓取等問題上，通常垂直紮根於某一個行業。
從產品形態和商業模式上看，國內大部分人工智慧初創公司選擇成為垂直領域的算法提供商或整體解決方案提供商；而另一部分，比如下文要介紹的SIGAI，則是選擇了輕資產的模式，通過開發基於機器視覺的工具性軟體，幫助用戶實現計數、測量等任務。
SIGAI（公司全稱「北京張量無限科技有限公司」）成立於2018年2月，公司將機器視覺的典型實際應用問題進行標準化，以機器視覺庫的形式用標準化的算法服務於各個行業。當前將落地領域定位在物流行業，主要包括大宗商品運輸環節中的計數、測量等問題。產品在2020年上半年推向市場，通過標準化的形式服務客戶。
選擇這樣的發展路徑和商業模式，SIGAI創始人雷明認為主要有兩點原因：
1. 公司希望用能夠達到實用要求的算法解決客戶剛需。儘管國內很多傳統行業客戶急需引入新技術替代人工、降本增效，但其實行業普遍缺乏人才支持，大部分企業自身研發能力較弱，而且對於一些較為複雜、先進的產品經常出現操作困難的問題。因此，創始人雷明認為，這些科技公司的競爭壁壘並不在技術開發上，而是在落地能力上，例如產品是否適配業務場景、是否具備良好的穩定性、易用性。因此，SIGAI通過開發工具性軟體，一方面產品具備較好的行業通用性，便於後期的大規模複製；另一方面，用戶無需掌握編程能力就能使用系統，部署方便、易用性較強。
2. SIGAI的產品目前主要面向物流領域，後期將逐漸向其他行業擴展。創始人雷明表示，國內物流行業當前自動化程度較低，具備豐富的替代人力場景，例如有些港口可以給負責計數的工人開出近萬元月薪，一旦實現智能化部署，現場工作效率和準確率將大幅提升、用工成本大幅下降。除了物流行業之外，SIGAI正在滲透基建行業，該領域大多是國企、央企等付費能力較強的客戶，對於機器替代人力的意願也比較強。
SIGAI的產品尚處於不斷迭代的階段，為了進一步提升通用性、易用性，公司計劃開發出多種產品形態，包括Saas、標準化的軟硬體一體產品等。除了直接對接B端用戶，SIGAI也在與集成商合作，成為行業解決方案的一部分。公司目前已接觸到的用戶普遍投資回報周期在1-2年之內。此外，公司同時在擴展北美、南美等海外市場，同樣落地在物流行業，實現機器替代人力。預計2020年營收將達千萬元。
SIGAI近日已完成千萬元級別的Pre-A輪融資，由創勢資本領投，產業投資人跟投。此次融資後，公司將繼續升級產品、拓展市場，獲取行業標杆客戶。SIGAI團隊規模約20人，核心成員是計算機、機器視覺等相關領域的專家。創始人雷明畢業於清華大學計算機系，是連續創業者。畢業後曾就職於百度，後任zmodo/meshare的CTO和技術合伙人，有成功的創業經驗，在人工智慧領域有較豐富的技術及行業經驗。