南方財經全媒體記者 石恩澤 深圳報道

(資料圖)

去年AI還是一個負面標簽。商湯等AI四小龍合計虧損超500億元的歷史成績，讓不少投資人望而生畏。今年伴隨ChatGPT的橫空出世，AI公司谷底反彈。一位老板告訴南方財經全媒體記者，去年融資還很吃緊，但今年投資人排著隊來送錢，并且在商業化落地上，有了不少確定性方向。

目前AI在商業化應用上，最為成熟的要數充當“眼睛”的機器視覺。從大腦構造上看，人類75%的信息獲取來自視覺。現實中也是機器視覺與工業場景的結合度更高。近期AI在工業質檢應用上的熱度正在攀升。

目前工業AI質檢可解決3C消費電子、汽車及零部件等生產制造中面臨的兩大痛點：其一是質檢工人招工難。通常質檢工人眼睛一天要在強光下直射10個小時以上，容易造成工人視力迅速衰退；其二是人工檢測難以保障日復一日穩定輸出，若是遇到動輒每片上萬的半導體晶圓，對工廠的損失慘重。

上述痛點讓一眾公司看到了一片亟待開拓的藍海。格創東智AI高級架構師江淵在采訪中表示，在面板行業，80%的質檢人員可以被AI取代。騰訊云工業AI產品總監黃強表示，在AI質檢上，騰訊看到了一個千億級剛需市場。“單是3C電子產品的人工檢測就有近300萬人，按照一個人8萬/年的用人成本，將是一個2400億規模的市場。”

據IDC預計，到2025年中國工業AI質檢整體市場將達9.58億美元（約合人民幣62億元），2021-2025年CAGR為28.5%。目前距離千億級市場，工業AI質檢市場仍有數倍空間，這讓更多公司躍躍欲試，加速涌入戰場。

在今年愈加激烈市場競爭下，IDC認為，工業AI質檢市場仍將持續碎片化格局。目前以云服務商、AI質檢創新企業、機器視覺軟件企業這3類背景的廠商主導市場。而工業互聯網平臺服務商、機器視覺檢測裝備商、綜合AI企業、工控自動化企業、通信運營商等5類廠商正在加大投入切入市場。一場機器與機器之間的“內卷”正在加速展開。

初創公司：搭乘硅谷技術新風口，前微軟高管“降維”打入AI工業質檢

前微軟（美國）SurfaceBook設計團隊高級總監郭瑋，曾為微軟貢獻了30余項發明專利。2018年他在看清中國AI場景化應用的勢頭之后，立馬召集了一批擅長數據處理、平臺技術和AI算法的海外精英回國創業。

值得一提的是，在如今AI商業化浪潮中，市場分為三個層次：底層基礎設施做芯片和算力、中間核心技術做大模型和大數據平臺、上層場景化應用做解決方案落地。芯片除了技術還講求生態，算力是國與國之間的比拼，大模型和大數據掌握在能燒得起錢的巨頭手中，逐一分析排除下來，初創公司在中國最有優勢的地方就是做應用落地。

2019年末，郭瑋在深圳南山區創立了博瀚智能。他所組建的團隊，僅憑履歷就獲得了深圳市高層次人才創業資助和投資機構3500萬pre-A輪融資，并與深圳清華研究院聯合成立了人工智能研發中心。

他給公司的定位是，一家依托自研的平臺技術，專注于AI應用落地的公司，聚焦智能制造和自動駕駛兩條主線。在對標領域里，智能制造與華為（NPU生態圈）密切合作，自動駕駛融入英偉達GPU生態圈。“公司的技術和產品有幸得到行業內最強的伙伴的認可，并同他們進行深度業務合作”

背靠華為計算底座，郭瑋團隊決心將制造領域里的AI質檢提升到一個新高度，即完成甲方心目中的“不可能三角”——更短的開發周期、更高的準確率、更低的運維成本，以此顛覆傳統AI質檢。

博瀚智能將這套顛覆性系統稱為“自適應AI質檢系統”，可將模型的精度從95%快速提升至99.99%，并在后續一直維持如此高的精度標準。據內部統計，相關解決方案在上線周期縮短80%，人力成本降低90%，運維成本節省80%。

而這套自適應AI質檢系統也與硅谷最前沿的風向不謀而合。2021年，被業界譽為“AI教父”的百度前首席科學家吳恩達，在一場直播中表示，AI系統正在從Model-centric（以模型為中心）向Data-centric（以數據為中心）轉變。這意味著今后在AI技術路線中，數據質量要比模型本身更重要。

對于兩者的區別，郭瑋進一步解釋稱，此前Model-centricAI著重的是模型算法，可類比為人類的智商，代表著處理和學習信息的基本結構和能力。這個技術路線是通過不斷優化算法本身來取得更好的結果，也就是說，通過不斷提升人類智商來增強能力。而Data-centric相當于讓人通過積累經驗來提高能力，這意味著通過不斷喂取機器高質量數據，來讓AI持續適應不斷變化的環境和需求。

值得注意的是，在Data-centricAI路線中，MLOps是至關重要的一環，也是博瀚所擅長的部分。MLOps在工業場景中的優勢在于，其不僅可以幫助DataCentricAI的任務提高效率，還能確保模型在場景中保持有效。

對于一線實操而言，結合MLOps技術的DataCentricAI，將有效解決模型失效的問題，讓原本飄在云端的AI系統，有了更標準化的落地策略——數據飛輪。而這個數據飛輪早于2021年在海外無人駕駛領域里開始被應用。

“質檢與無人駕駛在數據訓練上的底層邏輯相通，只不過復雜程度不同。”郭瑋表示。這也是為何博瀚智能除了聚焦制造領域AI質檢以外，另一個錨定的賽道是自動駕駛。同時，他還將博瀚智能的戰略定位，“前三年營收以制造為主，后三年營收則希望實現雙輪驅動。”

目前在制造領域，博瀚智能主要發力于3C和半導體AI檢測。郭瑋認為，“預計僅PCBA和外觀檢測市場規模就在400多億人民幣上下。”同時，PCBA市場中，20%的供應商將控制80%的產能，屆時商業環境將是一個理想的強to B市場。

現階段，博瀚智能自適應AI質檢解決方案已經在多個行業頭部客戶落地。下一步若是郭瑋所設想的模型，實現快速大規模復制，使成本隨邊際效應大幅遞減，博瀚智能的AI質檢模型將跑通PCBA領域，實現開箱即用。但在此之前一切還有待驗證，同時這個自適應AI系統是否能向其他領域的AI質檢拓展，也有待進一步觀察。

此外，乘著今年ChatGPT的東風，越來越多硅谷AI精英組團歸國，加入這場機器大戰中。

互聯網大廠：以AI質檢為“尖刀”，切開萬億級工業互聯網市場

不同于博瀚智能走硅谷精英技術路線，騰訊作為以產品驅動聞名的互聯網大廠，看到的是一個千億級市場。同時，騰訊力圖將AI質檢作為一個“尖刀型”產品，切開下一個萬億級工業互聯網市場。

在與南方財經全媒體記者對話中，騰訊云工業AI產品總監黃強表示，作為工業場景里的剛需環節，AI質檢就好比是社區團購里的一盒雞蛋，用這個當引流工具，使之成為工業級客戶接觸騰訊云的第一個工業APP，建立起連接以后，再探索其他數字工廠數智化場景升級。

“基于AI質檢產品往上游延伸，還可以回溯生產的全鏈條，提升每一個環節的數字化工藝，實現產品全生命周期管理。屆時這將是一個簡單而完整的數字工廠。”黃強說。

既然是作為引流的入口，騰訊對于AI質檢的期望是，最終做成一款面向不同行業的通用型產品，這意味著成本方面要想辦法快速壓低。但最初騰訊在做頭一兩個case的時候是不盈利的。“我們投入了8-10個算法工程師，跟一個項目半年以上。”黃強說。

據南方財經全媒體記者了解，按照一個算法工程師市場價3萬/月來測算，一個項目不算硬件、服務器等成本，打底144萬。但一整套AI質檢設備方案市場價也就在幾十萬到小百萬區間。

這時候，燒了多年錢的云平臺，成為了騰訊大幅降本的底氣。“云肯定是我們的一大優勢。云的基礎是算力，當別人用一張（算力）卡跑的時候，我們用100張卡跑，這里面所迭代出模型的效率肯定是不一樣的。”黃強說。

在云平臺支撐下，目前騰訊已經可以做到，一個算法解決一個項目，時間上也由半年縮短至3個月。黃強表示，“再往下，當我們只需要0.1-0.2個算法工程師，就能解決一個項目時，企業客戶升級AI質檢的成本還能繼續降。”

除此之外，騰訊還有一款針對中小企業的通用產品——AI質檢一體機“騰慧飛瞳”。在這個通用產品里，騰訊只負責其中的軟件算法部分，其余硬件部分交由其他廠商做。對此，黃強將其稱為騰訊云的“被集成”戰略。

值得注意的是，雖然流程型工業制造場景可以打“行業通用”這張牌降本，但是在離散型制造里則存在局限性。專注半導體領域AI質檢的譜匯智能CEO黃秀金表示，半導體領域的AI質檢，需要對行業know-how有深刻理解。原因在于，目前半導體產品質量定義還處在后標準時期，單是中游封測環節就有超20種判定標準，背后包含上百種算法。同時，在光學成像算法上的精準度要求也更高，甚至要用上3D手段檢測芯片金線的弧高。

在市場規模上，僅半導體領域的AI質檢，往下深入將是一個千億級市場。黃秀金表示，“就拿半導體封測步驟來說，前后涉及至少4次檢測環節。伴隨國內半導體制造市場愈加成熟，國產化創新的浪潮隨之而來。”

而目前騰訊基于通用行業的AI質檢案例，還聚焦于產品外觀檢測階段。黃強表示，騰訊有意愿與行業伙伴合作，一同做大行業蛋糕。在大廠觸達不到的細分領域，深耕垂直行業的初創公司有了攻占的窗口期。

行業“小巨人”：提前感知到市場的擁擠，今年以通用機租賃模式做下沉

在騰訊等大廠準備聯合云打更大規模的“行業通用”牌前夕，有廠商提前感知到市場向紅海演變，今年一開年就推出了更低價位的通用機，并且還輔以租賃的商業模式，提前搶占中小企業市場。

這廠商就是2018 年成立的國家級專精特新“小巨人”微億智造。在工業AI質檢賽道越來越擁擠的當下，微億智能年初以通用型AI數字質檢員——“工小匠”殺入下沉市場，除了考慮做增量，背后更看重的是一片更大的生態——為所有中小企業搭建產品質量管理標準。

微億智造市場部負責人葉思佳對南方財經全媒體記者表示，“中小企業發展之初是管生產和人，但當中國制造走向世界之后，管質量將成為不可或缺的一步。因此，我們的目標已經不是單純做檢測，而是要幫中國中小企業樹立品牌標準。”

在成功交付AI智檢設備及算法組件1000余套的基礎上，微億智造將工小匠的價格做到了極致，僅需百萬級行業定制機價格的三分之一，并且在商業模式上還提供租賃服務，滿足中小企業小批量、多品種、多需求的外觀檢測要求。

“這相當于每個月給7×24小時的設備付工資，在精打細算的中小企業主之間非常受用。自工小匠上線1個月以來，已經有20多臺的設備在走租賃模式了，并且都是企業在展會上發現后，主動找上門來。”葉思佳說，

值得一提的是，雖然是通用型機器，但在算法上的技術路線走的也是自適應AI。在機器在進入工廠的那一刻起，就讓有經驗的質檢人員介入訓練設備。而且培訓步驟簡單，對于資深質檢員而言，就像老師傅帶新人一樣，只需“認識產品、拍攝設置、樣本收集、缺陷學習”四步就能完成崗前培訓。

如此通過工人自主喂取機器現場數據的方式，不僅節省了一筆算法工程師的人力成本費用，還可以節約時間成本，目前工小匠可實現2周內“上崗”工作。這也成為微億智能敢把設備成本壓到極致的底氣。

細究為何微億能夠發揮這項優勢，則與其積累超過百萬缺陷數據的預訓練模型有關。而如此豐富的缺陷樣本庫，又與公司的成長路徑有關。

微億智能成立不到1年，就成功通過一家常州的“果鏈”企業切入了AI質檢賽道。“當時我們用80多臺設備取代掉這家工廠里1000多名質檢人員。”葉思佳回憶道。借此案例，微億智能在3C終端品牌商圈子里，一戰成名。后續微億智能成功得到了多家國際3C龍頭品牌商的認可并在其供應鏈內進行推廣。

借品牌商之勢，微億智能一步步積累了大量消費電子賽道里的外觀缺陷樣本，成為消費電子結構件AI質檢領域里的重要玩家。近年來，微億智能又拓展賽道至新能源汽車、醫療器械、家用電器等多個領域的外觀檢測。“目前這些領域的樣本都可以植入工小匠的‘腦’中，但在大批量生產中還是產品定制機會更劃算。”葉思佳補充道。

目前微億智能的工小匠還留有一點“遺憾”。雖然工小匠“身體”大部分硬件設備都實現了國產化，但機械臂這個關鍵零部件還采用的是發那科、那智、庫卡等進口廠商。葉思佳在采訪中表示，今年將完成國產化機械臂的適配，屆時工小匠從里到外都將實現自主可控。

如果說在過去3年里，數字化轉型還在以“機器換人”為主線，那么接下來，機器顛覆機器的戰役正在打響。在機器的世界里，留給下一個機器內卷的空間，正在越來越狹小。

關鍵詞：