AI质检从上往下，制造业转型脱虚向实
AI质检正在打通制造业产品落地的“最后一公里”。它的影响深远而广泛，正在逐渐改变制造业的传统模式。
在制造业工厂产线上，AI视觉检测缺陷已经开始崭露头角，代替人力检测，引领一场变革。传统的依靠人眼和经验检测缺陷的方式，正在被高效、精准的AI视觉检测所替代。这种变革不仅提高了检测效率，更提升了检测质量。
AI视觉通过设备可实现24小时无间断检测，并且不会受到人眼的视觉疲劳的影响。这使得生产线在持续运作的过程中，能够始终保持高效的检测状态，大大提高了生产效率和质量。
根据IDC的数据预测，到2025年，国内工业AI质检的市场规模将达到惊人的62亿元。这一巨大的市场规模预示着AI质检的巨大潜力。当前我国从事产线质量及效率的相关人员规模庞大，超过200万，而每年的劳动力成本也高达1400亿元。这一数据反映出制造业对于劳动力成本的巨大压力。
在这样的情况下，AI质检的出现无疑是制造业的一大福音。它不仅能够降低劳动力成本，提高生产效率，还能够保证生产质量。随着AI技术的不断发展，我们有理由相信，AI质检将在未来的制造业中发挥越来越重要的作用，成为推动制造业发展的关键因素之一。工业AI质检市场是一块巨大的蛋糕，其中隐藏着无数被忽视的中小企业质检需求。这个市场空间高达千亿元，恰似一座待挖掘的宝藏。
中小企业作为经济的毛细血管，他们的智能化转型至关重要。现实中却存在供需失衡的现象。许多制造业企业，尤其是那些规模较小、资金有限的中小企业，一直在质检方面面临困境。他们渴望智能化质检的助力，但由于规模、资金等限制，以及之前AI质检落地的高成本、低柔性等问题，使得他们的需求长时间得不到满足。
微亿智造&智云天工CEO张志琦指出，这些企业的质检需求被长期忽视。他们渴望通过先进的AI技术来提升质检效率和准确性，但现实却往往不尽如人意。针对中小企业的AI质检市场有着巨大的发展空间和潜力。随着技术的不断进步和成本的降低，这个市场的需求将得到进一步的释放和满足。当前AI质检在工业领域的应用面临中小企业落地难、成本高的问题，亟需从技术和产品两端入手解决。改变原有的工业AI质检落地路径至关重要。只有解决了这些问题，才能进一步打开质检市场，推动中小企业的智能化转型。
AI质检在中小企业难落地的主要原因在于其缺乏柔性、成本高昂。作为品控的最后一道关口，质检关乎产品的良率和品牌形象，直接影响着企业的生存和发展。中小企业由于规模、资金和技术的限制，往往难以承受高昂的AI质检成本，也难以适应AI质检的复杂操作和技术要求。针对中小企业的实际需求，开展技术和产品的创新显得尤为重要。
技术的创新可以从提高AI质检的智能化水平、增强其适应性和灵活性等方面入手。通过深度学习和机器学习等技术，让AI系统具备更强的自我学习和优化能力，以适应不同企业的生产环境和质检需求。还可以开发更加便捷、易用的AI质检工具，降低操作难度和成本，提高中小企业的使用意愿和普及率。
产品的创新可以从降低AI质检的成本、提高其效率和准确性等方面入手。通过优化生产流程和降低制造成本，实现AI质检设备的规模化生产和降低成本。还可以开发更加适应中小企业需求的AI质检产品，以满足其对于快速检测、精准判断和高效处理的需求。加强产品的用户友好性设计，让中小企业能够更方便地接入和使用AI质检系统，也是解决落地难问题的重要途径。
解决AI质检在中小企业落地难、成本高的问题需要从技术和产品两端入手，开展全面的创新和优化工作。只有这样，才能真正推动AI质检在工业领域的应用和发展，为中小企业的智能化转型提供有力支持。过去，产品质检主要依赖人的肉眼和经验。一个经验丰富的质检员，他的视觉敏锐度和丰富的经验能够让他准确识别产品的缺陷。这种模式存在明显的不足。经验丰富的质检员的人力成本较高，而且他们的经验难以复制。长时间的质检工作容易导致疲劳，影响工作效率和准确性。对于许多中小企业来说，维持一支经验丰富的质检团队无疑会增加显著的人力成本。
面对这样的挑战，一些中小企业选择缩减质检团队，转而采取“只换不修”的策略。这种策略虽然短期内能显著降低成本，但从长远来看，却可能导致产品良率的下降。频繁的产品更换不仅影响客户满意度，还可能对品牌形象造成损害。这种做法无异于饮鸩止渴。
“质检，其实是可以被数字化的。”张志琦坚信，这是人工智能在工业领域大展身手的绝佳舞台之一。人工智能凭借数据洪流进行训练，能够吸取过去“资深质检员”的丰富经验，并将其转化为智能模型。随后，机器设备便能够承担大量的缺陷检测任务。这不仅大幅节约了人力资源，更实现了24小时不间断的检测，显著提升了效率。
探索AI质检的难关：高昂的前期成本与持续的运维挑战
众所周知，AI的导入成本居高不下，而后续的运维成本也不容小觑。传统的AI质检方案更是如此，它依赖于大量的数据来进行模型训练，同时也需要算法工程师深入产线与客户紧密沟通，积累沉淀经验，再进行算法模型的调优，以满足客户的需求。这样的流程带来的不仅仅是技术的挑战，还有日益增长的成本压力。
单是前期的产线改造，就需要投入数十万元的资金。而后续的运维工作，同样需要投入大量的人力物力。这样的成本投入，使得这种质检方案的主要客户仅限于像华为、比亚迪、富士康等大型厂商。对于更多的中小企业来说，这样的成本几乎是无法承受的。
尽管面临这些挑战，AI质检技术的潜力与价值依然不容忽视。随着技术的不断进步和成本的逐渐降低，我们期待一个更加普及、更加普惠的AI质检时代，让中小企业也能享受到先进技术带来的红利。这样，不仅能够提高生产效率，更能够推动整个产业的升级与发展。张志琦指出，中小企业的生产具有显著的灵活性，表现在其多品种、少批量、季节性的特点上，但其现金流状况相对较弱。当企业需要部署一套解决方案时，从需求确认到成功布置往往需要数月时间。在这段期间，市场需求可能会发生巨大变化。一旦产线改造完成，企业可能已面临经营困境，甚至濒临倒闭。
对于中小企业而言，质检方案的使用频率较高，更换速度也很快。采用传统的AI质检方案部署并不经济划算。传统的重资产模式部署方式柔性较差，无法满足中小企业快速变化的需求。
针对这些问题，企业需要考虑更加灵活、适应性强、部署快速的解决方案，以便更好地适应市场变化，提高企业的竞争力。传统的AI质检部署流程存在诸多挑战。以产品表面外观缺陷检测为例，设备导入周期长达六个月，单产品模型训练也需要两个月的时间。每个项目平均需要五位工程师驻场实施，导致整体成本高昂，达到40至100万元。对于柔性制造业频繁的换线需求，传统方案更是难以应对。
张志琦指出，由于成本和部署柔性的限制，传统的AI质检方案使得国内大量中小企业无法承担、无法使用。尽管这些企业的质检需求非常强烈，但高昂的落地成本与无法满足的供需矛盾严重制约了中小企业的智能化转型。
在张志琦看来，必须寻找新的AI质检落地路径，以解决成本高和柔性差的问题。他强调，通过优化流程和技术创新，可以降低部署成本，提高方案的适应性，让更多中小企业能够享受到智能化质检带来的便利。这样，不仅能满足中小企业的质检需求，还能推动整个制造业的智能化升级。新解法：AI质检回归本源，轻部署、低成本
传统的AI质检方案往往陷入复杂繁琐的部署流程中，需要众多算法工程师深入一线，精细搭建算法模型、反复训练调优，再应用到生产线上。这种模式虽然专业，但却存在着明显的不足。定制开发的特性使得每次换线都需要重新部署，维护成本高昂，且无法在不同产品中实现有效复用。这样的流程不仅导致成本攀升，更阻碍了中小企业因生产“少批量”产品而产生的样本数据在质检模型开发中的应用。
如今，新的AI质检方案应运而生，它更加注重轻量级部署和低成本运作。这一创新方案让AI质检回归本源，旨在简化部署流程，降低运营成本，让中小企业也能享受到AI质检带来的便利。通过优化算法和流程，新的质检方案使得算法模型的搭建和训练调优更加高效，大大缩短了开发周期和成本。该方案能够灵活地适应不同的产品线，快速切换和部署，减少了换线的时间和成本。新的质检方案还注重模型的复用性，使得在不同产品之间的应用更加便捷。
这一变革为中小企业带来了福音。他们可以通过新的质检方案，利用有限的样本数据开发出高效的质检模型，大大提高了生产效率和产品质量。轻量级部署和低成本运作也降低了他们的运营成本，提升了市场竞争力。新的AI质检方案以其高效、灵活、低成本的特点，正在引领AI质检行业回归本源，为中小企业带来更多的发展机遇。在模型的训练效果方面，前端设备采集的数据需要经过工程师的处理才能被模型使用，这一过程并不能完全反映真实数据的原貌。这不仅会导致部分数据失真，影响模型的优化和质检效果，还会造成数据资源的浪费。
以前，我们在进行AI质检项目时，通常为了满足项目需求，依赖程序员和算法专家对数据进行“翻译”，将经验转化为生产力。这种做法增加了一个中间环节，导致人力成本上升，同时也会影响模型的效果。
想象一下，如果可以直接将一线工人的经验传递给模型，让模型自主进行训练，就可以省去中间的翻译环节，大幅度降低各项成本。这样的模式革新，将极大地提升模型的训练效率和效果，使模型更加贴近真实世界的数据分布，从而更加精准地完成任务。这不仅降低了成本，还提高了工作效率，为AI质检项目开辟了新的可能性。张志琦强调，人工智能的根基是人的经验和数据，“人”的角色至关重要。他提倡深度融入现场生产人员的智慧，让他们在生产AI模型的过程中发挥重要作用，将他们的“人的经验”沉淀下来并融入其中。而对于工业AI来说，现场的人的生产经验和海量的生产数据才是其核心。必须聚焦于生产现场，全面采集、定标、传输和迭代数据流，深入制造场景的实践中。
这样的理念相当于重新构建了工业AI的整个业务流程，即从数据采集到模型训练，再到落地部署。这不仅改变了传统的AI质检落地路径，而且也使得工业AI更加贴近实际生产需求，更加智能化、人性化。通过这种以人为本的工业AI改造，我们有望开启全新的工业生产时代。针对数码产品的质检流程，现代技术带来了革命性的改变。当前端采集到数据后，设备会迅速匹配算法库进行智能对比标记。对于常见的缺陷类型，系统能够自动识别，无需人工介入。而对于算法库中未曾遇到的缺陷，系统会智能地进行主动标记，随后由一线工人进行标注。一旦系统完成了这次标注学习，下次再检测到类似缺陷时，便能迅速准确地标注缺陷。
这一过程无需复杂的部署环节，相关的算法模型已直接融入设备中，使模型导入生产现场变得快速而简洁，确保了经验的快速复制与广泛应用。系统具备强大的实时学习能力，能够根据现场生产的实时数据进行持续优化。
更重要的是，这一系统彻底改变了一线工人的工作内容。他们不再需要费神费力地进行繁琐的质检工作，而是可以专注于类似标注师的工作，极大地减轻了工作负担，提高了工作效率。这样的智能化转型不仅提升了质检的准确性和效率，还使得企业能够更好地适应现代化生产的需求，迈向智能化、自动化新时代。这种轻量级部署、低成本投入、高灵活性的模式，对于那些规模适中但同样对质检有着严格需求的众多中小企业来说，无疑是一种更为理想的选择。它不仅满足了企业对于快速响应市场变化的需求，同时也为它们在成本控制和业务扩展方面提供了更大的自由度。
AI质检：从大厂走向中小企业，智能化转型的新趋势
AI质检，这个曾被视为大厂的“专属品”，如今正在经历一场深刻的变革。从曾经的定制化部署，到现在的轻量化部署，AI质检正在变得越来越“亲民”，其应用范围也从大型制造企业，逐渐向中小制造业企业拓展。
这种转变，反映出国内制造业企业智能化转型的新趋势。张志琦的观察让我们看到，不仅仅是高端制造业在追求智能化，中低端制造业企业也在积极拥抱智能化技术。AI质检的普及，不仅提升了企业的生产效率，也为企业带来了更高的产品质量保障。
随着AI技术的不断发展，我们有理由相信，AI质检将在更多的企业中发挥作用，推动制造业的智能化转型，开启新的工业革命。
未来，我们将看到更多的中小企业通过引入AI质检技术，实现生产流程的智能化改造，提升竞争力，走向新的发展阶段。
作为前SAP中国区副总裁的张志琦，是早期接触德国工业化4.0的先驱之一，曾积极尝试将这一理念引入国内。在深入探索的过程中，他发现了工业化4.0标准化程度过高的问题。 他发现，只有像富士康、比亚迪等高端制造业大厂，由于具备相应的技术和资源储备，愿意投入资源进行工业化4.0的实践。但对于广大中小企业而言，由于短期内难以看到明显的业务成果，投资回报周期过长，使得他们难以跟进这一趋势。 2017年10月，张志琦加盟百度，担任百度云副总经理，肩负重任，负责整个百度的AI商业化进程。在百度，他开始探索人工智能在工业领域的应用场景。百度洞察到AI质检的潜力，以此为切入点，推出“百度天工物联网平台”，为工业领域带来智能化、高效化的全新体验。 在张志琦的引领下，百度不仅将AI技术成功应用于工业领域，更通过不断创新和探索，为工业4.0的发展提供了新的思路和方向。他的经验和见解，为百度在人工智能领域的深耕提供了宝贵的支持。 张志琦的职业生涯和个人经历，展现了他在工业领域和人工智能领域的深厚造诣和独到见解。他的故事，不仅是一次职业转型的成功范例，更是人工智能与传统工业融合发展的生动写照。
张志琦于2020年7月离开了百度，加入了钉钉团队，负责推动钉钉商业化的进程。不久之后，他选择了自主创业，并创建了智云天工，专注于助力企业实现数智化转型。智云天工的发展步伐迅速，到了2022年底，该公司与微亿智造成功完成合并。张志琦在新公司中担任CEO一职。
微亿智造成立于2018年，以工业AI质检作为核心方向。该公司巧妙地结合AI与机器视觉技术，致力于工厂的智能化改造，为工厂提供更高效、更智能的解决方案。张志琦强调，在工业制造智能化转型的过程中，不应仅关注大企业和高端制造业，而忽视中小企业的重要作用。中小企业在经济结构中扮演着基础性的角色，它们的智能化转型成功，是整个产业得以升级的关键。
从商业角度看，中小企业的智能化转型需求巨大。虽然客单价较低，但市场规模庞大。其中，AI质检作为产品进入市场的“最后一公里”，成为制造业智能化转型的重要推动力。如果能将AI质检普及到更多中小企业，让它们“买得起、用得上”，无疑将极大地推动制造业的智能化进程。
在此背景下，智云天工与微亿智造决定携手合作，共同推出了“工”、“灵”两大系列的产品。这一举措，无疑为中小企业的智能化转型提供了强有力的支持，帮助它们更好地实现智能化升级，从而提升整体产业竞争力。“工”系列包括工小匠、工小智和工小汇，它们都是基于人工智能技术的智能化管理应用。
工小匠被誉为“AI数字质检员”，它的主要任务是替代传统的人力质检。这款应用具备出色的柔性部署能力，可以迅速适应不同类型的光源、镜头和机械臂，满足企业多样化的检测需求。在实际操作中，它能够快速切换检测模式，轻松应对各种检测任务。工小匠还拥有强大的软件功能，可以在不同产品的检测模型之间进行一键切换，大大提升了工作效率。
紧随工小匠之后的是工小智，它被誉为“AI产线管理员”。工小智的主要职责是实现生产过程的可视化管理。通过运用人工智能技术，工小智能够实时监控生产线的运行状态，提供精准的数据分析，帮助企业管理者更好地掌握生产情况，优化生产流程。
最后一个成员是工小汇，它是“AIoT数字工厂管理员”。工小汇致力于整个工厂的智能化管理，通过整合人工智能、物联网等技术，实现工厂生产、物流、仓储等各个环节的智能化控制。工小汇的出现，标志着智能化工厂迈入了全新的发展阶段。
“灵”系列，一款专为质检而生的硬件产品组合，包括灵眸OCT缺陷检测仪、灵镜PMD高反表面检测仪以及灵阵OMX复眼阵列模组。这些检测设备专为3C、半导体、精密光学等行业打造，特别适用于光学镜片、晶圆等高反光材质的精密检测。它们以卓越的准确性，助力企业捕捉细微缺陷，确保产品质量。
张志琦介绍到，这两个系列产品均采用了模块化设计，即插即用，极大地提高了使用的便捷性。不仅如此，它们的硬件产品能够无缝兼容中小企业已有的信息系统，完美融入企业的日常运营中。而工小智、工小汇等SaaS软件，则能轻松接入企业已有的硬件设备，与信息化系统实现顺畅连接，实现数据的无缝流通。
“工系列”则是软硬结合的解决方案，它与“灵系列”相互配合，两者共同构成了完善的质检解决方案。这两个系列的产品都具备柔性化部署能力，可以根据企业的实际需求进行灵活调整，满足中小企业“多品类、小批量”的质检需求。相较于定制化的AI质检方案，它们具有更高的性价比，更易于中小企业接受和实施。
这两个系列的产品，无论是硬件还是软件，都体现了出色的适应性和实用性。它们不仅能够提高质检的准确性和效率，还能帮助中小企业降低成本，提升竞争力。无论是需要检测高精度的光学产品，还是需要灵活多变的质检方案，这两个系列都能提供最优质的服务，满足企业的各种需求。张志琦敏锐地洞察到，AI质检的柔性化部署已经成为不可逆转的时代潮流。先前，制造业的转型主要局限于少数大型企业的尝试，中小企业虽有心求变，却受限于资金压力，转型似乎只是空中楼阁，一句口号。
随着人工智能技术的日益成熟和产品迭代，AI质检的落地成本正在持续下降，这使得更多的中小企业得以接触并应用这一技术。这不仅降低了企业的运营成本，更提高了质检的效率和准确性。这一变革不仅标志着制造业智能化转型的开始，更是人工智能技术在实体经济中广泛应用的重要里程碑。可以说，“制造业智能化转型正逐渐落地为实际”。