前言

我自己是做算法出身，喜歡思考問題的本質。比如
，AI對dui於yu我wo們men整zheng個ge工gong業ye視shi覺jiao的de本ben質zhi到dao底di是shi什shen麼me。今jin天tian我wo把ba這zhe個ge不bu僅jin是shi我wo的de思si考kao，也ye是shi阿e丘qiu科ke技ji整zheng個ge公gong司si的de思si考kao分fen享xiang給gei大da家jia，供gong大da家jia參can考kao。但dan這zhe也ye是shi一yi個ge比bi較jiao初chu級ji的de思si考kao，要yao在zai以yi後hou的de實shi踐jian中zhong深shen化hua。

今天我講的內容包含三個主題，第一個是講AI對於工業視覺到底意味著什麼;第二個是我們從整個技術發展周期的角度，看一看工業AI視覺發展的一個大的路線圖;第三個，也是必不可少的，要談一談我們對未來的一個趨勢和觀點的一些理解。

AI重構工業視覺

➔ 算法

首先我們來看第一個主題
，AI對於工業視覺算法到底有什麼價值?

傳統算法，我用兩個關鍵詞來定義它，就是定量分析和特征工程。特征工程就是算不同的特征。後麵做判斷的時候，一堆的if···else···是傳統算法的一個特點。那AI這塊的話大家已經很了解了
，基於樣本來做學習。我認為這是很本質的一個東西。

從功能角度出發，工業視覺算法可分為圖像處理、定位、檢測、測量
、識別;從算法實現技術角度就是分類
、識別

、測量三大類。本質上
，工業視覺算法將會或正在被AI全部重構
，當然如果涉及到測量技術
，即定量分析技術，傳統算法依然不可或缺。

AI重構工業視覺算法的價值體現在以下 3 個方麵：

1. 升維

AI通過升維來解決我們的一些複雜的分類和識別問題。包括複雜的背景
、低對比度

、柔性電子

、一些強幹擾。這些東西原來傳統方法是沒問題的


，但是用AI的話，我覺得能更加好。這個點大家是能夠肉眼可見的。後麵第二點和第三點可能未必肉眼可見
，但實際上是更關鍵的。

2. 簡化

、通用化

AI的de一yi大da優you勢shi是shi可ke以yi對dui算suan法fa問wen題ti做zuo極ji度du的de抽chou象xiang，抽chou象xiang之zhi後hou較jiao為wei複fu雜za的de工gong業ye視shi覺jiao問wen題ti就jiu會hui變bian得de比bi較jiao簡jian單dan，還hai有you一yi個ge就jiu是shi通tong用yong化hua。很hen多duo工gong業ye視shi覺jiao裏li麵mian比bi較jiao複fu雜za的de算suan法fa問wen題ti，用yong兩liang到dao三san個ge比bi較jiao通tong用yong的de算suan法fa模mo塊kuai去qu訓xun練lian數shu據ju
，結jie果guo就jiu出chu來lai了le，並bing且qie這zhe個ge指zhi標biao還hai非fei常chang優you秀xiu。

3. 降本

大家聽到這個東西好像有點反直覺，覺得AI對算力有要求，怎麼還能降本?

womenjuyigesuoyouzuochuantongsuanfaderendounenggoulijiedeyigelizi。birujihexingzhuangpipei，zhegeshuyushizhenggejiqishijiaolimian，chuantongsuanfaraobuguodezheyangdeyigesuanfa
，taxuyaoshezhifeichangduodecanshu。ruguoyaoyonghao
，gongchengshixuyaolijiejihepipeisuanfadejibenyuanli、參can數shu的de物wu理li含han義yi
，這zhe需xu要yao較jiao為wei專zhuan業ye的de圖tu像xiang處chu理li背bei景jing知zhi識shi
，門men檻kan要yao求qiu高gao。如ru果guo你ni理li解jie不bu到dao位wei
，可ke能neng定ding位wei的de結jie果guo不bu是shi你ni想xiang要yao的de，或huo者zhe達da不bu到dao一yi個ge非fei常chang精jing準zhun的de效xiao果guo。要yao做zuo到dao這zhe一yi點dian的de話hua，是shi需xu要yao有you圖tu像xiang處chu理li算suan法fa背bei景jing的de。所suo以yi說shuo我wo原yuan來lai做zuo傳chuan統tong圖tu像xiang
，就jiu是shi我wo在zai原yuan來lai東dong家jia的de時shi候hou，我wo們men帶dai著zhe底di下xia的de應ying用yong工gong程cheng師shi都dou是shi碩shuo士shi

，這zhe個ge成cheng本ben是shi非fei常chang高gao的de。

而我們用 AI 來做
，比如說我們隻是訓練三、五wu個ge樣yang本ben，甚shen至zhi是shi一yi個ge樣yang本ben

，後hou麵mian整zheng個ge定ding位wei的de精jing度du跟gen效xiao率lv都dou能neng夠gou達da到dao
，甚shen至zhi超chao過guo傳chuan統tong算suan法fa的de精jing度du。當dang然ran

，整zheng個ge魯lu棒bang性xing肯ken定ding也ye比bi傳chuan統tong算suan法fa要yao好hao。那na這zhe樣yang使shi用yong的de成cheng本ben就jiu可ke以yi降jiang到dao非fei常chang低di。

➔ 解決方案

這個解決方案的範疇是什麼?可以說是視覺係統範疇
，也可以說是視覺檢測設備範疇。叫解決方案，就是基於算法疊加的一個完整方案。我們內部的觀點是
，AI不bu僅jin僅jin是shi一yi個ge技ji術shu模mo塊kuai，它ta是shi一yi種zhong新xin的de認ren知zhi框kuang架jia
，本ben質zhi上shang是shi基ji於yu數shu據ju和he標biao準zhun驅qu動dong的de。首shou先xian我wo們men要yao有you這zhe麼me一yi個ge認ren知zhi框kuang架jia

，再zai往wang下xia看kan我wo們men的de視shi覺jiao解jie決jue方fang案an，核he心xin包bao括kuo哪na些xie部bu分fen?對這些部分意味著是什麼?

我抽取了裏麵三個核心部分：

1. 成像模組

成像模組就是整個機器視覺裏麵成像的所有器件跟方案

，它背後的基本原理是什麼?是基於傳統算法
，而傳統算法基於定量分析。所以說我們基於傳統算法來做的成像方案
，它的底層要求是“定量
、高對比度”。

這個會導致什麼樣的後果?比bi如ru說shuo我wo們men要yao檢jian測ce一yi個ge表biao麵mian很hen多duo不bu同tong類lei型xing的de缺que陷xian。為wei了le要yao達da到dao高gao對dui比bi度du的de定ding量liang，可ke能neng我wo需xu要yao打da若ruo幹gan場chang光guang。可ke能neng每mei場chang光guang對dui應ying兩liang種zhong缺que陷xian，後hou麵mian才cai能neng把ba這zhe些xie缺que陷xian完wan整zheng的de呈cheng現xian出chu來lai，成cheng像xiang的de效xiao率lv非fei常chang低di。

而我們進入AI時代以後
，我們對成像的要求變了，隻要是目視可見即可。當前基於傳統算法構建的成像方案，本質上還隻是一個“光電轉換器”。隻(zhi)是(shi)把(ba)一(yi)個(ge)關(guan)鍵(jian)信(xin)號(hao)轉(zhuan)換(huan)成(cheng)圖(tu)像(xiang)，距(ju)離(li)我(wo)們(men)所(suo)說(shuo)的(de)眼(yan)睛(jing)差(cha)的(de)太(tai)遠(yuan)了(le)。當(dang)然(ran)

，我(wo)們(men)也(ye)不(bu)可(ke)能(neng)一(yi)步(bu)躍(yue)成(cheng)眼(yan)睛(jing)
，那(na)至(zhi)少(shao)階(jie)段(duan)性(xing)的(de)目(mu)標(biao)我(wo)們(men)是(shi)不(bu)是(shi)可(ke)以(yi)達(da)到(dao)攝(she)影(ying)水(shui)準(zhun)。這(zhe)個(ge)做(zuo)到(dao)了(le)有(you)什(shen)麼(me)好(hao)處(chu)呢(ne)?一方麵是能夠提高我們整個成像的空間效率，更重要的是它簡化了、通用化了、成本低了。這是很重要的一個根本變化。

2. 算法模組

客觀來說
，當前落地的各種項目，成本還是比較高的。根源在於大部分隻是把AI作為一個算法模塊，把它疊加到原來的體係裏麵
，就比較低效。後續算法方案一定要以AI為中心，打通和優化整個計算流和數據流，這個才是最優的方式，能夠提高訓練推理效率、降低部署維護成本。

3. 自動化模組

在傳統算法時代，由於成像有很多約束，自動化能發揮的作用非常受限。AI其實是打破了算法的束縛，本質上也打破了我們成像的束縛。可以自動化幫我們拍圖，各種“凹姿勢”“擺造型”。隻zhi要yao能neng將jiang缺que陷xian拍pai清qing楚chu就jiu可ke以yi
，並bing不bu需xu要yao那na麼me明ming亮liang的de成cheng像xiang。如ru果guo這zhe麼me來lai做zuo的de話hua，極ji大da地di降jiang低di了le自zi動dong化hua複fu雜za度du，提ti高gao了le自zi動dong化hua通tong用yong性xing。並bing且qie能neng夠gou比bi較jiao簡jian單dan高gao效xiao地di解jie決jue產chan品pin異yi形xing
、多型號小批量等成像難題。

從大的維度來看，工業視覺解決方案會按兩個極端方向演進：

• 輕量級場景：更強調一體化，極致的簡單易用
  ，可能需要線上訓練。
• 複雜場景：更強調通用化解決方案，包括：通用成像模組、通用大模型
  、通用自動化模組
  ，降低全鏈路綜合成本。

工業AI視覺進化論

任何技術導入都有它的一個生命周期，每個階段有不同的特點。基於落地多個項目的思考，我們將AI工業視覺發展路徑劃分為三個階段：早期市場時期(2019)、保齡球道時期(2024)、龍卷風時期(2029)。

• 2019年是AI工業視覺元年，意味著有相關的AI項目落地
  ，即早期市場。阿丘也是在這一年開始逐步項目落地，我們的第一個落地項目是3C行業的模組外觀檢測。
• 自 2021年開始
  
  ，AI逐步在各細分市場成為標配
  ，該趨勢將延續到2024年
  ，即所謂的保齡球道時期。阿丘從2021年開始在結構件、模組、包裝等眾多細分市場批量落地。
• 預計在 2029年
  ， AI 將在全域市場普及
  
  ，即龍卷風時期。

這是一個大概的判斷，時間周期有可能會早或晚，僅供大家參考。

➔ 早期市場時期(2019)：技術創新

我們首先來看一下早期市場有什麼特點?

核心還屬於是技術創新的一個時期。換句話說

，AI這個東西在工業視覺裏麵到底能不能用，比較專業的說法就叫技術創新導向。

那麼工業AI算法跟我們自然場景(比如人臉識別、自動駕駛)的技術到底有什麼差別?一是小樣本，大家知道缺陷是由非受控因素產生的，獲取成本很高，所以需要小樣本;二是高精度，包括尺寸小、對比度低
、過檢率和漏檢率指標嚴格，特別是關鍵缺陷要達到零漏殺;三是低算力
，本質上是由於工業產品對成本有約束。

正是基於這些洞察，我們構建了自主底層算法框架、上層算法工具，即大家耳熟能詳的工業 AI 視覺軟件平台AIDI。

在推AIDI的過程中，有兩個比較有意思的點
，在這裏與大家分享下：

1、設備廠商甚至集成商大部分都有自研基礎AI算法的衝動，基本都無疾而終。甚至這個公司可能隻有五六個人，他也安排一個人來自研。核心原因就兩個：一是有很多開源的框架;二是確實把這些數據拉到框架裏充分跑一跑能看到不錯的指標。但是真正上線時會受三個約束，即小樣本
、高精度

、低算力。所以很多人可能做到後麵無法突破這三個約束
，慢慢地就悄無聲息了。

通過和客戶的交流和我個人的思考，我認為其實它是一個經濟學問題，不是一個技術問題。我們在傳統算法時代，用OpenCV去做項目也能做一部分
，但是大部分的係統和設備，還是一定要用專業的平台軟件來做。在AI這個時代我認為也是一樣的。能不能自研AI算法呢?我認為是比自研傳統算法更難的。主要是三個方麵：第一個方麵
，自然場景跟工業場景的問題特性有非常大的差別;第二個方麵是AI算法的參數維度更多;第三個，要達到低算力，需要對算法做高性能優化，優化複雜度是非常高的。如果一個公司真的要自研AI算法，投入的強度要很高
，要有很多工程師，所以我覺得最終它實際上是一個經濟學問題。

zongdelaishuo，ruguodajiatouruziyuandeqiangduzugou，worenweiyenenggouzuoyigezhishaonengyongdedongxi，danruguoyaozuodaogenghao
，jiukanniyoumeiyoutianhuabanzugougaodeyanfarenyuan。

2、有些人問我
，做傳統算法的視覺廠商來做AI算法是更容易還是更難?zhenduizhegewentiwohaizhenshijinxingleshendudesikao，zheyeshiwoxianggeidajiafenxiangdediergedian。qishiworenweishigengnan，kenengbiyigewanquanchuchuangdegongsihaigengnan。weishenme?本質上AI算法和傳統算法的架構和迭代方式完全不同，研發理念也是天壤之別。要從傳統算法的方式切換到AI，我不是說沒有可能，隻是概率較小。

阿丘落地的第一個項目是3C模組外觀檢測
，這個項目是有一定複雜度的。其中涉及注塑件
、金屬件等多種材料組合，產品異形，缺陷種類多達70餘種、形態多變。 檢測要求漏檢率低於0.1%
，過檢率3%左右

，以傳統算法視角看來該項目基本無解。我們從方案到樣機上線花了超過6個月的時間，在項目進行過程中
，我們發現 POC指標和上線指標之間存在巨大鴻溝。為什麼會有這個鴻溝?我認為主要有四個方麵：

第一個就是對AI的認知。它到底能解決什麼問題?不能解決什麼問題?所謂AI是不論複雜度的
，隻要學習過的
，再複雜也可以解決
，沒學習過的再簡單也無法解決。

第二個是對需求邊界的認知，AI本身無法分辨正確與錯誤，這意味著你給它錯誤的樣本，它也會學習。從這個角度
，他對標準是有很嚴格的要求的。

第di三san個ge是shi對dui數shu據ju的de管guan理li。核he心xin主zhu要yao是shi兩liang個ge點dian，如ru何he把ba握wo標biao注zhu的de標biao準zhun以yi及ji如ru何he篩shai選xuan對dui迭die代dai模mo型xing有you信xin息xi量liang的de數shu據ju。標biao注zhu標biao準zhun太tai嚴yan苛ke
，成cheng本ben太tai高gao;不夠嚴苛
，標準對AI來說又不明確。

最後一個是模型相關的問題。如何保證指標的穩定性和在產線間進行複製。比如，不同的產品型號該如何做到兼容。

為了解決這些問題
，我們基於項目經驗

，提煉出了AI落地方法論，比較成熟的方法

，就會成為AIDI產品功能的一個組成部分。

該階段客戶的特征：擁抱新技術、有痛點
、有一定支付能力。我認為這三個特征缺一不可。這樣來看，早期我們項目落地在3C行業是有其必然性的
，因為以Apple為主驅動的3C供應鏈是最早擁抱新技術的行業之一。並且在3C供(gong)應(ying)鏈(lian)中(zhong)，自(zi)動(dong)化(hua)程(cheng)度(du)最(zui)低(di)的(de)就(jiu)在(zai)質(zhi)檢(jian)環(huan)節(jie)。前(qian)幾(ji)年(nian)疫(yi)情(qing)引(yin)起(qi)的(de)人(ren)員(yuan)受(shou)限(xian)等(deng)問(wen)題(ti)更(geng)加(jia)推(tui)動(dong)了(le)檢(jian)測(ce)自(zi)動(dong)化(hua)。由(you)於(yu)檢(jian)測(ce)問(wen)題(ti)的(de)複(fu)雜(za)性(xing)，傳(chuan)統(tong)算(suan)法(fa)時(shi)代(dai)實(shi)現(xian)檢(jian)測(ce)自(zi)動(dong)化(hua)可(ke)能(neng)性(xing)非(fei)常(chang)小(xiao)。當(dang)然(ran)也(ye)做(zuo)了(le)一(yi)些(xie)AOI
，但實現的效果不太好，沒有一個真正的解決方案。可能你上了一台設備
，但還需要更多的人來維護這台設備。AI提供了全新的強力的技術手段，和更多的可能性!

➔ 保齡球道時期(2024)：產品創新

早期市場階段，我認為是找一些場景落地，後麵到了保齡球道時期，一定是在細分市場。

這zhe裏li麵mian的de一yi個ge焦jiao點dian就jiu是shi產chan品pin創chuang新xin。從cong算suan法fa維wei度du來lai看kan就jiu是shi算suan法fa的de標biao準zhun化hua，包bao括kuo工gong具ju鏈lian標biao準zhun化hua。把ba前qian麵mian說shuo的de那na套tao落luo地di方fang法fa論lun抽chou象xiang成cheng一yi套tao工gong具ju，集ji成cheng到dao產chan品pin中zhong，讓rang大da家jia更geng方fang便bian地di使shi用yong。從cong解jie決jue方fang案an維wei度du，核he心xin點dian在zai於yu創chuang新xin簡jian化hua。發fa掘jueAI特性，在提高檢測性能的同時
，簡化成像、算法
、自動化解決方案，縮短產品上市周期，降低產品生命周期綜合成本。

該階段客戶的特征：有痛點且關注性價比。我們認為這個階段還需要延續兩到三年的時間。

➔ 龍卷風時期(2029)：行業價值鏈重構

下一個時期就是龍卷風時期，重點在於重構行業價值鏈。

該gai時shi期qi的de前qian置zhi條tiao件jian是shi殺sha手shou級ji產chan品pin的de出chu現xian
，該gai殺sha手shou級ji產chan品pin把ba行xing業ye價jia值zhi鏈lian卷juan一yi遍bian，在zai暴bao風feng過guo後hou，將jiang會hui呈cheng現xian新xin的de價jia值zhi鏈lian格ge局ju。比bi如ru，移yi動dong互hu聯lian網wang時shi代dai的de殺sha手shou級ji產chan品pin就jiu是shiiPhone。視覺行業的殺手級產品是康耐視的VisionPro，有了這個產品才定義了我們現在提到的很多術語。那AI時代的殺手級產品是什麼?這個還是需要由市場來選擇。

龍卷風時期的重要特征：大量“偽AI公司出現”。特別是傳統視覺公司沒有涉及AI也紛紛披上AI的外衣，因為大家都感知到暴風即將來臨
，想跟上風潮的同時又恐懼被暴風卷走。

演進趨勢觀點

最後我來分享下我們對未來3-5年AI演進趨勢的一些觀點。

第一個是算法方麵：第一個是非監督，這個主要針對輕量級場景;第二個是大模型，前麵提到對於複雜場景
，大模型是最佳機會;最後一個是輕量化
，即低算力，低成本是工業視覺永恒的關鍵維度。

第二個趨勢屬於解決方案。第一個核心還是簡化和通用化，前麵提到的成像
、算法自動化都是屬於簡化、通用化。還有一個是全鏈路的成本優化。這是什麼意思?一個行業要達到最大化普及，成本是很關鍵的一個因素。整個鏈條包括硬件、算力
、開發成本、部署成本、維護成本，如何實現整體最低。

第(di)三(san)個(ge)我(wo)認(ren)為(wei)是(shi)整(zheng)個(ge)行(xing)業(ye)大(da)的(de)趨(qu)勢(shi)。未(wei)來(lai)五(wu)年(nian)左(zuo)右(you)
，一(yi)定(ding)會(hui)出(chu)現(xian)殺(sha)手(shou)級(ji)產(chan)品(pin)。這(zhe)個(ge)產(chan)品(pin)的(de)出(chu)現(xian)靠(kao)能(neng)力(li)，也(ye)要(yao)靠(kao)點(dian)運(yun)氣(qi)
，最(zui)終(zhong)它(ta)是(shi)由(you)市(shi)場(chang)篩(shai)選(xuan)出(chu)來(lai)。整(zheng)個(ge)行(xing)業(ye)將(jiang)會(hui)因(yin)為(wei)這(zhe)個(ge)殺(sha)手(shou)級(ji)產(chan)品(pin)重(zhong)新(xin)洗(xi)牌(pai)。這(zhe)個(ge)殺(sha)手(shou)級(ji)產(chan)品(pin)的(de)出(chu)現(xian)將(jiang)影(ying)響(xiang)什(shen)麼(me)?我分享一下我個人的觀點：第一個就是不了解AIdegongchengshikenengjiangbeitaotai。haiyouyigejiushichuantongdeshijiaogongsicongyezhenengbunengzaidadetujinglimianchuangzaojiazhi，fouzeyehuibeitaotai。zhegewomenkeyiyongshijianlaijianyan。

以上所有內容整理自阿丘科技研發VP 鍾克洪博士於2023 VisionChina 北京大會演講