工业ai检测（工业智能质检）

去年，人工智能仍然带有负面标签。商汤科技等四只AI小虎合计亏损超500亿元的历史记录让不少投资者望而生畏。今年，随着ChatGPT的出现，AI企业从谷底反弹。一位老板告诉南方财经全媒体记者，去年融资还紧张，但今年投资人排队送钱，商业化也有很多明确的方向。

目前，就人工智能的商业应用而言，最成熟的是机器视觉，它充当“眼睛”。从大脑结构来看，人类信息获取的75%来自于视觉。现实中，机器视觉与工业场景的结合更加紧密。近年来，人工智能在工业质量检测应用中的普及度不断上升。

目前，工业人工智能质检可以解决3C消费电子、汽车及零部件生产制造面临的两大痛点：一是质检人员招工难。通常质检工人的眼睛每天暴露在强光下的时间超过10小时，很容易导致工人的视力迅速下降。其次，人工检测很难保证日复一日的稳定产出。如果遇到动辄几万一块的半导体晶圆，对工厂的损害是惨重的。

上述痛点让很多企业看到了一片亟待开拓的蓝海。格创东智AI高级架构师江源在接受采访时表示，在面板行业，80%的质检人员可以被AI替代。腾讯云工业AI产品总监黄强表示，在AI质检方面，腾讯看到了千亿级的刚需市场。 “仅3C电子产品的人工检测就有近300万人。按每人每年8万元的就业成本计算，这将是一个2400亿的市场。”

据IDC预测，到2025年，中国工业人工智能质检整体市场规模将达到9.58亿美元（约合人民币62亿元），2021年至2025年复合年增长率为28.5%。目前，工业人工智能质检仍有空间检验市场规模是千亿级市场的数倍，这让更多企业跃跃欲试，加速涌入这个战场。

在今年市场竞争日益激烈的情况下，IDC认为工业人工智能质检市场将持续碎片化。目前，云服务商、AI质检创新公司、机器视觉软件公司三大背景的厂商占据市场主导地位。工业互联网平台服务商、机器视觉检测设备制造商、综合人工智能公司、工控自动化公司、通信运营商等五类厂商正在加大投入进入市场。机器之间的“内卷化”正在加速。

创业公司：乘着硅谷科技新风潮，前微软高管“降维”进军AI行业质检

郭伟，前微软（美国）SurfaceBook设计团队高级总监，为微软贡献了30多项发明专利。 2018年，在看清中国人工智能场景化应用的势头后，他立即召集了一批擅长数据处理、平台技术、人工智能算法的海外精英回国创业。

值得一提的是，在当前AI商业化浪潮中，市场分为三个层次：底层基础设施用于芯片和算力，中间核心技术用于大型模型和大数据平台，上层则用于大型模型和大数据平台。采用基于场景的应用层进行方案实施。除了技术，芯片还注重生态。计算能力是国家之间的竞争。大模型、大数据掌握在有钱的巨头手中。经过一一分析和排除，中国创业公司最有优势的地方就是做应用。登陆。

2019年底，郭伟在深圳市南山区创立博瀚智能。他组建的团队仅凭借简历就获得了深圳高层次人才创业资助和投资机构的3500万Pre-A轮融资，并与深圳清华研究院联合成立了人工智能研发中心。

他将公司定位为一家依托自主研发平台技术、专注于AI应用落地的公司，聚焦智能制造和自动驾驶两条主线。在对标领域，智能制造与华为（NPU生态系统）紧密合作，自动驾驶融入NVIDIA GPU生态系统。 “公司的技术和产品有幸得到了业内最强合作伙伴的认可，我们与他们进行了深入的业务合作。”

背靠华为计算基础，郭为团队立志将制造领域的AI质检提升到一个新的高度，即完成甲方心目中的“不可能三角”——更短的开发周期、更高的精度、更低的运行和维护成本颠覆传统AI质检。

博涵智能将这一颠覆性系统称为“自适应AI质量检测系统”，可以快速将模型的准确率从95%提升到99.99%，并且未来仍将保持如此高的准确率标准。据内部统计，相关解决方案上线周期缩短80%，人工成本降低90%，运维成本节省80%。

这种自适应AI质检系统也与硅谷的前沿趋势不谋而合。 2021年，被誉为业界“AI教父”的百度前首席科学家吴恩达在直播中表示，AI系统正在从Model-centric（以模型为中心）转向Data——以数据为中心（以数据为中心）。这意味着在未来的AI技术路线中，数据质量将比模型本身更为重要。

对于两者的区别，郭伟进一步解释说，以模型为中心的AI之前主要关注的是模型算法，模型算法可以类比人类的智商，代表了处理和学习信息的基本结构和能力。这条技术路线是通过不断优化算法本身，即通过不断提高人的智商来增强能力，从而达到更好的效果。以数据为中心相当于让人们通过积累经验来提高能力，这意味着AI可以通过不断地向机器输入高质量的数据来不断适应不断变化的环境和需求。

值得注意的是，在以数据为中心的AI路线中，MLOps是至关重要的一环，也是Bohan擅长的部分。 MLOps在工业场景中的优势在于，它不仅可以帮助DataCentricAI的任务变得更加高效，而且可以保证模型在场景中保持有效。

对于一线作业来说，DataCentricAI结合MLOps技术将有效解决模型失效的问题，给原本漂浮在云端的AI系统一个更加标准化的实施策略——数据飞轮。该数据飞轮最早将于2021年开始应用于海外无人驾驶领域。

“质检和无人驾驶的数据训练底层逻辑是一样的，但复杂度不同。”郭威说道。这也是为什么博涵智能除了专注于制造领域的AI质检外，还专注于自动驾驶。同时，他还指出了博瀚智能的战略定位：“前三年，收入主要以制造为主，未来三年，我们希望实现两轮驱动。”

目前，在制造领域，博涵智能主要专注于3C和半导体AI检测。郭伟认为，“仅PCBA和外观检测的市场规模预计将超过400亿元”。同时，在PCBA市场，20%的供应商将控制80%的产能，经营环境将是理想的强者to B市场。

现阶段，博瀚智能自适应AI质检解决方案已被多个行业领先客户落地。下一步，如果郭伟设想的模式能够快速、大规模复制，使成本随着边际效应显着下降，博瀚智能的AI质检模式将贯穿PCBA领域并被使用出来盒子的。但在此之前，一切还有待验证。同时，这种自适应AI系统是否可以扩展到其他领域的AI质量检测还有待进一步观察。

此外，借助今年ChatGPT的势头，越来越多的硅谷AI精英回到中国加入这场机器大战。

各大互联网企业：以AI质检为“尖刀”切入万亿级工业互联网市场

与博涵智能走硅谷精英技术路线不同，腾讯作为以产品驱动着称的互联网大公司，看到了千亿级的市场。同时，腾讯力争以AI质检作为“尖刀”产品切入下一个万亿级工业互联网市场。

腾讯云工业人工智能产品总监黄强在接受南方财经全媒体记者采访时表示，人工智能质检作为工业场景的刚需环节，就像社区团购中的一盒鸡蛋。以此作为流量引流工具，使其成为工业级客户接触到腾讯云的第一款工业APP。建立连接后，即可探索其他数字化工厂数字化智能场景升级。

“基于AI质检产品向上游延伸，整个生产链也可追溯，各个环节的数字化流程得以完善，实现产品全生命周期管理。届时，这将是一个简单而完整的过程。”数字化工厂。”黄强说道。

既然是作为吸引流量的入口，腾讯对AI质检的期望是最终使其成为不同行业的通用产品，这意味着它必须想办法快速降低成本。但腾讯在做最初的一两个案例时并没有盈利。 “我们投入了8-10名算法工程师，一个项目花了半年多的时间。”黄强说道。

据南方财经全媒体记者了解，按照算法工程师3万元/月的市场价格计算，一个项目至少需要144万元，不包括硬件、服务器等成本。然而，一套完整的AI质检设备解决方案的市场价格从几十万到不到百万不等。

此时，烧了多年钱的云平台，成为了腾讯大幅降低成本的底气。 “云对我们来说绝对是一大优势，云的基础是算力，别人用一张（算力）卡跑的时候，我们用100张卡跑，迭代模型的效率肯定不一样。是的。”黄强说道。

在云平台的支持下，腾讯现在可以用一种算法解决一个项目，时间从半年缩短到三个月。黄强表示，“未来，当我们只需要0.1-0.2名算法工程师来解决一个项目时，企业客户升级AI质检的成本将不断降低。”

此外，腾讯还有一款面向中小企业的通用产品————AI一体质检机“腾辉飞通”。在这款通用产品中，腾讯只负责软件算法部分，其余硬件部分则留给其他厂商。对此，黄强称之为腾讯云的“一体化”战略。

值得注意的是，流程工业制造场景虽然可以利用“行业通用”卡降低成本，但离散制造存在局限性。专注于半导体领域AI质检的普惠智能CEO黄秀进表示，半导体领域AI质检需要对行业知识有深入的了解。原因是目前对半导体产品质量的定义还处于后标准时期。仅中游封测环节就有二十多个判断标准，背后有上百种算法。同时，对光学成像算法的精度要求也更高，甚至采用3D手段来检测芯片金线的弧高。

从市场规模来看，仅半导体领域的AI质检未来就将是一个千亿级的市场。黄秀锦表示，“以半导体封装测试步骤为例，至少涉及四个测试环节。随着国内半导体制造市场日趋成熟，本土化创新浪潮将会随之而来。”

腾讯目前基于一般行业的AI质检案例也集中在产品外观检测阶段。黄强表示，腾讯愿意与行业伙伴合作，共同把行业蛋糕做大。在大厂商无法企及的细分领域，深耕垂直行业的初创公司有一个攻克的窗口期。

行业“小巨人”：提前感知市场拥堵，今年将采用通机租赁模式扩张

在腾讯等各大厂商准备与云联手，推出更大规模的“行业通用”品牌前夕，一些厂商提前感知到市场演进红海，年初推出了价格更低的通用机。今年以租赁为辅。商业模式提前抢占中小企业市场。

这家厂商就是2018年成立的国家级专业化新“小巨人”伟一智造。在工业AI质检赛道日趋拥挤之际，伟一智能在年初就进军下沉市场。当年与全民AI数字质检员——“工匠”。除了考虑增量之外，更重要的是幕后有一个更大的生态系统——为所有中小企业建立产品质量管理标准。

伟易智造市场部负责人叶思佳告诉南方财经全媒体记者，“中小企业发展之初，是管生产、管人，但当中国制造走向世界时，质量管理将成为不可或缺的一步。因此，我们的目标不再是简单地做测试，而是帮助中国中小企业建立品牌标准。”

在成功交付1000多套AI智能检测设备和算法组件的基础上，伟易智造实现了工匠的极致价格，仅为百万级行业定制机价格的三分之一，并具备商业模式即我们还提供租赁服务，满足中小企业小批量、多品种、多需求的外观检验要求。

“这相当于每个月支付24/7设备的工资，这对于精打细算的中小企业主来说非常有用。宫小江上线一个月以来，已经租赁了20多台设备。”所有企业在展会上发现它后都来找我们。”叶思嘉说道，

值得一提的是，虽然是通用机，但算法上的技术路线也是自适应AI。从机器进厂的那一刻起，经验丰富的质检人员就参与对设备进行培训。而且，训练步骤很简单。对于资深质检员来说，就像师傅在教导新员工一样，只需要“了解产品、拍摄设置、样品采集、缺陷学习”四个步骤即可完成岗前培训。

这样，工人就可以独立喂入机器的现场数据，既节省了算法工程师的人力成本，又节省了时间成本。目前，小工匠可以在2周内“开始工作”。这也成为维易智能敢于将设备成本降低到极致的底气。

仔细看看维易为何能利用这一点，与其积累了超过百万缺陷数据的预训练模型有关。而如此丰富的缺陷样本库与公司的成长路径相关。

成立不到一年，维易智能通过常州一家“水果连锁”公司，成功进入AI质检赛道。 “当时，我们用了80多台设备，取代了这个工厂的1000多名质检人员。”叶思嘉回忆道。通过此案例，微翼智能在3C终端品牌圈中名声大噪。随后，维易智能成功获得众多国际领先3C品牌的认可，并在其供应链中推广。

借力品牌商势头，微一智能在消费电子赛道逐渐积累了大量外观缺陷样本，成为消费电子结构件AI质检领域的重要参与者。近年来，维一智能将赛道拓展至新能源汽车、医疗器械、家用电器等多个领域的外观检测。 “目前这些领域的样品都可以植入工匠的‘大脑’，但在批量生产中，产品定制更具性价比。”叶思佳补充道。

目前，维易智能的工匠们还存有一点“遗憾”。虽然龚小江“身体”的硬件设备大部分都是国产的，但机械臂的关键部件仍然采用发那科、那智、库卡等进口厂商。叶思佳在采访中表示，国产机械臂的适配将于今年完成，届时工匠们将能够实现由内而外的自主控制。

如果说近三年来数字化转型还停留在“机器换人”的基础上，那么机器颠覆机器的战争即将打响。在机器的世界里，留给下一台机器渐开线的空间越来越小。

审稿人：李茜