2021 成立
南京建邺
维京的业务方向（AI 工业检测）、成立信息、宣称的客户有公开线索，但"生意成色"（客户合同的真实规模、算法自研程度、营收）几乎全是问号；深度在于把"大牌客户名单的表象"和"未验证的合作深度"分开。
事实维京的业务方向（AI 深度学习工业检测 / AOI）、成立时间、注册地、科技型中小企业身份有公开来源。缺口但它宣称的宁德时代 / 华为 / 比亚迪客户合作是打样试用还是批量供货、合同规模、AI 算法是自研还是基于开源/第三方（如 HALCON）二次开发、营收与团队规模、以及"维京 / 唯景 / ViewX"三个名称的确切对应，均未公开或未独立核实。因此本文"事实"集中在业务方向与行业位置，对"客户含金量、技术护城河"更多是基于机器视觉赛道结构的判断 + 追问。信息越薄，第 12 章追问清单越重要。
判断维京是一家方向踩在风口、客户名单亮眼，但成立时间短、合作深度与技术自研度都还没被验证的 AI 工业视觉初创。它赌的是"深度学习让工业检测从'固定规则'走向'能识别没见过的缺陷'"这个真趋势——传统机器视觉靠规则算法，遇到形态多变的缺陷就失灵，AI 检测正是切这个痛点。但它的生死不在"方向对不对"（对），而在它的 AI 算法到底是自研的差异化能力，还是基于开源框架的工程集成；宁德/华为/比亚迪这些客户，是批量供货还是仅打样试用。它最大的问号是——在康耐视、天准、凌云这些有钱有客户有数据积累的巨头面前，一家两三年的初创靠什么活下来、不被复制？这个答不好，大牌客户名单再亮也只是"PPT 上的 logo 墙"。
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| 客户合作的真实深度 | 宁德/华为/比亚迪的名字含金量极高，但"试用打样"和"批量进产线"是天壤之别。前者是获客噱头，后者才是收入与壁垒。年轻初创最容易犯的就是拿试用当背书。 | 是否有批量、多产线、可续约的订单；单客户收入占比；合作从试用转量产的比例。 |
| AI 算法的自研差异化 | 工业视觉的护城河在算法 + 数据。如果只是基于 HALCON/开源深度学习框架做二次集成，那门槛低、易被复制；只有自研算法 + 特定缺陷的数据壁垒，才是别人短期抄不走的东西。 | 自研算法 vs 第三方框架占比；是否积累了特定行业的缺陷数据集；发明专利与算法团队规模。 |
| 能否在巨头夹缝中站住 | 康耐视、天准、凌云等既有资金、又有海量落地案例和数据。初创要活，必须在某个细分场景（如电池特定缺陷）做到"更准、更快、更懂",而非全面对抗。 | 是否聚焦一个能做到头部的细分场景；相对巨头的实测检出率/误判率优势。 |
先看它站在工业视觉价值链的哪一层，这决定了它切的痛点真、但护城河难守。
判断维京站在第 ② 层——"AI 检测算法 + AOI 设备"：它把相机、光源和深度学习算法，做成能直接上产线的自动光学检测设备。这一层切的痛点是真的（人工目检慢、贵、不稳定），推导但它上有成熟的算法框架和相机大厂、下有议价强势且要求苛刻的制造巨头，且同层挤满了资金雄厚的老玩家，它必须靠"某个场景做到最准"才能立足。
判断AI 工业检测的护城河，不在"会用深度学习"（开源框架人人可用），而在特定行业、特定缺陷的标注数据积累，和把算法调到产线可用的工程 know-how。谁在某个场景（比如电池极片缺陷）积累了最多的真实缺陷样本、把检出率和误判率调到最优，谁就短期难被复制。缺口维京在哪个场景积累了多深的数据、算法多少自研，缺乏可验证信息。维京的价值上限，押在"能不能在一个细分场景把数据和算法做到头部"这一个变量上——做到了是壁垒，做不到就是可替代的集成商。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断用 AI 深度学习替代人工目检，做工业缺陷检测的 AOI 设备。卖的是检出率、误判率和产线适配能力，不是相机或算法框架本身。 |
| ② 行业红利在哪 | 事实制造业升级、良率要求提高、人工成本上升，AI 视觉检测正从规则算法走向深度学习，3C 与新能源电池是最大的落地场景——这是整条赛道的顺风。判断红利真实，但属于所有工业视觉玩家，不是维京独占。 |
| ③ 哪层赚钱 / 谁掌握话语权 | 判断话语权在有海量落地数据 + 客户信任的头部（康耐视、天准、凌云等）手里。推导初创赚的是"某个新场景巨头还没做透"的钱，议价权弱于既有龙头；能不能赚，取决于是否在细分场景做到"更准 + 更懂客户"。 |
| ④ 维京的位置 | 事实它是 AI 原生、切工业检测、宣称已接触头部制造客户的初创（company alpha 待验证）。判断优势是"AI 原生、姿态灵活、切中缺陷检测痛点"；隐忧是"成立短、数据积累浅、算法自研度未证、客户合作深度不明"。 |
判断它的叙事是"用 AI 深度学习解决工业检测问题、服务头部制造企业"。推导但真正要问的不是"客户名单亮不亮"（很亮），而是"这些合作里，有几个是批量进了产线、可续约的真订单，几个只是打样试用？它的算法有多少是自研、多少是基于开源框架集成？"——如果客户多是试用、算法多靠开源，那它的壁垒很薄，巨头一旦重视这个场景就能碾过来。这一问答不清楚，"服务头部客户的 AI 视觉公司"更像是"一个挂着大牌 logo 的算法集成商"。
对一家 2021 年成立的初创，团队的算法与落地能力，是它能否在巨头夹缝里活下来的关键，也是当前最缺信息的地方。
| 维度 | 情况 |
|---|---|
| 基本盘 | 事实南京唯景视觉科技有限公司，成立于 2021 年 12 月，注册地南京建邺，注册资本 350 万元，科技型中小企业，法定代表人项强德。推导成立仅两三年、注册资本轻，说明仍处早期，抗风险与规模化能力尚未经过完整周期检验。 |
| 团队与数据 | 缺口核心算法团队背景、规模，特定行业缺陷数据集的积累深度，均未公开。对 AI 视觉公司，这两项恰是护城河所在——年轻团队若没有足够的场景数据和落地经验，算法再新也难在产线稳定跑。 |
判断"AI 原生 + 切准缺陷检测痛点"是维京的方向优势。缺口但两个待观察点压着它的成色：① 团队的算法与产线落地能力未公开——这决定它是真技术公司还是集成商；② 数据积累深度不明——AI 视觉的壁垒最终建在特定场景的数据上，年轻公司在这点上天然吃亏（见第 12 章）。
事实面向 3C 电子、新能源电池、汽车等制造企业，提供检测设备 + 算法方案 + 技术服务，宣称客户涉及宁德时代、华为、比亚迪。判断逻辑成立——AI 检测确是这些高良率行业的刚需。推导但真正决定成色的是合作是打样还是量产、单客户收入占比、算法自研度、以及是卖设备（一次性）还是有软件/服务的持续性收入，这些完全未公开。
缺口决定生意成色的核心数据——宁德/华为/比亚迪合作的真实性质（试用 vs 批量）与合同规模、年营收、算法自研 vs 开源框架占比、特定行业数据积累、客户续约与集中度——全部未公开。"有大牌 logo"和"有可持续订单"是两回事，这正是追问清单第 1、2 组的核心。
维京的成色系于三个真有分歧的命题。每题给 Bull / Bear / Reality，再下裁决。
维京这类公司常自我定位为"用 AI 颠覆传统机器视觉的挑战者"。用这个定位的四个前提逐条拷问它。
| "AI 原生挑战者"成立的前提 | 维京的现状 | 是否满足 |
|---|---|---|
| 切中传统视觉的真痛点（复杂缺陷） | 事实用深度学习做规则算法搞不定的缺陷检测，方向对 | ✅ 满足 |
| 算法自研、有独占数据壁垒 | 缺口自研 vs 开源框架占比、场景数据深度未公开 | ⚠ 存疑（关键） |
| 头部客户是可续约的量产订单 | 缺口宁德/华为/比亚迪合作性质与规模未证实 | ⚠ 未证实 |
| 聚焦单点、在细分场景做到头部 | 缺口是否聚焦、相对巨头有无指标优势未知 | ⚠ 存疑 |
判断"AI 原生挑战者"这个定位只在"方向切准痛点"一条上扎实成立，其余三条恰恰是它的软肋：算法自研度未证、客户合作深度不明、是否聚焦单点存疑。判断更公允的定位是——维京是"方向对、姿态新、宣称接触了头部客户，但技术自研度、客户含金量、场景聚焦都待证的早期 AI 视觉初创"。它真正要证明的不是"能不能用 AI 做检测"（能），而是"在一个细分场景里，它的数据和算法能不能做到巨头都难比、并把头部客户的试用转成量产订单"。这个定位现实得多。
看清它周围站着谁，就明白它的空间有多窄、突破口在哪。
| 玩家 | 类型 | 打法 / 现状 | 对维京的意义 |
|---|---|---|---|
| 维京 ViewX | AI 原生视觉初创 | 深度学习 AOI，切 3C/电池缺陷检测；宣称头部客户 | 本体 |
| 康耐视 / 基恩士 | 国际视觉巨头 | 老牌机器视觉标杆，产品全、案例多 | 高端市场天花板与信任壁垒 |
| 天准 / 凌云 / 大恒等 | 国产视觉龙头 | 已上市或规模化，3C/新能源落地深 | 同场景正面竞争、资金与数据碾压 |
| 同代 AI 视觉初创 | 创业公司 | 同样用深度学习切细分检测场景 | 抢同一批订单与人才 |
| 制造巨头（客户） | 宁德/华为/比亚迪等 | 供应商准入严、议价强、要求高 | 既是背书来源，也是最苛刻的裁判 |
判断① 它在同一场景被有钱有数据的国产龙头正面压制——天准、凌云们的资金、案例、售后体系都远超一家两三年的初创，这是最直接的挤压。② 它唯一可能独特的资产是"AI 原生 + 某个场景的数据积累"，护城河只能建在单点极致上，所以聚焦和数据是它的生命线。③ 制造巨头既是它的背书来源，也是最苛刻的裁判——能不能把试用转量产，取决于实测指标能否稳定优于对手。维京的生存空间，就在"单点场景够不够极致、数据够不够独占"这条窄路上。
判断四个断点里，断点 1（技术壁垒）和断点 2（客户转化）最致命：前者决定它会不会被巨头复制，后者决定它的 logo 能不能变成真收入。它的方向和获客意愿已经证明过了，接下来要证明的是"数据和算法做到头部"和"试用转量产"——而这两样，恰恰都是它至今没拿出可验证数据的地方。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| 被巨头复制（母题） | 康耐视/天准/凌云有钱有数据，一旦重视场景可后来居上。 | 相对巨头的实测指标优势；是否有独占数据壁垒。 |
| 客户合作深度不足 | 大牌客户若停留在打样试用，收入贡献甚微、随时被替换。 | 批量/多产线/可续约订单比例；单客户收入占比。 |
| 算法差异化不足 | 若主要基于开源框架集成，技术门槛低、易被抄。 | 自研 vs 第三方框架占比；发明专利与算法团队规模。 |
| 早期规模化风险 | 成立短、资本轻，营收/现金流/交付体系未经完整周期检验。 | 营收增速与现金流；交付与售后能力。 |
| 客户集中与周期性 | 3C/电池均强周期，客户集中会放大波动。 | 客户集中度；下游资本开支周期。 |
判断五类风险的母题是同一个：维京这层"AI 检测算法 + 设备"的价值，能不能在巨头复制、客户浅合作、资本轻的压力下，被证明有一个数据独占、指标领先、且把头部客户转成量产订单的细分场景。这个问题答清楚之前，亮眼的客户名单更多是营销而非护城河。
信息越薄，这份清单越重要——它就是把"logo 墙"逼回"客户与技术事实"的工具。★ 是我认为最锋利、最能戳破叙事的问题。
判断① 头部客户里有没有一个可续约的量产订单、贡献了实收（客户含金量）？② 算法自研度和某个场景的数据积累有多深（技术壁垒）？③ 是否聚焦单点、在该场景实测指标优于巨头（战略）？——这三问答清楚，就知道它是"AI 视觉黑马"，还是"方向对、但技术与客户都待证、随时被巨头复制的早期集成商"。
基于公开工商信息与网络检索的梳理，主要维度（节选）：
· 主体：南京唯景视觉科技有限公司，成立 2021 年 12 月，注册地南京建邺，注册资本 350 万元，法定代表人项强德，科技型中小企业（公开工商口径）
· 业务：AI 深度学习工业检测、自动光学检测（AOI）设备、表面缺陷/光学/3C 检测、自研 AI 算法与光学解决方案（公开口径）
· 客户：网络检索显示涉及宁德时代、华为、比亚迪等（合作性质与规模未独立核实）
· 名称：报告题名"维京 / ViewX"与工商主体"唯景"疑为同一公司的中英文/音译差异，若为不同主体请以工商登记为准