Chris Nielsen 是Levatas的创始人兼首席执行官。Levatas 构建了端到端的人工智能解决方案、机器学习模型和人在环系统，这些系统增强了企业自动化视觉检查的方式。

Levatas 及其获得专利的机器学习技术 Cognitive Inspection Platform™ 为其全球市场领先的客户实现了工业检测程序的完全自动化。Cognitive Inspection Platform™ 与先进的机器人、相机和无人机以及预训练或定制的 ML 检测模型相集成，为工业检测用例提供端到端自动化。

Levatas 总部位于南佛罗里达州，服务于区域和全球市场，与宝马、百威英博、陶氏化学、波士顿动力、普莱克斯、江森自控、NextEra Energy/FPL、莱德、皇家加勒比、美国 PGA 等行业领先客户合作，运营商、G4S、汇丰银行等。

您能否讨论一下 Levatas 的起源故事以及它是如何起源于您在一家软件公司失去工作的？

早在 2006 年，我在一家软件公司的销售部门工作，该公司专注于为大型电信客户提供白标反恶意软件。在担任该职位期间，我开发了一个设计软件模型的流程，帮助我完成了更多交易。我做得很好，但公司本身就陷入了困境。同年晚些时候，我和团队的许多成员一起被解雇了。

从那次经历中，我掌握了基本的数字设计技能——以及积极的创业态度——并开始为南佛罗里达州的当地企业提供我的定制软件设计和开发服务。然后事情就滚雪球了。一位小型企业客户将我介绍给一位中型客户，我的新帐户开始变得越来越大。随着越来越多来自满意客户的推荐涌入，我不得不开始聘请开发专业人员，以跟上业务增长和我们向数字设计领域的扩张。我们很快成为了一家万事通的数字代理商，构建了从网站到电子商务平台，再到后端软件集成的任何东西——甚至提供数字营销服务。

Levatas 最初是一家通用的数字代理机构，你能谈谈 Levatas 是如何过渡到人工智能的吗？

虽然该机构的通用厨房水槽方法有利于增加收入，但我们认识到，随着产品套件的扩展，很难保持质量和一致性。我们决定缩小重点；摆脱设计和开发服务，专注于人工智能和机器学习解决方案领域。

虽然这似乎是一个巨大的飞跃——从提供咨询服务的数字机构到构建专注于机器学习的企业 SaaS 解决方案——但它实际上是一个自然而有机的转变。

我们一直在与一些世界上最大的公司合作，根据他们的数据和幕后系统构建定制的数字解决方案。在多个平台和行业中，我们发现了清晰且一致的技术差距，在我们看来，这似乎是市场机会。最终，我们决定构建解决方案和产品来填补这些空白，并在 2020 年正式从专业服务和咨询转向 AI/ML 软件产品开发。这是正确的举动。

当决定让 Levatas 通过使用自然语言处理和计算机视觉而不是成为一家通用 AI 公司来专注于机器感知时，关键时刻是什么？

作为一家先进技术公司的非技术创始人，我善于倾听 Levatas 团队中非常聪明的人的意见。是我的商业伙伴兼首席技术官 Daniel Bruce 为 Levatas 设定了专注于计算机视觉解决方案的愿景。然后，他将这一愿景进一步深化为“自动化工业检测解决方案”。

我的第一个想法是，这将是一个太小的利基市场，我们可能找不到足够的客户来实现我们的业务增长目标。我大错特错了。事实证明，这本身就是一个完整的市场，到处都是巨大的全球企业客户，他们正是需要我们正在建设的东西。

更重要的是，高级数据采集硬件制造商（即：机器人、无人机、相机、物联网传感器等）的领域正在迅速扩大，也在寻找我们在 Levatas 构建的解决方案。在过去的 5 到 6 年中，该公司的转型发生在两个不同的阶段。在第一阶段，我们从一般的数字化转型顾问转变为 AI/ML 专业（但仍是顾问）。在我们发展的最后阶段，我们从专业服务转向新的软件产品开发业务模式，这就是我们今天的样子。

Levatas 已与机器人领域最令人兴奋的公司之一 - 波士顿动力公司合作 - 您能否分享有关这种合作关系的一些细节？

老实说，在谈论我们与波士顿动力公司的合作伙伴关系时，我很难听上去像个铁杆粉丝。[笑] 话虽如此，与波士顿动力公司的人员和 Spot 机器人一起工作是我做过的最个人和最专业的事情之一。我的团队也有同样的感觉。

他们不仅创造了世界上最先进、最有能力的动态移动机器人，而且他们是可以与之共事的好人。最重要的是，Spot 机器人“开箱即用”，具有市场领先的运动智能和身体能力。然而，他们仍然需要的是各种“在职培训”，使他们能够从认知智能的角度了解他们的环境。这就是 Levatas 的用武之地。

我们的工业检查模型和认知检查平台使 Spot 机器人能够检查客户设施的关键要素，让他们了解他们所看到的内容以及如何根据调查结果做出反应。虽然 Spot 机器人能够做很多事情，但我们通常会发现自己将它们部署在安全、安保和预防性维护用例中。这些用例并不特定于任何一个行业，但我们看到电力、石油和天然气以及波士顿动力公司以及制造领域的大量需求。

为什么模拟仪表读数会成为制造商的痛点？

你不会认为模拟仪表读数是一个特别令人兴奋的创新领域。但是对于负责运营、维护和交付这些设施的输出的专业人员来说，这是一件大事。

一个给定的工业设施可能有数以千计的模拟仪表来监控各种工业设备。目前，人员必须不断（手动）监控这些仪表，以确保设施正常运行时间和目标生产力。虽然可以使用数字仪表，但许多设施使用设计为可持续数十年的旧设备运行。对数千台机器进行传感可能会花费数百万美元。让非常聪明和有能力的人每天都花时间在设施周围走动以视读和报告这些模拟仪表，这也是非常昂贵的。人工监控不仅效率低下，而且在工人短缺和更紧迫的维护责任的情况下很容易落后。如果设备因为没有定期检查而出现故障，

相比之下，移动机器人可以按照设定的时间表在设施周围走动，使用 Levatas 软件自主进行相同的检查。部署机器人通过这种类型的数据捕获引入了更高级别的一致性、可靠性和准确性。它还让人类员工腾出时间，将时间花在为企业完成更高价值的任务上——做只能由人类完成的工作。

Levatas 如何通过自主技术解决这个问题？

简而言之：需要人工操作的工业解决方案几乎没有投资回报率。我们的客户不会购买它。这就是为什么我们所有的硬件合作伙伴都提供完全自主的解决方案。他们的设备创建检查路线，运行检查模型，然后返回电源充电——所有这些都在一个循环中。

人类工作者仍将密切关注这些自动化解决方案，确保它们按预期工作。就像任何正在接受培训的初级员工一样，人工智能还不够准确，无法每次都做出完美的分析和决策。我们设计我们的技术以识别何时必须将人带入流程以帮助做出正确的决定。在我们的领域，这被称为“循环中的人”工作流程，它是 Levatas 平台的一部分。总体而言，目标是持续减少人类花在与监控相关的任务上的时间，同时仍确保人类工作者随时了解情况并始终掌握决策权。

Levatas 还有哪些其他用例？

除了模拟量规检测和读数，我们还提供热异常检测、人员检测、机器人防撞、安全合规监控以及基于变化检测机器学习的大量检测模型功能。当我们的客户有我们现有的“现成”检查模型尚未满足的需求时，我们有一个团队与客户合作开发定制解决方案。

虽然我们对部署 Spot 机器人的工作感到兴奋，但 Levatas 的自动检查解决方案也部署在无人机、摄像头网络上，并且可以与任何其他类型的数据采集设备（例如工业物联网传感器）集成。

您能否讨论在没有超级技术和不知道如何编码的情况下创办一家 AI 公司所面临的一些挑战？

我一直依靠我非常聪明的开发人员团队来完成工作，并从技术战略的角度引导我们走上正确的道路。当谈到真正开始创业时，我喜欢认为我拥有“可以做”的态度、积极的前景和引导我做出最初跳跃的创业精神的正确组合。

自从第一次陷入困境的那一刻起，Levatas 就一直在关注团队，并共同打造这一切。简而言之，感谢我在早期（直到今天）设法围绕我建立的团队，我个人缺乏技术能力并没有成为我们发展业务的大障碍。

关于 Levatas，您还有什么想分享的吗？

今年早些时候，我们刚刚完成了种子轮融资，有效地为火箭飞船装满了燃料。我们的解决方案在市场上得到了我们惊人的企业客户的认可，我们的管道在这一点上每天都在增长。未来几个月将发布一些令人兴奋的新客户公告，我们将在今年晚些时候宣布一些世界首创的产品功能。敬请关注！